Eyes
ODIR-2019
眼科疾病智能识别竞赛；自动眼病分类：正常，糖尿病，青光眼，白内障，年龄相关性黄斑变性，高血压，近视和其他疾病/异常；需申请
数据集：5000组包含患者的性别、年龄、双眼彩色眼底照片和医生的诊断关键词等的结构化脱敏后眼科的数据集；4000 train；1000 test
ADAM 20
与年龄相关性黄斑变性（AMD）诊断以及AMD患者眼底照片中病变的分割；需申请
task 1：AMD和非AMD眼底图像的分类。 task 2：检测和分割视盘。 task 3：中央凹的定位。 task 4：从眼底图像中检测和分割病变。
数据集：暂时无权查看（申请已递交）
PALM 19
病理性近视（PM）诊断 & PM患者眼底照片中病变的分割；需申请
（1）正常和近视眼底的分类；（2）病理性近视眼的典型病变（视网膜萎缩，出血，黄斑病变）的分割
数据集：暂时无权查看（申请已递交）
REFUGE2（20）
MICCAI子会议；视网膜眼底图像的标准数据集上进行青光眼检测和视盘/杯分割；需申请
数据集：暂时无权查看（申请已递交）
另：REFUGE1（18）
DRIVE
对视网膜图像中的血管进行分割；需申请
数据集：400位糖尿病患者的眼底图像，混合了正常眼底图像和病变眼底图像；.png；具体暂时无权查看（申请已递交）
IDRiD（18）
使用视网膜眼底图像对糖尿病性视网膜病变和糖尿病性黄斑水肿进行自动检测和分级（印度糖尿病视网膜病变图像数据集）；需申请
task1 ：病变分割：将与糖尿病性视网膜病变相关的视网膜病变分割为微动脉瘤，出血，硬性渗出液和软性渗出液。task 2： 疾病分级：根据糖尿病性视网膜病变和糖尿病性黄斑水肿的严重程度对眼底图像进行分类。task 3：视盘和中央凹检测：视盘和中央凹中心坐标的自动定位以及视盘的分割。
数据集：可下载
A.分割：
1.原始彩色眼底图像（81幅图像分train和test in jpg）
2.病变的ground truth（微动脉瘤（MA），出血（HE），硬性渗出物（EX）和软性渗出物（SE）分train和test in tif）和视盘（分train和test in tif）
B.疾病分级：
1.原始彩色眼底图像（516张图像分train和test in jpg）
2.糖尿病性视网膜病变和糖尿病性黄斑水肿严重程度分级的ground truth（分train和test in csv）
C.病灶定位：
1.原始彩色眼底图像（516张图像分train和test in jpg）
2.视盘中心位置的ground truth（分train和test in csv）
3. Fovea中心位置的ground truth（分train和test in csv）
OCT：
OCT-Retinal
OCT-Retinal下的混合（健康&病变）数据集；open
数据集：5G；84,495张X-ray in .jpeg；3个文件夹（训练，测试，验证），4种类别（NORMAL，脉络膜新生血管（CNV），糖尿病性黄斑水肿（DME），玻璃疣（DRUSEN））的子文件夹。
OCT-AMD
OCT下年龄相关性黄斑变性（AMD）的图像分割的dataset； open
数据集：17G；单独的SDOCT图像和标记：来自269名AMD患者和115名正常受试者的38400次BScan，其年龄以及在中央凹处直径5mm处的相应分割边界。
OCT-DME（15）
OCT下对糖尿病性黄斑水肿（DME）的分割dataset；open
数据集：194M；6例train；10例test
Else：
DIARETDB1 （07）
用于根据数字图像对糖尿病性视网膜病变进行基准检测的小公共数据库；open
数据集：based on matlab；89幅彩色眼底图像，84幅至少包含轻度的非增生性糖尿病视网膜病变征象（微动脉瘤），5幅正常。
STARE（00）
视网膜的结构化分析（自动诊断人眼疾病）系统；输入：视网膜图像中可观察到的信息，输出：一种诊断，用于模仿眼科医生可以达到有关受试者健康的结论；另外提供了系统执行代码和exe；数据集仅含大约400张images。