Retinal_QA
视网膜图像质量评估（IQA）数据集包含216张分类精确的视网膜图像，这些图像被细分为三个质量类别：125张图像被评为高质量（good），69张为低质量（bad），22张被标记为异常值（outlier）。IQA在确保自动视网膜图像分析系统能够准确诊断疾病方面起着关键作用。事实上，精确的输入图像质量评估机制是任何高效视网膜图像自动分析系统的核心组成部分。为了推进视网膜图像质量评估算法的研发并促进其在相关应用中的集成，作者特别构建了这个数据集。
yanjing可视化图片
Retinal_QA_2.webp
Retinal_QA_3.webp
Retinal_QA_1.webp
数据集元信息
| 维度 | 2D |
| 模态 | fundus |
| 任务类型 | classification |
| 解剖结构 | 视网膜 |
| 解剖区域 | 眼部 |
| 类别数 | 3 |
| 数据量 | 216 |
| 文件格式 | .jpg |
图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | - |
[760,570] |
| 中位值 | - |
[760,570] |
| 最大值 | - |
[760,570] |
引用
@article{2014Identification,
title={Identification of suitable fundus images using automated quality assessment methods},
author={ Sevik, Ugur and K?Se, Cemal and Berber, Tolga and Erd?L, Hidayet },
journal={Journal of Biomedical Optics},
volume={19},
number={4},
pages={46006},
year={2014},
}