FAIR AMD OCT Datasets
收藏资源简介:
这是一个与年龄相关性黄斑变性(AMD)相关的公开可用成像数据集,包含光学相干断层扫描(OCT)数据。该数据集根据可发现、可访问、可互操作和可重复(FAIR)原则进行评估。
This is a publicly available imaging dataset associated with age-related macular degeneration (AMD), which contains optical coherence tomography (OCT) data. This dataset has been evaluated in accordance with the Findable, Accessible, Interoperable, and Reusable (FAIR) principles.
数据集概述
关于数据集
该数据集与论文“Publicly Available Imaging Datasets for Age-related Macular Degeneration: Evaluation according to the Findable, Accessible, Interoperable, Reproducible (FAIR) Principles”相关。论文评估了公开可用的与年龄相关性黄斑变性(AMD)相关的数据集,这些数据集包含光学相干断层扫描(OCT)数据。数据集用于分析和生成论文中的图表。
遵循的标准
代码结构遵循FAIR-BioRS指南。Python代码遵循PEP8指南,函数文档字符串遵循Google风格指南。所有依赖项记录在environment.yml文件中。
使用Jupyter笔记本
前提条件
建议使用Anaconda创建和管理开发环境,并使用JupyterLab运行笔记本。所有后续指令均假设您使用Anaconda(Python 3版本)和JupyterLab。
克隆仓库
克隆仓库或下载为ZIP并解压。
进入代码文件夹
打开Anaconda提示符(Windows)或系统命令行界面,然后导航到代码文件夹。
设置conda环境
sh $ conda env create -f environment.yml
设置JupyterLab的内核
sh $ conda activate FAIR-AMD-OCT-paper-code $ conda install ipykernel $ ipython kernel install --user --name=<any_name_for_kernel> $ conda deactivate
启动JupyterLab
启动JupyterLab并导航到打开main.ipynb文件。确保将内核更改为上面创建的内核。建议使用JupyterLab代码格式化器以及Black和isort格式化器,以便于遵守PEP8规范。
输入/输出
Jupyter笔记本使用与论文相关的数据集文件。您需要下载数据集并将其添加到输入文件夹中(将数据集文件夹命名为dataset)。代码的输出包括在笔记本中显示的图表,这些图表也保存为文件,并包含在output文件夹中。
许可证
反馈和贡献
使用GitHub issues提交反馈或提出建议。您也可以克隆仓库并提交带有建议的拉取请求。
如何引用
如果您使用此代码,请引用相关论文(将在此处列出),并引用此仓库:
bash Gim, Nayoon, Patel, Bhavesh. Code: FAIR AMD OCT Datasets Paper [Software]. Zenodo. https://doi.org/10.5281/zenodo.12662728




