dsrestrepo/mbrset-datathon

mBRSET Dataset (448px resolution) / Dataset mBRSET (resolución 448px)

English

Dataset Description

This folder contains a clean mBRSET subset prepared for the Medical AI Datathon. Images are retinal fundus photographs stored as JPG files. metadata.csv includes one row per image, with patient-level clinical variables, demographic variables, image quality fields, and retinal labels.

Original dataset: https://physionet.org/content/mbrset/

Structure

mBRSET/
├── images/
├── metadata.csv
└── README.md

The image column contains only the image filename.

Files

• images/: retinal fundus JPG images.
• metadata.csv: image metadata, labels, clinical variables, and split.
• README.md: this file.

Main Variables

• image: image filename inside images/.
• split: train/validation/test split.
• patient: patient identifier.
• age, sex: demographic variables.
• laterality: eye laterality.
• final_icdr: diabetic retinopathy severity grade using ICDR scale.
• final_edema: edema label.
• increased_cdr: increased cup-to-disc ratio, related to glaucoma screening.
• final_quality, final_artifacts: image quality and artifacts.
• dm_time, insulin, insulin_time, oraltreatment_dm: diabetes history and treatment variables.
• systemic_hypertension, obesity, vascular_disease, acute_myocardial_infarction, nephropathy, neuropathy, diabetic_foot: clinical comorbidities.
• insurance, educational_level, alcohol_consumption, smoking: demographic and lifestyle variables.

Possible Tasks

• Diabetic retinopathy severity prediction using final_icdr.
• Edema prediction using final_edema.
• Glaucoma-related screening using increased_cdr.
• Image quality prediction using final_quality.
• Subgroup, robustness, or fairness analysis using clinical and demographic variables.

Loading Example

from pathlib import Path
import pandas as pd
from PIL import Image

root = Path("PATH-TO-DATASET/mBRSET")
metadata = pd.read_csv(root / "metadata.csv")
image = Image.open(root / "images" / metadata.loc[0, "image"])

Español

Descripción del Dataset

Esta carpeta contiene un subconjunto limpio de mBRSET preparado para el Medical AI Datathon. Las imágenes son fotografías de fondo de ojo en formato JPG. metadata.csv incluye una fila por imagen, con variables clínicas del paciente, variables demográficas, campos de calidad de imagen y etiquetas retinianas.

Dataset original: https://physionet.org/content/mbrset/

Estructura

mBRSET/
├── images/
├── metadata.csv
└── README.md

La columna image contiene solo el nombre del archivo.

Archivos

• images/: imágenes de fondo de ojo en formato JPG.
• metadata.csv: metadatos, etiquetas, variables clínicas y split.
• README.md: este archivo.

Variables Principales

• image: nombre del archivo dentro de images/.
• split: partición train/valid/test.
• patient: identificador del paciente.
• age, sex: variables demográficas.
• laterality: lateralidad del ojo.
• final_icdr: severidad de retinopatía diabética según escala ICDR.
• final_edema: etiqueta de edema.
• increased_cdr: relación copa-disco aumentada, relacionada con tamizaje de glaucoma.
• final_quality, final_artifacts: calidad y artefactos de la imagen.
• dm_time, insulin, insulin_time, oraltreatment_dm: historia y tratamiento de diabetes.
• systemic_hypertension, obesity, vascular_disease, acute_myocardial_infarction, nephropathy, neuropathy, diabetic_foot: comorbilidades clínicas.
• insurance, educational_level, alcohol_consumption, smoking: variables demográficas y de estilo de vida.

Tareas Posibles

• Predicción de severidad de retinopatía diabética usando final_icdr.
• Predicción de edema usando final_edema.
• Tamizaje relacionado con glaucoma usando increased_cdr.
• Predicción de calidad de imagen usando final_quality.
• Análisis por subgrupos, robustez o equidad usando variables clínicas y demográficas.

Ejemplo de Lectura

from pathlib import Path
import pandas as pd
from PIL import Image

root = Path("PATH-TO-DATASET/mBRSET")
metadata = pd.read_csv(root / "metadata.csv")
image = Image.open(root / "images" / metadata.loc[0, "image"])