该数据集是一个包括 3,300 名受试者的视网膜神经疾病（青光眼）数据集，含有 2D 和 3D 图像数据，并且在种族群体的样本数量上实现了平衡，用于青光眼检测。青光眼是全球导致不可逆致盲的主要原因，黑人患青光眼的比例是其他种族的两倍。

Harvard-GF 数据集旨在促进 AI 自动青光眼诊断的公平性，专注于视网膜神经纤维层 (RNFL) ，因为青光眼是全球主要的不可逆盲原因。这个数据集解决了目前公平学习领域面临的一些主要挑战，包括公共数据集的数量和质量有限，特别是缺乏适用于创建需要成像数据的公平计算机视觉模型的数据集，以及在医疗和健康领域的公平数据集特别缺乏。

Harvard-GF 数据集的主要特点包括：

• 它是第一个专门用于医学成像深度学习研究的公平性数据集。
• 数据集中包含了来自三个主要种族群体（白人、黑人和亚洲人）相等数量的受试者，这避免了可能混淆公平学习问题的数据不平衡问题。
• 提供了 2D 和 3D 成像数据，这为 3D 公平学习提供了未被充分探索的研究机会。