DARC 一期临床试验
研究关注青光眼、高眼压症及疑似青光眼人群，旨在评估 ANX776 的耐受性与安全性，并初步验证 DARC 在识别视网膜神经节细胞凋亡、辅助青光眼诊断方面的能力
基本信息
资源简介
DARC 一期临床试验
该数据集来自 clinicaltrials.gov，对应一项关于 DARC（Detection of Apoptosing Retinal Cells）技术的一期临床试验。研究关注青光眼、高眼压症及疑似青光眼人群，旨在评估 ANX776 的耐受性与安全性，并初步验证 DARC 在识别视网膜神经节细胞凋亡、辅助青光眼诊断方面的能力。数据可用于青光眼相关细胞凋亡检测与诊断方法的研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：青光眼、高眼压症、疑似青光眼。青光眼是全球不可逆性失明的主要原因，由视网膜神经节细胞（RGC）死亡引起。目前仅在已发生显著视力丧失后才能识别该病，而这一过程的早期事件及潜在标志物是 RGC“凋亡”（一种细胞死亡形式）。本研究旨在研究 ANX776 作为新型视网膜凋亡细胞检测（DARC）技术一部分的耐受性和安全性。该技术由 DARC 知识产权持有人及资助申请人 M. Francesca Cordeiro 教授的实验室开发。次要目标是初步建立 DARC 在健康及进展性青光眼/疑似青光眼/高眼压症患者中识别 RGC 凋亡以诊断青光眼的能力。作为本研究次要目标的阳性对照，非动脉炎性前部缺血性视神经病变患者……（源站描述在此处截断，后续内容源站未提供）
【主题与分类】
主题标签：Glaucoma、Ocular Hypertension、Glaucoma, Suspect。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02394613
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT02394613
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
适应症：青光眼、高眼压症、疑似青光眼。青光眼是全球不可逆性失明的主要原因，由视网膜神经节细胞（RGC）死亡引起。目前仅在已发生显著视力丧失后才能被识别，而该过程的早期事件及潜在标志物是RGC“凋亡”（一种细胞死亡形式）。本研究旨在探讨ANX776作为新型视网膜凋亡细胞检测（DARC）技术组成部分的耐受性和安全性。该技术由DARC知识产权持有人及资助申请人M. Francesca Cordeiro教授实验室开发。次要目标是初步确立DARC在健康和进展性青光眼/疑似青光眼/高眼压患者中诊断青光眼时识别RGC凋亡的能力。作为本研究次要目标的阳性对照，将招募非动脉炎性前部缺血性视神经病变（NAION）患者。研究期间，每位患者将接受多项眼科检查、使用既定临床设备进行眼后部成像，以及采血以研究ANX776的安全性和毒理学特征。
了解ANX776的安全性特征对于在患者中使用DARC至关重要，也关乎其作为一种潜在强大的新型临床工具的应用，用以在早期青光眼患者视力丧失之前识别他们。若取得成功，这将为直接观察青光眼治疗效果打开大门，包括评估新的突破性疗法。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
