多模态血流分析评估视神经乳头的前瞻性观察性多中心研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07075887

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：神经眼科、视神经病变、视神经萎缩、遗传性、Leber、视神经病变、前部缺血性、视盘玻璃膜疣、正常眼压性青光眼（NTG）。背景与原理 视神经乳头（ONH）的血管成分，如同视网膜的血管成分，是维持ONH稳态的重要组成部分，但被认为难以精确分析，尤其是在视神经病变中。关于血管成分及其在急性和慢性ONH疾病中的作用，人们知之甚少，特别是在引起肿胀的病症中，此时必须区分水肿与假性水肿。如今，视网膜血管成像的金标准是血管造影术，使用荧光素或吲哚菁绿。然而，传统血管造影的缺点是需要将染料有创地注入静脉系统，导致低但可能危及生命的副作用，如过敏反应；此外，所获得的数据无法标准化或用于定量分析。然而，诸如OCT-A等新技术可以提供关于血管结构的可标准化和可量化的数据，这些数据可用于统计分析。

此外，生态彩色多普勒超声可提供ONH血流的直接测量。目的与终点 目的 终点：本研究旨在通过OCT-A（OCT血管成像）评估伴有和不伴有ONH水肿或假性水肿的视神经病变中ONH的血管和结构成分，并通过生态彩色多普勒评估眼部血流。主要目的：识别与疾病发生和进展相关的参数（预后生物标志物）。主要终点：分析通过OCT-A采集的有症状眼和无症状眼的数据，以评估功能与结构参数之间的关系，从而识别与疾病发生和进展相关的参数。时间点：入组后24个月。次要目的：通过OCT-A和生态彩色多普勒评估并比较不同的ONH血管成分，以识别与疾病相关的参数

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。