推进对交通选择的理解
该数据集来自 clinicaltrials.gov，聚焦循环系统疾病中的心力衰竭，同时涵盖糖尿病视网膜病变、黄斑变性、青光眼、视网膜色素变性、视觉障碍、急性冠脉综合征、植入式除颤器使用者及充血性心力衰竭等状况
基本信息
资源简介
推进对交通选择的理解
该数据集来自 clinicaltrials.gov，聚焦循环系统疾病中的心力衰竭，同时涵盖糖尿病视网膜病变、黄斑变性、青光眼、视网膜色素变性、视觉障碍、急性冠脉综合征、植入式除颤器使用者及充血性心力衰竭等状况。研究采用多中心、双臂随机对照试验，纳入来自临床机构的老年驾驶员（n=300；≥70岁）及每位一名家庭成员（n=最多300），并进行纵向随访。研究目标为测试DDA改善结局的程度并识别最大受益人群，对应NIH行为干预发展模型的Stage II，可用于评估DDA疗效及亚组相对效应（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：状况：糖尿病视网膜病变、黄斑变性、青光眼、视网膜色素变性、视觉障碍、急性冠脉综合征、植入式除颤器使用者、充血性心力衰竭。研究者将采用多中心、双臂随机对照试验，纳入来自临床机构的老年驾驶员（n=300；≥70岁）及每位一名家庭成员（n=最多300），并进行纵向随访。研究目标是测试DDA在多大程度上改善结局，并识别谁从DDA中获益最多。对DDA疗效的评估（目标1）及其在亚组中的相对效应（目标2）对应于NIH行为干预发展模型的Stage II。目标1和目标2的发现可识别必要的改进（Stage I），并为未来的疗效、效果或实施试验提供信息。
【主题与分类】
主题标签：Diabetic Retinopathy、Macular Degeneration、Glaucoma、Retinitis Pigmentosa、Vision Disorders、Acute Coronary Syndrome、Implantable Defibrillator User、Congestive Heart Failure、Hypertrophic Obstructive Cardiomyopathy、Orthostatic Hypotension。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04141891
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/NCT04141891
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
条件：糖尿病视网膜病变、黄斑变性、青光眼、视网膜色素变性、视力障碍、急性冠脉综合征、植入式除颤器使用者、充血性心力衰竭。研究人员将开展一项多中心、双臂随机对照试验，研究对象为来自临床环境的老年驾驶员（n=300；≥70岁），以及每位驾驶员的一名家庭成员（n=最多300人），并进行纵向随访。研究目标是检验DDA在多大程度上改善结局，并确定哪些人从DDA中获益最大。评估DDA的疗效（目标1）及其在亚组中的相对效果（目标2）对应于美国国立卫生研究院行为干预开发阶段模型中的第二阶段。目标1和目标2的研究结果可识别必要的改进（第一阶段），并为未来的疗效、效果或实施试验提供依据。
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。
