评估MLSDT可靠性与有效性的前瞻性观察性研究

该数据集来自clinicaltrials.gov,属于内分泌、营养和代谢疾病/糖尿病分类,聚焦黄斑变性、地图样萎缩与Stargardt病

Nanoscope Therapeutics Inc.Nanoscope Therapeutics Inc.
clinicaltrials
浏览 11
其他回归Macular DegenerationGeographic AtrophyStargardt Disease
A Prospective Observational Study to Assess the Reliability and Validity of the MLSDT

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-12

资源简介

评估MLSDT可靠性与有效性的前瞻性观察性研究

该数据集来自clinicaltrials.gov,属于内分泌、营养和代谢疾病/糖尿病分类,聚焦黄斑变性、地图样萎缩与Stargardt病。研究旨在用9种形状替代3种形状,测试并验证MLSDT作为功能性视力检查的准确性、可靠性与标准化效率,包括基于患者视力的重测变异性和重复性评估,并探索MLSDT与ETDRS视力表所测最佳矫正视力(BCVA)之间的描述性关系。可用于视力功能评估方法的验证与回归分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:黄斑变性、地图样萎缩、Stargardt病。在此,我们旨在使用9种形状(而非3种形状)测试MLSDT的准确性并对其进行验证,以作为对视力受损的STGD和GA患者进行功能性视力评估的可靠、标准化且高效的测试。这包括根据患者视力评估测试的性能(重测变异性和重复性)。此外,我们将使用Early Treatment Diabetic Retinopathy Study(ETDRS)视力表探索MLSDT与最佳矫正视力(BCVA)之间的描述性关系。

【主题与分类】

主题标签:Macular Degeneration、Geographic Atrophy、Stargardt Disease。本站分类:内分泌、营养和代谢疾病/糖尿病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06805474

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06805474

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:黄斑变性、地图样萎缩、Stargardt病。在此,我们旨在测试准确性,并使用9种形状(而非3种形状)验证MLSDT,作为对视力受损的STGD和GA患者进行功能性视觉的可靠、标准化和高效测试。这包括根据患者的视觉 acuity评估测试的性能(重测变异性和重复性)。此外,我们将探索MLSDT与使用早期治疗糖尿病视网膜病变研究(ETDRS)眼图的最佳矫正视力(BCVA)之间的描述性关系。

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。

获取专属数据定制方案