AI辅助后节疾病检测：DR、AMD、RVO与Glaucoma

数据集获取

源站：https://clinicaltrials.gov/study/NCT07318428

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

疾病：糖尿病视网膜病变、年龄相关性黄斑变性、视网膜静脉阻塞、青光眼、疑似青光眼。这项多中心研究旨在评估AI辅助眼底图像解读在多大程度上提高眼科医生的诊断表现。本研究并非评估算法的独立性能，而是旨在确定在实际临床工作流程中将AI用作决策支持工具的临床价值。在每个参与机构中，五名获得委员会认证三年内的眼科医生和五名眼科住院医师将作为阅片者参与。所有阅片者将在有和无基于AI的辅助软件两种条件下解读眼底图像。本研究将定量比较四种后节疾病在两种条件下的诊断准确性和阅片时间：糖尿病视网膜病变、年龄相关性黄斑变性、视网膜静脉阻塞和青光眼。

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。