基层医疗中糖尿病患者的视网膜疾病与青光眼AI检测

数据集获取

源站：https://clinicaltrials.gov/study/NCT04132401

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、青光眼、年龄相关性黄斑变性、脉络膜痣、视网膜前膜。研究设计 本项目遵循的方法学包括两项同期进行的研究：在第一项研究中，开发了一种AI算法，用于检测糖尿病患者的DR体征。项目的第二部分是一项观察性横断面研究，比较该算法与家庭医学医师及视网膜专科医师的诊断能力。参考标准为由视网膜专科医师进行的盲法双读（若前两次读片结果不一致，则进行盲法第三读）。通过这种方式，将AI算法和家庭医学专科医师获得的结果与金标准进行比较（准确率、灵敏度、特异度、曲线下面积等）。视网膜专科医师（若前两次读片结果不一致，则进行盲法第三读）。通过这种方式，将AI算法和家庭医学专科医师获得的结果与金标准进行比较（准确率、灵敏度、特异度、曲线下面积等）。

纳入接受过眼底读片培训的护士，是为了比较其诊断能力。研究人群、现场参与和招募。用于算法开发的图像由CHS提供，包括来自整个加泰罗尼亚人口的图像。研究在加泰罗尼亚健康研究所管理的加泰罗尼亚中部初级保健中心进行，涵盖Bages、Osona、Berguedà和Anoia等县。参考人群为分配至这些初级保健中心的人群。2017年该人群约有512,000人，糖尿病估计患病率为7.1%。研究期包括2010-2017年，用于开发AI算法。算法开发完成后，研究在2021年5月至8月约3-4个月期间，对常规糖尿病视网膜病变筛查中获得的眼底图像进行。

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。