AI驱动的糖尿病视网膜病变DIY筛查系统

该数据集来自clinicaltrials.gov,聚焦糖尿病视网膜病变的AI驱动DIY筛查系统。研究在SPGC、Optometry Clinics、GPGC和GOPC四类目标场所中各选两家代表性诊所开展实用试验,每家运行3个月,计划收集SPGC与Optometry诊所各最多100名患者、GPGC和G

The Hong Kong Polytechnic UniversityThe Hong Kong Polytechnic University
clinicaltrials
浏览 11
表格预测Diabetic Retinopathy
AI-Powered DIY Screening System for Diabetic Retinopathy

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-12

资源简介

AI驱动的糖尿病视网膜病变DIY筛查系统

该数据集来自clinicaltrials.gov,聚焦糖尿病视网膜病变的AI驱动DIY筛查系统。研究在SPGC、Optometry Clinics、GPGC和GOPC四类目标场所中各选两家代表性诊所开展实用试验,每家运行3个月,计划收集SPGC与Optometry诊所各最多100名患者、GPGC和GOPC各200名患者的数据。受试者需完成DIY筛查、医生咨询、问卷调查及基线评估后3个月电话访谈。数据可用于评估无主动协助下DIY系统的成功率、准确性、筛查率、检出率、转诊依从性、参与者体验及真实世界成本效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:糖尿病视网膜病变。将在三类目标场所中各选两家代表性诊所开展一项实用试验。每家诊所运行3个月,以完成SPGC和Optometry诊所最多100名患者、GPGC 200名和GOPC 200名患者的数据收集。所有受试者将进行DIY筛查、医生咨询、问卷调查,并在基线评估三个月后接受电话访谈。本研究将评估在真实世界环境中DIY系统在无主动协助下的成功率、准确性、筛查率和检出率、转诊依从性和参与者体验,以及成本效果。

【主题与分类】

主题标签:Diabetic Retinopathy。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/NCT06892353

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/NCT06892353

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:糖尿病视网膜病变。将在三类目标环境中各选两家具有代表性的诊所开展一项实用性试验。每家诊所将运行3个月,以完成数据收集,其中SPGC和验光诊所最多收集100名患者的数据,GPGC收集200名,GOPC总共收集200名。所有受试者将进行DIY筛查、医生咨询、问卷调查,并在基线评估三个月后接受电话访谈。本研究将评估自动化筛查在无主动辅助帮助情况下DIY系统的成功率、准确性、筛查率和检出率、转诊依从性和参与者体验,以及真实世界环境中的成本效益。

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