人工智能辅助筛查家庭医学与老年医学门诊糖尿病视网膜病变及年龄相关性黄斑变性患者

数据集获取

源站：https://clinicaltrials.gov/study/NCT07069647

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：年龄相关性黄斑变性（AMD）、糖尿病视网膜病变（DR）。背景：糖尿病视网膜病变（DR）和年龄相关性黄斑变性（AMD）是视力损害的主要原因。随着人口老龄化和糖尿病患病率的不断增加，DR和AMD的发病率持续上升。然而，由于疾病认知水平有限以及内科缺乏专用的眼底筛查工具，许多患者在疾病晚期才被诊断和治疗。本研究旨在评估VeriSee人工智能（AI）辅助诊断软件在糖尿病患者和老年人群中的临床价值，重点关注其筛查效果和可行性。目的：本研究旨在评估VeriSee——一种用于DR和AMD的AI辅助诊断软件——在提高黄斑变性、糖尿病视网膜病变和青光眼筛查率方面的有效性，以及降低严重视力损害的发生率和减轻整体医疗负担。同时，研究者将对VeriSee AI辅助诊断软件进行成本效益评估。

方法 本研究是一项多中心、双臂、平行组、开放标签、个体层面随机对照试验（RCT），在国立台湾大学医院总院及北护分院开展。研究参与者包括：（1）符合AMD筛查标准、年龄50岁及以上者；（2）符合DR筛查标准、年龄20岁及以上的糖尿病患者。参与者被随机分为两组：（1）干预组（AI辅助筛查），参与者将接受AI辅助图像分析，随后由医师立即解释结果，并根据需要转诊眼科；（2）对照组（仅医师筛查），参与者接受标准眼底摄影并由医师判读，结果在后续就诊时讨论。试验期间，眼科

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。