人工智能诊断辅助数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05675540

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：湿性黄斑变性、糖尿病性黄斑水肿、视网膜静脉阻塞。Gulliksen（2017）将数字化描述为最大的社会转型过程，包括对医疗健康领域而言。自疫情带来的挑战以来，数字化尤其体现在医疗服务提供方式的变革中。当前的全球医疗形势要求采取灵活且创新的措施，切实调整临床工作方法，以安全高效的方式满足眼科等专科的需求。黄斑疾病会导致毁灭性的视力丧失。它是英国及发达国家最常见的可预防性视力丧失原因，若不定期监测和治疗，会导致不必要的、使人衰弱的视力丧失和失明。在英国，有180万人患有慢性黄斑疾病，其中约30万人居住在伦敦。专职医疗人员（AHPs）经过培训可以注射药物，但目前尚无正式体系让AHPs接受培训以评估患者数据（视力和OCT扫描）。

因此，研究人员认为，开发一种管理辅助工具以实现诊疗标准化，并通过扩大临床工作人员队伍来服务更多患者，是一个重要的研究领域。这款新的人工智能软件能够调动更广泛的非医疗工作人员队伍，包括超过14,000名验光师，以及护士、专职医疗人员和技术人员。通过人工智能工具和培训提升他们的技能，他们可以在社区环境中开展工作，从而扩大资源、提升服务能力与诊疗质量。虽然该算法并非旨在增进对疾病的了解，但最终用户仍会在一定程度上学习到良好的管理方法。目前文献中有许多自动化软件的例子，但它们都止步于验证阶段。它们都探讨了利用人工智能诊断疾病，但正如许多论文所指出的，没有一个解决了实施问题。目前也没有针对这些患者管理的试验，尤其是……

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。