基于人工智能软件的糖尿病视网膜病变筛查评估
该数据集来自 clinicaltrials.gov，聚焦糖尿病视网膜病变的 AI 筛查评估。操作者按 Retina-AI CheckEye 成像协议，使用非散瞳眼底相机为每只眼拍摄视盘居中与黄斑居中图像，随后将眼底图像上传至 AI 系统，由神经网络进行处理
基本信息
资源简介
基于人工智能软件的糖尿病视网膜病变筛查评估
该数据集英文名为 Assessing of Artificial Intelligence-based Software Platform for Diabetic Retinopathy Screening，来源于 clinicaltrials.gov，聚焦糖尿病视网膜病变的 AI 筛查评估。其核心内容围绕使用非散瞳眼底相机，按照 Retina-AI CheckEye 成像协议采集眼底图像，并将图像上传至人工智能系统，由神经网络进行处理。数据集在分类上归属于内分泌、营养和代谢疾病下的糖尿病方向，主题标签为 Diabetic Retinopathy。整体来看，该数据集用于支持对基于人工智能软件的糖尿病视网膜病变筛查平台进行评估，涉及眼底图像采集、图像上传和神经网络处理等关键环节，面向糖尿病视网膜病变这一特定疾病场景。
【数据集背景】
该数据集来自 clinicaltrials.gov，所涉及的疾病条件为糖尿病视网膜病变。数据集英文名称为 Assessing of Artificial Intelligence-based Software Platform for Diabetic Retinopathy Screening，表明其背景是对基于人工智能的软件平台在糖尿病视网膜病变筛查中的表现进行评估。数据集在分类上属于内分泌、营养和代谢疾病 / 糖尿病，主题标签为 Diabetic Retinopathy。上述信息说明该数据集与糖尿病相关的眼底筛查场景密切相关，重点在于人工智能软件平台在糖尿病视网膜病变筛查中的应用评估。关于该评估的具体研究设计、研究阶段、样本量、入排标准、终点指标等内容，源站未提供。
【数据内容】
该数据集涉及的数据内容为眼底图像。根据源站描述，操作者使用非散瞳眼底相机，按照 Retina-AI CheckEye 成像协议进行拍摄。该成像协议要求为每只眼拍摄一张视盘居中的图像和一张黄斑居中的图像。随后，操作者将眼底图像上传至 AI 系统，由神经网络进行处理。因此，从数据内容角度看，数据集围绕眼底图像展开，包含与视盘居中和黄斑居中相关的图像采集要求，并涉及图像进入人工智能系统后的神经网络处理流程。关于图像的具体数量、分辨率、格式、标注信息、存储结构、是否包含诊断标签或结果字段等内容，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。采集方式依据源站描述，由操作者使用非散瞳眼底相机完成。采集过程遵循 Retina-AI CheckEye 成像协议，具体为每只眼拍摄视盘居中图像和黄斑居中图像。采集完成后，操作者将眼底图像上传至 AI 系统，供神经网络处理。由此可知，数据采集与来源涉及非散瞳眼底相机、Retina-AI CheckEye 成像协议以及 AI 系统处理流程。关于采集地点、采集时间、操作者资质、设备型号、上传方式、网络环境、数据是否来自多中心等信息，源站未提供。
【适用场景】
该数据集适用于糖尿病视网膜病变的 AI 筛查评估场景。其英文名称直接指向对基于人工智能的软件平台进行糖尿病视网膜病变筛查评估。数据内容涉及按照 Retina-AI CheckEye 成像协议获取的眼底图像，并上传至 AI 系统由神经网络处理，因此可用于围绕糖尿病视网膜病变筛查中的人工智能软件平台开展相关评估工作。数据集分类为内分泌、营养和代谢疾病 / 糖尿病，主题标签为 Diabetic Retinopathy，也进一步表明其适用方向与糖尿病视网膜病变相关。关于具体适用人群、临床使用条件、筛查流程中的位置、是否用于辅助诊断或分诊等，源站未提供。
【使用方法】
根据源站描述，使用方法包括：操作者使用非散瞳眼底相机，按照 Retina-AI CheckEye 成像协议为每只眼拍摄视盘居中图像和黄斑居中图像；随后，操作者将眼底图像上传至 AI 系统，由神经网络进行处理。该流程说明了从图像采集到 AI 系统处理的基本使用路径。关于如何访问该数据集、是否需要申请、是否提供下载、是否附带使用文档、如何调用 AI 系统、如何处理输出结果等，源站未提供。
【质量与限制】
该数据集的质量与限制信息，源站未提供。现有信息仅能说明其来源为 clinicaltrials.gov，涉及糖尿病视网膜病变，采集遵循 Retina-AI CheckEye 成像协议，使用非散瞳眼底相机拍摄视盘居中和黄斑居中图像，并上传至 AI 系统由神经网络处理。关于图像质量、数据完整性、标注一致性、偏倚风险、样本代表性、隐私与脱敏情况、伦理审批、数据审核机制等，源站未提供。
【引用与许可】
该数据集的引用与许可信息，源站未提供。现有信息仅包含数据集英文名称、来源站 clinicaltrials.gov、分类、主题标签以及源站描述中的采集与处理流程。关于引用格式、许可协议、使用限制、商业使用条件、二次分发要求等，源站未提供。
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/NCT06879834
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
条件：糖尿病视网膜病变。操作者按照Retina-AI CheckEye成像方案（每只眼拍摄一张以视盘为中心的图像和一张以黄斑中心凹为中心的图像）使用免散瞳眼底照相机拍摄眼底图像。此后，操作者将眼底图像上传至AI系统，供神经网络处理。
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。
