孟加拉国眼保健生产力试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT05182580

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

病症：糖尿病视网膜病变、糖尿病黄斑水肿。孟加拉国眼科护理生产力（B-PRODUCTIVE）试验研究目标：评估在孟加拉国使用自主人工智能（AI）识别糖尿病视网膜病变（DR）和糖尿病黄斑水肿对视网膜专家生产力的影响。假设：自主AI提高视网膜专家生产力。主要研究问题：在随机临床试验中，当视网膜专家使用自主AI时，他们每工作小时完成的糖尿病眼检查数量是否会更多（包括由AI审查而无需视网膜专家亲自查看的人员）？设计：按诊所日进行整群随机对照试验。随机化：按诊所日进行。每天早晨，诊所经理将打开一个不透明信封，告知经理当天是干预（AI）日还是对照（非AI）日。干预措施：两组中的所有患者均需通过资格核对表。如果通过，他们将由自主AI进行评估。

这样做是为了减少潜在偏倚（患者和医生均不知晓参与者的分组情况）并实现分配隐藏（使患者和医生都无法在已知的“干预日”安排就诊）。干预组：在随机选择的“干预”门诊日，如果患者筛查呈阳性或图像质量不足，他们将继续前往眼科医生处就诊。如果不符合自主人工智能的适用条件，他们直接前往眼科医生处就诊，不进行自主人工智能评估。如果患者获得阴性结果，他们不见视网膜专科医生，而是在3个月后被转诊至常规眼科门诊（非视网膜门诊）就诊。对照组：在随机选择的“对照日”，所有患者均前往眼科医生处就诊，无论自主人工智能评估结果如何。设盲：视网膜医生对患者的分组情况（即特定门诊日是否使用自主人工智能进行预筛查）设盲，同时也对人工智能在干预

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。