伴与不伴新生血管性青光眼的增殖性糖尿病视网膜病变患者临床特征数据集
背景:本数据集旨在研究增殖性糖尿病视网膜病变(PDR)患者中新生血管性青光眼(NVG)发生的临床特征及潜在风险因素。方法:我们收集了确诊PDR患者的临床数据,随后根据是否合并NVG将其分为两组

基本信息
资源简介
伴与不伴新生血管性青光眼的增殖性糖尿病视网膜病变患者临床特征数据集
背景:本数据集旨在研究增殖性糖尿病视网膜病变(PDR)患者中新生血管性青光眼(NVG)发生的临床特征及潜在风险因素。方法:我们收集了确诊PDR患者的临床数据,随后根据是否合并NVG将其分为两组
Clinical characteristics of proliferative diabetic retinopathy patients with and without neovascular glaucoma
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):背景:本数据集旨在研究增殖性糖尿病视网膜病变(PDR)患者中新生血管性青光眼(NVG)发生的临床特征及潜在风险因素。方法:我们收集了确诊PDR患者的临床数据,随后根据是否合并NVG将其分为两组。数据集包含关键的人口学和临床参数,如年龄、性别、糖尿病病程、收缩压/舒张压(SBP/DBP)、动脉血气(ABG)、糖化血红蛋白(HbA1c)、血清肌酐水平以及计算得出的应激性高血糖比值(SHR)。内容:数据集以两个独立的CSV文件提供:PDRwithNVG_cleaned.csv:包含诊断为NVG的PDR患者数据。PDRwithoutNVG_cleaned.csv:包含未患NVG的PDR患者(对照组)数据。每个文件i
【主题与分类】
主题标签:增殖性糖尿病视网膜病变、新生血管性青光眼、糖尿病、临床特征、风险因素、HbA1c、应激性高血糖比值。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://zenodo.org/doi/10.5281/zenodo.22332660
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.22332660
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
背景:本数据集旨在探究增殖性糖尿病视网膜病变(PDR)患者中新生血管性青光眼(NVG)发生的临床特征及潜在危险因素。方法:我们收集了确诊为PDR的患者的临床数据,随后根据是否伴有NVG将其分为两组。数据集包含关键的人口学和临床参数,如年龄、性别、糖尿病病程、收缩压/舒张压(SBP/DBP)、动脉血气(ABG)、糖化血红蛋白(HbA1c)、血清肌酐水平以及计算得出的应激性高血糖比值(SHR)。内容:数据集以两个独立的CSV文件提供:PDRwithNVG_cleaned.csv:包含诊断为NVG的PDR患者数据。PDRwithoutNVG_cleaned.csv:包含未患NVG的PDR患者(对照组)数据。每个文件包含以下变量:group(NVG/非NVG)、diabetes_duration_years、SBP_mmHg、DBP_mmHg、age_years、sex、ABG_mmol_L、HbA1c_percent、serum_creatinine_umol_L和SHR。
潜在用途:该数据集可用于比较分析,以探索各种临床指标(尤其是血糖变异性和肾功能)与PDR背景下NVG风险之间的关联。研究人员可利用该数据进行二次分析、荟萃分析,或验证与糖尿病并发症相关的发现。
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。




