不同程度糖尿病视网膜病变患者生化指标与视网膜血流动力学的相关性
该数据集来自 clinicaltrials.gov，聚焦不同严重程度的糖尿病视网膜病变。研究对象为中山大学附属第七医院眼科收治的糖尿病患者，采集了全部 OCTA 数据与生化指标
基本信息
资源简介
不同程度糖尿病视网膜病变患者生化指标与视网膜血流动力学的相关性
该数据集英文名为 Correlation of Biochemical Indexes and Retinal Hemodynamic in Patients With Different Degrees of Diabetic Retinopathy，来源于 clinicaltrials.gov，聚焦于不同严重程度的糖尿病视网膜病变。研究对象为中山大学附属第七医院眼科收治的糖尿病患者，采集了全部 OCTA 数据与生化指标。研究进一步构建了糖尿病视网膜病变的预测模型，并采用随机森林方法识别敏感指标。该数据集在内分泌、营养和代谢疾病 / 糖尿病分类下具有明确的主题指向，主题标签为 Diabetic Retinopathy。整体来看，该数据集围绕糖尿病视网膜病变的生化指标与视网膜血流动力学之间的关联展开，适合用于探索糖尿病视网膜病变严重程度相关的潜在生物标志物与预测建模研究。
【数据集背景】
糖尿病视网膜病变是糖尿病患者常见的微血管并发症之一，其发生发展与多种生化代谢异常及视网膜血流动力学改变密切相关。该数据集以不同严重程度的糖尿病视网膜病变为研究切入点，关注生化指标与视网膜血流动力学之间的相关性。研究背景建立在临床对糖尿病视网膜病变早期识别、风险分层和机制探索的需求之上，试图通过采集糖尿病患者的 OCTA 数据与生化指标，分析二者在不同病变程度下的关联特征，并进一步构建预测模型。该数据集来源于 clinicaltrials.gov，主题标签为 Diabetic Retinopathy，所属分类为内分泌、营养和代谢疾病 / 糖尿病。
【数据内容】
该数据集包含糖尿病患者的相关数据，具体涉及全部 OCTA 数据与生化指标。研究对象来自中山大学附属第七医院眼科收治的糖尿病患者，覆盖不同严重程度的糖尿病视网膜病变。数据内容围绕生化指标与视网膜血流动力学之间的相关性展开，并用于构建糖尿病视网膜病变预测模型。在建模过程中，研究采用了随机森林方法识别敏感指标。除上述内容外，源站未提供更细化的字段列表、变量名称、样本量、时间范围或数据格式说明。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。研究对象为中山大学附属第七医院眼科收治的糖尿病患者。研究采集了全部 OCTA 数据与生化指标。数据采集场景为眼科收治的糖尿病患者群体，研究目的包括分析生化指标与视网膜血流动力学在不同糖尿病视网膜病变严重程度下的相关性，并建立糖尿病视网膜病变预测模型。除上述信息外，源站未提供采集时间、采集设备型号、生化指标具体项目、随访安排或伦理审批等详细信息。
【适用场景】
该数据集适用于糖尿病视网膜病变相关的临床研究与数据分析场景，尤其是围绕生化指标与视网膜血流动力学关联的探索性研究。由于数据覆盖不同严重程度的糖尿病视网膜病变，并包含 OCTA 数据与生化指标，可用于构建和验证糖尿病视网膜病变预测模型，也可用于采用随机森林等方法识别敏感指标。此外，该数据集还可用于内分泌、营养和代谢疾病 / 糖尿病领域下关于糖尿病视网膜病变风险分层、机制假设生成以及指标筛选的方法学研究。具体应用时仍需结合源站未提供的样本量、变量定义和数据结构等信息进行评估。
【使用方法】
该数据集的使用应围绕其核心内容展开，即利用 OCTA 数据与生化指标分析不同严重程度糖尿病视网膜病变中的相关性，并在此基础上构建预测模型。研究过程中可采用随机森林方法识别敏感指标。由于源站未提供数据格式、字段说明、样本量、访问方式或预处理步骤，具体使用方法需依据实际获取的数据文件和研究设计确定。建议在使用前明确研究问题、纳入排除标准、变量处理方式以及模型验证策略。若需复现源站描述中的预测模型与随机森林分析，应确保所使用的数据范围与指标定义与原始采集一致。
【质量与限制】
该数据集来源于 clinicaltrials.gov，研究对象为中山大学附属第七医院眼科收治的糖尿病患者，采集了全部 OCTA 数据与生化指标，并用于构建糖尿病视网膜病变预测模型及采用随机森林方法识别敏感指标。然而，源站未提供样本量、数据完整性、缺失值情况、质量控制流程、标注一致性、设备参数、生化指标具体项目、随访信息或外部验证结果。因此，该数据集在泛化能力、偏倚风险、可重复性和适用范围方面存在信息不足的限制。使用者在解释结果时应注意这些未提供的信息可能对研究结论产生的影响。
【引用与许可】
该数据集来源于 clinicaltrials.gov，英文名称为 Correlation of Biochemical Indexes and Retinal Hemodynamic in Patients With Different Degrees of Diabetic Retinopathy。关于引用格式、许可协议、数据使用权限、访问限制或版权归属等信息，源站未提供。使用者在引用或使用该数据集前，应自行查阅来源站的相关页面以确认具体的引用要求和许可条件。
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/NCT05902650
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。选取中山大学附属第七医院眼科就诊的糖尿病患者作为研究对象，获取所有OCTA数据和生化指标，构建糖尿病视网膜病变预测模型，并采用随机森林法筛选敏感指标。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
