CRYSTALSIGHT：队列1.5临床研究——使用OCCUTRACK与陈笃生医院眼科诊所，通过人工智能眼动追踪进一步开发黄斑病变居家远程监测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07255885

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：黄斑病变、黄斑病变、年龄相关性、黄斑变性、年龄相关性、糖尿病视网膜病变、湿性年龄相关性黄斑变性、老年性黄斑变性。黄斑变性随年龄增长而更为常见，可导致视力模糊或扭曲，常伴有暗点遮挡视野中心。在年龄相关性黄斑变性（AMD）的管理中，患者需由临床医生安排在专科眼科诊所定期复查，以监测其病情。患者在这些门诊就诊期间接受的眼部检查可能包括眼底镜检查和光学相干断层扫描。对于渗出性或湿性AMD的一种预防性治疗是在这些定期门诊期间给予抗血管内皮生长因子（anti-VEGF）的玻璃体内注射。尽管抗血管内皮生长因子（VEGF）注射对许多湿性AMD患者是一种有效的治疗，但在AMD的治疗中仍存在若干未满足的需求，且这些治疗均无法治愈该病或逆转其病程。部分患者对VEGF注射无应答。

目前尚无标准化的治疗方案，治疗负担沉重，且视力会随时间持续丧失。此外，抗VEGF治疗的主要缺点是其高昂的费用，这给卫生系统带来了沉重负担，并常常使得此类方案在临床实践中难以负担。目前尚无针对GA的治疗方法。因此，预防湿性AMD等晚期疾病以及寻找新的有效治疗方法仍是一项重大挑战。影像学、遗传学及分子技术的进步使得人们识别出疾病进展的新风险因素，但并非所有因素都在综合预测模型中得到了评估。或许，综合预测模型能够推动定制化、个体化治疗的发展，并改善个性化医疗。因此，应用这一下一代OCCUTRACK技术来开发综合风险评分算法，并估算风险评分以识别疾病进展高风险个体

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。