DATA-INSIGHT:德国眼科疾病健康数据研究项目
本研究的主要目标是查明某些眼科疾病在德国的常见程度及其随时间的变化。所研究的疾病包括:nAMD(新生血管性年龄相关性黄斑变性):一种影响视网膜中央部位并可能导致老年人视力丧失的疾病

基本信息
资源简介
DATA-INSIGHT:德国眼科疾病健康数据研究项目
DATA-INSIGHT 是一个聚焦德国健康数据的项目,旨在查明有多少患者受到眼科疾病的影响,并探索收集与利用公开可获取的医疗健康信息的新方式。该项目关注的眼科疾病包括新生血管性年龄相关性黄斑变性(nAMD)、糖尿病性黄斑水肿(DME)以及视网膜静脉阻塞(RVO)。研究的主要目标是了解这些特定眼科疾病在德国的常见程度及其随时间的变化情况。研究将考察2009年至2024年间收集的数据,以评估这些疾病的发生率(incidence)和患病率(prevalence),并计划使用来自德国的两套大型健康数据集。该数据集在分类上归属于内分泌、营养和代谢疾病 / 糖尿病,来源站为 clinicaltrials.gov。
【数据集背景】
该项目的研究背景围绕德国眼科疾病的流行病学状况展开。所关注的三类疾病均可能对视力造成显著影响。其中,新生血管性年龄相关性黄斑变性(nAMD)是一种影响视网膜中央部位并可能导致老年人视力丧失的疾病;糖尿病性黄斑水肿(DME)是由糖尿病引起的视网膜中央部位肿胀,同样可能导致视力问题;视网膜静脉阻塞(RVO)则是视网膜静脉发生阻塞,可能引起突发性视力丧失。研究希望借助健康数据,了解这些疾病在德国的发生频率以及随时间推移的变化趋势。
【数据内容】
该数据集涉及的研究对象为新生血管性年龄相关性黄斑变性(nAMD)、糖尿病性黄斑水肿(DME)和视网膜静脉阻塞(RVO)。研究关注的核心指标包括这些疾病的发生率(incidence)和患病率(prevalence)。数据的时间跨度为2009年至2024年。研究将使用来自德国的两套大型健康数据集来开展分析。主题标签包括 Neovascular Age-related Macular Degeneration (nAMD)、Diabetic Macular Edema (DME)、Retinal Vein Occlusion (RVO)。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。研究计划使用两套来自德国的大型健康数据集。源站描述提到,项目还探索收集与利用公开可获取的医疗健康信息的新方式。关于这两套健康数据集的具体名称、采集方式、数据规模、更新频率等细节,源站未提供。
【适用场景】
该数据集适用于了解德国境内新生血管性年龄相关性黄斑变性(nAMD)、糖尿病性黄斑水肿(DME)和视网膜静脉阻塞(RVO)的常见程度及其随时间的变化情况。可用于分析这些疾病在2009年至2024年间的发生率与患病率。此外,项目也涉及探索收集与利用公开可获取的医疗健康信息的新方式。关于更具体的适用场景,源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT07308639
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
疾病:新生血管性年龄相关性黄斑变性(nAMD)、糖尿病性黄斑水肿(DME)、视网膜静脉阻塞(RVO)。本研究的主要目标是了解某些眼部疾病在德国的常见程度及其随时间的变化情况。所研究的疾病包括:nAMD(新生血管性年龄相关性黄斑变性):一种影响视网膜中央部位并可能导致老年人视力丧失的疾病。DME(糖尿病性黄斑水肿):由糖尿病引起的视网膜中央部位肿胀,也可能导致视力问题。RVO(视网膜静脉阻塞):视网膜静脉阻塞,可能导致突发性视力丧失。研究人员将查看2009年至2024年收集的数据,以了解这些疾病的发生频率(发病率)以及特定时间点有多少人患有这些疾病(患病率)。他们将使用来自德国的两个大型健康数据集,分别称为FDZ和FDGP。主要问题是:2009年至2024年期间,德国两个数据来源(FDZ和FDGP)中nAMD、DME和RVO的新发病例数和现有病例数如何比较?
该研究还希望查明年龄、其他健康问题和药物等因素是否会影响这些眼部疾病的常见程度。另一个目标是了解有多少患有这些眼部疾病的人接受了一种名为抗VEGF的药物治疗,这种药物用于减缓或阻止视力丧失。总之,这项研究将帮助我们了解这些眼部疾病如何影响德国人、如何治疗这些疾病,以及不同人群是否更容易患上这些疾病。
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。




