利用高光谱视网膜成像定义视网膜结构
该数据集来自clinicaltrials.gov，聚焦内分泌、营养和代谢疾病及糖尿病领域，涉及年龄相关性黄斑变性、糖尿病视网膜病变、青光眼、视网膜疾病与健康志愿者
基本信息
资源简介
利用高光谱视网膜成像定义视网膜结构
该数据集来自clinicaltrials.gov，聚焦内分泌、营养和代谢疾病及糖尿病领域，涉及年龄相关性黄斑变性、糖尿病视网膜病变、青光眼、视网膜疾病与健康志愿者。研究采用高光谱视网膜成像（HSI），在超过25个波段采集视网膜图像，生成包含空间与光谱信息的高光谱立方体，比传统彩色眼底照相提供更细致的组织信息。计划从墨尔本眼科诊所招募约1000名参与者，使用Optina设备与CERA原型相机成像，并经配准和光谱归一化处理，可用于视网膜及视神经结构的表征研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：年龄相关性黄斑变性、糖尿病视网膜病变、青光眼、视网膜疾病、健康志愿者。这是一项由研究者发起的成像研究，评估高光谱视网膜成像（HSI）用于表征健康和患病眼睛的视网膜及视神经结构。HSI在多个波长（>25个波段）上采集视网膜图像，生成光谱“超立方体”，其中包含每个像素的空间和光谱信息。这比传统彩色眼底照相提供更详细的组织信息。计划从墨尔本的眼科诊所招募约1000名参与者。所有参与者都将接受标准眼科评估，并使用Optina设备和CERA原型相机进行高光谱视网膜成像。高光谱图像将经过配准和光谱归一化处理，以提取像素级反射
【主题与分类】
主题标签：Age-Related Macular Degeneration、Diabetic Retinopathy、Glaucoma、Retinal Diseases、Healthy Volunteers。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://clinicaltrials.gov/study/NCT07555574
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/NCT07555574
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：年龄相关性黄斑变性、糖尿病视网膜病变、青光眼、视网膜疾病、健康志愿者。这是一项由研究者发起的影像学研究，旨在评估高光谱视网膜成像（HSI）用于表征健康和患病眼睛的视网膜及视神经结构。HSI 在多个波长（>25 个波段）上获取视网膜图像，生成包含每个像素空间和光谱信息的光谱“超立方体”。与传统彩色眼底照相相比，这能提供更详细的组织信息。约 1000 名参与者将从墨尔本的眼科诊所招募。所有参与者都将接受标准眼科评估，并使用 Optina 设备和 CERA 原型相机进行高光谱视网膜成像。高光谱图像将经过配准和光谱归一化处理，以提取像素级反射特征。这些数据将使用统计和机器学习方法进行分析，并与已有的影像生物标志物进行比较，以评估其区分疾病状态的能力。
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。
