开发并测试在全科医疗中识别老年患者可预防性视力丧失的模型

数据集获取

源站：https://clinicaltrials.gov/study/NCT07015034

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

病症：视力障碍与失明、青光眼、年龄相关性黄斑变性、白内障、糖尿病视网膜病变。引言：视力障碍患者人数日益增多。视力障碍会导致生活质量下降，并削弱自我照护能力。对于视力障碍患者及其亲属而言，疾病负担沉重。年龄相关性眼病的严重程度和进展取决于发现时间和治疗方案，因此及时获得医疗照护对于减少视力障碍至关重要。全科医疗在公共卫生中发挥着关键作用，负责管理预防性医疗、慢性病的诊断与治疗。全科医生（GPs）协调其他医疗专业人员的服务。初级医疗部门更多的参与可能对发现视力障碍具有潜在价值。方法：研究者采用医学研究理事会复杂干预框架，开发一项以全科医生为核心行动者的初级医疗干预措施，旨在识别并协调低视力患者的照护。

开发过程将纳入患者、亲属及相关卫生专业利益相关者。研究者将在真实世界的全科诊所环境中试点检验该干预措施的可行性。干预模型将通过参与式方法开发，采用定性和创造性方法，如图形引导。该项目旨在探索全科诊所在发现可预防性视力丧失方面的潜力和局限性。伦理与传播：已获得地方当局的伦理批准，且本研究符合《赫尔辛基宣言》的要求。传播将通过研究论文进行，并通过播客和患者组织向更广泛的公众传播。

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。