糖尿病视网膜病变筛查即时检验人工智能

数据集获取

源站：https://clinicaltrials.gov/study/NCT06721351

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

条件：糖尿病视网膜病变（DR）。本研究旨在通过整合即时检测（POC）人工智能（AI）技术进行糖尿病视网膜病变（DR）筛查，增强和修改现有临床实践，以解决社区卫生中心环境中糖尿病眼保健方面未满足的医疗需求。使用一种特殊相机和名为EyeArt®的计算机系统，使糖尿病眼筛查更快、更易获得。EyeArt®是一种经美国食品药品监督管理局（FDA）批准的设备系统，用于快速、无创的糖尿病视网膜病变筛查。这种无创DR筛查无需散瞳，可立即提供结果，并有助于与初级保健提供者进行知情讨论。本研究将优化、实施并测试多组分干预措施的影响，该干预措施包括：1）自主DR筛查，将快速、无创的视网膜检查引入初级保健环境；2）将结果整合到EHR中；3）健康教育/护理协调支持（例如，患者教育）。

主要目标（临床）：评估多组分AI临床干预在DR筛查率、DR早期检测以及异常结果转诊至专科医生进行随访方面的实施情况和有效性。次要目标：评估多组分AI临床干预在DR知识、态度、自我效能和患者满意度方面的实施情况和有效性。参与者将为22岁及以上、患有糖尿病（DM）、在过去11个月内未进行过视网膜检查、在干预期间已预约就诊，并且能够阅读和理解英语或西班牙语以提供知情同意并完成研究调查的SYHealth活跃患者。排除标准：1）既往诊断为DR、黄斑水肿或视网膜血管阻塞；2）一只或双眼存在持续性视力障碍；3）有眼部注射、激光治疗或

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。