AI辅助诊断软件（VeriSee）用于眼科疾病筛查的有效性与成本效果评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT06843499

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：年龄相关性黄斑变性（AMD）、糖尿病视网膜病变（DR）。人工智能（AI）在医学影像分析和疾病诊断方面展现出巨大潜力，尤其在眼科领域。利用AI诊断常见眼科疾病已取得重大进展，有助于提升早期检出率并改善患者预后。年龄相关性黄斑变性（AMD）和糖尿病视网膜病变（DR）的早期诊断对于有效治疗和疾病管理至关重要。然而，当前临床诊断高度依赖眼科医生，导致患者就诊率低、诊断资源分布不均等问题。为解决这些问题，本研究将提供有力证据，进一步验证AI辅助筛查的诊断性能以及VeriSee AI辅助诊断系统在检测糖尿病视网膜病变（DR）和年龄相关性黄斑变性（AMD）方面的临床有效性。VeriSee AMD和VeriSee DR是分别用于筛查AMD和DR的AI驱动医学软件工具。

这些系统采用先进的人工智能算法分析彩色眼底摄影图像，评估疾病状况，并评价图像质量。通过将该软件整合到临床工作流程中，医生能够获得即时诊断支持，从而提高眼科疾病筛查的效率和可及性。

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。