NeoRetina人工智能算法在CHUM筛查糖尿病视网膜病变的评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT04699864

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、糖尿病性黄斑水肿、糖尿病性黄斑病变。超过88万名魁北克人（超过人口的10%）患有糖尿病，这是65岁以下糖尿病成人失明的主要原因，约40%的糖尿病患者患有糖尿病视网膜病变（DR）。因此，早期发现DR并定期随访对于预防该疾病的进展至关重要。然而，魁北克的公共医疗保健系统目前没有能力让所有糖尿病患者都能在短时间内就诊眼科医生。人工智能可能有助于筛查DR，并仅转诊患有这种眼病的患者给眼科医生。本研究的研究者假设，人工智能（AI）是一种有用的糖尿病视网膜病变（DR）筛查技术，其检测DR是否存在的能力和准确性与眼科评估相似。

本研究的目标是比较NeoRetina纯人工智能算法（对视网膜彩色照片的自动分析）所获得的DR筛查结果与在蒙特利尔大学中心医院（CHUM）临床背景下进行的常规眼科评估结果。本研究的主要目标是确定人工智能（AI）是否可成为糖尿病视网膜病变（DR）早期检测和随访的有用技术。第一个具体目标是通过分析糖尿病患者的眼底图像，确定NeoRetina（DIAGNOS Inc.）自动算法在糖尿病视网膜病变（DR）筛查和严重程度分级方面的效率和准确性，并与临床背景下由眼科医生进行的眼部检查进行比较。第二个具体目标是评估NeoRetina能否高效、准确地确定糖尿病视网膜病变（DR）的不存在、糖尿病视网膜病变（DR）的存在以及严重程度

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。