Retinow AI 软件性能评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT06645964

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：糖尿病视网膜病变、青光眼、黄斑变性。本临床研究的主要目的是评估Retinow AI软件在诊断糖尿病视网膜病变、青光眼和黄斑变性等常见眼科疾病方面的有效性和可靠性。Retinow AI是一款基于云的人工智能软件，旨在通过眼底照片检测糖尿病视网膜病变、青光眼和黄斑变性疾病。该软件的突出之处在于其能够在早期阶段检测疾病症状并加速诊断过程。此外，据称该软件在临床前验证研究中已达到90%的准确率，能够达到与专科医生诊断准确率相似的结果。本研究考察了专科医生和非专科医生对Retinow AI软件的可用性，以及其在诊断过程中节省时间的潜力。预计该软件能够通过加速眼科疾病的诊断来改善患者管理、降低成本并提高全科医疗服务的效率。

本研究范围内对受检对象和用户设定了特定的资格标准。这些标准旨在可靠地评估Retinow AI软件的性能。Retinow AI专为医疗保健提供者使用而设计。用户必须对用户手册所用语言有充分的理解。主要目标：主要目标是通过眼底照片评估Retinow AI软件高精度诊断糖尿病视网膜病变、青光眼和黄斑变性疾病的能力。该软件的性能与专科医生的诊断进行了比较，并测量了准确性、敏感性和特异性指标。对Retinow AI能够达到90%准确率的假设进行了检验。在此背景下，评估了Retinow AI在不同眼底图像中一致识别相同疾病症状的能力。

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。