视力障碍功能评估数据集
研究旨在验证由眼科、验光、视轴矫正、定向与移动专家及低视力亲历者共同开发的新型多感官评估工具的可靠性与有效性，该工具可用于临床及干预性临床试验场景，提供真实世界结局下的功能性视力评估指标，服务于低视力干预（如仿生眼、基因和细胞疗法）的评估需求（来源 clinicaltrials.gov）
基本信息
资源简介
视力障碍功能评估数据集
该数据集来自 clinicaltrials.gov，聚焦视力障碍人群的功能性视力评估，覆盖 Retinitis Pigmentosa (RP)、Diabetic Retinopathy (DR)、Age Related Macular Degeneration (AMD)、Glaucoma 和 Retinal Dystrophy 等疾病。研究旨在验证由眼科、验光、视轴矫正、定向与移动专家及低视力亲历者共同开发的新型多感官评估工具的可靠性与有效性，该工具可用于临床及干预性临床试验场景，提供真实世界结局下的功能性视力评估指标，服务于低视力干预（如仿生眼、基因和细胞疗法）的评估需求（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Retinitis Pigmentosa (RP)、Diabetic Retinopathy (DR)、Age Related Macular Degeneration (AMD)、Glaucoma、Retinal Dystrophy。目前尚无多感官工具可用于评估视力障碍者的功能性视力。本研究旨在捕获并评估一种新型工具的可靠性和有效性，该工具由眼科、验光、视轴矫正、定向与移动（O&M）专家以及具有低视力亲身经历的人士组成的多学科专家团队开发。该工具设计用于临床和干预性临床试验环境，以在真实世界结局中提供功能性视力评估指标。该工具的开发正处于一个关键时刻，此时正在为低视力人群开发一系列干预措施，包括仿生眼以及基因和细胞疗法。FDA 要求试验显示
【主题与分类】
主题标签：Retinitis Pigmentosa (RP)、Diabetic Retinopathy (DR)、Age Related Macular Degeneration (AMD)、Glaucoma、Retinal Dystrophy。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06908161
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT06908161
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
疾病：视网膜色素变性（RP）、糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）、青光眼、视网膜营养不良。目前尚无多感官工具可用于评估视力障碍患者的功能性视力。本研究旨在捕捉并评估一种新型工具的可靠性和有效性，该工具由眼科、验光、视轴矫正、定向与行走（O&M）专家以及有低视力亲身经历者组成的多学科专家团队开发。该工具设计用于临床和干预性临床试验环境，以在真实世界结果中提供功能性视力评估指标。该工具的开发正值关键时刻，目前正在为低视力患者开发一系列干预措施，包括仿生眼以及基因和细胞疗法。FDA要求试验除传统终点外，还需展示真实世界功能性结果，因此像ATOMM这样的工具可能具有广泛的用途和意义。本研究将招募不同视力损害程度的参与者，以评估ATOMM的可靠性。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
