利用人工智能预防糖尿病导致的视力丧失

数据集获取

源站：https://clinicaltrials.gov/study/NCT06763952

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。本研究是一项平行整群随机临床试验，旨在确定AI-BRIDGE——一种基于人工智能的自主糖尿病视网膜病变筛查方案——与常规护理相比，是否能提高糖尿病视网膜病变的筛查率和随访率。在本研究中，糖尿病视网膜病变筛查指的是通过常规护理中转诊患者至眼科护理提供者进行眼科预约检查，或在AI-BRIDGE中对患者进行基于人工智能的即时糖尿病视网膜病变筛查来检测糖尿病视网膜病变。该试验将在四个联邦合格健康中心的8家诊所进行。每家诊所将被随机分配至常规护理组或AI-BRIDGE干预组。本研究的随机化是在诊所层面进行的。四个卫生系统中的每个系统内的两家诊所中，将随机选择一家进入AI-BRIDGE组（即，共有四家诊所在干预期间使用AI-BRIDGE），另一家诊所则进入对照组（即，共有四家诊所接受常规护理）。

主要目标：比较AI-BRIDGE组与常规护理组在初级保健就诊后6个月内遵循推荐眼科护理随访的患者比例。次要目标：比较完成DR筛查的患者比例，其定义为：（AI-BRIDGE组）在初级保健就诊时获取的可供AI判读的图像；或者，对于未完成AI筛查或未开始AI筛查的患者，在初级保健就诊后6个月内完成面对面筛查眼科护理就诊；（常规护理组）在初级保健就诊后6个月内完成面对面筛查眼科护理就诊。

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。