曼哈顿视力筛查与随访研究（NYC-SIGHT）
该数据集来自 clinicaltrials.gov，对应曼哈顿视力筛查与随访研究（NYC-SIGHT），关注纽约市弱势人群中青光眼、视力损伤与失明、白内障、糖尿病视网膜病变等眼部疾病的筛查、检出与管理
基本信息
资源简介
曼哈顿视力筛查与随访研究（NYC-SIGHT）
是一个登记于 clinicaltrials.gov 的研究项目，其数据集围绕纽约市弱势人群中多种眼部疾病的筛查、检出与管理展开。该研究关注的疾病包括青光眼、视力损伤与失明、白内障、糖尿病视网膜病变以及其他眼部疾病，目标是通过创新手段提升上述疾病在高风险人群中的参与度、检出率和管理水平。研究特别关注种族、族裔、性别、地理和社会经济状况等方面的差异，并采用患者导航员等创新方式加以应对。居住于纽约市房屋管理局（NYCHA）住宅楼、年龄超过40岁的个人符合参与条件。该数据集在分类上归属于内分泌、营养和代谢疾病下的糖尿病相关主题，同时带有青光眼、视力损伤与失明、白内障、糖尿病视网膜病变及眼部疾病等主题标签。
【数据集背景】
该数据集来源于 clinicaltrials.gov，对应曼哈顿视力筛查与随访研究（NYC-SIGHT）。研究的核心目标是提高纽约市弱势人群中青光眼、视力损伤、白内障及其他眼部疾病的参与、检出和管理水平。研究明确考虑种族、族裔、性别、地理和社会经济状况等多个维度的差异，并借助患者导航员等创新方法来解决这些差异问题。研究对象为居住在纽约市房屋管理局（NYCHA）住宅楼、年龄超过40岁的个人。数据集在分类上被归入内分泌、营养和代谢疾病下的糖尿病类别，同时与多个眼科疾病主题相关联。
【数据内容】
该数据集涉及的条件包括青光眼、视力损伤与失明、白内障、糖尿病视网膜病变以及眼部疾病。主题标签同样涵盖青光眼、视力损伤与失明、白内障、糖尿病视网膜病变和眼部疾病。数据集关注的是上述眼部疾病在纽约市弱势人群中的筛查、检出与管理。关于数据集的具体字段、变量、样本量、记录条数、时间跨度等详细内容，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。研究针对居住在纽约市房屋管理局（NYCHA）住宅楼、年龄超过40岁的个人。研究采用患者导航员等创新方法，以提升目标人群在眼部疾病筛查、检出和管理方面的参与度。关于数据采集的具体流程、采集工具、采集时间、随访频率等细节，源站未提供。
【适用场景】
该数据集适用于关注纽约市弱势人群中眼部疾病筛查、检出与管理的场景，涉及青光眼、视力损伤与失明、白内障、糖尿病视网膜病变及其他眼部疾病。由于其分类归属于内分泌、营养和代谢疾病下的糖尿病，也可能与糖尿病相关眼部并发症（如糖尿病视网膜病变）的研究场景相关。研究对种族、族裔、性别、地理和社会经济状况差异的关注，使其可用于探讨健康公平性相关议题。关于具体适用场景的更多说明，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法。
【质量与限制】
源站未提供关于该数据集质量与限制的具体说明。
【引用与许可】
源站未提供关于该数据集引用与许可的具体信息。
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/NCT04271709
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：青光眼、视力损伤与失明、白内障、糖尿病视网膜病变、眼部疾病。本研究旨在提高对居住在纽约市弱势群体中青光眼、视力损伤、白内障及其他眼部疾病的参与度、检测和管理。本研究采用患者导航员等创新方法，考虑种族、民族、性别、地理和社会经济状况方面的差异。居住在纽约市住房管理局（NYCHA）住房建筑中40岁以上的个人符合资格。
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。
