黄斑病变视网膜功能微视野变化
该数据集来自 clinicaltrials.gov,聚焦黄斑病变患者的视网膜功能评估,涉及干性年龄相关性黄斑变性(Dry AMD)与糖尿病视网膜病变(Diabetic Retinopathy, DR)两类疾病

基本信息
资源简介
黄斑病变视网膜功能微视野变化
该数据集来自 clinicaltrials.gov,聚焦黄斑病变患者的视网膜功能评估,涉及干性年龄相关性黄斑变性(Dry AMD)与糖尿病视网膜病变(Diabetic Retinopathy, DR)两类疾病。研究使用 Macular Integrity Assessment(MAIA)微视野(MP)系统,精确测量视网膜中央区域即黄斑对光的敏感程度,并关注黄斑(含中心凹)在精细视觉、色觉及注视稳定性中的作用。数据可用于分析黄斑敏感性与注视功能,支持视网膜疾病相关视觉功能研究与评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:干性AMD、糖尿病视网膜病变(DR)。本研究的目的是精确测量视网膜中央部分——即眼底的感光膜——对光的敏感程度。我们将使用一种名为黄斑完整性评估(MAIA)微视野(MP)系统的特殊设备来实现这一点,尤其针对具有特定视网膜疾病的个体。黄斑(其最中心为中央凹)是视网膜中负责我们精细视觉、色觉以及保持稳定注视物体(称为“注视”)的部分。影响黄斑的疾病会导致视物清晰困难。黄斑敏感性是指黄斑对光的反应能力,包括阅读和聚焦物体的能力。这也决定了眼睛对感兴趣物体保持稳定注视(“注视”)的能力。而标准眼科检查
【主题与分类】
主题标签:Dry AMD、Diabetic Retinopathy (DR)。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/NCT07170683
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/NCT07170683
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
条件:干性年龄相关性黄斑变性(干性AMD)、糖尿病视网膜病变(DR)。本研究旨在精确测量视网膜中央部分——即眼球后部对光敏感的组织——对光的敏感程度。我们将使用一种名为黄斑完整性评估(MAIA)微视野计(MP)系统的特殊设备来实现这一目标,尤其针对具有特定视网膜疾病的个体。黄斑(其正中心为中央凹)是视网膜中负责我们精细视觉、色觉以及保持稳定注视物体(称为“固视”)的部分。影响黄斑的疾病会导致视物不清。黄斑敏感度是指黄斑对光的反应能力,包括阅读和聚焦物体的能力。这也决定了眼睛能否良好地保持对感兴趣物体的稳定注视(“固视”)。虽然标准眼科检查主要测量中央凹的视力,但测量更广泛黄斑区域的敏感度将提供更全面的视功能信息。此外,我们认为黄斑敏感度的变化往往是视网膜疾病最早出现的征兆之一,甚至早于患者出现视物模糊。
目前,MP在英国NHS临床实践中并未常规使用。最常见的视网膜疾病是年龄相关性黄斑变性(AMD)和糖尿病视网膜病变(DR)。AMD有2种类型:干性和湿性。* 干性AMD是一种影响视网膜中央部分(黄斑)的疾病,随着年龄增长可导致逐渐的视力丧失。这是由于黄斑中轻微敏感细胞的磨损和丧失,使得看清细节变得更加困难,例如阅读或识别面孔。* 糖尿病视网膜病变意味着糖尿病已经影响了视网膜中的血管。在早期阶段,受影响的血管不会渗漏。然而,病情进展会导致视网膜血管渗漏,引起视网膜肿胀(称为糖尿病性黄斑水肿[DMO])。与
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。




