多模态生物标志物预测糖尿病视网膜病变
该数据集来自 clinicaltrials.gov，聚焦糖尿病视网膜病变（DR）的多模态生物标志物研究。研究纳入伴有和不伴有糖尿病视网膜病变的糖尿病患者，通过对比随访观察受试者眼部结构与功能的长期变化，分析其与多模态生物标志物的关联，探索糖尿病视网膜病变早期诊断与风险预测的新方法
基本信息
资源简介
多模态生物标志物预测糖尿病视网膜病变
该数据集英文名为 Multimodal Biomarkers in Prediction of Diabetic Retinopathy，来源于 clinicaltrials.gov，聚焦糖尿病视网膜病变（Diabetic Retinopathy，DR）的多模态生物标志物研究。研究纳入伴有和不伴有糖尿病视网膜病变的糖尿病患者，通过对比随访观察受试者眼部结构与功能的长期变化，分析其与多模态生物标志物的关联，探索糖尿病视网膜病变早期诊断与风险预测的新方法。受试者将接受为期5年的随访，期间进行眼科检查、血液检测和问卷调查。该数据集在内分泌、营养和代谢疾病 / 糖尿病分类下，主题标签为 Diabetic Retinopathy (DR)。
【数据集背景】
糖尿病视网膜病变是糖尿病常见的眼部并发症之一，其早期诊断与风险预测对于延缓疾病进展、改善患者预后具有重要意义。该数据集所对应的研究为一项观察性研究，目标在于纳入伴有糖尿病视网膜病变的糖尿病患者以及不伴有糖尿病视网膜病变的糖尿病患者，通过对比随访，观察受试者眼部结构与功能的长期变化，并分析这些变化与多模态生物标志物之间的关联，从而探索糖尿病视网膜病变早期诊断与风险预测的新方法。研究关注的核心问题是多模态生物标志物在糖尿病视网膜病变预测中的作用，研究设计强调长期随访与对比观察。
【数据内容】
该数据集涉及的内容围绕糖尿病视网膜病变患者与不伴有糖尿病视网膜病变的糖尿病患者展开。研究将纳入这两类糖尿病患者，并对受试者进行长期随访观察。随访过程中，受试者将接受眼科检查、血液检测和问卷调查。通过这些检查与调查，研究获取受试者眼部结构与功能的变化信息，以及可能与多模态生物标志物相关的数据。数据集的主题标签为 Diabetic Retinopathy (DR)，所属分类为内分泌、营养和代谢疾病 / 糖尿病。关于具体包含哪些字段、变量、样本量、生物标志物种类、眼科检查项目明细、血液检测指标、问卷内容等，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示，这是一项观察性研究，旨在纳入伴有和不伴有糖尿病视网膜病变的糖尿病患者，并进行随访观察。研究将对受试者进行为期5年的随访，随访期间受试者将接受眼科检查、血液检测和问卷调查。数据采集依托于该研究的随访流程，通过对比伴有与不伴有糖尿病视网膜病变的糖尿病患者，观察其眼部结构与功能的长期变化，并分析其与多模态生物标志物的关联。关于具体的采集机构、采集地点、采集时间窗口、数据录入方式、质量控制流程等，源站未提供。
【适用场景】
该数据集适用于与糖尿病视网膜病变相关的观察性研究和分析场景，尤其是围绕多模态生物标志物在糖尿病视网膜病变预测中的应用。由于研究纳入伴有和不伴有糖尿病视网膜病变的糖尿病患者，并对其进行长期随访，该数据集可用于分析眼部结构与功能的长期变化，比较两类受试者之间的差异，并探索多模态生物标志物与糖尿病视网膜病变早期诊断及风险预测之间的关联。其主题标签为 Diabetic Retinopathy (DR)，所属分类为内分泌、营养和代谢疾病 / 糖尿病，因此也适合在内分泌、营养和代谢疾病尤其是糖尿病相关研究背景下使用。关于具体的适用模型、分析工具、统计方法或临床决策场景，源站未提供。
【使用方法】
该数据集对应一项为期5年随访的观察性研究，受试者在随访期间接受眼科检查、血液检测和问卷调查。使用该数据集时，可围绕伴有和不伴有糖尿病视网膜病变的糖尿病患者进行对比分析，观察受试者眼部结构与功能的长期变化，并分析这些变化与多模态生物标志物之间的关联。研究目标包括探索糖尿病视网膜病变早期诊断与风险预测的新方法。关于具体的数据访问方式、下载途径、数据格式、变量说明、随访时间点安排、统计分析方法等，源站未提供。
【质量与限制】
该数据集来源于 clinicaltrials.gov，对应一项观察性研究，研究纳入伴有和不伴有糖尿病视网膜病变的糖尿病患者，随访期为5年，随访期间进行眼科检查、血液检测和问卷调查。该研究通过对比随访观察受试者眼部结构与功能的长期变化，并分析其与多模态生物标志物的关联。关于样本量、缺失数据情况、偏倚控制、随访依从性、数据完整性、外部验证情况等质量与限制信息，源站未提供。
【引用与许可】
该数据集英文名为 Multimodal Biomarkers in Prediction of Diabetic Retinopathy，来源站为 clinicaltrials.gov。关于该数据集的引用格式、许可协议、使用限制、数据共享政策等信息，源站未提供。
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/NCT07098832
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：糖尿病视网膜病变（DR）。这项观察性研究的目标是纳入伴有糖尿病视网膜病变的糖尿病患者以及不伴有糖尿病视网膜病变的糖尿病患者，通过比较对受试者的眼部结构和功能进行长期随访观察，分析其与多模态生物标志物的关联，并探索糖尿病视网膜病变早期诊断和风险预测的新方法。参与者将在为期5年的随访期内接受随访，在此期间他们将接受眼科检查、血液检测和问卷调查。
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。
