2型糖尿病糖尿病视网膜病变诊疗体系优化与评估

该数据集来自 clinicaltrials.gov,聚焦2型糖尿病(T2DM)人群的糖尿病视网膜病变(DR)诊疗体系优化与评估

Yufan WangYufan Wang
clinicaltrials
浏览 3
图像预测DiabetesDiabetic RetinopathyType 2 Diabetes Mellitus (T2DM)
Optimization and Evaluation of the Diagnosis and Treatment System for Diabetic Retinopathy in Type 2 Diabetes Mellitus

基本信息

模态
图像
任务类型
预测
创建/更新时间
2026-10-12

资源简介

2型糖尿病糖尿病视网膜病变诊疗体系优化与评估

该数据集来自 clinicaltrials.gov,聚焦2型糖尿病(T2DM)人群的糖尿病视网膜病变(DR)诊疗体系优化与评估。研究整合临床指标与眼底图像特征,并结合代谢组学,构建DR早期预警模型;同时依据糖尿病发病年龄(早发、晚发)及是否合并两类糖尿病大血管并发症,建立精准DR分型模型。研究还通过多学科协作对中度DR进行综合管理,并借助云病房与持续葡萄糖监测(CGM)探索整合式糖尿病视网膜病变病房管理模式的作用(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:糖尿病、糖尿病视网膜病变、2型糖尿病(T2DM)。本研究旨在整合临床指标与眼底图像特征,并结合代谢组学,构建2型糖尿病中糖尿病视网膜病变(DR)的早期预警模型。通过将临床指标与代谢组学相结合,研究者旨在基于糖尿病发病年龄(早发糖尿病、晚发糖尿病)以及基于是否合并两类糖尿病大血管并发症,建立精准的DR分型模型。将开展多学科协作,对DR进行综合管理,以控制中度DR的进展。基于云的患者病房结合持续葡萄糖监测(CGM),将进一步探索整合式糖尿病视网膜病变病房管理模式在接受糖尿病再治疗患者管理中的作用。

【主题与分类】

主题标签:Diabetes、Diabetic Retinopathy、Type 2 Diabetes Mellitus (T2DM)。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/NCT06821399

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06821399

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、糖尿病视网膜病变、2型糖尿病(T2DM)。本研究旨在整合临床指标与眼底图像特征,结合代谢组学,构建2型糖尿病中糖尿病视网膜病变(DR)的预警模型。通过将临床指标与代谢组学相结合,研究者旨在基于糖尿病发病年龄(早发型糖尿病、晚发型糖尿病)以及基于是否合并两种糖尿病大血管并发症,建立精准的DR分型模型。将开展多学科协作,对DR进行综合管理,以控制中期DR的进展。基于云的患者病房结合持续葡萄糖监测(CGM),将进一步探索整合型糖尿病视网膜病变病房管理模式在接受糖尿病视网膜病变手术患者管理中的作用,开创晚期DR管理的新模式。

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。

获取专属数据定制方案