糖尿病视网膜病变患者导航干预

数据集获取

源站：https://clinicaltrials.gov/study/NCT05188703

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

疾病：糖尿病视网膜病变、糖尿病性失明。30年前确立的糖尿病视网膜病变（DR）循证治疗可将失明可能性降低50%。如今，随着新兴疗法和技术的出现，治疗效果更佳。糖尿病仍然是新发法定失明病例的首要原因。本研究具有重要意义，因为它探讨了已发表指南与尽管有完善的筛查建议却仍持续失明的人群之间的差距。我们当前的DR筛查模式对大部分人群进行了适当筛查。通过及时识别可预防性失明的高风险人群，有机会改进DR筛查。DR对非西班牙裔黑人、拉丁裔、美洲原住民及社会经济水平较低社区的影响尤为严重。种族和族裔少数群体接受DR筛查的可能性更低，疾病患病率更高，且病情更为严重。除这些数据外，尚无明确的路径来缩小这些差异。

本研究通过识别可改变的患者和人群层面的挑战，并基于社区成员和国家数据构建干预措施，来解决实施循证治疗方案所面临的障碍。这是对美国国家科学院、工程院和医学院所描述的“人群健康迫切需求”的直接回应。我们的研究回应了美国国家眼科研究所战略计划中关于通过识别阻碍最佳治疗的障碍来评估差异的要求。这与NEI支持旨在保护视力的研究和培训的使命相一致。美国少数族裔健康与健康差异研究所研究框架为我们的工作提供了概念基础。我们的提案识别了全国未确诊DR人群中生物、建成和社会文化环境的各个方面。全国性分析为针对与DR相关的决定因素的局部个体层面干预提供了依据。

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。