基于人工智能的糖尿病视网膜病变早期诊断关键性试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT07151001

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。在这项关键性试验中，我们旨在开展一项前瞻性研究，以评估iPredict-DR——一种基于人工智能（AI）的软件工具——在初级保健和内分泌科诊所中早期诊断糖尿病视网膜病变（DR）的有效性。DR是美国及其他发达国家导致失明的主要原因之一。每位糖尿病患者都面临DR风险。在疾病进展至晚期之前，它不会表现出任何症状。如果能在早期发现该疾病，就可以有效预防、管理或治疗。目前，DR筛查由眼科医生进行，这仅限于资源可及的地区。这种方式也耗时且昂贵。自动化筛查可以补充所有这些不足，并在初级保健诊所中建立筛查。美国眼科学会基于视网膜异常（如微动脉瘤、渗出物、出血、视网膜内微血管异常（IRMA）和新生血管形成）提出了5级DR疾病严重程度量表（无DR、轻度DR、中度DR、重度DR或增殖性DR）。

自动化筛查糖尿病视网膜病变有潜力识别出有发展成威胁视力疾病风险的人群，并节省数百万美元的医疗成本。为实现这一目标，关键是要进行大规模人群筛查，以识别轻度或早期糖尿病视网膜病变的个体，并更好地预测那些有发展成晚期糖尿病视网膜病变风险的人。目前，一种利用远程医疗进行自动化糖尿病视网膜病变筛查、以患者便利的方式覆盖城乡广大人群的系统尚未广泛可用。考虑到这一迫切需求，iHealthScreen开发了一种基于人工智能（AI）的自动化糖尿病视网膜病变筛查软件工具，并通过远程医疗平台使其在城市和偏远/农村地区广泛可用，适用于大规模筛查，并且在那里

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。