糖尿病视网膜缺血进展预测
本数据集来自 clinicaltrials.gov，聚焦糖尿病视网膜病变（Diabetic Retinopathy）患者中视网膜缺血的进展预测
基本信息
资源简介
糖尿病视网膜缺血进展预测
本数据集围绕糖尿病视网膜病变患者中视网膜缺血的进展预测展开，英文名称为 Prediction of Progression of Retinal Ischemia in Diabetes，在站内归入内分泌、营养和代谢疾病下的糖尿病分类，来源为 clinicaltrials.gov。其核心关注点是：在糖尿病视网膜病变（Diabetic Retinopathy）人群中，视网膜缺血如何进展，以及哪些因素可用于预测这种进展。数据集以糖尿病视网膜病变为主题标签，整体定位偏向眼科与内分泌交叉领域的临床研究数据，服务于对非增殖期向增殖期转变、以及中心受累性糖尿病黄斑水肿发生风险的识别与评估。
【数据集背景】
糖尿病视网膜病变是糖尿病常见的微血管并发症之一。根据源站描述，处于轻度至重度非增殖性糖尿病视网膜病变（NPDR，ETDRS DRSS 43-53）阶段的患者，常常会进展为增殖性糖尿病视网膜病变（PDR）和/或中心受累性糖尿病黄斑水肿（CI-DME）。然而，这一群体中究竟哪些患者更可能发生进展，目前尚不明确。既往研究提示，糖尿病黄斑缺血（DMI）是糖尿病视网膜病变进展的风险因素。该研究正是基于这一背景，试图将基线 OCTA 指标与视功能进行关联，并识别从 NPDR 进展为 PDR 和/或 CI-DME 的风险因素。
【数据内容】
源站描述显示，该数据集涉及的条件为糖尿病视网膜病变，研究对象为轻度至重度 NPDR（ETDRS DRSS 43-53）患者。研究关注的核心变量包括基线 OCTA 指标、视功能，以及从 NPDR 向 PDR 和/或 CI-DME 进展的结局。主题标签为 Diabetic Retinopathy。除上述内容外，关于具体字段、样本量、随访时长、指标数值等，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中提及使用 OCTA 指标与视功能进行关联分析，并关注进展结局，但关于采集设备型号、采集流程、随访时间点、数据录入方式等具体信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于糖尿病视网膜病变进展预测相关的研究场景，尤其是针对轻度至重度 NPDR 人群，探索基线 OCTA 指标与视功能关系、识别向 PDR 和/或 CI-DME 进展风险因素的分析。也可用于糖尿病视网膜病变中视网膜缺血进展这一主题下的临床研究与模型开发参考。除此之外的具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、预处理步骤、分析流程或配套工具等。
【质量与限制】
源站未提供关于数据质量、样本代表性、缺失情况、偏倚控制或使用限制的说明。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT05581225
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。轻度至重度NPDR（ETDRS DRSS 43-53）患者常进展为PDR和/或CI-DME（ETDRS报告）。然而，该组中哪些患者可能进展尚不清楚。既往研究表明，糖尿病黄斑缺血（DMI）是DR进展的危险因素。本研究旨在将基线OCTA指标与视功能相关联，并识别从NPDR进展为PDR和/或CI-DME的危险因素。
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。
