Project Open：利用行政健康数据提高糖尿病视网膜病变筛查率

数据集获取

源站：https://clinicaltrials.gov/study/NCT05074342

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、糖尿病视网膜病变。糖尿病视网膜病变（DR）是加拿大劳动年龄人口失明的主要原因。尽管省级健康保险计划涵盖了眼科和/或验光服务，但加拿大远未达到推荐的筛查率，导致许多加拿大人遭受可预防的视力丧失。据估计，仅在安大略省，就有高达40%的糖尿病患者未接受过视网膜病变的眼部筛查。为解决低筛查率问题，远程眼科或远程视网膜筛查利用远程医疗资源，已成为加拿大城市、农村和偏远地区各种初级卫生保健机构采用的方法。在英国，针对这一问题采取了基于人群的方法，降低了未筛查率，使糖尿病视网膜病变不再是劳动年龄人口失明的主要原因。需要新的策略来识别、吸引安大略省需要DR筛查的人群，并为其提供持续监测。医生办公室的电子病历系统并未接收有关糖尿病患者视网膜病变筛查状态的信息。

这一信息仅通过省级数据和公共保险系统账单存在。利用行政健康数据，研究人员在社区健康中心（CHCs）开发了一种基于人群的糖尿病视网膜病变（DR）筛查方法。通过链接省级和社区数据集，已识别出425天内未进行DR筛查的糖尿病患者。通过将健康社区联盟数据集与临床评估科学研究所（IC/ES）持有的其他安大略省医疗行政数据库相链接，研究人员已识别出社区健康中心内425天内未由眼科医生或验光师检查视网膜病变迹象的客户。这些数据被传输至社区健康中心，随后将致电被识别的客户，告知他们有关

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。