Protocol H_Analysis 数据集

本数据集来自 doi.org,属于内分泌、营养和代谢疾病 / 糖尿病分类,由 KAH, TAN AIK 发布,机构为 Mendeley Data,发布时间为 2025 年

Mendeley DataMendeley Data
datacite
浏览 7
其他预测Mathematical AnalysisPrecision Medicine
Protocol H_Analysis

基本信息

模态
其他
大小
0.001371657 GB
任务类型
预测
创建/更新时间
2026-10-13

资源简介

Protocol H_Analysis 数据集

Protocol H_Analysis

本数据集来自 doi.org,属于内分泌、营养和代谢疾病 / 糖尿病分类,由 KAH, TAN AIK 发布,机构为 Mendeley Data,发布时间为 2025 年。其内容围绕糖尿病性黄斑水肿(DME)抗 VEGF 注射间隔的数学优化模型,纳入 HbA1c、血压和血糖变异性等全身因素,并利用 Diabetic Retinopathy Clinical Research Network (DRCR.net) Protocol H 的开源数据进行验证。受数据限制,验证主要反映模型的 HbA1c–BP 部分,血糖变异性的贡献未能评估。该数据可用于探索全身控制参数与个体化治疗安排之间的关系(来源 DOI 解析)。

【数据集背景】

源站首次发布:2025。

【数据内容】

源站描述(机器翻译,仅供参考):本工作提出一个数学模型,用于优化糖尿病性黄斑水肿(DME)的抗 VEGF 注射间隔,并纳入 HbA1c、血压和血糖变异性等全身因素。该分析利用 Diabetic Retinopathy Clinical Research Network (DRCR.net) Protocol H 的开源数据来验证该模型。由于数据集限制,验证主要反映模型的 HbA1c–BP 部分,而血糖变异性的贡献无法评估。结果凸显了全身控制参数为个体化治疗安排提供信息的潜力,需要前瞻性数据收集才能充分评估血糖变异性的作用。

【主题与分类】

主题标签:Mathematical Analysis、Precision Medicine。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://data.mendeley.com/datasets/fgbwfkt839

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://doi.org/10.17632/fgbwfkt839

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。

数据集大小约 1.4 MB。

数据说明

本研究提出了一种数学模型,旨在优化糖尿病性黄斑水肿(DME)的抗VEGF注射间隔,并将HbA1c、血压和血糖变异性等全身性因素纳入考量。该分析利用糖尿病视网膜病变临床研究网络(DRCR.net)方案H的开放源代码数据对模型进行验证。由于数据集的局限性,验证主要反映了模型的HbA1c–血压组分,而血糖变异性的贡献无法评估。结果凸显了全身性控制参数在指导个体化治疗方案方面的潜力,需要前瞻性数据收集以全面评估血糖变异性的作用。

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