眼病智能移动筛查与诊断新模式研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07003165

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

疾病范围：眼科疾病（具体类型不限）、白内障、屈光不正、糖尿病视网膜病变（DR）、年龄相关性黄斑变性（ARMD）。全球初级眼科医疗资源分布不均，传统眼病筛查模式存在效率低、成本高、覆盖有限等问题。随着人工智能等技术的发展，为构建智能化移动眼病筛查模式提供了技术支撑。研究者团队研发了5G智能眼科车，已在全国108个城市服务数万人次，初步验证了智能化移动筛查新模式的可行性。然而，该模式在不同地区的应用效果、接受度及影响因素尚不明确，且缺乏基于真实世界数据的经济效益分析。

在本研究中，研究人员将通过智能移动筛查模式，在基层地区开展针对致盲性眼病的大规模人群筛查的横断面研究，重点关注智能移动筛查模式的筛查效果和成本效益，整合真实世界的多模态眼健康数据，开发多种智能筛查分析模型，并探索其在基层地区的适应性和改进方向。

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。