Sidestream Dark Field成像在糖尿病肾病中的预测价值

数据集获取

源站：https://clinicaltrials.gov/study/NCT04403945

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：糖尿病患者微循环检测。糖尿病微血管病变是指糖尿病患者小动脉、毛细血管和小静脉的病理改变。由于糖代谢紊乱、脂代谢异常、细胞因子、氧化应激及血流动力学变化等因素的影响，微血管的结构和功能相应受损。糖尿病肾病(DN)是糖尿病最常见且严重的慢性微血管并发症之一，并成为终末期肾衰竭(ESRF)的主要原因。目前，尿白蛋白/肌酐比值(UACR)是广泛接受且相对可靠的DN早期诊断指标，然而，有2/3的DN患者白蛋白尿正常，但肾小球滤过率(GFR)下降且肾脏结构异常；另一方面，白蛋白尿的存在与除DN以外的其他血管功能障碍和肾脏疾病相关，因此其准确性日益受到质疑。

旁流暗视野(SDF)成像技术作为一种新兴的血管可视化方法，通过半定量方式进行评估，为研究微循环的结构与功能提供了有效手段。与白蛋白尿等生化标志物不同，SDF能够提供关于血管结构、密度及扩散质量的视觉信息。目前，SDF技术应用于舌下微循环的研究主要集中在重症监护室患者的微循环监测，或急性失血性休克实验动物模型中，以评估其作为诊断工具及治疗预后指标的潜力。迄今为止，文献中尚未开展相关研究来评估SDF对糖尿病微血管病变的预测价值。为此，研究者设计了基于SDF成像的研究以收集科学数据，从而为糖尿病肾病的早期评估和诊断提供有力支持，并可能为

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。