眼科疾病中的宽场OCTA数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07298174

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：年龄相关性黄斑变性（AMD）、糖尿病性黄斑水肿、糖尿病视网膜病变、近视、遗传性视网膜疾病、Stargardt病、视网膜色素变性（RP）、Best病。假设：宽视野OCT可能对眼部疾病诊断评估的改进和精准医学有显著贡献。设计：上市后医疗器械，单中心试验。横断面与前瞻性研究兼有。研究组数量和研究持续时间：受眼部疾病（年龄相关性黄斑变性、糖尿病视网膜病变、遗传性视网膜营养不良、葡萄膜炎、近视、厚脉络膜谱系疾病、干眼）影响的患者以及健康对照者。持续时间2年。研究者不预期会有显著偏倚，因为我们的评估将基于来自研究器械和对照器械的定量成像指标的统计分析。患者和对照者都将接受完整的眼科评估和非侵入性影像诊断检查。

在本研究中，研究人员将采用一款标准护理设备——海德堡Spectralis进行视网膜成像，Keratograph 4M用于前节评估——同时以DreamOCT作为对照设备，替代我们诊所通常使用的第二款标准护理设备。这一做法被接受，并符合研究设计，因为对于诊断设备而言，获得CE批准的程序包括安全性检查及与其他现有设备的可比性验证。因此，上述程序代表了在临床实践中测试新型设备时的标准护理方法。

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。