基于智能手机9方位视频的AI眼动定量分析临床验证（Glandy EOM）

数据集获取

源站：https://clinicaltrials.gov/study/NCT07623837

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：眼球运动障碍、斜视、眼外肌功能障碍、甲状腺眼病。眼球运动通常采用九方位凝视检查进行评估，该方法依赖临床医生的观察和半定量分级。这种方法本质上具有主观性，可能存在观察者间差异，且对随时间推移的细微变化敏感性有限。客观、定量的眼动评估仍是一项未满足的临床需求，尤其是在监测疾病进展和治疗反应方面。人工智能的最新进展使得能够从智能手机录制的视频中自动分析面部和眼部特征，为可重复的定量眼动测量提供了可能。Glandy EOM 是由 THYROSCOPE INC. 开发的一款研究性纯软件医疗器械（SaMD），可处理智能手机录制的九方位凝视视频以生成定量眼动指标。Glandy EOM 尚未获得监管批准，在本研究中仅用于研究目的。本研究是一项前瞻性、多中心、多国观察性研究，旨在评估 Glandy EOM 的临床有效性。

研究人群包括疑似或确诊眼动异常的成人；无任何9方位凝视检查临床指征的健康志愿者不予纳入。由于入组资格基于临床怀疑或眼动异常诊断，而非入组时已确诊的疾病，部分参与者在正式评估后可能最终被临床判定为无异常；此类受试者仍属于研究人群的一部分。参与者将接受一次单次研究访视，包括：(1) 由临床医生进行分级（-4至+4）的标准临床9方位凝视检查；(2) 在受过培训的操作员协助下，使用标准化设置进行的智能手机视频录制；以及(3) 通过研究移动应用程序获取的患者自录智能手机视频。对于定量参考测量，独立评分者得出的测量值将……

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。