智能手机AI自我监测用于甲状腺眼病非手术治疗的前瞻性观察研究（THYROSCOPE）

数据集获取

源站：https://clinicaltrials.gov/study/NCT07623993

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：甲状腺眼病（TED）、Graves眼病、甲状腺相关性眼病。甲状腺眼病（TED）是一种自身免疫性炎症性疾病，最常与Graves病相关。临床表现包括结膜充血、眼睑肿胀、眼睑退缩、眼球突出、复视以及眼部外观改变。TED通常经历约6-12个月的活动性炎症期，随后过渡至相对非活动期，但期间可能出现病情加重。由于治疗反应可动态变化，及时评估疾病活动度和严重程度对于监测至关重要。在当前临床实践中，TED的活动度和严重程度主要在面诊时使用临床活动度评分（CAS）、Hertel突眼计测量和眼睑测量（MRD1/MRD2）进行评估。这些评估为阶段性进行，可能无法捕捉就诊间的间期变化。人工智能的最新进展使得能够基于面部或眼周照片对TED相关特征进行图像量化。

本文评估的基于AI的监测系统包含三个分析组件：Glandy CAS（基于照片和症状输入的CAS相关输出）、Glandy EXO（基于图像的突眼度估算）和Glandy LID（包括MRD测量在内的眼睑相关参数）。这项前瞻性观察研究将纳入约200名计划开始非手术治疗（静脉注射甲泼尼龙、口服皮质类固醇、放疗或生物制剂治疗）的成人TED患者。参与者将使用自己的智能手机和研究应用程序，至少每周进行居家自我监测（症状录入+标准化正面面部图像）。需要基线和治疗结束时的数据。在常规门诊就诊时，还将进行基于应用程序的图像采集和症状录入，以创建与门诊匹配的评估；AI衍生的输出将与同日获得的临床医生评估的TED参数进行比较。每位参与者至少需要两次门诊匹配评估，以进行纵

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。