糖尿病视网膜病变
糖尿病视网膜病变是糖尿病最常见的微血管并发症之一,也是劳动年龄人群主要的致盲性眼病。其发病机制主要涉及长期高血糖引起的多元醇通路激活、晚期糖基化终末产物堆积、氧化应激及炎症反应,导致视网膜毛细血管周细胞丢失、基底膜增厚、血-视网膜屏障破坏。VEGF等促血管生成因子过度表达进一步诱发新生血管形成。临床上早期为非增殖期,表现为微动脉瘤、点片状出血、硬性渗出及棉绒斑;进展至增殖期后出现视盘或视网膜新生血管、玻璃体积血甚至牵拉性视网膜脱离,严重者可致失明。诊疗上强调全身代谢控制联合眼科规范化筛查,增殖期病变依赖全视网膜光凝或抗VEGF药物眼内注射,重症需玻璃体切割手术。目前人工智能辅助眼底影像分析在社区筛查中的应用显著提升了早期识别率,为疾病管理带来新方向。
获取 糖尿病视网膜病变 专属定制方案共 205 个数据集

2型糖尿病患者糖尿病视网膜病变患病率
该数据集为临床表格数据,记录了2型糖尿病患者中糖尿病视网膜病变的患病率及相关临床指标,涵盖不同种族群体的标准化统计信息,包括糖尿病视网膜病变的详细分类(如非增殖性、增殖前、增殖性)以及临床显著黄斑水肿等关键数据。主要应用于糖尿病并发症的流行病学研究、糖尿病视网膜病变风险评估以及公共卫生政策制定,为糖尿病眼病的预防和管理提供数据支持。

南印度糖尿病视网膜病变遗传学研究(SIGNATR)
该数据集是一个包含南印度2型糖尿病患者临床资料、眼底摄影图像和光学相干断层扫描(OCT)图像的多模态医学研究数据集,主要用于分析糖尿病视网膜病变(DR)和糖尿病黄斑水肿(DME)的风险因素,包括人口统计学特征、生化指标和影像学分级结果,支持糖尿病并发症的流行病学研究和临床预测模型开发。

马拉维Thyolo地区糖尿病视网膜病变筛查接受度数据
该数据集包含马拉维Thyolo地区糖尿病患者眼病筛查的临床表格数据,涵盖年龄、性别、教育背景、糖尿病病程、并发症史、HIV状态、就诊频率、DR筛查认知与接受度、转诊记录及视力分级等多维度变量,主要用于研究资源匮乏地区糖尿病视网膜病变筛查的接受度及其影响因素,支持医疗可及性分析和公共卫生策略评估。

VEGF在糖尿病视网膜病变中的研究
该数据集包含815名突尼斯2型糖尿病患者的临床与基因数据,通过实时荧光定量PCR检测VEGFA基因变异,旨在研究VEGFA基因变异和单倍型与糖尿病视网膜病变及其严重程度的关联性,主要应用于糖尿病视网膜病变的遗传学研究领域。

糖尿病视网膜病变相关变量数据集
该数据集是一个包含糖尿病患者临床表格数据的医学研究数据集,记录了年龄、性别、BMI、血压、生活习惯、家族史、血糖血脂指标等多维变量,专门用于分析糖尿病视网膜病变(包括非增殖型和增殖型)的相关风险因素,主要应用于糖尿病并发症的流行病学研究、临床风险预测模型构建以及相关医学统计分析方法验证。

糖尿病视网膜病变检测的多模态OCTA与眼底图像数据集
该数据集包含来自185位受试者的眼底图像和光学相干断层扫描血管成像(OCTA)图像两种模态的医学影像数据,共计562张图像,并按照无病变、轻度病变和中度病变三个等级进行糖尿病视网膜病变分类标注,主要用于糖尿病视网膜病变的自动检测、多模态医学影像融合分析以及计算机辅助诊断系统的开发研究。

糖尿病视网膜病变检测预处理数据集
该数据集是一个包含眼底图像和五级分类标签的医学影像数据集,用于糖尿病视网膜病变的自动检测与严重程度分级,数据模态为图像,主要应用于计算机视觉辅助诊断、深度学习模型训练与评估等研究方向,旨在提升医疗影像分析的自动化水平。

糖尿病视网膜病变GWAS汇总统计数据(UK Biobank)
该数据集为基于UK Biobank队列的糖尿病视网膜病变全基因组关联研究(GWAS)汇总统计数据,包含遗传变异统计结果,数据模态为基因型统计表格,主要用于探索糖尿病视网膜病变的遗传关联、支持遗传风险分析和疾病机制研究。

糖尿病视网膜病变罗兴亚数据集
该数据集包含1450张眼底图像及其四分类标签,属于医疗影像模态,专门用于糖尿病视网膜病变的严重程度分级研究,可支持计算机视觉模型在医学图像分类、疾病自动筛查等方向的训练与评估。

基线瞳孔动力学及其与糖尿病视网膜病变的关联
该数据集包含糖尿病患者基线状态下的瞳孔动态变化测量数据,涵盖瞳孔大小、收缩与扩张速度等多模态生理参数,主要用于研究瞳孔动力学特征与糖尿病视网膜病变之间的关联,为眼科疾病早期诊断和糖尿病并发症监测提供临床研究支持。

韩国成人糖尿病患者中糖尿病视网膜病变与增殖性糖尿病视网膜病变的人口统计学特征
该数据集以临床表格形式记录了韩国成人糖尿病患者的人口统计学和临床特征,重点标注了糖尿病视网膜病变及其增殖性亚型的患病情况,包含年龄、性别、病程、血糖控制等关键变量,主要用于糖尿病并发症的流行病学研究、风险因素分析和疾病管理策略的制定。

糖尿病视网膜病变检测数据集
该数据集包含眼底图像及其对应的五级分类标签(0到4级),数据模态为医学影像,主要用于糖尿病视网膜病变的自动检测与严重程度分级研究,适用于计算机视觉和医疗AI领域,旨在通过深度学习模型辅助眼科疾病的诊断与分析。
