BI 1584862 不同剂量治疗地图样萎缩(AMD)研究
该数据集来自 clinicaltrials.gov,围绕一种称为地图样萎缩的年龄相关性黄斑变性开展,研究对象为 50 岁及以上、经视网膜成像确诊地图样萎缩的成人

基本信息
资源简介
BI 1584862 不同剂量治疗地图样萎缩(AMD)研究
该数据集来自 clinicaltrials.gov,围绕一种称为地图样萎缩的年龄相关性黄斑变性开展,研究对象为 50 岁及以上、经视网膜成像确诊地图样萎缩的成人。研究旨在评估药物 BI 1584862 是否能改善患者眼部状况并确定最合适剂量,设有 4 个治疗组,参与者随机分配,可进入 BI 1584862 组或安慰剂组,随后更多参与者被随机分配到另外 2 个 BI 1584862 组和 1 个安慰剂组。研究持续 1 年,期间到访研究中心 13 次,医生评估眼病严重程度、收集健康问题信息,并用眼底自发荧光等成像方法拍摄视网膜详细图像(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:地图样萎缩。本研究面向50岁及以上、经视网膜影像学检查确诊为地图样萎缩的成年人。本研究的目的是查明一种名为BI 1584862的药物是否能改善地图样萎缩患者的眼部状况,并找出最合适的剂量。本研究设有4个治疗组。参与者被随机分组,即按机会分配。最初,参与者可加入BI 1584862组和安慰剂组;随后,更多参与者被随机分配到另外2个BI 1584862组和1个安慰剂组。参与者参与本研究的时间为1年。在此期间,他们需前往研究机构访视13次。访视时,医生会检查参与者眼部疾病的严重程度,并收集任何健康问题的信息。他们使用称为眼底自发荧光(FAF)、近红外反射(NIR)和光学相干断层扫描(OCT)的成像方法,拍摄眼后部视网膜的详细图像。他们测量看起来健康(明亮)或开始萎缩(暗色、萎缩)的视网膜区域。随后比较各治疗组随时间发生的变化。
【主题与分类】
主题标签:Geographic Atrophy。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06769048
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06769048
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
条件:地图样萎缩。本研究面向50岁及以上、经视网膜影像学检查确诊为地图样萎缩的成年人。本研究的目的是查明一种名为BI 1584862的药物是否能改善地图样萎缩患者的眼部状况,并找出最合适的剂量。本研究设有4个治疗组。参与者被随机分组,即按机会分配。最初,参与者可加入BI 1584862组和安慰剂组;随后,更多参与者被随机分配到另外2个BI 1584862组和1个安慰剂组。参与者参与本研究的时间为1年。在此期间,他们需前往研究机构访视13次。访视时,医生会检查参与者眼部疾病的严重程度,并收集任何健康问题的信息。他们使用称为眼底自发荧光(FAF)、近红外反射(NIR)和光学相干断层扫描(OCT)的成像方法,拍摄眼后部视网膜的详细图像。他们测量看起来健康(明亮)或开始萎缩(暗色、萎缩)的视网膜区域。随后比较各治疗组随时间发生的变化。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




