基于AI与SS-OCT生物测量的IOL预测数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07733154

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：白内障。本前瞻性、多中心、非干预性观察性研究旨在评估一种新型扫频源光学相干断层扫描（SS-OCT）生物测量仪与IOLMaster 700在眼部生物测量方面的一致性，并开发及验证一种人工智能（AI）驱动的眼内镜（IOL）屈光度预测模型。主要研究问题为：新型SS-OCT生物测量仪提供的眼部生物测量结果是否与使用IOLMaster 700获得的结果相当？基于多中心生物测量、影像、手术及术后屈光数据开发的AI驱动IOL屈光度预测模型能否提高术后屈光预测的准确性？将从参与研究中心连续招募计划接受常规超声乳化联合后房型IOL植入术的年龄相关性白内障成年患者。参与者将在白内障手术前接受常规术前临床评估，并使用新型SS-OCT生物测量仪进行额外的非接触式生物测量。

白内障手术及术后护理将遵循标准临床实践，不受本研究影响。术后约一个月的屈光与视力结果将被收集用于分析。AI模型和研究设备的测量结果仅用于研究目的，在研究期间不会用于指导临床决策。

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。