人工智能辅助的基于病灶的超广角视网膜图像紧急转诊分诊数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07643129

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：威胁视力的视网膜病变、紧急转诊视网膜发现、视网膜脱离、视网膜前出血、视网膜下出血、视网膜新生血管。超广角视网膜成像越来越多地用于视网膜疾病筛查和转诊分诊。许多威胁视力的视网膜异常需要及时识别并转诊至视网膜专科医生。本研究评估的AI系统被设计为基于病变的分诊工具，而非疾病诊断系统。该模型识别预定义的紧急转诊视网膜发现，并基于病变层面的证据生成转诊建议。紧急转诊发现包括：* 视网膜脱离 * 未治疗的视网膜撕裂或视网膜裂孔 * 玻璃体出血 * 视网膜前出血 * 视网膜下出血 * 视网膜新生血管 * 视盘新生血管 * 牵拉性纤维血管膜伴有激光屏障瘢痕的治疗后视网膜撕裂被归类为非紧急转诊发现。将纳入总共600张使用Zeiss和Optos成像系统获取的UWF视网膜图像。

参与研究的眼科医生将在随机分配的AI辅助和非辅助环境中独立评估图像。主要目标是确定AI辅助是否能提高基于病灶的紧急转诊分诊准确性。

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。