Protanopia 对刹车灯亮度感知的影响
该数据集来自 clinicaltrials.gov,关注红色盲(Protanopia)对刹车灯亮度感知的影响。Protanopia 是 X 染色体遗传的视锥色素障碍,导致 L-cone 功能完全缺失,在男性人群中患病率约 1%

基本信息
资源简介
Protanopia 对刹车灯亮度感知的影响
该数据集来自 clinicaltrials.gov,关注红色盲(Protanopia)对刹车灯亮度感知的影响。Protanopia 是 X 染色体遗传的视锥色素障碍,导致 L-cone 功能完全缺失,在男性人群中患病率约 1%。数据集涉及红色盲者与正常视力者在刹车灯识别对比阈值上的差异,以及反应时间等指标,可用于研究色觉缺陷人群在道路交通信号识别中的表现,并为刹车灯亮度设计提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Color Blindness, Red, Reaction Time。Protanopia 是一种 X 染色体遗传的视锥色素障碍,与红色视锥即 L-cone 功能完全缺失有关。Protanopia 在男性人群中的患病率为 1%。L-cone 的不完全损伤称为 protanomaly。其患病率同样占男性人群的 1%。与视力正常者相比,对于 L-cone 缺失或功能受限者,红色物体显得更暗。这在道路交通中尤为关键,因为红色被用作信号颜色,例如用于交通灯或刹车灯。需要研究的科学问题如下:1. 与正常人相比,患有 protanopia 的受试者在哪个对比阈值(相对亮度)下能识别刹车灯?2. 如果测定的亮度高于对比阈值
【主题与分类】
主题标签:Color Blindness, Red、Reaction Time。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04060238
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/NCT04060238
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:色盲、红色、反应时间。红色盲是一种X染色体遗传的视锥色素障碍,与红色视锥有关,即L视锥功能完全丧失。男性人群中红色盲的患病率为1%。L视锥不完全受损称为红色弱。男性人群中的患病率同样为1%。与视力正常的人相比,对于L视锥缺失或功能受限的人来说,红色物体看起来更暗。这在道路交通中尤为关键,因为红色被用作信号色,例如用于交通信号灯或刹车灯。需要研究的科学问题如下:1. 与正常人相比,红色盲受试者在哪个对比度阈值(相对亮度)下能够识别刹车灯?2. 如果所确定的亮度高于对比度阈值,对比度的超出量或所确定的亮度对反应时间有何影响?3. 刹车灯所采用的技术(白炽灯或LED)是否存在差异?
为此,建立了一组具有代表性的组合式尾灯,重点关注静态情况下的刹车灯、尾灯(以及高位刹车灯)。测试设置基于驾驶追踪场景。测试人员被置于与组合式尾灯相关的距离处。为确定阈值对比度,开发了一种控制刹车灯相对亮度的算法,并将其集成到测试序列控制中。此外,还实现了一种自动确定相关反应时间的方法。在两种环境亮度水平下,对两种尾灯技术(白炽灯和LED)进行了检验:(i)“明亮”,即明视觉亮度水平(Lu >> 10 cd/m2)和(ii)“黑暗”,即中间视觉亮度水平(Lu < 10 cd/m2)。一项全面的眼科/光学检查(包括视力、眼位、眼球运动、主导眼评估、
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。




