利用GA自然史队列数据评估功能与结构的关系
该数据集来自clinicaltrials.gov,为单中心回顾性观察研究,旨在评估继发于干性年龄相关性黄斑变性的地图样萎缩(GA)人群中视觉功能与视网膜解剖特征之间的关系

基本信息
资源简介
利用GA自然史队列数据评估功能与结构的关系
该数据集来自clinicaltrials.gov,为单中心回顾性观察研究,旨在评估继发于干性年龄相关性黄斑变性的地图样萎缩(GA)人群中视觉功能与视网膜解剖特征之间的关系。数据来源于IRCCS Ospedale San Raffaele常规诊疗中已收集的临床与影像资料,构成自然史队列。纳入眼需符合近期临床试验所用的预设入排标准,包括边界清晰的GA病灶、基线视力保留以及无脉络膜新生血管等。可用于分析GA自然病程中功能与结构的关联,支持相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:年龄相关性黄斑变性(AMD)、年龄相关性黄斑变性、AMD、地图样萎缩、继发于年龄相关性黄斑变性的地图样萎缩、继发于干性年龄相关性黄斑变性(AMD)的地图样萎缩(GA)。这是一项单中心、回顾性观察性研究,旨在评估继发于干性年龄相关性黄斑变性的地图样萎缩(GA)人群中视觉功能与视网膜解剖特征之间的关系。该研究将分析一个自然史队列,该队列从IRCCS Ospedale San Raffaele常规诊疗期间先前收集的临床和影像数据中识别。符合条件的眼需满足与近期临床试验所用标准一致的预设纳入和排除标准,包括边界清晰的地图样萎缩病灶、基线视力保留以及无脉络膜新生血管
【主题与分类】
主题标签:Age Related Macular Degeneration (AMD)、Age Related Macular Degeneration、AMD、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/NCT07424235
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/NCT07424235
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
疾病:年龄相关性黄斑变性(AMD)、年龄相关性黄斑变性、AMD、地图状萎缩、继发于年龄相关性黄斑变性的地图状萎缩、继发于干性年龄相关性黄斑变性(AMD)的地图状萎缩(GA)。这是一项单中心、回顾性观察性研究,旨在评估继发于干性年龄相关性黄斑变性的地图状萎缩(GA)人群中视觉功能与视网膜解剖特征之间的关系。该研究将分析一个自然病史队列,该队列从IRCCS Ospedale San Raffaele常规诊疗期间先前收集的临床和影像数据中识别得出。符合条件的眼需满足与近期临床试验所用标准一致的预设纳入和排除标准,包括边界清晰的地图状萎缩病灶、基线视力保留,以及无脉络膜新生血管或既往玻璃体内治疗史。主要目标是估计自基线起视力丧失至少15个ETDRS字母的眼比例,并描述视力随时间下降的轨迹特征。
次要目标包括识别与显著视力丧失的风险和时间相关的基线解剖特征,如GA病灶大小、中心凹受累、眼底自发荧光模式、病灶局灶性以及在光学相干断层扫描上测量的外层视网膜厚度。探索性分析将研究视力功能下降与椭圆体带完整性指标之间的关系(在数据可用的情况下),并将应用多变量和基于机器学习的模型来探索解剖与功能参数之间的非线性关联。由于这是一项回顾性研究,不涉及任何研究性药品、器械或研究特定干预措施。所有分析均在源自现有医疗记录和影像档案的假名化或匿名化数据上进行。无需额外的患者接触、访视或操作。
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。




