镰状细胞黄斑病变的演变
该数据集来自 clinicaltrials.gov，聚焦镰状细胞黄斑病变（SCM）的纵向演变。源站描述指出，SCM 的病理生理机制、平均发病年龄及视网膜血管缺陷的演变尚未完全明确，近期报道的非典型 SCM 表现为浅层和深层毛细血管丛视网膜血管化减少或消失但 OCT 未见视网膜萎缩
基本信息
资源简介
镰状细胞黄斑病变的演变
该数据集来自 clinicaltrials.gov，聚焦镰状细胞黄斑病变（SCM）的纵向演变。源站描述指出，SCM 的病理生理机制、平均发病年龄及视网膜血管缺陷的演变尚未完全明确，近期报道的非典型 SCM 表现为浅层和深层毛细血管丛视网膜血管化减少或消失但 OCT 未见视网膜萎缩。研究将利用 OCT 和 OCT-A 图像回顾性分析典型与非典型 SCM 血管缺陷和视网膜厚度的纵向变化，并用 AngioTool64 软件处理 OCT-A 图像以获取 SCP 和 DC 的血管密度。数据可用于研究 SCM 的进展规律及血管密度量化分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：镰状细胞病、黄斑增厚、黄斑异常。关于 SCM 的几个问题仍未解决。其病理生理机制尚不清楚。此外，这些视网膜和血管缺陷的平均发病年龄和演变尚未得到充分研究。最近，已有 SCM 的“非典型”形式被报道，其中在浅层和深层丛水平存在视网膜血管化减少或消失的区域，但 OCT 上无视网膜萎缩。最后，尚不清楚 SCM 是随时间演变还是随年龄保持稳定。研究者将使用 OCT 和 OCT-A 图像回顾性分析典型或非典型 SCM 形式中血管缺陷和视网膜厚度的纵向演变。OCT-A 图像将使用 AngioTool64 软件处理，以获得 SCP 和 DC 中的血管密度。
【主题与分类】
主题标签：Sickle Cell Disease、Macula Thickening、Macula Abnormality。本站分类：眼及附器疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07877753
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/NCT07877753
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：镰状细胞病、黄斑增厚、黄斑异常。关于SCM仍有若干问题尚未解决。其病理生理机制尚未被清楚理解。此外，这些视网膜和血管缺陷的平均发病年龄及演变过程尚未得到充分研究。近年来，已有“非典型”型SCM的报道，其中在浅层和深层血管丛水平存在视网膜血管化减少或消失的区域，但OCT上未见视网膜萎缩。最后，SCM是随时间演变还是在衰老过程中保持稳定，目前仍不清楚。研究者将利用OCT和OCT-A图像，回顾性分析典型或非典型型SCM中血管缺陷和视网膜厚度的纵向演变。OCT-A图像将使用AngioTool64软件处理，以获得SCP和DCP中的血管密度。血管密度5%的变化将被视为显著，无论其方向如何。
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。
