全球萎缩生物标志物评估研究 (GABiE)
数据涉及使用微视野检查（microperimetry）和 SS-OCT 评估视网膜敏感度与解剖结构的自然变化。该数据集可用于研究干性 AMD 中地图样萎缩周边区域的视网膜功能与结构演变，支持对疾病进展的预测分析，并帮助探索微视野与 SS-OCT 作为萎缩生物标志物的评估价值（来源 clinicalt
基本信息
资源简介
全球萎缩生物标志物评估研究 (GABiE)
Global Atrophie Biomarker Evaluation Study（GABiE）是一个聚焦年龄相关性黄斑变性（Age-related Macular Degeneration）的眼科研究数据集，归属于眼及附器疾病／其他类别，来源为 clinicaltrials.gov。该数据集围绕干性年龄相关性黄斑变性患者展开，核心关注点在于利用微视野检查（microperimetry）与 SS-OCT 两种手段，评估地图样萎缩（geographic atrophy）区域周边（perilesional zone）视网膜敏感度与解剖结构的自然变化。通过这一数据集，研究者可以考察视网膜功能与结构在疾病进程中的演变规律，并进一步探索微视野与 SS-OCT 作为萎缩生物标志物的潜在评估价值，为疾病进展预测分析提供数据支持。
【数据集背景】
该数据集所对应的研究聚焦于年龄相关性黄斑变性这一眼科疾病。年龄相关性黄斑变性是影响中心视力的重要疾病类型，其中干性年龄相关性黄斑变性可伴随地图样萎缩的发生。源站描述指出，研究的目的是探究微视野检查与 SS-OCT 在评估干性年龄相关性黄斑变性患者地图样萎缩区域周边视网膜敏感度与解剖结构自然变化中的应用。因此，该数据集在背景上服务于对萎缩周边区域功能与结构变化的观察需求，主题标签为 Age-related Macular Degeneration。
【数据内容】
数据集涉及使用微视野检查（microperimetry）和 SS-OCT 评估视网膜敏感度与解剖结构的自然变化。其内容围绕干性 AMD 中地图样萎缩周边区域的视网膜功能与结构演变展开，可用于研究该区域的视网膜敏感度变化与解剖结构变化。基于这些内容，数据集支持对疾病进展的预测分析，并帮助探索微视野与 SS-OCT 作为萎缩生物标志物的评估价值。源站未提供更细粒度的数据字段、变量列表或具体测量指标。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。源站描述中给出的条件为 Age-related Macular Degeneration，研究目的为探究微视野检查与 SS-OCT 在评估干性年龄相关性黄斑变性患者地图样萎缩区域周边视网膜敏感度与解剖结构自然变化中的应用。除上述来源与描述信息外，源站未提供关于采集地点、采集时间、样本量、采集流程或设备型号等进一步信息。
【适用场景】
该数据集可用于研究干性 AMD 中地图样萎缩周边区域的视网膜功能与结构演变，支持对疾病进展的预测分析，并帮助探索微视野与 SS-OCT 作为萎缩生物标志物的评估价值。其主题标签为 Age-related Macular Degeneration，分类归属于眼及附器疾病／其他。适用于关注年龄相关性黄斑变性、地图样萎缩周边区域、视网膜敏感度与解剖结构自然变化等方向的分析场景。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03935126
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：年龄相关性黄斑变性。探讨微视野检查与SS-OCT在评估干性年龄相关性黄斑变性患者地图样萎缩区域周围病灶区视网膜敏感度与解剖结构自然变化中的应用。
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。
