年龄相关性黄斑变性进展预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT04640649

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

疾病：黄斑变性、湿性黄斑变性、干性黄斑变性。超过90%的晚期AMD患者存在严重视力丧失。从早期或中期阶段预测AMD进展至关重要，因为在脉络膜新生血管（CNV）事件后及时干预以及地理萎缩（GA）监测可极大改善视觉预后。进展风险较高的患者应进行更频繁的随访，因为进展往往在患者察觉到任何视力变化之前就已发生。既往研究已基于眼底照片中的玻璃膜疣特征、光学相干断层扫描（OCT）及遗传因素确定了AMD进展的风险因素。然而，当前模型受限于其仅在短时间间隔内进行预测的能力，这限制了其在指导筛查间隔方面的实用性。在本研究中，我们将招募至少一只眼患有早期和中期AMD且有转化为湿性AMD或GA扩展风险的患者。

我们将开展一项随机试验，将他们随机分配到对照组或试验组（根据算法结果预测的风险，从3个月时开始个性化随访护理），并收集基线遗传、人口学、影像学和临床数据，以及在第3个月和第6个月随访时间点的首次随访数据。我们将测量结局指标，以确定预测高风险患者早期随访（3个月）的算法是否优于标准的6个月随访时间点。

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。