基于IOLMaster700的白内障诊断与分类系统研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07022444

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

条件：白内障、人工智能（AI）。白内障是导致失明的主要眼病原因。评估白内障晶状体混浊程度的方法分为主观和客观两种。常用的主观方法是晶状体混浊分类系统（LOCS Ⅲ），而客观方法主要包括光线追踪像差分析系统的功能障碍晶状体指数（DLI）、Pentacam前节分析系统的PNS评分等。主观诊断可能导致一定的误判，影响了临床诊断和治疗。迫切需要增加客观诊断措施以辅助临床工作。扫描源光学相干断层扫描（SS-OCT）生物测量仪——IOL Master 700基于扫频源光学相干断层扫描（OCT）生物测量技术形成眼部的OCT成像。它能直观显示整个晶状体的纵切面，通过图像可视化测量获得患者晶状体断层OCT图像的清晰显示。本研究的主要目的是分析IOLmaster 700获得的晶状体图像。

基于当前主流的ResNet-34和XGBoost等算法模型，根据我们的研究需求开发一种异构加速人工智能算法，以精确计算晶状体混浊程度。并自行编写图像分析软件，自动计算所需指标并输出。建立异构加速人工智能辅助晶状体混浊分级与预测系统、生物测量仪设备配套软件以及白内障晶状体图像数据库。该软件提供在线服务功能，所有研究人员登录后均可使用该软件的图像分析功能，真正实现大型仪器配套软件操作的共享。从而提高临床诊断和治疗的准确性与效率。

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。