虚拟现实测试评估年龄相关性黄斑变性患者作为临床终点的验证

传统临床评估主要依赖视力和视网膜成像,无法充分反映疾病对功能的影响。研究拟开发标准化、可重复的虚拟现实功能测试,用于补充常规检查,并支持临床与工业研究

StreetlabStreetlab
clinicaltrials
浏览 3
其他回归Dry AMDGeographic AtrophyHealhty
Validation of Virtual Reality Tests for the Assessment of Patients With Age-related Macular Degeneration as Clinical Endpoints

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-12

资源简介

虚拟现实测试评估年龄相关性黄斑变性患者作为临床终点的验证

该数据集来自 clinicaltrials.gov,聚焦于年龄相关性黄斑变性(AMD)患者,涵盖 Dry AMD、Geographic Atrophy 及健康人群。传统临床评估主要依赖视力和视网膜成像,无法充分反映疾病对功能的影响。研究拟开发标准化、可重复的虚拟现实功能测试,用于补充常规检查,并支持临床与工业研究。数据可用于评估 VR 测试在 AMD 功能视力测量中的验证效果,为临床终点提供依据(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Dry AMD、Geographic Atrophy、Healhty。年龄相关性黄斑变性(AMD)是工业化国家不可逆失明的主要原因,影响全球数千万人,患病率迅速上升。它导致不可逆的中心视力丧失和日常活动中的显著困难,损害患者的生活质量和独立性。传统的临床评估侧重于视力和视网膜成像,不能完全反映疾病的功能影响。虚拟现实(VR)使得创建沉浸式、受控环境成为可能,以准确测量功能视力并模拟真实生活场景。该研究提出开发一种标准化且可重复的虚拟现实功能测试,以补充常规检查并支持临床和工业研究。

【主题与分类】

主题标签:Dry AMD、Geographic Atrophy、Healhty。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07433088

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07433088

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

疾病类型:干性年龄相关性黄斑变性、地图样萎缩、健康对照。年龄相关性黄斑变性(AMD)是工业化国家不可逆性失明的首要原因,全球受影响人数达数千万,且患病率迅速上升。该病导致不可逆的中心视力丧失和日常活动中的显著困难,损害患者的生活质量和独立性。传统的临床评估主要关注视力和视网膜成像,不能完全反映疾病的功能影响。虚拟现实(VR)使得创建沉浸式、可控环境成为可能,从而能够准确测量功能性视力并模拟真实生活场景。本研究拟开发一种标准化的、可重复的虚拟现实功能测试,以补充传统检查,并支持临床和工业研究。

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。

获取专属数据定制方案