更吸引人的视野测试以提高儿科使用率与可靠性
该数据集来自 clinicaltrials.gov,聚焦眼科及附器疾病下的青光眼领域,涉及青光眼疑似、视神经发育不全及中枢神经系统异常、先天性视神经缺损、双侧先天性视神经乳头小凹等病症

基本信息
资源简介
更吸引人的视野测试以提高儿科使用率与可靠性
该数据集来自 clinicaltrials.gov,聚焦眼科及附器疾病下的青光眼领域,涉及青光眼疑似、视神经发育不全及中枢神经系统异常、先天性视神经缺损、双侧先天性视神经乳头小凹等病症。其背景是多数幼儿不认为周边视野测试类似游戏,难以在测试中保持注意力,导致视野测试可靠性差,进而增加测试次数或延长判断真实视力丧失所需时间,也使医生更少为儿童开具视野测试。该数据可用于研究如何提升儿科视野测试的参与度与可靠性,辅助识别未治疗的缓慢进展性眼病(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:青光眼疑似、视神经发育不全及中枢神经系统异常、先天性视神经缺损、双侧先天性视神经乳头小凹。大多数幼儿并不认为周边视野(VF)测试类似于游戏;因此,他们在视野测试期间难以保持注意力,从而导致测试可靠性受损,这并不令人意外。视野可靠性差一直是一个长期存在的主要问题,因为它会导致测试次数增加和/或需要更长时间来确定何时存在真正的视力丧失。由于结果价值存疑且不一致时难以解读,提供者更不可能为儿童进行视野测试。实际上,这意味着患有未治疗的、缓慢进展性眼病的儿童可能未被发现
【主题与分类】
主题标签:Glaucoma, Suspect、Congenital Coloboma of the Optic Nerve。本站分类:眼及附器疾病/青光眼。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02157025
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/NCT02157025
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
疾病情况:青光眼、疑似青光眼、视神经发育不全及中枢神经系统异常、先天性视神经缺损、双侧先天性视神经乳头小凹。大多数年幼儿童并不认为周边视野(VF)检查类似于一种游戏;因此,他们在视野检查过程中难以保持注意力,从而导致检查可靠性受到影响,这并不令人意外。视野检查可靠性差一直是一个长期存在的主要问题,因为它会导致检查次数增加和/或需要更长时间才能确定是否存在真正的视力丧失。由于结果价值存疑且在前后不一致时难以解读,医疗服务提供者不太可能对儿童进行视野检查。实际上,这意味着患有未经治疗、缓慢进展性眼病的儿童可能无法得到诊断,并遭受更大的视力损失。
研究人员旨在创建一种原型设备,据研究人员假设,该设备将使幼儿进行视野(VF)测试时更加投入,从而增加他们的注意力及对测试刺激反应的一致性,进而应能提高VF的可靠性。该设备组件包括一个微型显示视频屏幕(直径1.5英寸)作为注视目标(取代标准LED灯),播放流行卡通角色的视频片段,以及由测试操作员提供的模仿卡通角色声音的音频片段,根据儿童在测试中的表现提供指导性反馈。通过研究人员创新、经济且易于采用的系统在眼科护理提供者办公室的广泛实施,研究人员干预措施提高的VF可靠性将转化为对幼儿周边视觉丧失的更佳诊断和护理。
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。




