基于Transformer的多模态青光眼管理深度学习框架

数据集获取

源站：https://doi.org/10.21227/ag5d-x973

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

青光眼是一种进行性眼病，若未得到有效管理，可导致不可逆的视力丧失。预测疾病进展对于及时干预至关重要。本研究旨在设计一种基于Transformer的两阶段预训练模型，以增强从彩色眼底图像预测视野（VF）图的能力，从而应对青光眼管理中的关键挑战。为克服数据稀缺问题，我们构建了用于青光眼预训练的Gla-2K数据集。该模型采用两阶段预训练框架：第一阶段侧重于从大量数据中学习通用眼科特征，第二阶段则针对青光眼特异性特征。基于Transformer的深度学习模型整合了多模态数据，包括年龄、眼内压、中央角膜厚度及其他眼科因素。该方法显著改善了VF进展预测。与基线模型相比，其RMSE降低了0.568，MAE降低了0.592，R²提高了0.121，展现出更优的性能。临床验证证实了该模型的实际适用性。

两阶段预训练框架为青光眼管理提供了一种有效方法。通过整合多模态数据并利用预训练技术，该模型建立了新的基准，为改善青光眼诊断和长期管理提供了巨大潜力。

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。