视神经乳头应变作为青光眼生物标志物
该数据集来自 clinicaltrials.gov，聚焦青光眼（开角型）与视神经乳头应变的关系。数据覆盖已确诊青光眼患者与合适对照成人，使用 FDA 批准的光学相干断层扫描仪成像，对在两个不同眼压下成像者生成生物力学应变估计，并与视野和视网膜神经纤维层测量随时间比较
基本信息
资源简介
视神经乳头应变作为青光眼生物标志物
该数据集英文名为 Optic Nerve Head Strain as Biomarker for Glaucoma，来源于 clinicaltrials.gov，本站归类为眼及附器疾病下的青光眼方向，主题标签为 Glaucoma, Open-Angle。数据集围绕开角型青光眼与视神经乳头应变之间的关系展开，覆盖已确诊青光眼患者与合适对照成人两类对象。采集过程中使用经 FDA 批准的光学相干断层扫描仪进行成像，对在两个不同眼压下接受成像的参与者生成生物力学应变估计，并将这些估计与视野和视网膜神经纤维层测量随时间进行比较。研究者预期，基线应变及其随时间的变化将与青光眼损伤的进展速率相关，从而为易感性提供生物标志物。以下依据可得信息对该数据集作分段介绍。
【数据集背景】
青光眼，尤其是开角型青光眼，是眼及附器疾病领域的重要关注对象。该数据集所依托的研究关注视神经乳头在眼压作用下的生物力学响应，试图将应变这一力学量作为潜在的生物标志物，用于理解青光眼损伤的易感性与进展。研究的基本设想是：不同个体在相同或不同眼压条件下的视神经乳头应变表现可能存在差异，而这种差异可能与青光眼损伤随时间的进展速率相关联。数据集即围绕这一设想组织患者与对照的成像与随访测量信息。
【数据内容】
数据集覆盖两类参与者：已确诊的青光眼患者，以及合适的对照成人。数据内容的核心是对视神经乳头应变的估计值，这些估计来自对参与者在两个不同眼压条件下进行的光学相干断层扫描成像。除应变估计外，数据集还包含视野测量与视网膜神经纤维层测量，并涉及这些测量随时间的变化，用于与应变指标进行比较。主题标签为 Glaucoma, Open-Angle，表明数据聚焦于开角型青光眼这一具体类型。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的研究。采集使用经 FDA 批准的光学相干断层扫描仪对参与者眼部进行成像；对于在两个不同眼压下接受成像的参与者，可据此生成生物力学应变估计。所获得的应变估计将与视野和视网膜神经纤维层测量进行随时间比较。数据集的来源站为 clinicaltrials.gov，本站分类为眼及附器疾病 / 青光眼。
【适用场景】
基于现有信息，该数据集适用于围绕开角型青光眼与视神经乳头应变关系的研究场景，例如考察基线应变及其随时间变化与青光眼损伤进展速率之间的关联，探索应变作为易感性生物标志物的可能性。数据涉及患者与对照成人的成像、视野及视网膜神经纤维层测量，可用于比较不同眼压条件下应变估计的表现，以及将力学指标与结构和功能测量随时间的变化联系起来进行分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06240312
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
条件：开角型青光眼。现有青光眼患者和合适的对照成人将使用FDA批准的光学相干断层扫描仪器进行成像。那些在两个不同眼压下成像的人将生成生物力学应变估计。这些将随时间与视野和视网膜神经纤维层测量值进行比较。研究人员预期基线应变及其随时间的变化将与青光眼损害的进展速率相关，提供易感性的生物标志物。
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。
