DDART医疗器械人工智能子系统在视网膜眼底照片随机样本中自动检测青光眼兼容性病变的验证

该数据集来源于clinicaltrials.gov,主题为青光眼,属于眼及附器疾病分类。其核心内容是验证DDART医疗器械的人工智能子系统,在视网膜眼底照片随机样本中自动检测与青光眼兼容的病变

Democritus University of ThraceDemocritus University of Thrace
clinicaltrials
浏览 3
图像分类Glaucoma
Validation of the Artificial Intelligence Subsystem of the DDART Medical Device for the Automated Detection of Lesions Compatible With Glaucoma in a Random Sample of Retinal Fundus Photographs

基本信息

模态
图像
任务类型
分类
创建/更新时间
2026-10-23

资源简介

DDART医疗器械人工智能子系统在视网膜眼底照片随机样本中自动检测青光眼兼容性病变的验证

该数据集围绕青光眼的自动化检测验证展开,主题属于眼及附器疾病中的青光眼方向,来源为clinicaltrials.gov。其核心内容是验证DDART医疗器械的人工智能子系统,在视网膜眼底照片的随机样本中自动检测与青光眼兼容的病变。数据集以青光眼为主题标签,整体定位是一项面向医疗器械人工智能子系统的验证性研究资料,关注的是在随机抽取的视网膜眼底照片中,该人工智能子系统识别青光眼兼容病变的表现。对于关注眼科影像人工智能、青光眼筛查与医疗器械验证的研究者与从业者而言,该数据集提供了一个以注册研究信息为载体的参考入口,便于了解相关验证工作的目标设定与主题范围。

【数据集背景】

青光眼是一类与视神经损害相关的眼科疾病,早期发现与持续监测对疾病管理具有重要意义。视网膜眼底照片是眼科检查中常用的影像形式之一,基于此类影像开展自动化分析,是人工智能技术在眼科领域的重要应用方向。该数据集所对应的研究,正是围绕这一方向展开:以DDART医疗器械的人工智能子系统为验证对象,考察其在视网膜眼底照片中自动检测与青光眼兼容病变的能力。研究以随机样本的视网膜眼底照片为基础,体现了对样本抽取方式的明确设定,也反映出验证工作对真实影像分布的关注。数据集的分类归属为眼及附器疾病下的青光眼,主题标签同样为青光眼,说明其内容聚焦于单一疾病方向,而非覆盖多种眼科病变的广谱影像集合。

【数据内容】

该数据集的主题内容为青光眼相关的验证性研究信息,核心对象是DDART医疗器械的人工智能子系统,验证任务是在视网膜眼底照片的随机样本中自动检测与青光眼兼容的病变。围绕这一任务,数据集所涉及的关键要素包括:待验证的人工智能子系统、作为输入数据的视网膜眼底照片、随机样本的抽取方式,以及“与青光眼兼容的病变”这一检测目标。数据内容的具体构成,例如影像数量、图像分辨率、标注方式、病变类别细分、受试者或样本层面的统计信息等,源站未提供。数据集本身以研究注册信息的形式呈现,而非以影像文件集合的形式描述,因此其内容更多体现为研究目标与验证对象的界定。

【采集与来源】

该数据集的来源站为clinicaltrials.gov,属于研究注册平台上的条目信息。源站描述中列出的条件为青光眼,并给出了研究的主要目标,即验证DDART医疗器械的人工智能子系统在视网膜眼底照片随机样本中自动检测与青光眼兼容病变的能力。关于影像采集的具体机构、采集设备型号、采集时间范围、样本量、随机抽样所依据的总体范围,以及数据收集的地理位置等信息,源站未提供。

【适用场景】

基于现有信息,该数据集适用于了解青光眼人工智能检测器械验证研究的主题背景与目标设定,可作为检索相关注册研究、把握研究方向时的参考。其主题标签与分类指向青光眼,适合在眼科影像分析、青光眼筛查自动化、医疗器械人工智能子系统验证等议题下作为背景资料使用。需要强调的是,由于源站未提供影像数据本身及其标注细节,该数据集不宜被直接用于模型训练、算法性能复现或独立的外部验证;若需开展此类工作,应另行获取相应的影像与标注资源。

【使用方法】

源站未提供该数据集的具体使用方法、访问方式、数据格式或接口说明。使用者在引用或参考时,应以clinicaltrials.gov上该条目的注册信息为准,依据其公开描述理解研究目标与验证对象。关于是否可下载原始影像、是否需要申请权限、是否存在配套的分析脚本或评估协议,源站未提供。

【质量与限制】

该数据集的信息以研究注册描述为主,能够明确研究的主要目标与验证对象,但缺乏对影像数据规模、标注质量、样本代表性、评估指标与统计方法的详细说明,这些内容源站未提供。因此,在质量评估层面,无法依据现有信息判断其影像数据的完整性、标注一致性或验证结果的可靠性。使用时应将其视为研究背景与目标层面的资料,而非可直接用于算法评估的数据资源。此外,随机样本的具体构成与抽样细节未予披露,限制了对样本偏倚与泛化能力的进一步讨论。

【引用与许可】

源站未提供该数据集的引用格式、许可条款或使用限制说明。如需引用,建议以clinicaltrials.gov上的对应条目作为出处,并遵循该平台的相关使用规定;具体的许可与再分发条件,源站未提供。

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/NCT07758569

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:青光眼。主要目的:在随机抽取的视网膜眼底照片样本中,验证DDART医疗设备的人工智能子系统,以实现对与青光眼相符的病变的自动检测。

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