World Sight Foundation Field Machine (WSFFM) 试点数据集
研究不假设 WSFFM 与 HVF 等效或非劣,而是评估其在识别青光眼中重度视野缺损方面的表现。受试者为单中心 NHS 门诊眼科服务青光眼门诊患者,覆盖从诊断待明确到已确诊重度疾病的严重度范围

基本信息
资源简介
World Sight Foundation Field Machine (WSFFM) 试点数据集
该数据集来自 clinicaltrials.gov,为 World Sight Foundation Field Machine (WSFFM) 的探索性试点研究,聚焦青光眼。研究不假设 WSFFM 与 HVF 等效或非劣,而是评估其在识别青光眼中重度视野缺损方面的表现。受试者为单中心 NHS 门诊眼科服务青光眼门诊患者,覆盖从诊断待明确到已确诊重度疾病的严重度范围。数据可用于探索 WSFFM 在青光眼视野评估中的实际应用价值(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。这是一项探索性试点研究,旨在收集有关 WSFFM 使用的信息。研究者不期望 WSFFM 与 HVF 等效,并预期其劣于 HVF;因此,这不是一项等效性或非劣效性研究。该试验转而希望了解 WSFFM 在识别青光眼患者中度/重度视野缺损这一用途上的表现如何(这与 HVF 分析仪的用途不同,后者旨在识别早期视野缺损并监测进展性变化)。研究者将调查的患者为在单一站点 NHS 门诊医院眼科服务就诊于青光眼门诊的患者。就诊于青光眼门诊的患者将具有不同程度的青光眼严重度(从青光眼诊断仍在确定中的患者,到已确诊重度疾病的患者)。
【主题与分类】
主题标签:Glaucoma。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/NCT07674069
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/NCT07674069
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:青光眼。这是一项探索性初步研究,旨在收集关于WSFFM使用情况的信息。研究者不期望WSFFM与HVF等效,并预期其劣于HVF;因此,本研究并非等效性或非劣效性研究。该试验转而旨在了解WSFFM在识别青光眼患者中度/重度视野缺损这一用途上的效果如何(这与HVF分析仪的用途不同,后者旨在识别早期视野缺损并监测进展性变化)。研究者将调查的患者为在单一站点NHS门诊医院眼科服务中就诊于青光眼门诊的患者。就诊于青光眼门诊的患者将具有不同程度的青光眼严重性(从仍在确诊青光眼的患者到已确诊为重度疾病的患者),这些患者需要由青光眼专科临床医生进行评估。患者可能并非每次门诊就诊都需要进行视野检查,也不一定需要双眼检查(例如,如果一只眼已失明)。该初步研究将与正常临床活动同步进行。
所有需要进行视野检查的患者将在门诊前被提前识别,并向其提供患者信息手册(详细说明研究目的和程序,以及他们的参与内容和权利)。他们的“试验访视”将采取机会性方式,因为他们本来就已经预约就诊;此次访视后将不再进行进一步随访。在完成常规的初步评估(所有临床访视均需进行)后,患者将在视野测试前被引导至指定房间。在此,将有机会解答任何疑问,随后若患者愿意参与,则进行知情同意。试验设计最适合采用交叉设计。将随机选择参与者的一只眼(除非他们原本只需测试一只眼),在连续的时间段内由两种设备分别进行视野测试;顺序
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。




