葡萄膜炎分类玻璃体标本综合分析：前瞻性多中心观察性研究数据
该数据集来自 datadryad.org，为一项在日本两家学术医疗中心开展的前瞻性多中心观察性研究，纳入191例患者共234眼，覆盖结节病、眼内肿瘤、病毒感染、非结节病及未知病因等多种葡萄膜炎病因
基本信息
资源简介
葡萄膜炎分类玻璃体标本综合分析：前瞻性多中心观察性研究数据
Data from: Comprehensive analysis of vitreous specimens for uveitis classification: a prospective multicentre observational study
该数据集来自 datadryad.org，为一项在日本两家学术医疗中心开展的前瞻性多中心观察性研究，纳入191例患者共234眼，覆盖结节病、眼内肿瘤、病毒感染、非结节病及未知病因等多种葡萄膜炎病因。玻璃体样本经流式细胞术、细胞学和多重组PCR分析，主要评估T细胞、B细胞及病原DNA等生物标志物的诊断价值。数据可用于葡萄膜炎病因分类与生物标志物诊断效能研究（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：确定玻璃体生物标志物在葡萄膜炎患者中的临床相关性。设计：多中心、前瞻性、观察性研究。地点：日本两家学术医疗中心的葡萄膜炎门诊。患者人群：本研究纳入191例患者的234眼，涵盖多种葡萄膜炎病因：确诊结节病（46例患者的61眼）、疑似结节病（45例患者的60眼）、眼内肿瘤（27例患者的34眼）、病毒感染（18例患者的20眼）、非结节病（16例患者的16眼）及未知病因（39例患者的43眼）。观察程序：玻璃体样本（经睫状体平坦部玻璃体切除术获取）采用流式细胞术、细胞学和多重组PCR分析进行检测。主要结局指标：主要结局指标为玻璃体样本中多种生物标志物（T细胞、B细胞和病原DNA）的诊断价值。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.597ch。
【主题与分类】
主题标签：flowcytometry analysis、vitreous sample、CD4/CD8 ratio、Uveitis。本站分类：眼病/虹膜炎。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.597ch
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/resource/doi:10.5061/dryad.597ch
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:
数据集大小约 74.8 KB。
数据说明
Kazuichi Maruyama; Tohru Inaba; Sunao Sugita; Ryo Ichinohasama; Kenji Nagata; Shigeru Kinoshita; Manabu Mochizuki; Toru Nakazawa (2017). Comprehensive analysis of vitreous specimens for uveitis classification: a prospective multicentre observational study [Dataset]. http://doi.org/10.5061/dryad.597ch
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。
