视神经炎病史阴性与阳性组的人口学及临床特征
该数据为一项关于低对比度视力用于检测既往视神经炎研究的表格文件,来自 frontiersin.figshare.com,包含视神经炎病史阴性与阳性组的人口学及临床特征

基本信息
资源简介
视神经炎病史阴性与阳性组的人口学及临床特征
Table_1_Low Contrast Visual Acuity Might Help to Detect Previous Optic Neuritis.DOCX
该数据为一项关于低对比度视力用于检测既往视神经炎研究的表格文件,来自 frontiersin.figshare.com,包含视神经炎病史阴性与阳性组的人口学及临床特征。研究纳入108例脱髓鞘疾病患者(35例多发性硬化、73例视神经脊髓炎谱系疾病)及35名对照,接受神经眼科评估,包括最佳矫正常规高对比度视力与2.5%、1.25%低对比度视力。数据可用于比较组间特征、支持视神经炎检测相关分析(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《Validity of low-contrast letter acuity as a visual performance outcome measure for multiple sclerosis》发表于 Multiple Sclerosis Journal(2017),DOI:10.1177/1352458517690822。源站首次发布:2020-12-22。
【数据内容】
源站描述(机器翻译,仅供参考):视神经炎(ON)一直被认为是多发性硬化(MS)和视神经脊髓炎谱系疾病(NMOSD)诊断中的重要因素,因此ON的检测对早期诊断日益关键。此外,未出现明显视力下降的亚临床ON可能被漏诊。已知低对比度视力(LC-VA)能够捕捉到MS中常规高对比度视力(HC-VA)未能发现的视觉损害。因此,为提高ON检测的敏感性,我们研究了LC-VA相对于常规HC-VA的优势。108例至少3个月前发生过ON的脱髓鞘疾病患者(35例MS,73例NMOSD)和35名对照接受了神经眼科评估,包括最佳矫正常规高对比度视力(HC-VA)以及2.5%和1.25%低对比度视力(LC-VA)。受试者工作特征
【数据结构与技术规格】
文件数 1 个,合计 13.91 KB。数据集 DOI:10.3389/fneur.2020.602193.s001。
【主题与分类】
源站学科分类:Neurology and Neuromuscular Diseases、Neurogenetics。主题标签:optic neuritis、visual acuity、low contrast visual acuity、neuromyelitis optica spectrum disorder、multiple sclerosis。本站分类:眼病/视神经炎。
【适用方向】
源站学科分类标注为 Neurology and Neuromuscular Diseases、Neurogenetics。
【获取与许可】
源站页面:https://frontiersin.figshare.com/articles/dataset/Table_1_Low_Contrast_Visual_Acuity_Might_Help_to_Detect_Previous_Optic_Neuritis_DOCX/13474473
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Park, Soo-Hyun; Park, Choul Yong; Shin, Young Joo; Jeong, Kyoung Sook; Kim, Nam-Hee (2020). Table_1_Low Contrast Visual Acuity Might Help to Detect Previous Optic Neuritis.DOCX. Frontiers. Dataset
【使用注意】
· 源站最后修改于 2023-06-04,引用时请注意版本时效。
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(Figshare)
- 源站标题:Table_1_Low Contrast Visual Acuity Might Help to Detect Previous Optic Neuritis.DOCX
- DOI:10.3389/fneur.2020.602193.s001
- 发布日期:2020-12-22
- 文件数:1 个
- 文件总体积:13.91 KB
- 源站页面:https://frontiersin.figshare.com/articles/dataset/Table_1_Low_Contrast_Visual_Acuity_Might_Help_to_Detect_Previous_Optic_Neuritis_DOCX/13474473
命令行下载
curl -L -o "Table_1_Low Contrast Visual Acuity Might Help to Detect Previous Optic Neuritis.DOCX" "https://ndownloader.figshare.com/files/25862181"
文件清单
Table_1_Low Contrast Visual Acuity Might Help to Detect Previous Optic Neuritis.DOCX(13.91 KB)
文件总体积 13.91 KB(源站 API 实测)。
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。
数据说明
视神经炎(ON)一直被认为是诊断多发性硬化(MS)和视神经脊髓炎谱系疾病(NMOSD)的重要因素,这使得ON的检测对早期诊断日益关键。此外,表现为视力无明显下降的亚临床ON可能被漏诊。已知低对比度视力(LC-VA)能够捕捉到MS中常规高对比度视力(HC-VA)无法发现的视力损害。因此,为提高ON检测的敏感性,我们研究了LC-VA相较于常规HC-VA的优势。108例至少3个月前发生过ON的脱髓鞘疾病患者(35例MS,73例NMOSD)和35名对照者接受了神经眼科评估,包括最佳矫正常规高对比度视力(HC-VA)以及2.5%和1.25%低对比度视力(LC-VA)。采用受试者工作特征(ROC)曲线分析及各视觉功能的曲线下面积(AUC)来确定检测视神经受累最相关的视觉功能检查。
此外,最佳截断点通过约登指数(J指数)获得,即敏感性与特异性平衡最佳的点。在区分ON与非ON时,2.5% LC-VA的ROC曲线下面积(AUC)最高(0.835,P < 0.001;敏感性71.5%,特异性88.6%),而HC-VA为0.710(P < 0.001),1.25% LC-VA为0.770(P < 0.001)。在区分对照组与ON时,2.5% LC-VA的AUC同样最高,为0.754(P < 0.001;敏感性71.5%,特异性78.5%),而HC-VA为0.719(P < 0.001),1.25% LC-VA为0.688(P < 0.001)。在有ON病史的患眼(n = 137)中,HC-VA和2.5% LC-VA的异常率分别为64.2%和71.5%(P < 0.001),两者联合检测的异常检出率约为85.4%(P < 0.001)。在区分ON与非ON或对照组时,2.5% LC-VA在检测ON方面优于HC-VA。2.5% LC-VA可能是一种有用、可行且快速的检测ON的方法。此外,将2.5% LC-VA与常规HC-VA联合应用将更有利于检测视神经
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fneur.2020.602193.s001(source: https://frontiersin.figshare.com/articles/dataset/Table_1_Low_Contrast_Visual_Acuity_Might_Help_to_Detect_Previous_Optic_Neuritis_DOCX/13474473)。
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。




