黄斑变性患者与对照组对阶梯轮廓的相似敏感性

该数据集包含16名受试者的试验数据文件和一个MATLAB脚本,数据模态主要为临床表格和文本格式,用于研究黄斑变性患者与健康对照组在阶梯轮廓敏感性测试中的视觉感知表现,主要应用于眼科研究、视觉感知分析以及疾病相关临床模型的验证与开发。

DataONE
2018-10-17 更新
浏览 32
psychophysicsyes-no datacontour integrationcentral field lossPhysicsSocial Sciences
Similar Sensitivity to Ladder Contours in Macular Degeneration Patients and Controls

基本信息

大小
0.000008065 GB
创建/更新时间
2018-10-17

资源简介

黄斑变性患者与对照组对阶梯轮廓的相似敏感性

【数据集背景】

本数据集源站标题为《Similar Sensitivity to Ladder Contours in Macular Degeneration Patients and Controls》。

【数据内容】

源站原始描述:Included: Trial data files for 16 subjects, and a matlab script that compiles the data, explaining the format, and displays it in the form presented in the PLOS-1 paper \"Similar Sensitivity to Ladder Contours in Macular Degeneration Patients and Controls\"

【主题与分类】

主题标签:psychophysics、yes-no data、contour integration、central field loss、Physics、Social Sciences。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256:d60cb437a74fbbe12edd2bcc4d4bc8776fe12c4553c93596e681b34d5b08e230

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://search.dataone.org/view/sha256:d60cb437a74fbbe12edd2bcc4d4bc8776fe12c4553c93596e681b34d5b08e230

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

该数据集包含16名受试者的试验数据文件以及一个MATLAB脚本,该脚本用于编译数据、解释数据格式,并以PLOS-1论文《黄斑变性患者与对照组对阶梯轮廓的相似敏感性》中呈现的形式展示数据。数据集主要涉及黄斑变性患者和健康对照组的视觉感知研究,通过阶梯轮廓敏感性测试,探索视觉系统在病理状态下的功能变化。数据来源于相关眼科研究,可用于视觉感知分析、疾病模型验证及临床研究应用。

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