神经退行性疾病视网膜成像数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT03233646

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

疾病：阿尔茨海默病、轻度认知障碍、帕金森病、多发性硬化、亨廷顿病、路易体痴呆、额颞叶痴呆、肌萎缩侧索硬化（ALS）。本研究采用多学科方法，旨在对神经退行性疾病的血管和结构病理生理学获得新见解。研究者拟开发并评估来自OCT、OCTA和UWF眼底照片的影像生物标志物，以评估这些个体视网膜和脉络膜微血管系统及结构的功能与结构。研究者假设，视网膜和脉络膜中的微血管和结构网络改变可能反映并可能先于这些神经退行性疾病中所见的脑微循环变化。

研究人员采用先进的图像分析和机器学习技术，旨在评估通过OCT和OCTA成像的视网膜浅层血管丛和脉络膜毛细血管中毛细血管血流减少和无灌注的标志物，其分辨率前所未有，这将补充已建立的视网膜结构标志物，并提高其在早期检测这些神经退行性疾病中的敏感性和特异性。本研究旨在为基于视网膜和脉络膜成像的微血管和结构生物标志物作为神经退行性疾病的有效筛查工具提供概念验证，特别是在认知老化期间。本研究的方案已修订，记录也相应更新。

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。