非动脉炎性缺血性视神经病变患者视野相关终点评估
该数据集来自 clinicaltrials.gov，针对非动脉炎性缺血性视神经病变患者，收集五项定量测试序列：静态刺激视野检查（GATE 快速阈值算法）、D-BCVA（FrACT 与 EDTRS 视力表）、RAPD（摆动手电筒试验）、IOP（压平眼压计）以及 Spectralis OCT 的 RNF
基本信息
资源简介
非动脉炎性缺血性视神经病变患者视野相关终点评估
该数据集来自 clinicaltrials.gov，针对非动脉炎性缺血性视神经病变患者，收集五项定量测试序列：静态刺激视野检查（GATE 快速阈值算法）、D-BCVA（FrACT 与 EDTRS 视力表）、RAPD（摆动手电筒试验）、IOP（压平眼压计）以及 Spectralis OCT 的 RNFT 和 RNFV（星形扫描、2.8 mm 环形扫描和体积扫描），并通过眼底照相记录视盘形态。这些数据可用于估计患者功能与形态学参数的自发波动，支持疾病进展评估与相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：非动脉炎性缺血性视神经病变。本研究项目拟收集五个定量测试系列： 使用静态刺激的视野检查，采用快速阈值算法（GATE）[Schiefer 2008]评估整个（80度）视野，以了解视野缺损的范围/程度及其在队列内和随时间的变化 D-BCVA，使用 FrACT [Bach 2007] 和 EDTRS 视力表 [Ferris 1982] RAPD（使用摆动手电筒试验）。 IOP（使用压平眼压计）。* 使用 Spectralis OCT 的 RNFT 和 RNFV（星形扫描、2.8 mm 环形扫描和体积扫描）。视盘形态将通过眼底照相记录。需要对上述数据进行评估，以便估计 N-AION 患者在……期间（量化）功能和形态学参数的自发过程/波动。
【主题与分类】
主题标签：Non-arteritic Ischemic Optic Neuropathy。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01614158
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/NCT01614158
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：非动脉炎性缺血性视神经病变。本研究项目拟采集五组定量检测数据：* 使用静态刺激的视野检查，采用快速阈值算法（GATE）[Schiefer 2008]评估整个（80度）视野，以了解视野缺损的范围/程度及其在队列内和随时间变化的变异性 * D-BCVA，使用FrACT [Bach 2007]和EDTRS视力表 [Ferris 1982] * RAPD（使用摆动手电筒试验） * IOP（使用压平眼压计） * 使用Spectralis OCT（星形扫描、2.8 mm环形扫描和体积扫描）检测RNFT和RNFV。视盘形态将通过眼底照相记录。上述数据的评估是必要的，以便估计N-AION患者在随访期间（量化）功能和形态学参数的自发病程/波动。这对于估计随后拟开展的SINN研究的样本量至关重要，该研究旨在比较N-AION患者的不同治疗策略。
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。
