非动脉炎性前部缺血性视神经病变患者的视网膜神经血管耦合

该数据集来自 clinicaltrials.gov,聚焦非动脉炎性前部缺血性视神经病变(NAION)患者的视网膜神经血管耦合研究

Medical University of ViennaMedical University of Vienna
clinicaltrials
浏览 3
表格Anterior Ischemic Optic Neuropathy
Retinal Neuro-vascular Coupling in Patients With Non-arteritic Anterior Ischemic Optic Neuropathy

基本信息

模态
表格
创建/更新时间
2026-10-26

资源简介

非动脉炎性前部缺血性视神经病变患者的视网膜神经血管耦合

该数据集来自 clinicaltrials.gov,聚焦非动脉炎性前部缺血性视神经病变(NAION)患者的视网膜神经血管耦合研究。源站描述指出,NAION 是西方中老年人群严重视力损害最常见原因之一,高血压、糖尿病和血脂异常等心血管危险因素会增加患病风险,单眼患病后对侧眼发病风险亦升高,但针对 NAION 患者眼部灌注异常的临床研究稀少且结论矛盾。该研究旨在测量相关指标,数据可用于探讨 NAION 的血管机制与风险因素关联(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:前部缺血性视神经病变。缺血性视神经病变是西方世界中老年人群严重视力损害最常见的原因之一。本研究聚焦于缺血性视神经病变的一个亚组,即所谓的非动脉炎性缺血性视神经病变(NAION)。尽管 NAION 的确切发病机制尚未完全阐明,但已知具有心血管危险因素(如高血压、糖尿病和血脂异常)的患者发生 NAION 的风险也增加。沿着这一思路,已有研究表明,一眼有 NAION 病史的患者在对侧眼发生 NAION 的风险也增加。然而,调查 NAION 患者眼部灌注异常的临床研究稀少且甚至相互矛盾。因此,本研究试图测量 oc

【主题与分类】

主题标签:Anterior Ischemic Optic Neuropathy。本站分类:循环系统疾病/其他。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03401892

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://clinicaltrials.gov/study/NCT03401892

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

条件:前部缺血性视神经病变。缺血性视神经病变是西方世界中中老年人群严重视力损害的最常见原因之一。本研究聚焦于缺血性视神经病变的一个亚组,即所谓的非动脉炎性缺血性视神经病变(NAION)。尽管NAION的确切发病机制尚未完全阐明,但已知具有心血管危险因素(如高血压、糖尿病和血脂异常)的患者发生NAION的风险也增加。沿着这一思路,已有研究表明,一眼有NAION病史的患者在对侧眼发生NAION的风险也增加。然而,研究NAION患者眼部灌注异常的临床研究稀少且甚至相互矛盾。因此,本研究旨在测量有NAION病史患者的眼部血流参数,并将其与年龄匹配的健康受试者进行比较。

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