低强度光疗对Graves病患者眼表参数的影响
该数据集来自clinicaltrials.gov,围绕低强度光疗(LLLT)用于Graves眼病合并干眼症患者的疗效与安全性研究

基本信息
资源简介
低强度光疗对Graves病患者眼表参数的影响
该数据集来自clinicaltrials.gov,围绕低强度光疗(LLLT)用于Graves眼病合并干眼症患者的疗效与安全性研究。研究为随机、单盲、平行组临床试验,在罗马尼亚Iaşi的临床医院眼科开展,遵循赫尔辛基宣言与ICH-GCP规范。干眼症为多因素疾病,以泪膜不稳定和眼表炎症为特征,Graves眼病患者常出现对常规局部治疗抵抗的严重干眼。数据可用于评估LLLT对眼表参数的影响,支持干眼与Graves眼病相关治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:干眼症(DED)、Graves眼病。这项随机、单盲、平行组临床试验旨在评估低强度光疗(LLLT)在确诊Graves眼病患者干眼症(DED)管理中的疗效与安全性。研究在罗马尼亚Iaşi的临床医院CF Iaşi眼科、医药大学“Grigore T. Popa”(罗马尼亚Iaşi)开展,遵循赫尔辛基宣言和ICH-GCP指南。干眼症是一种多因素疾病,以泪膜不稳定和眼表炎症为特征。Graves眼病患者常出现对常规局部治疗抵抗的严重干眼,因此需要寻找稳定泪膜的新疗法。LLLT是一种非侵入性光生物调节
【主题与分类】
主题标签:Dry Eye Disease (DED)、Graves Ophthalmopathy。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07332988
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/NCT07332988
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
疾病:干眼病(DED)、Graves眼病。本随机、单盲、平行组临床试验旨在评估低强度光疗法(LLLT)在诊断为Graves眼病的干眼病(DED)患者管理中的疗效与安全性。该研究在罗马尼亚雅西临床医院眼科、医药大学“Grigore T. Popa”(罗马尼亚雅西)进行,遵循《赫尔辛基宣言》和ICH-GCP指南。干眼病是一种多因素疾病,以泪膜不稳定和眼表炎症为特征。Graves眼病患者常出现对常规局部治疗抵抗的严重干眼,因此需要寻找稳定泪膜的新疗法。LLLT是一种非侵入性光生物调节技术,可传递低强度、多色红光和近红外光,靶向线粒体细胞色素并促进细胞活性。
其在眼科的应用已显示出改善睑板腺功能、增强泪膜稳定性以及下调眼表炎症细胞因子的潜力。然而,其在确诊为与Graves眼病相关的干眼症患者中的效用尚未得到正式评估。符合条件的参与者包括连续入选的成年人(≥18岁),诊断为与Graves眼病相关的干眼症,且对常规干眼治疗无效。主要排除标准为妊娠或哺乳期患者、未控制的全身性疾病(Graves病除外)、过去6个月内使用过全身性皮质类固醇、过去6个月内接受过眼部及眶部手术、过去1个月内使用过隐形眼镜,以及任何活动性眼部感染或过敏。符合条件的参与者被随机分配至活性低强度光治疗组或假对照组,使用Eye-light设备(Espansione Group Ltd,Funo,意大利)。随机化采用
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。




