视网膜分支静脉阻塞继发黄斑水肿患者多剂量递增安全性研究及糖尿病性黄斑水肿或新生血管性年龄相关性黄斑变性患者剂量探索安全性与初步疗效研究
本数据集来自clinicaltrials.gov,涵盖糖尿病性黄斑水肿(DME)、新生血管性年龄相关性黄斑变性(NVAMD)及视网膜分支静脉阻塞(BRVO)相关研究

基本信息
资源简介
视网膜分支静脉阻塞继发黄斑水肿患者多剂量递增安全性研究及糖尿病性黄斑水肿或新生血管性年龄相关性黄斑变性患者剂量探索安全性与初步疗效研究
本数据集来自clinicaltrials.gov,涵盖糖尿病性黄斑水肿(DME)、新生血管性年龄相关性黄斑变性(NVAMD)及视网膜分支静脉阻塞(BRVO)相关研究。研究分两部分:多剂量递增(MAD)部分采用开放标签设计,4个队列各3名受试者接受EYE201玻璃体腔注射,剂量递增,受试者为未经治疗的BRVO患者;后续为在DME或NVAMD患者中开展的剂量探索安全性和初步疗效研究。数据可用于评估EYE201的安全性、耐受性及初步疗效,支持眼科疾病治疗方案的探索(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:糖尿病性黄斑水肿(DME)、新生血管性年龄相关性黄斑变性(NVAMD)、BRVO - 视网膜分支静脉阻塞。在研究的多剂量递增(MAD)部分,4个队列,每个队列由3名受试者组成,将以开放标签设计按递增顺序接受4个剂量水平之一的EYE201玻璃体腔注射。受试者将患有既往未经治疗(初治)的BRVO,并将接受EYE201。受试者将返回进行安全性和疗效评估以及样本采集研究访视。当前一队列的所有3名受试者均已接受首剂EYE201并完成预定义的安全性评估,且剂量递增委员会确认无剂量限制性毒性(DLT)后,下一队列的受试者将接受其首次EYE201玻璃体腔注射。一旦MAD部分研究的最后一名受试者r
【主题与分类】
主题标签:Diabetic Macular Edema (DME)、BRVO - Branch Retinal Vein Occlusion。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06664502
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/NCT06664502
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
适应症:糖尿病性黄斑水肿(DME)、新生血管性年龄相关性黄斑变性(NVAMD)、BRVO——视网膜分支静脉阻塞。在研究的多次递增剂量(MAD)部分,采用开放标签设计,4个队列,每个队列由3名参与者组成,将按递增顺序接受4个剂量水平之一的EYE201玻璃体腔内(IVT)注射。参与者将患有既往未经治疗(初治)的BRVO,并将接受EYE201。参与者将返回进行研究访视,进行安全性和有效性评估以及样本采集。当前一队列的所有3名参与者均已接受其首剂EYE201并完成预定义的安全性评估,且剂量递增委员会已确认不存在剂量限制性毒性(DLT)后,下一队列的参与者将接受其首次EYE201玻璃体腔内注射。
一旦研究中MAD部分的最后一名参与者已接受其首剂给药、完成预定的安全性评估,并且最大耐受剂量(MTD)已确定或宣布在所测试剂量下未达到,则将根据观察到的安全性和任何初步疗效信号,从这些剂量水平中选择2个纳入第2部分剂量探索研究。研究的剂量探索部分将采用随机化和设盲,对参与者和研究中心人员设盲(剂量配制人员和未设盲的注射医生除外)。研究将根据参与者患有初治或经治的DME或NVAMD进行分层。
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。




