标准激光与微脉冲激光治疗糖尿病性黄斑水肿的比较
该数据集来自 clinicaltrials.gov,主题为糖尿病性黄斑水肿(DMO)治疗中标准阈值激光与微脉冲激光的比较

基本信息
资源简介
标准激光与微脉冲激光治疗糖尿病性黄斑水肿的比较
该数据集来自 clinicaltrials.gov,主题为糖尿病性黄斑水肿(DMO)治疗中标准阈值激光与微脉冲激光的比较。源站描述指出,自1985年ETDRS证实激光治疗有益以来,激光一直是DMO的首选疗法;NICE近期评估建议对中心视网膜厚度小于400微米的DMO患者继续使用标准阈值激光,因其临床有效且具成本效益。但常规激光可能带来旁中心暗点、激光瘢痕扩大导致视力下降、色觉减退及视网膜前膜/视网膜下纤维化等副作用。数据可用于糖尿病黄斑水肿治疗方案的比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:糖尿病性黄斑水肿。背景:自1985年ETDRS证实激光治疗对糖尿病性黄斑水肿(DMO)患者有益以来,激光一直是其首选疗法。在近期的一项评估[2]中,美国国家健康与临床优化研究所(NICE)建议继续使用标准阈值激光治疗中心视网膜厚度小于400微米的DMO患者,因为激光治疗在该患者群体中具有临床有效性和成本效益。然而,常规激光治疗可能产生副作用,包括旁中心暗点(中心视力周围患者看不见的区域;这些可能影响阅读和驾驶能力)、激光瘢痕随时间扩大并可能导致视力丧失、色觉减退以及视网膜前膜/视网膜下纤维化。如果常规激光被意外应用于t
【主题与分类】
主题标签:Diabetic Macular Edema。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/NCT03690050
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/NCT03690050
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:糖尿病性黄斑水肿。背景:自1985年ETDRS证明激光治疗对糖尿病性黄斑水肿(DMO)患者具有有益效果以来,激光一直是首选治疗方法[1]。在近期的一项评估中[2],美国国家健康与护理卓越研究所(NICE)推荐继续使用标准阈值激光治疗中心视网膜厚度< 400微米的DMO患者,因为激光治疗在该患者群体中具有临床有效性和成本效益。然而,传统激光治疗可能存在副作用,包括旁中心暗点(中心视力周围患者看不见的区域;这些可能影响阅读和驾驶能力)、激光瘢痕随时间扩大并可能导致视力丧失、色觉减退以及视网膜前膜/视网膜下纤维化。如果传统激光意外应用于视网膜中心,将导致严重的视力丧失。小型病例系列和小型随机试验表明,DSML具有相当或更优的疗效,但可能比传统激光的副作用更少。
因此,Lavinsky及其合作者[3]在一项试验中,将参与者随机分配接受标准阈值激光治疗(n=42)、正常密度DSML(n=39)或高密度DSML(n=42),结果显示后者在12个月随访时,在视力改善和视网膜厚度减少方面具有优势[3]。在一项纳入50例DMO患者的随机试验中,Vujosevic及其同事[4]发现,标准阈值激光与DSML在视力或中央视网膜厚度方面没有差异,但DSML治疗后,通过微视野检查测得的视网膜敏感度有统计学显著提高,且12个月随访时眼底检查和自发荧光图像显示视网膜无激光瘢痕[4]。同样,Kumar及其同事[5]、Figueira及其同事[6]以及Laursen及其同事[7]的随机试验分别纳入了20例、53例和16例患者,
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。




