视网膜前纤维化:早期手术效果
源站描述指出视网膜前纤维化是黄斑疾病,影响中心视网膜及中心视力,由视网膜表面结缔组织增生所致;人群研究显示15%患者会发展为中度至重度视力丧失,手术去除视网膜前膜多可改善甚至恢复正常视力,但部分患者因视网膜深层结缔组织增生(视网膜内纤维化)随时间加重而未能恢复正常

基本信息
资源简介
视网膜前纤维化:早期手术效果
该数据集来自 clinicaltrials.gov,主题为视网膜前纤维化(Epiretinal Membrane)与早期手术效果。源站描述指出视网膜前纤维化是黄斑疾病,影响中心视网膜及中心视力,由视网膜表面结缔组织增生所致;人群研究显示15%患者会发展为中度至重度视力丧失,手术去除视网膜前膜多可改善甚至恢复正常视力,但部分患者因视网膜深层结缔组织增生(视网膜内纤维化)随时间加重而未能恢复正常。该数据可用于研究疾病进展与手术预后的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:视网膜前膜。视网膜前纤维化是一种黄斑疾病,影响中心视网膜,从而影响中心视力。视网膜前纤维化是由于视网膜表面结缔组织生长所致。人群研究显示,15%的视网膜前纤维化患者会发展为中度至重度视力丧失。早期研究表明,手术去除视网膜前膜最常导致视力改善,甚至恢复正常。并非所有人视力都能恢复正常的原因可能是视网膜深层结缔组织生长。这种视网膜内纤维化随时间发展,并推测会随病程延长而加重。对于有症状的视网膜前纤维化且视力高于0.4的患者,当前临床实践是采用观察等待策略。
【主题与分类】
主题标签:Epiretinal Membrane。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/NCT00902629
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/NCT00902629
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:视网膜前膜。视网膜前纤维化是一种黄斑疾病,累及视网膜中央区域,从而影响中心视力。视网膜前纤维化是由于视网膜表面结缔组织增生所致。人群研究显示,15%的视网膜前纤维化患者会发展为中度至重度视力丧失。早期研究表明,手术剥除视网膜前膜通常能改善视力,甚至使视力恢复正常。并非所有患者视力都能恢复正常的原因,可能是视网膜深层结缔组织增生。这种视网膜内纤维化随时间推移而发展,推测会随病程延长而加重。对于有症状的视网膜前纤维化且视力高于0.4的患者,目前的临床实践是采用观察等待策略,即暂缓治疗,直至确认患者视力出现下降。采用观察等待策略可避免对视力本可保持稳定的眼进行手术。
另一方面,同样的方法是否总能确保我们对视力已经恶化(通常恶化至0.1-0.3)且病程较长的患眼进行手术?因此,延迟手术的结果推测比在更早阶段手术所能达到的效果更差。本项目旨在研究,与传统的“观察等待”方法相比,更早进行手术能否为患者带来更有利的长期结果。本研究是一项前瞻性随机临床试验。我们计划纳入60名患者,其中20名将被随机分配至早期手术组(干预组),40名分配至密切随访计划组(对照组)。如果对照组患者在随访期间视力下降超过10个早期治疗糖尿病视网膜病变研究(ETDRS)字母,或他们因视网膜前纤维化要求手术,则将为他们提供与t
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。




