玻璃体切除与ILM剥除术后多焦ERG及视野变化评估
该数据集来自clinicaltrials.gov,聚焦视网膜前膜(Epiretinal Membrane)患者在接受玻璃体切除联合内界膜(ILM)剥除术后的多焦ERG与视野变化评估

基本信息
资源简介
玻璃体切除与ILM剥除术后多焦ERG及视野变化评估
该数据集来自clinicaltrials.gov,聚焦视网膜前膜(Epiretinal Membrane)患者在接受玻璃体切除联合内界膜(ILM)剥除术后的多焦ERG与视野变化评估。源站描述指出,ILM剥除是视网膜前膜的标准手术辅助步骤,也适用于糖尿病黄斑水肿、黄斑裂孔等病变,但该操作具有创伤性,可能影响内层视网膜并导致视网膜功能改变。数据可用于分析术后视网膜功能与视野变化,主题标签为Epiretinal Membrane(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:视网膜前膜。黄斑视网膜前膜(ERM)是一种玻璃体黄斑界面疾病,特征为黄斑内界膜(ILM)前表面的纤维细胞增生。平坦部玻璃体切除联合ERM去除及内界膜剥除是ERM的标准手术治疗。进行ILM剥除以消除肌成纤维细胞增生的支架及任何显微镜下ERM,从而预防ERM复发。ILM剥除也适用于ERM以外的其他病变,如糖尿病黄斑水肿和黄斑裂孔。ILM剥除是一种创伤性操作,可能对 underlying 内层视网膜产生多种影响,进而导致视网膜功能改变。视网膜水肿、偏心性暗点、神经纤维层分离、医源性点状脉络膜视网膜病变,以及视网膜下、视网膜、a
【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/NCT04281173
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/NCT04281173
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。黄斑视网膜前膜(ERM)是一种玻璃体黄斑界面疾病,其特征为黄斑区内界膜(ILM)前表面的纤维细胞增生。经平坦部玻璃体切除术联合ERM去除及内界膜剥除是ERM的标准手术治疗方式。进行ILM剥除旨在消除肌成纤维细胞增生及任何微小ERM的支架,以预防ERM复发。ILM剥除的适应证还包括ERM以外的其他病变,如糖尿病性黄斑水肿和黄斑裂孔。ILM剥除是一种创伤性操作,可能对 underlying 内层视网膜产生多种影响,进而导致视网膜功能改变。除染色剂毒性外,剥除手术创伤所致的视网膜水肿、偏心性暗点、神经纤维层分离、医源性点状脉络膜视网膜病变以及视网膜下、视网膜和玻璃体出血均有充分描述。对这些变化的研究可能有助于促进微创ILM去除技术的发展。
功能变化的评估可能包括视野检查和多焦视网膜电图评估。玻璃体切除术后视野缺损是一种众所周知的术后并发症,通常发生于接受液体-空气交换的眼部,视野缺损的原因仍不明确。进行光学相干断层扫描(OCT)成像以评估内界膜剥除后的视网膜内层,高度近视眼在内界膜剥除后可能发生更严重的“散在性”视网膜内层缺损。多焦视网膜电图(mfERG)已被用于评估视觉功能以及黄斑区多个视网膜位点的电生理反应。
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。




