玻璃体切除术后视网膜前膜患者视网膜参数评估
该数据集来自 clinicaltrials.gov 的干预性研究,聚焦视网膜前膜患者经平坦部玻璃体切除术后视网膜结构与功能变化的动态评估

基本信息
资源简介
玻璃体切除术后视网膜前膜患者视网膜参数评估
该数据集来自 clinicaltrials.gov 的干预性研究,聚焦视网膜前膜患者经平坦部玻璃体切除术后视网膜结构与功能变化的动态评估。研究比较术后1个月加用577 nm阈值下微脉冲黄色激光的激光组与不加激光的非激光组,并涉及术前预后因素识别、先进视网膜功能检测的诊断预后价值及手术指征更新。数据可用于术后结局预测与预后因素分析(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、黄斑水肿、黄斑疾病、视网膜疾病。这项干预性研究的目标是评估视网膜前膜(ERM)眼在平坦部玻璃体切除术(PPV)后视网膜结构与功能变化的动态。其他研究目标包括: 识别与更好术后结局相关的术前预后因素。 评估先进的、高度专业化的视网膜功能检测作为ERM手术后患者诊断-预后工具的效用。* 确定ERM患者玻璃体切除术的更新资格标准与手术指征。研究人员将比较激光治疗组(PPV后1个月额外使用阈值下微脉冲黄色激光(577 nm))与非激光组(不加额外激光),以观察早期术后阈值下微脉冲激光治疗(SM
【主题与分类】
主题标签:Epiretinal Membrane、Macular Oedema、Macular Diseases、Retinal Diseases。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/NCT07165626
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/NCT07165626
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
条件:视网膜前膜、黄斑水肿、黄斑疾病、视网膜疾病。本干预性研究旨在评估视网膜前膜(ERM)眼在经平坦部玻璃体切除术(PPV)后视网膜结构和功能变化的动态。其他研究目标包括:* 识别与较好术后结局相关的术前预后因素。* 评估先进、高度专业化的视网膜功能检测作为ERM术后患者诊断-预后工具的效用。* 确定ERM患者玻璃体切除术的更新资格标准及手术指征。研究人员将比较激光治疗组(PPV后1个月额外行阈下微脉冲黄激光(577 nm))与非激光组(不额外行激光),以观察术后早期阈下微脉冲激光治疗(SMLT)是否影响ERM剥除后选定的功能和形态学视网膜参数。这项前瞻性、随机、对照、单中心研究纳入100例计划行手术ERM去除的假晶状体眼患者。
入选条件为存在视觉显著的ERM,并伴有视物变形和/或最佳矫正视力下降。参与者术前根据基于OCT的Govetto分期进行分类,并以1:1随机分配至激光治疗组或非激光(对照)组。所有患者均接受标准25G经平坦部玻璃体切除术(PPV)联合ERM剥离,随后行ILM剥离及SF₆气体填充,手术由同一位经验丰富的玻璃体视网膜外科医生完成。随访时间为术前及术后1个月和4个月;激光组在1个月时进行SMLT。基线问卷记录视物变形的存在情况(是/否)及持续时间(<6个月、6-12个月、>12个月)。评估内容包括:* 最佳矫正视力(BCVA)[Snellen和ETDRS视力表] * 增强深度成像光学相干断层扫描(EDI-OCT)[九个早期治疗糖尿病视网膜病变研究(ETDRS)子区域的视网膜厚度(μm);总视网膜体积(mm³);黄斑中心凹下脉络膜厚
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。




