增殖性糖尿病视网膜病变中的内界膜剥除
条件：视力威胁性糖尿病视网膜病变。假设：在玻璃体切割术中接受 ILM 剥除的受试者，其 OCT 上的黄斑中心凹厚度更低、术后视网膜前膜更少，因而最终视力优于对照组受试者
基本信息
资源简介
增殖性糖尿病视网膜病变中的内界膜剥除
本数据集围绕增殖性糖尿病视网膜病变（Proliferative Diabetic Retinopathy）相关的一种外科干预——内界膜（Internal Limiting Membrane, ILM）剥除——展开，聚焦于视力威胁性糖尿病视网膜病变患者。其核心研究假设是：在玻璃体切割术（pars plana vitrectomy, PPV）过程中接受 ILM 剥除的受试者，相比未剥除的对照受试者，在 OCT 检查中表现出更低的黄斑中心凹厚度、更少的术后视网膜前膜，并因此获得更好的最终视力。研究采用随机对照设计，受试者在术中依据抛硬币方式分组，样本量按每组 60 例计算。该数据集来源于 clinicaltrials.gov，归类于内分泌、营养和代谢疾病下的糖尿病领域，主题标签为视力威胁性糖尿病视网膜病变。
【数据集背景】
糖尿病视网膜病变是糖尿病常见的微血管并发症之一，当病变进展到增殖期并威胁视力时，往往需要手术干预。玻璃体切割术是治疗此类病变的重要手段，而在手术中是否联合剥除内界膜，一直是临床关注的问题。内界膜是视网膜最内层的基底膜结构，剥除它可能影响黄斑区解剖形态与术后膜性增生。本数据集所依托的研究正是针对这一临床争议，提出明确的假设：ILM 剥除可降低黄斑中心凹厚度、减少术后视网膜前膜，从而改善最终视力。研究将受试者限定为视力威胁性糖尿病视网膜病变人群，并以随机对照的方式比较剥除与不剥除两种策略。
【数据内容】
数据集的主题标签为“Diabetic Retinopathy Visually Threatening”，即视力威胁性糖尿病视网膜病变。研究关注的核心结局包括：OCT 所测得的黄斑中心凹厚度、术后视网膜前膜的发生情况，以及最终视力。分组方式为：在玻璃体切割术中，一旦确定存在 2 级或 3 级玻璃体视网膜粘连，即通过抛硬币进行随机化——正面者接受 ILM 剥除，反面者不接受。样本量方面，在 80% 研究效能和 0.05 显著性水平下，计算得出每组需要 60 名患者。除上述内容外，源站未提供更细化的数据字段、变量列表或具体测量时间点。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验注册信息。源站描述中明确了研究条件、假设、随机化方法和样本量计算，但未提供数据采集的具体流程、随访时长、影像设备型号或视力评估标准等操作细节。因此，关于采集频率、数据存储格式、原始数据可获取性等信息，源站未提供。
【适用场景】
该数据集适用于糖尿病视网膜病变、特别是增殖性糖尿病视网膜病变手术治疗相关的研究场景。潜在用途包括：评估 ILM 剥除对黄斑中心凹厚度的影响、分析术后视网膜前膜的发生率、比较剥除组与对照组的最终视力差异，以及为临床决策提供参考。此外，也可用于随机对照试验方法学的教学或示例，尤其是术中随机化与样本量估算部分。但需注意，具体适用性取决于源站是否公开完整数据，目前源站未提供数据可获取性的说明。
【使用方法】
源站未提供具体的数据使用说明、访问权限、下载方式或分析指南。研究设计中的随机化规则（抛硬币）和样本量计算参数（80% 效能、0.05 显著性水平、每组 60 例）可作为理解研究结构的依据，但如何获取和利用实际数据，源站未提供。
【质量与限制】
该数据集基于临床试验注册信息，具有明确的研究假设和随机化设计，样本量经过效能计算，这些是其方法学上的特点。然而，源站未提供数据完整性、缺失值处理、随访依从性、盲法实施情况等信息。此外，研究仅针对视力威胁性糖尿病视网膜病变患者，结果外推到其他人群需谨慎。源站也未说明是否有同行评议或数据审核记录。因此，在质量评估方面存在信息缺口。
【引用与许可】
源站未提供引用格式、许可条款或数据使用限制。如需引用或使用，应直接参考 clinicaltrials.gov 上该注册条目的官方说明。
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/NCT04380064
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：视力威胁性糖尿病视网膜病变。假设：在玻璃体切除术中接受ILM剥除的受试者，其OCT上的中心黄斑厚度更低，术后视网膜前膜更少，从而最终视力优于对照组受试者。随机化：受试者将在PPV期间根据抛硬币进行随机分组，一旦确定为2级或3级玻璃体视网膜粘连：正面接受ILM剥除，反面则不接受。受试者数量：以80%的研究效能、0.05的显著性水平计算，每组需要60名患者的样本量。
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。
