糖尿病玻璃体切除术后黄斑表现数据集
该数据集来自 clinicaltrials.gov,聚焦增殖性糖尿病视网膜病变患者接受平坦部玻璃体切除术后黄斑表现的研究数据

基本信息
资源简介
糖尿病玻璃体切除术后黄斑表现数据集
该数据集来自 clinicaltrials.gov,聚焦增殖性糖尿病视网膜病变患者接受平坦部玻璃体切除术后黄斑表现的研究数据。纳入时间为2008年6月至12月,对象为因糖尿病纤维血管增殖行玻璃体切除的连续病例,均存在3处及以上玻璃体视网膜粘连但不超过一个象限赤道部,术后视网膜均复位。数据可用于分析术后黄斑形态变化及相关临床特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:增殖性糖尿病视网膜病变、玻璃体切除术。2008年6月至2008年12月,连续纳入因糖尿病纤维血管增殖行平坦部玻璃体切除术的患者。所有病例均有3处或以上部位的纤维血管增殖伴玻璃体视网膜粘连,但不超过一个象限的赤道部。每例手术均完成可见后部视网膜前膜的完全清除。研究纳入的所有病例术后视网膜均复位。排除孔源性脱离、硅油填充或术后中度至重度白内障的病例。手术指征包括进行性纤维血管增殖(FVP)和牵拉性视网膜脱离。术后标准6 mm 6线OCT(Stratus OCTTM光学相干断层扫描,Carl Zeiss Meditec, Inc., Dublin, CA)研究中心
【主题与分类】
主题标签:Proliferative Diabetic Retinopathy、Vitrectomy。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/NCT00737022
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/NCT00737022
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:增殖性糖尿病视网膜病变,玻璃体切除术。2008年6月至2008年12月期间,连续接受平坦部玻璃体切除术治疗糖尿病纤维血管增殖的患者被纳入研究。所有病例均有3处或以上部位的纤维血管增殖伴玻璃体视网膜粘连,但不超过一个象限内的赤道部。每例手术中均完全去除可见的后部视网膜前膜。研究纳入的所有病例术后视网膜均附着。伴有孔源性脱离、硅油填充或术后中度至重度白内障的病例未被纳入。手术指征包括进行性纤维血管增殖(FVP)和牵拉性视网膜脱离。术后7个月至15个月间进行了以黄斑为中心的标准6 mm 6线OCT(Stratus OCTTM光学相干断层扫描,Carl Zeiss Meditec, Inc.,都柏林,加利福尼亚州)检查和眼底照相。所有病例均来自台湾台北国立台湾大学医院眼科。
记录患者年龄、性别、全身疾病、研究眼、糖尿病类型及病程、术中诊断,以及额外手术操作(如冷冻治疗、巩膜扣带术[节段性海绵或360º环扎扣带(Gore-Tex®,聚四氟乙烯,W. L. Gore & Associates, Inc.,Flagstaff,AZ)]或眼内气体(C3F8或SF6))的数据。还汇编了关于OCT检查结果、OCT图像时最佳矫正视力及术后随访时间的数据。对OCT检测到的黄斑不同形态表现进行分类。这些变化在两个手术亚组之间进行比较。进行形态学变化与术后视力结果的相关性分析。为进行OCT分类,中央凹区测量厚度超过300um,周围黄斑区超过400um,至少在3次检查中
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。




