玻璃体切割术与全视网膜光凝治疗重度NPDR的对比
源站描述指出，全球糖尿病患者到2040年预计约6亿，近半数存在不同程度的糖尿病视网膜病变，其中5%至10%会发展为威胁视力的并发症
基本信息
资源简介
玻璃体切割术与全视网膜光凝治疗重度NPDR的对比
该数据集来自 clinicaltrials.gov，聚焦重度非增殖性糖尿病视网膜病变（NPDR）的两种干预方式：玻璃体切割术（Pars-plana Vitrectomy）与全视网膜光凝（Panretinal Photocoagulation）。源站描述指出，全球糖尿病患者到2040年预计约6亿，近半数存在不同程度的糖尿病视网膜病变，其中5%至10%会发展为威胁视力的并发症。数据可用于比较两种治疗策略对重度NPDR进展及视力预后的影响，支持相关临床预测与疗效评估研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：非增殖性糖尿病视网膜病变。据估计，到2040年全球约有6亿糖尿病（DM）患者，其中近50%在任何特定时间都存在不同程度的糖尿病视网膜病变（DR）。约5%至10%的糖尿病视网膜病变会发展为威胁视力的并发症，包括增殖性糖尿病视网膜病变（PDR）、毛细血管无灌注或黄斑水肿。来自DRS的数据表明，在糖尿病病程足够长的情况下，约60%的DR患者会发展为PDR；若不进行干预，75%的非增殖性糖尿病视网膜病变（NPDR）将在1年随访内发展为PDR，45%将发展为高危PDR，近一半的PDR将经历严重视力丧失。全视网膜光凝（PRP）仅使严重视力丧失的风险降低50%，而约25%完成PRP的sNPDR患者
【主题与分类】
主题标签：Non Proliferative Diabetic Retinopathy。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/NCT04103671
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/NCT04103671
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：非增殖性糖尿病视网膜病变。据估计，到2040年，全球约有6亿糖尿病（DM）患者，其中近50%在任何特定时间点均患有不同程度的糖尿病视网膜病变（DR）。约5%至10%的糖尿病视网膜病变会发展为威胁视力的并发症，包括增殖性糖尿病视网膜病变（PDR）、毛细血管无灌注或黄斑水肿。DRS的数据表明，若糖尿病病程足够长，约60%的DR患者会发展为PDR；若不进行干预，75%的非增殖性糖尿病视网膜病变（NPDR）将在1年随访内发展为PDR，45%将发展为高危PDR，近半数PDR患者将经历严重视力丧失。全视网膜光凝（PRP）仅能降低50%的严重视力丧失风险，且在5年随访中，约25%完成PRP的严重NPDR（sNPDR）患者需要经平坦部玻璃体切除术（PPV）。玻璃体已被证实在NPDR向PDR的发展中起重要作用，其是血管内皮生长因子（VEGF）因子的聚集处，也是PDR晚期增殖性病变的主要组成部分。
微创玻璃体切割术已被证明是治疗增殖性糖尿病视网膜病变（PDR）的一种安全有效的方法，通过移除病理性玻璃体、增殖膜以及VEGF因子来实现。然而，微创玻璃体切割术是否比全视网膜光凝（PRP）更有效地控制非增殖性糖尿病视网膜病变（NDPR）的进展，仍属未知。
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。
