微电流刺激治疗中期至晚期非渗出性年龄相关性黄斑变性

该数据集来自 clinicaltrials.gov,聚焦微电流刺激疗法用于中期至晚期非渗出性年龄相关性黄斑变性的临床试验

i-Lumen Scientific AUS PTY LTDi-Lumen Scientific AUS PTY LTD
clinicaltrials
浏览 7
其他预测Age-Related Macular DegenerationAge-related Macular Degeneration (ARMD)Intermediate AMD
Microcurrent Stimulation Therapy for Intermediate to Advanced Nonexudative Age-related Macular Degeneration

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-12

资源简介

微电流刺激治疗中期至晚期非渗出性年龄相关性黄斑变性

该数据集来自 clinicaltrials.gov,聚焦微电流刺激疗法用于中期至晚期非渗出性年龄相关性黄斑变性的临床试验。覆盖年龄相关性黄斑变性、中期 AMD 及继发于年龄相关性黄斑变性的地图状萎缩等情形。数据可用于评估 i-Lumen AMD 经眼睑微电流设备与疗法的安全性和有效性,支持治疗加载期与维持期随访、月度评估及末次治疗后 3 个月监测等场景的分析与预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:年龄相关性黄斑变性、年龄相关性黄斑变性(ARMD)、中期 AMD、继发于年龄相关性黄斑变性的地图状萎缩。本临床试验的目标是表征 i-Lumen AMD 经眼睑微电流设备与疗法在中期至晚期非渗出性 AMD 患者中的安全性和有效性。受试者将: 接受初始加载方案,随后在 11 个月内接受 7 次维持治疗。 受试者将每月返回,直至第 14 个月(末次治疗后 3 个月)进行评估和监测。

【主题与分类】

主题标签:Age-Related Macular Degeneration、Age-related Macular Degeneration (ARMD)、Intermediate AMD。本站分类:眼病/干性黄斑变性。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06662162

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06662162

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:年龄相关性黄斑变性、年龄相关性黄斑变性(ARMD)、中期AMD、继发于年龄相关性黄斑变性的地图样萎缩。本临床试验旨在评估i-Lumen AMD经睑微电流设备及疗法在中期至晚期非渗出性AMD患者中的安全性和有效性。受试者将:* 接受初始负荷治疗方案,随后在11个月内进行7次维持治疗。* 受试者将在第14个月(末次治疗后3个月)之前每月返回进行评估和监测。

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。

获取专属数据定制方案