生物显微镜、超声与SD-OCT检测完全性玻璃体后脱离的准确性数据
该数据集来自 datadryad.org，围绕完全性玻璃体后脱离（PVD）的术前检测准确性，比较生物显微镜（BM）、超声（US）与谱域OCT（SD-OCT）三种方法，并以曲安奈德辅助经平坦部玻璃体切除术（PPV）的术中所见作为确认标准
基本信息
资源简介
生物显微镜、超声与SD-OCT检测完全性玻璃体后脱离的准确性数据
Accuracy of biomicroscopy, ultrasonography and spectral-domain OCT in detection of complete posterior vitreous detachment
该数据集来自 datadryad.org，围绕完全性玻璃体后脱离（PVD）的术前检测准确性，比较生物显微镜（BM）、超声（US）与谱域OCT（SD-OCT）三种方法，并以曲安奈德辅助经平坦部玻璃体切除术（PPV）的术中所见作为确认标准。研究为前瞻性、连续入组的干预性病例系列，纳入因视网膜前膜（ERM）和黄斑裂孔（MH）接受手术的患者，共123只眼。数据可用于评估不同影像与临床检查方法判断完全性PVD的准确性，并支持玻璃体视网膜界面相关研究（来源 Dryad，https://spdx.org/licenses/CC0-1.0.html 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：评估术前生物显微镜（BM）、超声（US）和谱域光学相干断层扫描（SD-OCT）确定完全性玻璃体后脱离（PVD）的准确性，以曲安奈德辅助经平坦部玻璃体切除术（PPV）的术中所见为确认标准。设计：这是一项前瞻性、连续入组的干预性病例系列。方法：研究纳入所有因视网膜前膜（ERM）和黄斑裂孔（MH）接受手术治疗的患者。在PPV前一天使用BM、US和SD-OCT确定是否存在完全性PVD。将术前发现与PPV期间确定的PVD状态进行比较。结果：研究共纳入123例患者的123只眼。PPV的指征包括视网膜前膜57例（46.34%）、全层黄斑裂孔57例（46.34%）和板层黄斑裂孔9例（7.32%）。完全性PVD
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.h44j0zpnp。
【主题与分类】
主题标签：macular hole、epiretinal membrane、vitreoretinal interface、Vitrectomy。本站分类：眼病/视网膜前膜。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.h44j0zpnp
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/stash/dataset/doi:10.5061/dryad.h44j0zpnp
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:
数据集大小约 68.3 KB。
数据说明
Jasmin Zvorničanin; Edita Zvorničanin; Maja Popović (2024). Accuracy of biomicroscopy, ultrasonography and spectral-domain OCT in detection of complete posterior vitreous detachment [Dataset]. http://doi.org/10.5061/dryad.h44j0zpnp
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。
