先天性白内障术后弱视的增强现实训练
该数据集来自 clinicaltrials.gov,聚焦先天性白内障术后单眼弱视儿童的增强现实训练研究。研究为多中心、随机、平行组、优效性临床试验,计划纳入 88 名 5 至 12 岁患儿,按 1:1 随机分为实验组与对照组

基本信息
资源简介
先天性白内障术后弱视的增强现实训练
该数据集来自 clinicaltrials.gov,聚焦先天性白内障术后单眼弱视儿童的增强现实训练研究。研究为多中心、随机、平行组、优效性临床试验,计划纳入 88 名 5 至 12 岁患儿,按 1:1 随机分为实验组与对照组。实验组接受每天 2 小时、持续 4 个月的增强现实弱视训练,对照组接受每天 4 小时、持续 4 个月的常规遮盖治疗。研究包含筛选期、基线访视以及治疗 1 个月和 4 个月后的随访,主要结局为视力变化。数据可用于评估该训练方案的有效性与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:剥夺性弱视、先天性白内障。这是一项多中心、随机、平行组、优效性临床试验,旨在评估增强现实训练对先天性白内障术后单眼弱视儿童的有效性和安全性。该研究计划纳入 88 名 5 至 12 岁、先天性白内障术后患有单眼弱视的参与者。符合条件的参与者将按 1:1 比例随机分配到实验组或对照组。实验组将接受每天 2 小时、持续 4 个月的增强现实弱视训练。对照组将接受每天 4 小时、持续 4 个月的常规遮盖健眼治疗。该研究包括筛选期、基线访视以及治疗 1 个月和 4 个月后的随访访视。主要结局是基线的变化
【主题与分类】
主题标签:Deprivation Amblyopia、Congenital Cataract。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07693790
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/NCT07693790
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:剥夺性弱视、先天性白内障。这是一项多中心、随机、平行组、优效性临床试验,旨在评估增强现实训练对先天性白内障术后单眼弱视儿童的有效性和安全性。研究计划纳入88名5至12岁、先天性白内障术后单眼弱视的受试者。符合条件的受试者将按1:1比例随机分配至实验组或对照组。实验组将接受增强现实弱视训练,每天2小时,持续4个月。对照组将接受传统遮盖健眼,每天4小时,持续4个月。研究包括筛选期、基线访视以及治疗1个月和4个月后的随访访视。主要结局是4个月时弱视眼最佳矫正视力较基线的变化,以logMAR单位测量。次要结局包括对比敏感度、抑制状态、立体视以及使用中文版PedsQL 4.0通用核心量表评估的生活质量。
安全性结局包括使用CVSS-6量表评估的计算机视觉症状,以及不良事件的发生率,包括头晕、头痛、眼疲劳、视力模糊和皮肤过敏。本试验的目的是确定增强现实弱视训练在改善视力方面是否优于传统遮盖疗法,同时评估其对该患者群体双眼视觉功能的影响及治疗安全性。
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。




