脉络膜厚度与玻璃体切除术数据集
该数据集来自 clinicaltrials.gov，聚焦黄斑前膜（Epiretinal Membrane）患者接受 23G 玻璃体切除术及膜剥离术后眼后节结构的变化
基本信息
资源简介
脉络膜厚度与玻璃体切除术数据集
该数据集来自 clinicaltrials.gov，聚焦黄斑前膜（Epiretinal Membrane）患者接受 23G 玻璃体切除术及膜剥离术后眼后节结构的变化。研究利用两种不同的 OCT 设备评估玻璃体切除术对中央脉络膜的影响，并比较两种设备在脉络膜成像中的结果。这是一项前瞻性、开放、非随机、观察性研究，可用于探讨玻璃体手术与脉络膜厚度变化的关系，以及不同 OCT 成像方式在术后评估中的应用价值（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：黄斑前膜。自从增强深度或扫频源 OCT 成像等新型 OCT 模式发展以来，视网膜结构和脉络膜的可视化和评估变得更加可行。23G 玻璃体切除术和膜剥离似乎对眼后节结构有影响，但数据显示尚无明确证据评估术后这些变化。目前关于玻璃体手术对中央脉络膜的影响或由此产生的变化的信息很少。因此，本研究的目的是使用两种不同的 OCT 设备评估这些对脉络膜的影响。评估玻璃体切除术对中央脉络膜变化的影响，并比较两种不同 OCT 设备对脉络膜的成像结果。这是一项前瞻性、开放、非随机、观察性、MPG 研究。本研究将……
【主题与分类】
主题标签：Epiretinal Membrane。本站分类：眼及附器疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02617147
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/NCT02617147
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：视网膜前膜。自增强深度成像或扫频源OCT成像等新型OCT模态发展以来，视网膜结构和脉络膜的可视化与评估变得更加清晰。23G玻璃体切除术和膜剥离似乎对眼后节结构有影响，但数据显示尚无明确证据评估术后这些变化。目前关于玻璃体手术对中央脉络膜的影响或所致变化的信息甚少。因此，本研究旨在使用两种不同的OCT设备评估这些对脉络膜的影响。评估玻璃体切除术对中央脉络膜变化的影响，并比较两种不同OCT设备对脉络膜成像的结果。这是一项前瞻性、开放性、非随机、观察性、MPG研究。本研究将在维也纳医科大学眼科系进行。将纳入40名接受玻璃体切除术的患者。该研究将有助于获得关于玻璃体切除术对脉络膜影响的新信息。
本研究采用的测量程序耐受性良好，已在常规临床实践中应用，且均为无创操作。
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。
