27G玻璃体切除术后视网膜功能与黄斑结构比较
该数据集来自clinicaltrials.gov，聚焦特发性视网膜前膜患者接受27G经平坦部玻璃体切除术后的视网膜功能与黄斑结构比较
基本信息
资源简介
27G玻璃体切除术后视网膜功能与黄斑结构比较
该数据集来自clinicaltrials.gov，聚焦特发性视网膜前膜患者接受27G经平坦部玻璃体切除术后的视网膜功能与黄斑结构比较。研究为前瞻性随机对照设计，纳入40例人工晶状体眼患者，随机分为标准显微镜组（内照明3.2 Lm）与NGENUITY 3D抬头显示系统组（内照明0.5 Lm），比较术前与术后6个月的视力、眼压、黄斑中心凹厚度及视网膜神经纤维层等指标，可用于评估低照明3D可视化手术对视网膜功能与结构的保护作用（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：视网膜前膜。目的：分析在低内照明水平的玻璃体视网膜手术中使用NGENUITY 3D可视化系统的临床获益，重点关注特发性视网膜前膜（ERM）患者的功能性和结构性视网膜保护。设计：前瞻性、随机、对照研究。方法：40例人工晶状体眼ERM患者（29♀，11♂；年龄60-80岁）接受27G经平坦部玻璃体切除术（PPV），随机分为两组：I组（20眼，标准显微镜[Hi-R 900]，内照明3.2 Lm）和II组（20眼，3D抬头显示NGENUITY系统，内照明0.5 Lm）。术前和术后6个月评估包括裂隙灯检查、眼压（IOP，Pascal眼压计）、远距最佳矫正视力（DBCVA，logMAR）、黄斑中心亚区厚度（CST）、视网膜神经纤
【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/NCT06798285
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/NCT06798285
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。目的：分析在低内照明水平下使用NGENUITY 3D可视化系统进行玻璃体视网膜手术的临床获益，重点关注特发性视网膜前膜（ERM）患者的功能性和结构性视网膜保护。设计：前瞻性、随机、对照研究。方法：40例伴有ERM的人工晶状体眼患者（29例女性，11例男性；年龄60-80岁）接受27G经平坦部玻璃体切除术（PPV），并被随机分为两组：I组（20只眼，标准显微镜[Hi-R 900]，内照明3.2 Lm）和II组（20只眼，3D抬头NGENUITY系统，内照明0.5 Lm）。术前及术后6个月评估包括裂隙灯检查、眼内压（IOP，Pascal眼压计）、远距最佳矫正视力（DBCVA，logMAR）、中央子区域厚度（CST）、视网膜神经纤维层厚度（RNFL，OCT）、图形ERG（PERG）、多焦ERG（mfERG）、闪光ERG（ERG，ISCEV标准）以及视网膜敏感度（HFA黄斑测试）。
分析了手术时间、氙光暴露时间、ERM/ILM剥离时间、眼底自发荧光（FAF）、视物变形发生率以及术中/术后不良事件。结果进行了统计学评估（p < 0.05）。
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。
