20G与23G经平坦部玻璃体切除术后房水闪辉比较
该数据集来自 clinicaltrials.gov，主题为比较 20G 与 23G 经平坦部玻璃体切除术后炎症及血视网膜屏障破坏情况，覆盖黄斑裂孔与黄斑皱褶两类疾病
基本信息
资源简介
20G与23G经平坦部玻璃体切除术后房水闪辉比较
该数据集英文名为 Comparison of Postoperative Aqueous Flare After 20G Versus 23G Pars Plana Vitrectomy，来源于 clinicaltrials.gov，主题为比较 20G 与 23G 经平坦部玻璃体切除术后炎症及血视网膜屏障破坏情况，覆盖黄斑裂孔与黄斑皱褶两类疾病。数据集在分类上归属于眼及附器疾病下的其他类别，主题标签为 Macular Hole 与 Macular Pucker。其核心关注点在于术后前房闪辉这一炎症相关指标，并借助激光闪辉细胞仪对术后炎症及血视网膜屏障破坏程度进行测量与比较，从而为两种玻璃体切除手术方式在术后炎症反应层面的差异提供研究数据支撑。
【数据集背景】
经平坦部玻璃体切除术是眼底外科处理黄斑区疾病的常见术式，手术器械口径的不同可能影响术后眼内炎症反应与血视网膜屏障的完整性。该数据集所对应的研究以黄斑裂孔与黄斑皱褶为研究对象，围绕 20G 与 23G 两种口径的经平坦部玻璃体切除术展开比较，关注术后炎症及血视网膜屏障破坏情况。前房闪辉作为眼内炎症的观察指标之一，通过激光闪辉细胞仪进行测量，构成该数据集主题所指向的核心评价内容。
【数据内容】
数据集的主题标签为 Macular Hole（黄斑裂孔）与 Macular Pucker（黄斑皱褶），所涉及的条件同样为这两类疾病。研究内容为比较 20G 与 23G 经平坦部玻璃体切除术后以激光闪辉细胞仪测量的术后炎症及血视网膜屏障破坏情况。关于数据集内具体包含的变量字段、样本量、观测时间点、记录格式等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述表明，其研究目的为比较 20G 与 23G 玻璃体切除术后由激光闪辉细胞仪测量的术后炎症及血视网膜屏障破坏情况，涉及的条件为黄斑裂孔与黄斑皱褶。关于采集机构、采集地点、采集时间范围以及具体的测量流程，源站未提供。
【适用场景】
基于其主题，该数据集可用于围绕黄斑裂孔与黄斑皱褶患者在接受 20G 或 23G 经平坦部玻璃体切除术后炎症反应及血视网膜屏障破坏情况的比较性研究，也可用于关注以激光闪辉细胞仪测量前房闪辉这一评价方式的相关分析。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、文件组织方式、字段说明及分析建议等。
【质量与限制】
源站未提供关于数据质量、完整性、准确性以及使用限制的说明。该数据集仅覆盖黄斑裂孔与黄斑皱褶两类疾病，且主题限定于 20G 与 23G 经平坦部玻璃体切除术后炎症及血视网膜屏障破坏的比较，相关结论的适用范围应结合这一主题边界加以考虑。
【引用与许可】
源站未提供引用方式与许可信息。
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/NCT01969929
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：黄斑裂孔、黄斑皱褶。比较20G与23G玻璃体切除术后的炎症及血-视网膜屏障破坏情况，采用激光闪辉细胞仪测量。
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。
