晚期干性年龄相关性黄斑变性患者角膜激光视力改善数据集
目的:确定角膜光玻璃化(CPV)这种新型角膜激光手术对晚期干性年龄相关性黄斑变性(AMD)患者视力改善的安全性和有效性。设计:回顾性观察性队列研究

基本信息
资源简介
晚期干性年龄相关性黄斑变性患者角膜激光视力改善数据集
目的:确定角膜光玻璃化(CPV)这种新型角膜激光手术对晚期干性年龄相关性黄斑变性(AMD)患者视力改善的安全性和有效性。设计:回顾性观察性队列研究
Data from: Corneal laser procedure for vision improvement in patients with late stage dry age-related macular degeneration
【数据集背景】
源站首次发布:2020。
【数据内容】
源站描述(机器翻译,仅供参考):目的:确定角膜光玻璃化(CPV)这种新型角膜激光手术对晚期干性年龄相关性黄斑变性(AMD)患者视力改善的安全性和有效性。设计:回顾性观察性队列研究。参与者:17 例晚期干性 AMD 患者的 32 只眼;每只眼接受单次 CPV 角膜激光手术,并接受 12 个月(12m)治疗后(Tx)随访。方法:治疗前后检查包括裂隙灯生物显微镜检查、主觉验光、最佳矫正远距和近距视力(BCDVA 和 BCNVA)以及潜在视力(PVA)。对子组(n=12)眼还进行了额外检查,包括对比敏感度(CS)、角膜地形图(CT)、光线追踪像差测量(RTA)和微视野检查(MP)。主要结局指标:BCDVA、BCNVA、PVA、CS、CT、RTA 和 MP 测量。结果:
【主题与分类】
主题标签:干性AMD、角膜激光、视力改善、CPV、回顾性队列、眼科。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.sn02v6x2x
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.sn02v6x2x
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 253.4 KB。
数据说明
目的:评估角膜光玻璃化(CPV)这一新型角膜激光手术在晚期干性年龄相关性黄斑变性(AMD)患者中改善视力的安全性和有效性。设计:回顾性观察性队列研究。研究对象:17例晚期干性AMD患者的32只眼;每只眼接受一次CPV角膜激光手术,并进行了12个月(12m)的治疗后(Tx)随访。方法:治疗前后的检查包括裂隙灯生物显微镜检查、主观显然验光、最佳矫正远视力和近视力(BCDVA和BCNVA)以及潜在视力(PVA)。对一部分眼(n=12)还进行了额外检查,包括对比敏感度(CS)、角膜地形图(CT)、光线追踪像差测量(RTA)和微视野检查(MP)。主要结局指标:BCDVA、BCNVA、PVA、CS、CT、RTA和MP测量结果。结果:安全性——未出现并发症或不良事件。有效性——平均(± SD)BCDVA显著改善(p < 0.004),从基线的20/238(1.08 logMAR)提高到治疗后12个月的20/144(0.86 logMAR),相当于增加了11.0(± 13.1)个字母。
平均对比敏感度在治疗后12个月时较基线显著改善(p < 0.05),改善倍数为1.86。结论:受限于小样本量,本初步研究表明,CPV角膜激光手术对于晚期干性AMD患者的视力改善是安全且有效的。CPV治疗的作用机制涉及视网膜辐照度分布的调整,这可能促使患者利用功能性而非萎缩的视网膜区域。
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。




