扭曲作为ERM手术结局预测因素
该数据集来自clinicaltrials.gov,聚焦视网膜前膜(ERM)患者,涵盖视物变形与生活质量等主题。视网膜前膜为视网膜内表面纤维细胞组织增生,可导致视网膜结构紊乱,引发视物模糊或视物变形

基本信息
资源简介
扭曲作为ERM手术结局预测因素
该数据集来自clinicaltrials.gov,聚焦视网膜前膜(ERM)患者,涵盖视物变形与生活质量等主题。视网膜前膜为视网膜内表面纤维细胞组织增生,可导致视网膜结构紊乱,引发视物模糊或视物变形。患者是玻璃体视网膜服务常见转诊对象,管理方式包括观察或对严重症状者行玻璃体切除联合视网膜前膜±内界膜剥除术。目前识别哪些患者最可能从手术获益的证据有限,数据集可用于探索扭曲作为ERM手术结局预测因素的研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:视网膜前膜、视物变形、生活质量。视网膜前膜由沿视网膜内表面增生的纤维细胞组织构成。随着时间推移,该膜可导致前后牵引并造成视网膜结构破坏,从而引起视物模糊或视物变形(直线看起来弯曲或呈波浪状)的症状。目前,视网膜前膜患者是玻璃体视网膜服务最常见的转诊对象之一。视网膜前膜的管理包括观察或对严重症状性膜进行手术。手术包括玻璃体切除联合视网膜前膜±内界膜剥除。目前,帮助识别哪些视网膜前膜患者最可能从该手术中获益的证据有限,这使得患者更难权衡
【主题与分类】
主题标签:Epiretinal Membrane、Distortion、Quality of Life。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04791631
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/NCT04791631
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、变形、生活质量。视网膜前膜由沿视网膜内表面增殖的纤维细胞组织构成。随着时间推移,该膜可导致前后牵引并破坏视网膜结构,从而引发视力模糊或视物变形(直线看起来弯曲或呈波浪状)的症状。目前,视网膜前膜患者是玻璃体视网膜服务中最常见的转诊群体之一。视网膜前膜的管理包括观察或对症状严重者进行手术。手术包括玻璃体切除术及视网膜前膜±内界膜剥离。目前,帮助识别哪些视网膜前膜患者最可能从该手术中获益的证据有限,这使得患者更难权衡接受这一择期手术的获益与风险。我们的研究将测量视网膜前膜手术对变形(使用D chart)、视力和生活质量的影响。
因此,这将使我们能够探究术前D图表评分是否能预测术后生活质量的后续改善。这将为玻璃体视网膜外科医生和患者提供关于该择期手术成功与否的循证依据,并对手术结果形成切合实际的预期。最终,我们希望本研究的结果能有助于决定是否进行ERM手术。我们计划招募在玻璃体视网膜服务门诊就诊时选择接受手术的视网膜前膜患者。除标准诊疗外,研究参与者还将接受变形测量(使用D图表,时长5-10分钟)并填写生活质量问卷。这些测量将在术前以及术后六个月和十二个月时进行。本研究的目的为:* 探究视网膜前膜的持续影响
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。




