视网膜前膜剥除术后Grasp Site评估数据集
源站描述指出视网膜前膜是视网膜表面疾病,在60岁以上人群中发生率约20%,可影响视力并引起视物变形;术中光学相干断层扫描(iOCT)可检测术中人为诱导的视网膜组织改变并与术后变化关联,研究组已能记录视网膜组织“牵拉”及罕见的中心凹下和中心凹外隆起

基本信息
资源简介
视网膜前膜剥除术后Grasp Site评估数据集
该数据集来自clinicaltrials.gov,聚焦视网膜前膜(Epiretinal Membrane)患者接受玻璃体切除联合膜剥除术后的“Grasp Site”评估。源站描述指出视网膜前膜是视网膜表面疾病,在60岁以上人群中发生率约20%,可影响视力并引起视物变形;术中光学相干断层扫描(iOCT)可检测术中人为诱导的视网膜组织改变并与术后变化关联,研究组已能记录视网膜组织“牵拉”及罕见的中心凹下和中心凹外隆起。数据可用于术后视网膜结构改变与视力、视物变形等结局的关联分析(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。视网膜前膜是视网膜表面的疾病,可能影响视力并引起视物变形,在60岁以上人群中发生率约为20%。采用玻璃体切除联合膜剥除术,多数患者术后视力和视物变形可获得改善。该手术方法已使用一段时间,关于玻璃体切除联合膜剥除手术方法的首次报告可追溯至1978年,并且自术中光学相干断层扫描(iOCT)引入以来,术中人为诱导的视网膜组织改变可被检测并与术后变化相关联。我们研究组已能够使用该技术记录视网膜组织的“牵拉”,并且也已能够记录罕见的中心凹下和中心凹外隆起。
【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/NCT06753539
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/NCT06753539
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。视网膜前膜是一种视网膜表面疾病,可能影响视力并引起视物变形,在60岁以上人群中发生率约为20%。采用玻璃体切除联合膜剥离术,多数患者术后视力和视物变形可获得改善。该手术方法已应用一段时间,首篇关于玻璃体切除联合膜剥离手术方法的报告可追溯至1978年,而自术中光学相干断层扫描(iOCT)引入以来,术中医源性引起的视网膜组织改变可被检测,并与术后改变相关联。本课题组利用该技术能够记录视网膜组织的“牵拉”,也能够记录膜剥离所致罕见的黄斑中心凹下及中心凹外椭圆体带抬高。在我们的研究人群中,这些改变未显著影响术后视力,但确实影响了术后微暗点的发展。
除手术过程中的“视网膜牵拉”外,内界膜(ILM)剥离已被证明是术后新发微暗点的另一相关因素。部分患者在没有“视网膜牵拉”和ILM剥离的情况下也出现了术后新发微暗点。除了这些已知的医源性改变外,对黄斑前膜剥离“起始点”处“抓取部位”的分析也备受关注,因为在该位置抓取黄斑前膜可能较为困难,尤其是在黄斑前膜粘连的情况下,并可能诱发浅层视网膜病变。Diaz等人证实ILM剥离后“神经纤维层”存在术后改变,但该研究并未使用iOCT记录器械/组织间的相互作用。本研究旨在利用术中iOCT辅助,在该“抓取”部位比较新型ILM鲨鱼皮镊与传统ILM镊。
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。




