增强型单焦点人工晶状体视力曲线评估

本数据集来自 clinicaltrials.gov,聚焦老视、人工晶状体(IOL)与白内障人群,评估增强型单焦点 TECNIS Eyhance IOL 的视力曲线

Democritus University of ThraceDemocritus University of Thrace
clinicaltrials
浏览 13
其他回归PresbyopiaIOL, Cataract
Evaluation of the Visual Acuity Curves of an Enhanced Monofocal Intraocular Lens

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-11

资源简介

增强型单焦点人工晶状体视力曲线评估

本数据集来自 clinicaltrials.gov,聚焦老视、人工晶状体(IOL)与白内障人群,评估增强型单焦点 TECNIS Eyhance IOL 的视力曲线。研究采用经验证的数字视力表 DDARTVC,在 25、28、33、40、50、60、100、200 和 300 cm 九个离散距离上测量真实生活条件下的视力,而非模拟离焦值。通过对测量数据点进行样条曲线拟合,生成连续视力曲线,从而估计全距离范围内的视觉表现,而不仅限于预设测量点。该数据可用于分析 IOL 在不同距离下的视力变化趋势,支持视觉性能建模与回归分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:老视、IOL、白内障。本研究旨在确定增强型单焦点 TECNIS Eyhance IOL 表现出最佳视觉性能的视力曲线的确切点。具体而言,本研究考虑到经验证的数字视力表 DDARTVC 在真实生活条件下于九个离散距离(25、28、33、40、50、60、100、200 和 300 cm)评估视力,而非通过模拟离焦值。此外,对测量数据点应用样条曲线拟合以生成连续视力曲线,从而能够估计全距离范围内的视觉性能,而不仅限于预定义的测量点。

【主题与分类】

主题标签:Presbyopia、IOL, Cataract。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07439835

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07439835

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:老视、人工晶状体(IOL)、白内障。本研究旨在确定视力曲线上的确切点,其中增强型单焦点TECNIS Eyhance人工晶状体展现出最佳视觉性能。具体而言,本研究考虑到经过验证的数字视力表DDARTVC是在真实生活条件下,于九个离散距离(25、28、33、40、50、60、100、200和300厘米)评估视力,而非通过模拟离焦值。此外,对测量数据点应用样条曲线拟合以生成连续视力曲线,从而能够估计整个距离范围内的视觉性能,而不仅仅是在预定义的测量点上。

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。

获取专属数据定制方案