DED对白内障手术IOL度数计算中术前角膜曲率值准确性的影响

数据集获取

源站：https://clinicaltrials.gov/study/NCT06989827

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

疾病：干眼症（DED）、白内障。本研究旨在探讨干眼症（DED）对白内障手术中人工晶状体（IOL）度数计算所用术前角膜曲率测量值准确性的潜在影响。精确的角膜曲率测量对于确定合适的人工晶状体度数以实现最佳术后屈光效果至关重要。然而，与干眼症相关的眼表不规则性——如泪膜不稳定、角膜上皮损伤及表面变异性增加——可能损害这些测量的可重复性和可靠性。我们旨在检验干眼严重程度与通过标准生物测量技术获得的角膜曲率读数变异性或不准确性之间的相关性。接受白内障手术的患者正在接受前瞻性评估，并根据既定诊断标准按干眼状态进行分层，包括患者报告症状问卷（OSDI）、泪膜破裂时间（TBUT）、角膜染色模式（牛津分级量表）、Schirmer试验值以及睑板腺评估（睑板腺质量评分）。

术前角膜曲率数据通过光学生物测量仪采集，并对重复测量的变异性进行分析。将IOL度数计算结果与术后屈光结果进行比较，以评估其临床意义。通过识别与干眼严重程度相关的潜在差异，我们旨在确定术前DED管理是否能显著提高测量精度，并由此改善视觉结局。初步观察提示，未经治疗或管理欠佳的DED可能导致角膜曲率值不一致，进而可能造成术后非预期屈光误差。我们的最终目标是为白内障手术候选者的DED术前筛查和治疗方案提供循证建议。这些发现可支持制定标准化指南，将oc

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。