使用非对称Toric人工晶状体改善不规则角膜患者视觉质量
该数据集来自clinicaltrials.gov,聚焦不规则角膜患者在接受白内障及人工晶状体(IOL)手术时的视觉质量改善问题

基本信息
资源简介
使用非对称Toric人工晶状体改善不规则角膜患者视觉质量
该数据集来自clinicaltrials.gov,聚焦不规则角膜患者在接受白内障及人工晶状体(IOL)手术时的视觉质量改善问题。此类患者因角膜曲率和角膜断层测量变异性大,IOL计算困难,现有治疗选择有限,包括非Toric IOL联合术后硬性接触镜,或使用常规Toric IOL减少总散光。常规Toric IOL仅对散光模式稳定、轴位清晰的部分病例有效,显著不规则和高阶像差会降低可预测性、公式准确性及屈光结果。数据集可用于研究减少总散光(包括不规则散光)的可靠方法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:不规则散光、散光、白内障和IOL手术。不规则角膜患者的白内障手术面临独特挑战,主要由于角膜曲率和角膜断层测量值的高度变异性,这使准确的人工晶状体(IOL)计算变得复杂。在这些患者中,目前的治疗选择仅限于非Toric IOL联合术后硬性接触镜,或在白内障手术中使用常规Toric IOL以减少总散光。虽然常规Toric IOL在散光模式稳定且轴位清晰的选定病例中可能有益,但其有效性在很大程度上受到限制,因为显著的不规则性和高阶像差会降低可预测性、公式准确性和屈光结果。因此,开发一种可靠的方法来减少总散光——包括不规
【主题与分类】
主题标签:Irregular Astigmatism、Astigmatism、Cataract and IOL Surgery。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07294716
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/NCT07294716
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:不规则散光、散光、白内障及人工晶状体(IOL)手术。不规则角膜患者行白内障手术面临独特挑战,主要由于角膜曲率测量和角膜地形图测量值的高度变异性,这使得准确计算人工晶状体(IOL)度数变得复杂。对于这些患者,目前的治疗选择仅限于术后使用非散光矫正型IOL联合硬性接触镜,或在白内障手术中采用传统散光矫正型IOL以减少总散光。虽然传统散光矫正型IOL在散光模式稳定且轴向明确的特定病例中可能有益,但其有效性在很大程度上受到限制,因为显著的不规则性和高阶像差会降低可预测性、公式准确性及屈光结果。因此,开发一种可靠的方法来减少总散光——包括不规则成分——将代表一项重大进展,有望改善视功能和患者生活质量。
本探索性研究旨在评估定制复曲面人工晶状体(AMILens Individual,AMIPLANT GmbH,德国)在减少具有显著不规则散光成分患者的总角膜散光方面的有效性。这些晶状体设计用于矫正高达第6阶Zernike系数的角膜像差,从而将矫正范围扩展到传统复曲面人工晶状体能力之外。据我们所知,尚无临床研究探讨过这一新方法。
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。




