渗出性AMD伴视网膜前膜玻璃体内抗VEGF治疗研究

该数据集来自clinicaltrials.gov,聚焦渗出性年龄相关性黄斑变性(eAMD)合并视网膜前膜(ERM)患者接受玻璃体内抗VEGF治疗的研究

New England Retina AssociatesNew England Retina Associates
clinicaltrials
浏览 10
其他预测Epiretinal MembraneAge Related Macular Degeneration
Intravitreal Anti-VEGF in Exudative AMD With Epiretinal Membranes

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-17

资源简介

渗出性AMD伴视网膜前膜玻璃体内抗VEGF治疗研究

该数据集来自clinicaltrials.gov,聚焦渗出性年龄相关性黄斑变性(eAMD)合并视网膜前膜(ERM)患者接受玻璃体内抗VEGF治疗的研究。源站描述指出,ERM可能导致外层视网膜结构紊乱,引起持续性黄斑厚度增加或水肿,进而可能影响eAMD的治疗效果。数据集覆盖Epiretinal Membrane与Age Related Macular Degeneration两个主题,可用于评估显著ERM对eAMD抗VEGF治疗视觉和解剖结局影响的相关研究(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、年龄相关性黄斑变性。Gass于1987年描述了3例与湿性黄斑变性相关的视网膜前膜(ERM)病例。此后我们发现,这两种病变共存并不罕见。ERM可能引起外层视网膜的内在结构紊乱,导致持续性黄斑厚度增加和/或水肿。这种持续性水肿可能影响渗出性年龄相关性黄斑变性(eAMD)治疗的有效性。因此,本研究旨在评估显著ERM对eAMD玻璃体内抗VEGF治疗的视觉和解剖结局的影响。

【主题与分类】

主题标签:Epiretinal Membrane、Age Related Macular Degeneration。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01846351

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/NCT01846351

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:视网膜前膜,年龄相关性黄斑变性。Gass于1987年描述了3例与湿性黄斑变性相关的视网膜前膜(ERM)病例。此后我们发现,这两种病变共存并不罕见。ERM可能导致外层视网膜的内在结构紊乱,进而引起持续性黄斑厚度增加和/或水肿。这种持续性水肿可能影响渗出性年龄相关性黄斑变性(eAMD)的治疗效果。因此,本研究旨在评估显著ERM对eAMD玻璃体内抗VEGF治疗视觉和解剖学结局的影响。

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。

获取专属数据定制方案