低强度光疗对比强脉冲光预防白内障术后医源性干眼症
该数据集来自 clinicaltrials.gov,聚焦白内障术后医源性干眼症的预防,比较低强度光疗(LLLT)与强脉冲光(IPL)两种干预方式

基本信息
资源简介
低强度光疗对比强脉冲光预防白内障术后医源性干眼症
该数据集来自 clinicaltrials.gov,聚焦白内障术后医源性干眼症的预防,比较低强度光疗(LLLT)与强脉冲光(IPL)两种干预方式。干眼症是常见的眼表疾病,白内障手术可能诱发或加重其症状,术后干眼症高发使预防性治疗受到关注。已有随机对照试验显示,术前术后预防性使用 LLLT 可改善无干眼症患者的术后泪膜稳定性并减轻眼部不适。该数据可用于评估不同光疗手段对术后干眼症的预防效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:白内障手术、眼干涩。干眼症(DED)是一种多因素起源的常见眼表疾病(OSD),以泪膜稳态破坏为特征,并伴有眼部不适和/或视觉障碍。白内障手术是全球最常实施的干预措施之一,可诱发或加重 DED 症状。尽管缺乏关于普通人群白内障手术前 DED 预防的指南,但由于术后 DED 的高患病率,该主题日益受到关注。最近一项随访一个月的随机对照试验(RCT)显示,与不进行预防相比,对无既存 DED 的患者在白内障手术前后进行预防性低强度光疗(LLLT)可显著改善术后泪膜稳定性,并减少眼部不适。除 LLLT 外
【主题与分类】
主题标签:Cataract Surgery、Eye Dryness。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07055022
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/NCT07055022
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:白内障手术、眼干涩。干眼病(DED)是一种常见的眼表疾病(OSD),病因多样,以泪膜稳态破坏为特征,并伴有眼部不适和/或视觉障碍。白内障手术是全球最常实施的干预措施之一,可诱发或加重DED症状。尽管在普通人群中缺乏白内障手术前DED预防的指南,但由于术后DED的高患病率,该主题日益受到关注。近期一项随访一个月的随机对照试验(RCT)显示,对于无既存DED的患者,白内障手术前后预防性使用低强度光疗法(LLLT)可显著改善术后泪膜稳定性,并减少眼部不适,优于无预防措施。除LLLT外,另一种基于光的DED治疗方法是强脉冲光(IPL);这些疗法在DED管理中显示出良好效果,既可作为单独选择,也可联合使用。
目前尚无比较性数据可用于在白内障术后医源性干眼症的预防中,于低水平激光治疗(LLLT)与强脉冲光(IPL)之间做出选择。本随机对照试验(RCT)的主要目的是,在患者报告的白内障术后3个月眼部干涩症状方面,比较LLLT与IPL作为医源性干眼症预防措施的效果。
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。




