视网膜前膜手术中视物变形的中期评估

该数据集来自 clinicaltrials.gov,聚焦特发性视网膜前膜合并老年性白内障患者接受经结膜 25-Gauge 玻璃体切除联合超声乳化及人工晶状体植入术后的视物变形中期评估

Clinica Oculistica dell'Università di TorinoClinica Oculistica dell'Università di Torino
clinicaltrials
浏览 9
医学影像预测Epiretinal MembraneCataract Senile
Mid-term Evaluation of Metamorphopsia in Epiretinal Membrane Surgery

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-17

资源简介

视网膜前膜手术中视物变形的中期评估

该数据集来自 clinicaltrials.gov,聚焦特发性视网膜前膜合并老年性白内障患者接受经结膜 25-Gauge 玻璃体切除联合超声乳化及人工晶状体植入术后的视物变形中期评估。研究纳入 30 例患者,术前及术后 30、90、180 天进行完整眼科检查、ETDRS 视力测量、M-Charts 与 Metamorphometry® 视物变形评估以及 sd-OCT 黄斑中心凹厚度检测。数据可用于分析该联合手术对视物变形与视力的影响,以及黄斑厚度与视物变形的关联(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:视网膜前膜、老年性白内障。本研究评估对因特发性视网膜前膜和 cataract 导致视物变形和视力损害的患者,行同期经结膜 25-Gauge 玻璃体切除术与超声乳化联合人工晶状体植入术的安全性和有效性。所有招募的 30 例患者术前及术后 30、90、180 天接受了完整眼科检查、ETDRS 视力测量、M-Charts 和 Metamorphometry® 视物变形评估以及 sd-OCT 黄斑中心凹厚度评估。

【主题与分类】

主题标签:Epiretinal Membrane、Cataract Senile。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03045367

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/NCT03045367

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

适应症:视网膜前膜、老年性白内障。本研究评估同期经结膜25G玻璃体切除术与超声乳化联合人工晶状体植入术,对因特发性视网膜前膜和白内障导致视物变形和视力损害患者的安全性和有效性。共招募30例患者,所有患者在术前及术后30、90、180天均接受了完整的眼部检查、采用ETDRS进行的视力测量、采用M-Charts和Metamorphometry®进行的视物变形评估,以及通过sd-OCT进行的黄斑中心凹厚度评估。

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