空气填充与平衡盐溶液下膜剥离后的形态学变化
该数据集来自 clinicaltrials.gov,主题为空气填充与平衡盐溶液条件下视网膜前膜剥离后的形态学变化,涉及 Epiretinal Membrane 与 Macular Pucker 两类情况

基本信息
资源简介
空气填充与平衡盐溶液下膜剥离后的形态学变化
该数据集来自 clinicaltrials.gov,主题为空气填充与平衡盐溶液条件下视网膜前膜剥离后的形态学变化,涉及 Epiretinal Membrane 与 Macular Pucker 两类情况。源站描述提及利用 SD-OCT 进行黄斑区术前术后成像,以获取黄斑微结构更详细的信息,并涉及玻璃体切除联合膜剥离的治疗背景。数据可用于围绕视网膜前膜手术前后黄斑形态学观察的相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Epiretinal Membrane、Macular Pucker。在过去十年中,光学相干断层扫描(OCT)扩展了活体黄斑诊断的可能性,并越来越多地用于视网膜疾病的术前和术后成像。谱域光学相干断层扫描(SD-OCT)凭借其提高的扫描速度和图像分辨率,可提供黄斑微结构的更详细信息。视网膜前膜(ERM)是一种累及眼球后极部的疾病。它可以是特发性的,也可继发于多种眼部情况,如葡萄膜炎、外伤、视网膜脱离或视网膜血管疾病。对于遭受视力丧失和视物变形的患者,通常进行玻璃体切除术和膜剥离以去除 ERM。不同研究组已表明术中应用 SD-OCT 是可行的。已有两个研究组实现了
【主题与分类】
主题标签:Epiretinal Membrane、Macular Pucker。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02319655
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/NCT02319655
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
疾病:视网膜前膜,黄斑皱褶。在过去十年中,光学相干断层扫描(OCT)拓展了活体黄斑诊断的可能性,并越来越多地用于视网膜疾病的术前和术后成像。谱域光学相干断层扫描(SD-OCT)凭借其提高的扫描速度和图像分辨率,提供了黄斑区微结构的更详细信息。视网膜前膜(ERM)是一种累及眼球后极部的疾病。它可以是特发性的,也可继发于多种眼部状况,如葡萄膜炎、外伤、视网膜脱离或视网膜血管疾病。对于视力丧失和视物变形的患者,通常进行玻璃体切除术和膜剥离以去除ERM。不同研究组表明,术中应用SD-OCT是可行的。两个研究组已经实现了手术显微镜集成的SD-OCT设置。由于SD-OCT的高轴向分辨率,一些研究组报告了在膜剥离手术后立即出现的黄斑中心凹下区域低反射区增加。
据推测,这一现象可能是手术创伤的表现,因为该低反射区在术后10天的随访OCT中消失。本研究旨在利用显微镜整合的SD-OCT,测量膜剥离过程中黄斑中心凹下区域手术诱导的低反射区,并评估与平衡盐溶液(BSS)眼相比,空气填充是否能使被认为是组织创伤表现的低反射区更快消失。玻璃体切除联合膜剥离术后,眼内空气填充和BSS均为常用方法,也是该手术的标准治疗方案,目前尚无关于哪种方法更优的信息。非接触式显微镜整合SD-OCT在手术过程中无需任何相关的额外时间(每台手术最多2分钟,用于t
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。




