SING-IMT 治疗晚期 AMD 的多中心临床研究

该数据集来自 clinicaltrials.gov,为 SING-IMT 在晚期年龄相关性黄斑变性患者中的多中心临床研究

VisionCare, Inc.VisionCare, Inc.
clinicaltrials
浏览 9
其他分类Age-Related Macular DegenerationGeographic Atrophy
Multicenter Clinical Study of the SING-IMT in Patients with Late-stage AMD

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-17

资源简介

SING-IMT 治疗晚期 AMD 的多中心临床研究

该数据集来自 clinicaltrials.gov,为 SING-IMT 在晚期年龄相关性黄斑变性患者中的多中心临床研究。研究纳入年龄相关性黄斑变性与地图样萎缩患者,在知情同意后评估入组资格,包括最佳矫正远、近视力及使用外部望远镜模拟器(ETS)的视力,以判断是否可能从 IMT 获益。符合条件者将在常规白内障手术中接受 IMT 植入,术后约 12 个月内进行 5 次随访,并接受最多 12 次低视力康复训练。可用于眼科植入治疗与低视力康复相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:年龄相关性黄斑变性、地图样萎缩。在完成知情同意后,将对患者进行评估以确定是否符合入组研究的资格,包括评估其最佳矫正远视力和近视力(伴或不伴屈光矫正),以及在使用外部望远镜模拟器(ETS)时的视力,以确定他们是否可能从接受 IMT 中获益。如果符合条件,他们将安排接受门诊手术,在常规白内障手术期间植入 IMT。植入后,患者将在约 12 个月的时间内返回进行 5 次术后随访。此外,患者将接受最多 12 次由低视力专家进行的康复/训练访视。

【主题与分类】

主题标签:Age-Related Macular Degeneration、Geographic Atrophy。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05438732

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/NCT05438732

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:年龄相关性黄斑变性、地图样萎缩。在完成知情同意后,将对患者进行资格评估以确定是否可入组研究,包括评估其最佳矫正远视力和近视力(伴或不伴屈光矫正),以及在使用外部望远镜模拟器(ETS)时的情况,以判断他们是否可能从接受IMT中获益。如果符合条件,他们将安排接受门诊手术,在常规白内障手术期间植入IMT。植入后,患者将在约12个月的时间内返回进行5次术后随访。此外,患者还将接受最多12次由低视力专家进行的康复/训练访视。

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