Mini 4 Ready 人工晶状体观察性前瞻性临床研究
该数据集来自 clinicaltrials.gov,为一项观察性、非对照、前瞻性临床研究,评估 Mini 4 Ready 人工晶状体在白内障患者中的长期安全性与性能

基本信息
资源简介
Mini 4 Ready 人工晶状体观察性前瞻性临床研究
该数据集来自 clinicaltrials.gov,为一项观察性、非对照、前瞻性临床研究,评估 Mini 4 Ready 人工晶状体在白内障患者中的长期安全性与性能。研究覆盖术后 1 个月至 2 年的随访,关注手术再干预累积发生率、视力达到 0.3 logMAR 或更优的比例、对比敏感度、后囊膜混浊及后囊切开发生率,以及明视条件下 4 米单眼和双眼裸眼与矫正远视力、整体屈光力等指标。可用于白内障术后人工晶状体安全性、视觉质量与并发症的纵向分析(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。这是一项观察性、非对照、前瞻性临床研究,旨在评估 Mini 4 Ready 人工晶状体在白内障患者中的长期安全性和性能。具体而言,该研究旨在评估: 人工晶状体植入后 1 年和 2 年时手术再干预的累积发生率以及达到 0.3 logMAR 单位或更优视力的累积发生率; 人工晶状体植入后 1 个月时对比敏感度的评估。 人工晶状体眼植入后 1 年和 2 年时后囊膜混浊的发生率和严重程度以及后囊切开的发生率。 在明视条件下 4 米处、1 个月和 6 个月时的单眼和双眼裸眼远视力和矫正远视力。* 整体屈光力,以显然(主观)和主观验光测量,标准并转换为
【主题与分类】
主题标签:Cataract。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06093880
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/NCT06093880
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。这是一项观察性、非对照、前瞻性临床研究,旨在评估Mini 4 Ready人工晶状体在白内障患者中的长期安全性和性能。具体而言,该研究的目的在于评估:* 人工晶状体植入后1年和2年,手术再干预的累积发生率及达到0.3 logMAR单位或更佳视力(VA)的累积发生率;* 人工晶状体植入后1个月对比敏感度(CS)的评估;* 人工晶状体眼植入后1年和2年,后囊膜混浊(PCO)的发生率和严重程度及后囊切开术的发生率;* 在明视条件下,1个月和6个月时4米处的单眼和双眼未矫正(UDVA)和矫正(CDVA)远视力;* 在1个月和6个月以及1年和2年时,以显然(主观)和主观验光测量的总体屈光力,标准及转换为等效球镜屈光度;* 植入眼在1个月时明视条件下的离焦曲线;* 任何原因导致的手术再干预的发生情况。
- 发生任何不良后果,包括任何不良事件(例如但不限于假晶状体囊样黄斑水肿(PCME)、视网膜脱离、炎症迹象、手术部位感染(SSI)、瞳孔阻滞以及人工晶状体倾斜和偏心)。 * 在索引眼植入后1个月和6个月,手术再干预的累积发生率及达到0.3 logMAR单位或更佳视力(VA)的累积发生率。
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。




