飞秒激光辅助与微切口超声乳化白内障术后眼表及干眼研究数据集
本数据集来自一项前瞻性队列研究，纳入2022年5月至2023年3月老年性白内障患者144例（144眼），分为飞秒激光辅助白内障手术（FLACS）组71例和微切口超声乳化白内障手术（MICS）组73例
基本信息
资源简介
飞秒激光辅助与微切口超声乳化白内障术后眼表及干眼研究数据集
Ocular surface and dry eye following femtosecond laser-assisted vs. micro-incision phacoemulsification cataract surgery
本数据集来自一项前瞻性队列研究，纳入2022年5月至2023年3月老年性白内障患者144例（144眼），分为飞秒激光辅助白内障手术（FLACS）组71例和微切口超声乳化白内障手术（MICS）组73例。数据覆盖术前及术后1周、1个月、3个月的不戴镜远视力、最佳矫正远视力、非侵入性泪膜破裂时间、角膜荧光素染色评分、SchirmerⅠ试验和眼表疾病指数问卷评分，可用于比较两种术式对眼表状态与干眼症状的影响（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：观察飞秒激光辅助与微切口超声乳化白内障手术对眼表状况及干眼症状的影响。方法：前瞻性队列研究。选取2022年5月至2023年3月本院老年性白内障患者144例（144眼），其中71例（71眼）选择飞秒激光辅助白内障手术（FLACS）组，接受FLACS；73例（73眼）选择微切口超声乳化白内障手术（MICS）组，接受MICS。观察术前及术后1周、1个月、3个月的不戴镜远视力（UCDVA）、最佳矫正远视力（BCDVA）、非侵入性泪膜破裂时间（NIBUT）、角膜荧光素染色评分（CFS）、SchirmerⅠ试验（SⅠt）和眼表疾病指数（OSDI）问卷评分。
【主题与分类】
主题标签：Clinical medicine、FLACS、phacoemulsification cataract surgery、Dry eye、Ocular surface、NIBUT。本站分类：眼及附器疾病。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=9afc3295571c4ef89654d61db33f7f9a
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://doi.org/10.57760/sciencedb.31402
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
目的 观察飞秒激光辅助与微切口超声乳化白内障手术对眼表情况及干眼症状的影响。方法 前瞻性队列研究。选取2022年5月至2023年3月于我院就诊的老年性白内障患者144例(144眼)，其中71例(71眼)选择飞秒激光辅助白内障手术(FLACS)组，行FLACS；73例(73眼)选择微切口超声乳化白内障手术(MICS)组，行MICS。观察术前及术后1周、1个月、3个月裸眼远视力(UCDVA)、最佳矫正远视力(BCDVA)、非侵入性泪膜破裂时间(NIBUT)、角膜荧光素染色评分(CFS)、SchirmerⅠ试验(SⅠt)及眼表疾病指数(OSDI)问卷评分。
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。
