评估视网膜前膜手术中内界膜剥离获益风险比的前瞻性单盲研究
源站描述列出了试验访视安排,包括筛选/入组访视(D-90至D-7)的流程:试验信息告知、入排标准核查、签署知情同意、病史与手术史采集,以及ETDRS视力、近视力(Parinaud)、SD-OCT、微视野检查、术前“患者不适”问卷、裂隙灯下晶状体外观评估、散瞳后眼底检查、前节生物显微镜检查和视网膜照相

基本信息
资源简介
评估视网膜前膜手术中内界膜剥离获益风险比的前瞻性单盲研究
该数据集来自 clinicaltrials.gov,主题为特发性视网膜前膜(Idiopathic Epimacular Membrane)患者接受视网膜前膜(EMM)手术的临床研究。源站描述列出了试验访视安排,包括筛选/入组访视(D-90至D-7)的流程:试验信息告知、入排标准核查、签署知情同意、病史与手术史采集,以及ETDRS视力、近视力(Parinaud)、SD-OCT、微视野检查、术前“患者不适”问卷、裂隙灯下晶状体外观评估、散瞳后眼底检查、前节生物显微镜检查和视网膜照相。数据可用于了解该手术研究的访视设计与评估指标(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:特发性视网膜前膜。本试验的访视即为接受EMM手术患者所计划的访视,即:筛选/入组访视:D-90至D-7。根据研究者及/或患者的要求,该访视可分为两次。 试验完整信息 入组标准与非入组标准核查 获取已签署的知情同意书(当日或经过一段反思期后) 病史与手术史 - *检查:采用ETDRS量表测量的视力、近视力(Parinaud)、谱域光学相干断层扫描(SD-OCT)、微视野检查以及术前:“患者不适”问卷(附录7)、裂隙灯下晶状体外观评估、散瞳后眼底检查、前节生物显微镜检查、视网膜照相
【主题与分类】
主题标签:Idiopathic Epimacular Membrane。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02146144
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/NCT02146144
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:特发性黄斑前膜。本试验的访视计划针对接受EMM外科手术的患者,具体如下:选择/入选访视:D-90至D-7 该访视可根据研究者 and/or 患者的要求分为两次。* 关于试验的完整信息 * 核实入选和非入选标准 * 获取签署的知情同意书(当天或经过一段考虑期后)* 病史和手术史 - 检查:采用ETDRS量表测量视力、近视力(Parinaud)、频域光学相干断层扫描(SD-OCT)、微视野检查以及术前:“患者不适”问卷(附录7)、裂隙灯下晶状体外观评估、散瞳后眼底检查、前节生物显微镜检查、视网膜摄影。手术访视D0: 所有外科手术的清单 * 在手术室中使用Membraneblue-Dual®对ILM染色后(黄斑图片),随机分组决定是否进行ILM剥离。
手术的匿名视频将发送至南特,用于对EMM抓握区域分析的集中处理。为避免偏倚,随访将由不了解所实施手术的眼科医生和/或视轴矫正师进行。随访M1(术后1个月±7天)* 检查:采用ETDRS量表测量视力、近视力(Parinaud)、频域光学相干断层扫描(SD-OCT)、眼显微镜检查、微视野检查、眼底摄影及术后“患者不适”问卷(附录8)。前节生物显微镜检查、视网膜摄影。* 不良事件随访M6(术后6个月±15天)* 检查:采用ETDRS量表测量视力、近视力(Parinaud)、频域光学相干断层扫描(SD-OCT)、眼显微镜检查、微视野检查、眼底摄影及
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。




