EDOF植入物与单焦点植入物在视网膜前膜及白内障术后患者中的视觉质量
该数据集来自 clinicaltrials.gov,关注接受视网膜前膜及白内障手术的患者,比较植入 EDOF(扩展景深)人工晶状体与单焦点人工晶状体后的视觉质量

基本信息
资源简介
EDOF植入物与单焦点植入物在视网膜前膜及白内障术后患者中的视觉质量
该数据集来自 clinicaltrials.gov,关注接受视网膜前膜及白内障手术的患者,比较植入 EDOF(扩展景深)人工晶状体与单焦点人工晶状体后的视觉质量。源站描述提及 Phacoexistence 手术、人工晶状体选择扩展、EDOF 镜片在改善不同距离视力的同时仍可能产生光学像差,以及玻璃体切除术后白内障进程加速、联合 phaco-vitrectomy 手术在 60 岁以上人群中日益常见。可用于评估不同人工晶状体对伴有视网膜损伤患者视觉质量的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:眼内植入物,扩展景深。Phacoexistence 是法国实施的第一种外科手术,自然引发了晶状体置换的问题。近年来,人工晶状体的选择大幅扩展。术语 EDOF(扩展景深)指提供扩展景深以改善不同距离视力、同时减少传统多焦点晶状体相关视觉像差的人工晶状体。然而,它们仍会产生一些光学像差,因此可能限制有视网膜损伤患者的视觉质量。随着玻璃体切除术后观察到的白内障形成过程的发展和加速,联合 phaco-vitrectomy 手术的使用变得越来越普遍,尤其是在 60 岁以上的患者中。这种整合方法允许同时治疗
【主题与分类】
主题标签:Intraocular Implants、Extended Depth of Focus。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07789249
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/NCT07789249
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:眼内植入物,扩展景深。Phacoexistence作为法国首次实施的手术,自然引发了关于晶状体置换的问题。近年来,人工晶状体的选择范围大幅扩展。EDOF(扩展景深)一词指的是能够提供扩展景深、改善不同距离视力的人工晶状体,同时减少与传统多焦点晶状体相关的视觉像差。然而,它们仍会产生一些光学像差,因此可能限制有视网膜损伤患者的视觉质量。随着玻璃体切除术后观察到的白内障形成过程的发展和加速,联合超声乳化-玻璃体切除术的应用日益普遍,尤其是在60岁以上的患者中。这种一体化方法允许同时治疗白内障和玻璃体视网膜病变,从而减少了后续白内障手术的需求,而后者在玻璃体切除术后经常发生。
除了优化患者诊疗路径外,该技术还具有临床优势,例如更快的视力恢复以及与多次手术相关的更少并发症。因此,玻璃体切除联合白内障手术正逐渐成为管理需要玻璃体视网膜手术的老年患者的一种实用且有效的解决方案。因此,在通常被认为不太适合使用高端人工晶状体的黄斑手术这一特定背景下,EDOF(扩展景深)人工晶状体引发了一些疑问。关于其在这一特定背景下性能和耐受性的现有数据仍然有限,使其在这些复杂临床情况中的使用仍不明确,某些医学黄斑病变除外。4 本研究旨在评估在黄斑手术背景下,EDOF(扩展景深)人工晶状体的相关性和潜在作用,以改善这些患者的管理。
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。




