比较视网膜前膜手术联合与不联合内界膜剥除的随机试验
该数据集来自 clinicaltrials.gov,主题为视网膜前膜(ERM)手术是否联合内界膜(ILM)剥除的随机试验

基本信息
资源简介
比较视网膜前膜手术联合与不联合内界膜剥除的随机试验
该数据集来自 clinicaltrials.gov,主题为视网膜前膜(ERM)手术是否联合内界膜(ILM)剥除的随机试验。源站描述涵盖 ERM 的解剖与临床特点、自 1970 年代以来经平坦部玻璃体切除术的治疗背景、5-16% 的复发率,以及近年 ILM 剥除在减少复发方面的研究证据与手术难度和视网膜损伤风险。数据可用于眼科手术疗效与复发风险相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:视网膜前膜。黄斑视网膜前膜(ERM)是沿视网膜内界膜(ILM)内表面分布的一层半透明、无血管的纤维细胞膜。ERM 可引起有症状的视觉障碍和视力丧失。自 20 世纪 70 年代以来,已采用经平坦部玻璃体切除术去除膜,并发症少,手术结果总体良好。据报道复发率为 5-16%。近年来,多项回顾性研究和一项前瞻性病例系列研究推广了 ERM 手术中的 ILM 剥除,以尽量减少 ERM 复发率(ERM 手术联合 ILM 剥除的复发率为 16%,而 ERM 手术不联合 ILM 剥除的复发率为 0%)。手术去除脆弱且透明的 ILM 较为困难,并增加视网膜创伤的风险。此外,吲哚菁绿(ICG)是一种常用的染料
【主题与分类】
主题标签:Epiretinal Membrane。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01532765
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/NCT01532765
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
疾病:视网膜前膜。黄斑视网膜前膜(ERM)是沿视网膜内界膜(ILM)内表面生长的半透明、无血管、纤维细胞性膜。ERM可引起症状性视觉障碍和视力丧失。自20世纪70年代以来,已采用经平坦部玻璃体切除术去除该膜,并发症少,手术效果总体良好。据报道复发率为5-16%。近年来,多项回顾性研究和一项前瞻性病例系列研究推广了ERM手术中的ILM剥离,以降低ERM复发率(ERM手术联合ILM剥离的复发率为16%,而未行ILM剥离的ERM手术复发率为0%)。手术去除脆弱且透明的ILM较为困难,并增加视网膜损伤的风险。此外,吲哚菁绿(ICG)——一种术中常用于增强ILM可视化的染料——价格昂贵,且已被证明对视网膜具有毒性。本研究将是首个比较ERM手术联合与不联合ILM剥离结局的随机对照多中心临床试验。
研究结果将有助于指导和规范黄斑ERM的手术治疗;最大限度地减少不必要的手术风险,并有助于节约医疗成本。
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。




