视网膜前膜手术的屈光后果
该数据集来自 clinicaltrials.gov,聚焦视网膜前膜(Epiretinal Membrane)患者手术顺序对屈光误差与角膜内皮细胞计数的影响

基本信息
资源简介
视网膜前膜手术的屈光后果
该数据集来自 clinicaltrials.gov,聚焦视网膜前膜(Epiretinal Membrane)患者手术顺序对屈光误差与角膜内皮细胞计数的影响。研究为前瞻性介入随机临床试验,纳入因视网膜前膜拟行手术的晶状体眼个体,主要结局包括屈光误差(人工晶状体度数预测误差)、角膜内皮细胞计数及术后黄斑水肿,次要结局涵盖眼轴长度、前房深度与角膜曲率变化及人工晶状体计算公式准确性。数据可用于分析手术顺序与屈光结局的关系,并支持人工晶状体度数预测相关建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:视网膜前膜。目的:评估手术顺序对因视网膜前膜接受手术的晶状体眼个体屈光误差和角膜内皮细胞计数的影响。研究设计:前瞻性介入随机临床试验。主要结局:屈光误差(即人工晶状体度数预测误差)、角膜内皮细胞计数及术后黄斑水肿。次要结局:眼轴长度、前房深度和角膜曲率的变化;用于计算人工晶状体度数的公式的准确性。研究人群:参与者识别:转诊至丹麦哥本哈根Glostrup大学医院眼科系外科视网膜团队黄斑手术门诊的个体。个体应因视网膜前膜在该门诊预约手术。方法:个体
【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/NCT02413619
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/NCT02413619
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:视网膜前膜。目的:评估手术顺序对接受视网膜前膜手术的晶状体眼患者屈光误差和角膜内皮细胞计数的影响。研究设计:前瞻性干预性随机临床试验。主要结局:屈光误差(即人工晶状体屈光度预测误差)、角膜内皮细胞计数及术后黄斑水肿。次要结局:眼轴长度、前房深度和角膜曲率的变化;用于计算人工晶状体屈光度的公式的准确性。研究人群:参与者识别:转诊至丹麦哥本哈根Glostrup大学医院眼科系外科视网膜团队黄斑手术门诊的个体。这些个体应因视网膜前膜而在该门诊预约手术。方法:个体被随机分配至可能的手术顺序(即以白内障手术开始、以玻璃体切除术开始或联合手术)。
基于估计的临床相关屈光预测误差为0.50屈光度、标准差为0.50屈光度,三组每组需要20名个体,以获得80%的检验效能和5%的1型错误率。因此个体总数为60。临床检查在术前及每次手术后(白内障手术、玻璃体切除术或联合手术)2周、术后3个月和12个月进行。检查包括最佳矫正远视力、自动验光/角膜曲率测量(Retinomax®,Nikon,东京,日本)、主觉验光、裂隙灯检查、眼底镜检查和眼压测量。使用IOLMaster(Carl Zeiss,Meditec AG,德国)进行生物测量,采用SRK/T公式进行眼内屈光力计算。Pentacam Scheimpflug角膜断层扫描(Topcon,东京,日本)。通过角膜内皮中央区域的三幅图像获取角膜内皮细胞计数(Topcon SP-3000P,东京,日本)。海德堡光学相干断层扫描
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。




