机器人视网膜剥离装置试验
该数据集来自 clinicaltrials.gov,为一项前瞻性介入性手术病例系列试验,旨在初步评估机器人装置在视网膜手术中的应用

基本信息
资源简介
机器人视网膜剥离装置试验
该数据集来自 clinicaltrials.gov,为一项前瞻性介入性手术病例系列试验,旨在初步评估机器人装置在视网膜手术中的应用。研究对象为接受两种手术之一的患者,涉及 Epiretinal Membrane 与 Retinal Hemorrhage 两类情况。试验使用 PRECEYES Surgical System 辅助玻璃体视网膜手术,比较机器人辅助下手术是否更快速、更安全。数据可用于探索机器人辅助视网膜手术的操作精度与安全性相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Epiretinal Membrane、Retinal Hemorrhage。本试验将是一项前瞻性介入性手术病例系列,旨在初步试用机器人装置进行视网膜手术。具体而言,研究者将确定特定手术在机器人辅助下是否执行得更快、更安全。PRECEYES Surgical System 是由 PRECEYES Medical Robotics 开发的机器人辅助装置,该机构是位于 Technische Universiteit Eindhoven 的荷兰研究团队。它旨在提高手术精度,特别是针对玻璃体视网膜眼科手术。该装置在所有方向(x、y、z 平面)提供超越人类能力的 <10μm 精度。外科医生始终通过操作运动控制器来控制器械。接受两种手术之一的患者将被邀请参加研究(即同意以下手术
【主题与分类】
主题标签:Epiretinal Membrane、Retinal Hemorrhage。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03052881
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/NCT03052881
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
适应症:视网膜前膜、视网膜出血。本试验将是一项前瞻性介入性手术病例系列研究,旨在初步探索机器人设备在视网膜手术中的应用。具体而言,研究者将确定在机器人辅助下,特定手术是否能够更快、更安全地完成。PRECEYES手术系统是由PRECEYES Medical Robotics开发的机器人辅助设备,该机构是位于荷兰埃因霍温理工大学的一个研究团队。该系统旨在提高手术精度,特别是针对玻璃体视网膜眼科手术。该设备在各方向(x、y、z平面)上可提供超越人类能力的<10μm精度。外科医生始终通过操作运动控制器来控制器械。接受以下两种手术之一患者将被邀请参加本研究(即同意接受以下手术是本研究的入选标准):i)接受视网膜前膜或内界膜剥除术的患者;ii)接受视网膜下出血移位手术的患者。
本研究将由外科医生在机器人辅助下完成这些手术中需要极高精度的特定手术步骤,并收集效率、准确性和安全性数据。符合条件的研究参与者将从牛津眼科医院门诊就诊的患者队列中招募,这些患者需要接受ERM/ILM剥离术或视网膜下出血移位术。术前和术后随访的预期时长和频率将与这些特定手术的NHS标准护理完全相同,即无需额外的研究访视或操作。
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。




