干性非渗出性年龄相关性黄斑变性(AMD)血液流变分离治疗安全性与有效性研究
该数据集来自 clinicaltrials.gov,围绕干性、非渗出性年龄相关性黄斑变性(AMD)的血液流变分离(Rheopheresis)治疗开展安全性与有效性研究

基本信息
资源简介
干性非渗出性年龄相关性黄斑变性(AMD)血液流变分离治疗安全性与有效性研究
该数据集来自 clinicaltrials.gov,围绕干性、非渗出性年龄相关性黄斑变性(AMD)的血液流变分离(Rheopheresis)治疗开展安全性与有效性研究。AMD 是美国 65 岁及以上人群晚发性视力损害和法定失明的主要原因,分为非渗出性“干性”与渗出性“湿性”两型,非渗出性 AMD 占全部病例的 80-90%,临床特征可包括玻璃膜疣、色素聚集和/或视网膜色素上皮(RPE)脱落及地图样萎缩。该数据可用于眼科疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:年龄相关性黄斑病变。摘要:年龄相关性黄斑变性(AMD)是美国 65 岁及以上人群晚发性视力损害和法定失明的主要原因。它是一种异质性临床实体,其视网膜变性主要发生在衰老背景下的黄斑部,并主要导致中心视力受损。这种退行性视网膜眼病有两种形式——非渗出性“干性”形式和渗出性“湿性”形式,在单个患者中也可能代表疾病的不同阶段。非渗出性 AMD 占 AMD 病例的 80-90%,涉及一系列临床特征,可包括玻璃膜疣、色素聚集和/或视网膜色素上皮(RPE)脱落,以及地图样萎缩。由于“干性”AMD 受试者数量庞大,这种视力损害的累积影响
【主题与分类】
主题标签:Age-Related Maculopathy。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00460967
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/NCT00460967
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:年龄相关性黄斑病变。摘要:年龄相关性黄斑变性(AMD)是美国65岁及以上人群中晚发性视力损害和法定失明的主要原因。它是一种异质性临床实体,在衰老背景下,视网膜变性主要发生在黄斑区,并主要导致中心视力受损。这种退行性视网膜眼病有两种形式——非渗出性“干性”型和渗出性“湿性”型,在个别患者中,这两种形式也可能代表疾病的不同阶段。非渗出性AMD占AMD病例的80-90%,涉及一系列临床特征,可能包括玻璃膜疣、色素聚集和/或视网膜色素上皮(RPE)缺失以及地图状萎缩。由于“干性”AMD患者数量庞大,这种视力丧失的累积影响是显著的。目前尚无有效疗法来维持或改善与干性AMD相关的视力。
干性AMD患者唯一的治疗方法是口服含有高剂量抗氧化剂和锌的补充剂,该疗法由国家眼科研究所在一个大型、多中心、双盲、假对照临床试验中进行了测试1。这种抗氧化疗法被证明能适度延缓干性AMD从中间阶段向晚期阶段的进展,并证实了抗氧化疗法在该疾病中的益处。目前尚无FDA批准的治疗干性AMD受试者的疗法。最近,MIRA-1修正后的符合方案人群显示了Rheopheresis的有效性,这是一种选择性治疗性血浆置换的应用,即使用专门设计的血浆滤过器对非渗出性AMD受试者进行双重滤过血浆置换(DFPP)。一年时,该研究报告了具有统计学意义的结果:(1)Rheopheresis组视力改善约一行,而假对照组无变化;(2)随机分配至
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。




