视网膜敏感性微视野检查在视网膜前膜手术中的研究
该数据集来自 clinicaltrials.gov，聚焦视网膜前膜手术患者的黄斑功能评估。研究通过微视野检查测量视网膜敏感性，并将视力结果与 OCT 数据进行比较，检查项目均为视网膜前膜手术常规随访内容，微视野检查作为中心视野的附加检查
基本信息
资源简介
视网膜敏感性微视野检查在视网膜前膜手术中的研究
该数据集英文名为 Study of Retinal Sensitivity by Microperimetry During Epiretinal Membrane Surgery，来源于 clinicaltrials.gov，聚焦视网膜前膜手术患者的黄斑功能评估。研究旨在通过微视野检查（microperimetry）评估黄斑功能，并将视力结果与光学相干断层扫描（OCT）数据进行比较，以了解当前的诊疗情况。研究所涉及的检查项目除微视野检查外，均为视网膜前膜手术随访中的常规内容；微视野检查作为中心视野检查，是在常规随访检查之外额外进行的。接受视网膜前膜手术的患者通常在术后 1 个月、3 个月和 6 个月进行随访复查，本方案不要求增加额外访视。该数据集在本站归类于眼及附器疾病 / 其他，主题标签为 Epiretinal Membrane Surgery。
【数据集背景】
视网膜前膜手术是眼科常见的手术类型，术后随访对于评估手术效果与黄斑功能恢复具有重要意义。该数据集所对应的研究关注视网膜前膜手术患者的黄斑功能，试图通过微视野检查这一评估中心视野的手段，测量视网膜敏感性，并将视力检查结果与 OCT 数据加以比较，从而对当前诊疗实践进行评估。研究的设计思路是在不改变患者常规随访安排的前提下，增加一项中心视野的功能学检查，以补充结构影像与视力检查所提供的信息。
【数据内容】
源站描述显示，该研究涉及的检查包括视力评估、眼底检查、视网膜 SD-OCT 以及微视野检查。其中微视野检查用于测量视网膜敏感性，属于对中心视野的检查；视力结果将与 OCT 数据进行比较。数据的具体字段、变量类型、样本量、记录条数等信息源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。研究中的检查项目均为视网膜前膜手术随访的常规内容，微视野检查作为附加检查在常规随访时一并完成。患者通常在术后 1 个月、3 个月和 6 个月接受随访复查，本方案不要求额外的访视安排。其余关于采集流程、采集设备型号、采集时间窗口等细节，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解视网膜前膜手术患者黄斑功能评估的研究设计，涉及微视野测得的视网膜敏感性与视力、OCT 数据之间的比较。其检查安排与常规随访一致，适合关注视网膜前膜手术后功能学评估与结构影像对照这一主题的使用场景。其他具体适用场景源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02084212
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：视网膜前膜手术。本研究的目的是通过使用微视野检查法研究黄斑功能，并将视力结果与OCT（光学相干断层扫描）数据进行比较，以评估当前的护理情况。所进行的检查均为视网膜前膜手术随访中通常进行的检查，微视野检查除外，后者是一项中心视野检查。接受ERM手术的患者通常在术后1个月、3个月和6个月进行随访检查。就诊内容包括视力评估、眼底检查以及视网膜SD-OCT检查。本方案不会要求额外的访视。微视野检查将在ERM手术后常规随访检查之外额外进行。
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。
