吲哚菁绿辅助下特发性视网膜前膜手术对比研究
该数据集来自 clinicaltrials.gov，聚焦特发性视网膜前膜合并白内障患者，前瞻性比较使用与不使用吲哚菁绿（ICG）辅助的视网膜前膜手术在功能与形态学结局上的差异，主要结局指标为最佳矫正视力（BCVA）的改善
基本信息
资源简介
吲哚菁绿辅助下特发性视网膜前膜手术对比研究
该数据集英文名为 Surgical Removal of Idiopathic Epiretinal Membrane With and Without the Assistance of Indocyanine Green，来源于 clinicaltrials.gov，本站归类为眼及附器疾病 / 其他。数据集聚焦特发性视网膜前膜合并白内障患者，围绕视网膜前膜手术中是否使用吲哚菁绿（ICG）辅助这一临床问题，前瞻性比较两种方式在功能与形态学结局上的差异，主要结局指标为最佳矫正视力（BCVA）的改善。研究将两种疗法孰优孰劣作为开放性问题处理，未预设哪一方更优的假设。该数据集可用于了解该临床比较的研究设计、结局指标设定及相关主题检索。
【数据集背景】
特发性视网膜前膜是影响视功能的眼底疾病，常与白内障并存，患者可能需要接受视网膜前膜手术。在手术过程中，是否使用吲哚菁绿（ICG）辅助是临床关注的问题之一。该数据集所对应的研究旨在前瞻性比较使用与不使用 ICG 辅助的视网膜前膜手术在功能与形态学结局上的差异，主要结局指标为最佳矫正视力（BCVA）的改善。研究对两种疗法孰优孰劣持开放态度，未提出 superiority 假设。数据集主题标签为 Idiopathic Epiretinal Membrane 与 Cataract，对应研究涉及的条件包括特发性视网膜前膜与白内障。
【数据内容】
源站描述显示，该研究涉及的条件为特发性视网膜前膜与白内障，比较的干预方式为使用与不使用吲哚菁绿（ICG）辅助的视网膜前膜手术，主要结局指标为最佳矫正视力（BCVA）的改善，并关注功能与形态学两方面的结局。除上述信息外，源站未提供具体受试者数量、分组规模、随访时长、形态学指标的具体项目、数据字段结构或样本记录格式等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于注册临床研究信息。源站描述表明该研究为前瞻性比较研究，比较使用与不使用 ICG 辅助的视网膜前膜手术。关于具体的招募时间、研究机构、数据采集流程与质量控制措施，源站未提供。
【适用场景】
该数据集适用于了解特发性视网膜前膜合并白内障手术中 ICG 辅助与否的比较研究设计，可用于检索以最佳矫正视力改善为主要结局、兼顾功能与形态学结局的眼科临床研究信息，也可作为相关主题标签下的资料索引。关于更具体的二次分析或模型训练用途，源站未提供。
【使用方法】
源站未提供具体的数据访问方式、文件格式、字段说明或使用指南。使用者可依据数据集名称与来源站信息，在 clinicaltrials.gov 检索对应研究记录以获取进一步信息。
【质量与限制】
该数据集信息来自临床研究注册描述，研究将两种疗法孰优孰劣作为开放性问题，未预设假设。源站未提供样本量、随访完整性、偏倚控制、统计分析方法或数据完整性核查等信息，相关质量评估维度无法依据现有信息展开。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT00376857
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：特发性视网膜前膜，白内障。本研究旨在前瞻性比较特发性视网膜前膜手术在有或无吲哚菁绿（ICG）辅助下的功能和形态学结果。主要结局指标是最佳矫正视力（BCVA）的改善。此问题被视为开放性问题，我们对于两种疗法中哪一种更优没有预设假设。
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。
