Sweeper 与视网膜前膜手术
源站描述指出,视网膜前膜可导致视觉丧失、视物变形、中心暗点和复视,目前尚无药物治疗;手术需将正常视网膜与视网膜前膜分离,若内界膜(ILM)未随视网膜前膜自行剥脱,则由术者主动剥除

基本信息
资源简介
Sweeper 与视网膜前膜手术
该数据集来自 clinicaltrials.gov,主题为视网膜前膜(Epiretinal Membrane)及其手术治疗。源站描述指出,视网膜前膜可导致视觉丧失、视物变形、中心暗点和复视,目前尚无药物治疗;手术需将正常视网膜与视网膜前膜分离,若内界膜(ILM)未随视网膜前膜自行剥脱,则由术者主动剥除。剥除起始步骤精细,可使用显微镊或带有覆金刚石粉软硅胶尖的 Sweeper 工具,后者无需夹持视网膜即可起始剥除,可能减少视网膜创伤与视觉后遗症。数据集可用于相关手术方式与视觉结局的研究(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。视网膜前膜(ERM)是一种病理现象,可导致视觉丧失、视物变形、中心暗点和复视。目前尚无药物治疗。ERM 手术需要将正常视网膜与视网膜前膜分离。视网膜前膜剥除后,若内界膜(ILM)未随 ERM 自行剥脱,术者会从视网膜上剥除 ILM(也称为主动剥除)。剥除的起始非常精确且精细。可使用显微镊或 sweeper 来起始剥除。Sweeper 是一种显微工具,带有覆盖金刚石粉的软硅胶尖,可在不夹持视网膜的情况下起始剥除。它可能减少视网膜创伤和视觉后遗症。ILM 主动剥除可降低 ERM 复发率和再次手术率。未发现视力丧失。但 2 项研究显示微暗点增加
【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/NCT03350607
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/NCT03350607
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
适应证:视网膜前膜。视网膜前膜(ERM)是一种导致视力下降、视物变形、中心暗点和复视的病理现象。目前尚无药物治疗方法。ERM手术需要将正常视网膜与视网膜前膜分离。在视网膜前膜剥离后,如果内界膜(ILM)未随ERM自行剥离,术者会从视网膜上剥离ILM(也称为主动剥离)。剥离的起始操作非常精确且精细。可使用显微镊或扫掠器来启动剥离。扫掠器是一种显微工具,其柔软的硅胶尖端覆盖有金刚石粉末,可在不夹持视网膜的情况下启动剥离。它可能减少视网膜创伤和视觉后遗症。ILM主动剥离可降低ERM复发率和再次手术率。未发现视力下降。但2项研究表明,使用镊子进行主动ILM剥离后,微视野检查显示微暗点增加。我们研究的目的是评估在20例ERM手术中使用扫掠器的情况。
研究者将比较术前微视野检查与术后1个月(M1)和3个月(M3)的微视野检查结果,并测量微暗点数量和深度的差异。研究者将记录:若扫掠器效率低下时使用镊子的次数,以及扫掠器使用的所有区域,以将其与微暗点进行关联。研究者将评估术后视力和光学相干断层扫描的改善情况。本研究不包含任何干预措施,手术的实施与否与是否参与研究无关。检查均为无创、常规检查,并在常规医疗就诊期间完成,无需额外就诊。
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。




