机器人激光白内障手术中囊切开大小对有效晶状体位置的影响
该数据集来自 clinicaltrials.gov,主题为机器人激光白内障手术中前囊切开大小对术后有效晶状体位置(ELP)及屈光结果的影响

基本信息
资源简介
机器人激光白内障手术中囊切开大小对有效晶状体位置的影响
该数据集来自 clinicaltrials.gov,主题为机器人激光白内障手术中前囊切开大小对术后有效晶状体位置(ELP)及屈光结果的影响。PRECISE 研究为前瞻性、随机、受试者内临床研究,采用配对眼设计,评估接受飞秒激光辅助白内障手术患者的囊切开大小与 ELP、屈光结果之间的关系。数据可用于分析 IOL 术后位置变异、囊膜重叠与长期稳定性,以及屈光预测准确性相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Cataract Surgery, Intraocular Lens Position, Refractive Outcomes After Cataract Surgery, Cataract。准确预测有效晶状体位置(ELP)是白内障手术后获得最佳屈光结果的关键因素。即使人工晶状体(IOL)术后位置的微小变化也会影响屈光准确性和患者满意度。可能造成 ELP 变异的一个手术因素是前囊切开的尺寸,它影响 IOL 居中、囊膜重叠以及囊袋内的长期稳定性。PRECISE 研究是一项前瞻性、随机、受试者内临床研究,旨在评估囊切开大小对接受飞秒激光辅助白内障手术患者术后有效晶状体位置和屈光结果的影响。通过采用配对眼设计,每位患
【主题与分类】
主题标签:Cataract Surgery、Intraocular Lens Position、Cataract。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07856849
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/NCT07856849
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:白内障手术、人工晶状体位置、白内障手术后屈光结果、白内障。准确预测有效晶状体位置(ELP)是实现白内障手术后最佳屈光结果的关键因素。即使人工晶状体(IOL)术后位置的微小变化也可能影响屈光准确性和患者满意度。可能造成ELP变异的一个手术因素是前囊切开的大小,其影响IOL居中、囊膜重叠以及囊袋内的长期稳定性。PRECISE研究是一项前瞻性、随机、受试者内临床研究,旨在评估囊切开大小对接受飞秒激光辅助白内障手术患者术后有效晶状体位置和屈光结果的影响。通过采用配对眼设计,每位参与者作为自身对照,从而最大限度地减少与眼部解剖结构、伤口愈合和生物测量差异相关的个体间变异。
所有手术操作均使用LENSAR ALLY®飞秒激光系统完成,该系统能够实现高度精确、可重复且居中良好的晶状体前囊切开。本研究采用两种不同大小的前囊切开,分别为4.6 mm和5.6 mm,二者均符合公认的诊疗标准,并常用于常规白内障手术。前囊切开大小的分配在双眼之间随机化。除前囊切开大小外,手术操作的所有其他方面,包括人工晶状体型号和手术技术,均与标准临床实践保持一致。参与者接受全面的术前评估,包括视力测试、眼部生物测量、光学相干断层扫描成像和裂隙灯检查。这些评估在第二只眼手术后约12周的术后最终研究访视时重复进行,以评估晶状体位置和屈光状态。常规白内障诊疗所需的标准术后随访单独进行,不因研究参与而改变。
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。




