评估角膜缘干细胞治疗浅表角膜病变的临床安全性和有效性
该数据集来自 clinicaltrials.gov,主题为评估角膜缘干细胞治疗浅表角膜病变的临床安全性和有效性,关注角膜瘢痕和混浊

基本信息
资源简介
评估角膜缘干细胞治疗浅表角膜病变的临床安全性和有效性
该数据集来自 clinicaltrials.gov,主题为评估角膜缘干细胞治疗浅表角膜病变的临床安全性和有效性,关注角膜瘢痕和混浊。源站描述显示这是一项单中心、前瞻性、开放标签、非随机干预性研究,属于研究者发起的研究,拟由印度海得拉巴 LV Prasad 眼科研究所伦理委员会前瞻性批准,并遵循赫尔辛基宣言、ICH GCP E6 (R2)、印度 GCP 指南及 2019 年新药和临床试验规则等规范。受试者适合角膜缘移植手术后,将按法规获取书面知情同意及音频/视觉同意。可用于眼科角膜疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:角膜瘢痕和混浊。这将是一项单中心、前瞻性、开放标签、非随机干预性研究。本研究是一项研究者发起的研究(IIS)。印度海得拉巴 LV Prasad 眼科研究所的伦理委员会将前瞻性批准本研究。本研究将严格遵循《赫尔辛基宣言》、ICH GCP E6 (R2)、印度 GCP 指南以及 2019 年《新药和临床试验规则》及相关修订案、现行《涉及人类参与者的生物医学和健康研究国家伦理指南》和现行《国家干细胞研究指南》以及 2019 年《新药和临床试验规则》的原则开展。一旦发现参与者适合接受角膜缘移植手术,将按照法规向患者提供书面知情同意和音频/视觉同意。详细的眼科
【主题与分类】
主题标签:Corneal Scars and Opacities。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04932629
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/NCT04932629
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:角膜瘢痕和混浊。这将是一项单中心、前瞻性、开放标签、非随机干预性研究。本研究为研究者发起的研究(IIS)。海得拉巴LV Prasad眼科研究所伦理委员会将前瞻性地批准本研究。本研究将严格遵循《赫尔辛基宣言》的原则、ICH GCP E6(R2)、印度GCP指南及《2019年新药和临床试验规则》及相关修订案、现行《涉及人类参与者的生物医学和健康研究国家伦理指南》、现行《国家干细胞研究指南》以及《2019年新药和临床试验规则》进行。一旦确定参与者适合接受角膜缘移植手术,将按照法规向患者提供书面知情同意和音频/视觉同意。将进行详细的眼科检查,以确保患者符合试验资格。所有筛选程序将在14±7天内完成。
在第0天,即手术当天,将为每位患者分配一个唯一参与者识别号(UPIN),该编号将作为医院病历号的补充。手术将在局部或全身麻醉下进行(取决于年龄和患者偏好)。在这项前瞻性干预研究中,患有单侧浅表角膜瘢痕的患者将接受外科手术。从尸体供体组织中采集经治疗认可且经过血清学检测的角膜缘环。随后,该组织将在干细胞生物学实验室中使用标准化培养技术进行培养。简言之,将角膜缘组织切成小块,并使用酶(胶原酶L)消化过夜。从消化液中获得的细胞将使用2%血清和生长因子在培养皿中培养。培养的细胞将传代三次,以从培养物中去除所有上皮细胞。在第二次手术中,符合条件的患
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。




