白内障手术前睑板腺功能障碍的治疗

该数据集来自clinicaltrials.gov,主题为白内障手术前睑板腺功能障碍的治疗,涉及睑缘炎与干眼综合征。研究为上市后、前瞻性、非显著风险、开放标签、随机多中心临床试验,评估LipiFlow系统在计划接受双侧白内障手术的睑板腺功能障碍患者中的治疗效果

TearScience, Inc.TearScience, Inc.
clinicaltrials
浏览 12
其他分类BlepharitisDry Eye Syndrome
Treatment of Meibomian Gland Dysfunction Prior to Cataract Surgery

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-09

资源简介

白内障手术前睑板腺功能障碍的治疗

该数据集来自clinicaltrials.gov,主题为白内障手术前睑板腺功能障碍的治疗,涉及睑缘炎与干眼综合征。研究为上市后、前瞻性、非显著风险、开放标签、随机多中心临床试验,评估LipiFlow系统在计划接受双侧白内障手术的睑板腺功能障碍患者中的治疗效果。受试者随机分为术前一个月接受LipiFlow治疗的预处理组和不接受治疗的对照组,双眼手术间隔不超过两个月,并在第二只眼术后一个月和三个月评估终点。数据可用于比较两组疗效及相关临床研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:睑缘炎、干眼综合征。这是一项上市后、前瞻性、非显著风险、开放标签、随机多中心临床试验,评估LipiFlow系统在计划接受双侧白内障手术的睑板腺功能障碍患者中的治疗。所有受试者均接受检查以确定研究资格并采集手术前的基线状态。受试者被随机分配为在白内障手术前一个月接受LipiFlow治疗(预处理组)或不接受LipiFlow治疗(未治疗对照组)。每名受试者的双眼均接受白内障手术,第二只眼的手术在第一只眼手术后两个月内完成。所有受试者在第二只眼白内障手术后一个月和三个月接受评估,并在预处理组和未治疗组之间比较研究终点。为便于s

【主题与分类】

主题标签:Blepharitis、Dry Eye Syndrome。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01808560

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01808560

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

适应症:睑缘炎、干眼综合征。这是一项上市后、前瞻性、非重大风险、开放标签、随机多中心临床试验,评估在计划行双侧白内障手术的睑板腺功能障碍患者中使用LipiFlow系统进行治疗的效果。所有受试者均接受检查以确定研究资格并采集手术前的基线状态。受试者被随机分配至白内障手术前一个月接受LipiFlow治疗(预处理组)或不接受LipiFlow治疗(未治疗对照组)。每位受试者的双眼均接受白内障手术,第二只眼的手术在第一只眼手术后两个月内完成。所有受试者在第二只眼白内障手术后一个月和三个月时接受评估,并比较预处理组与未治疗组之间的研究终点。为便于受试者招募,未治疗对照组在第二只眼白内障手术后三个月接受交叉LipiFlow治疗以治疗MGD(后治疗组)。

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。

获取专属数据定制方案