一种用于严重角膜感染微生物学诊断的新方法
该数据集来自 clinicaltrials.gov,聚焦严重感染性角膜炎的微生物学诊断。研究纳入 46 例严重感染性角膜炎患者,分为两组:第一组为“before group”,包含 23 例既往因严重感染性角膜炎住院的患者,接受标准微生物学诊断方法,包括革兰染色直接镜检、细菌和真菌培养、病毒和阿米巴

基本信息
资源简介
一种用于严重角膜感染微生物学诊断的新方法
该数据集来自 clinicaltrials.gov,聚焦严重感染性角膜炎的微生物学诊断。研究纳入 46 例严重感染性角膜炎患者,分为两组:第一组为“before group”,包含 23 例既往因严重感染性角膜炎住院的患者,接受标准微生物学诊断方法,包括革兰染色直接镜检、细菌和真菌培养、病毒和阿米巴聚合酶链反应(PCR);第二组为“after group”,前瞻性纳入严重感染性角膜炎患者,每例患者接受完整眼科检查、角膜刮片和拭子用于标准微生物学诊断,并额外进行角膜拭子采样。数据可用于比较诊断方法、支持角膜炎相关分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:感染性角膜炎、微生物性角膜炎、角膜感染。将在法国兰斯Robert Debré医院眼科招募46名重症感染性角膜炎患者。该研究将分为2组。第一组,也称为“前组”,将包含23名先前因重症感染性角膜炎在我院病房住院的患者。他们接受了标准微生物学诊断方法:革兰染色直接显微镜检查、细菌和真菌培养、病毒和阿米巴聚合酶链反应[PCR]。第二组,也称为“后组”,将招募患有重症感染性角膜炎的患者(前瞻性组)。每位患者将接受完整的眼科检查、角膜刮片和拭子采样以进行标准微生物学诊断方法,同时另取一份角膜拭子样本用于两种不同的FilmArray® PCR系统,分别标识为“ME”(脑膜炎-脑炎)和“BCID”(血培养鉴定)。研究者假设,使用快速多重PCR检测进行重症角膜感染的微生物学诊断,未来可能被证明比当前诊断策略更有效:一方面,通过缩短鉴定病原体的时间,从而更快实施靶向治疗;另一方面,通过系统性地搜索大量病原体,远远超出目前所针对的范围。此外,这项技术应用于眼科所带来的益处可能改善长期视觉预后,缩短住院时间,从而降低这些患者的诊断和管理成本。
【主题与分类】
主题标签:Infectious Keratitis、Microbial Keratitis、Corneal Infection。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05888987
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/NCT05888987
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
疾病:感染性角膜炎、微生物性角膜炎、角膜感染。将在法国兰斯Robert Debré医院眼科招募46名重症感染性角膜炎患者。该研究将分为2组。第一组,也称为“前组”,将包含23名先前因重症感染性角膜炎在我院病房住院的患者。他们接受了标准的微生物学诊断方法:革兰染色直接显微镜检查、细菌和真菌培养、病毒和阿米巴聚合酶链反应[PCR]。第二组,也称为“后组”,将招募患有重症感染性角膜炎的患者(前瞻性组)。每位患者将接受完整的眼科检查、角膜刮片和拭子以进行标准微生物学诊断方法,同时另取一份角膜拭子样本用于两种不同的FilmArray® PCR系统,分别标识为“ME”(脑膜炎-脑炎)和“BCID”(血培养鉴定)。
研究人员假设,未来在严重角膜感染的微生物学诊断中使用快速多重PCR检测,可能比当前的诊断策略更为高效。一方面,这能缩短鉴定病原体的时间,从而更快实施针对性治疗;另一方面,能系统性地筛查大量病原体,远超目前所针对的范围。此外,这项技术应用于眼科领域所带来的益处,还可能改善患者的长期视觉预后,缩短住院时间,进而降低这些患者的诊断和管理成本。
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。




