白细胞介素及其他细胞因子联合OCT成像用于快速感染性角膜炎评估的验证
该数据集来自clinicaltrials.gov,聚焦感染性角膜炎的快速评估,涵盖细菌性角膜炎与真菌性角膜炎两类。角膜炎是常见的视力威胁性疾病,感染性角膜炎每年在全球导致200万新发盲眼

基本信息
资源简介
白细胞介素及其他细胞因子联合OCT成像用于快速感染性角膜炎评估的验证
该数据集来自clinicaltrials.gov,聚焦感染性角膜炎的快速评估,涵盖细菌性角膜炎与真菌性角膜炎两类。角膜炎是常见的视力威胁性疾病,感染性角膜炎每年在全球导致200万新发盲眼。传统诊断依赖角膜刮片、革兰染色和微生物培养,但培养耗时约一周、灵敏度较低且细菌耐药日益增多。既往小型研究发现,光学相干断层扫描(OCT)联合泪液细胞因子分析有助于区分不同病原体引起的角膜炎。该数据可用于验证白细胞介素及其他细胞因子联合OCT成像在感染性角膜炎评估中的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:细菌性角膜炎、真菌性角膜炎。角膜的感染性或炎症性过程(角膜炎)常见且威胁视力。它们是导致失明的第五大原因,尤其是感染性角膜炎,每年在全球造成2,000,000只新发盲眼。通常,细菌病原体的存在和性质通过从角膜取刮片、随后进行革兰染色和检查微生物培养来确定。治疗决策中的主要问题在于细菌培养检测病原体的持续时间长(约一周)、灵敏度相对较低以及细菌对抗生素药物的耐药性日益频繁。在先前的小型研究中,光学相干断层扫描(OCT)结合泪液细胞因子分析被发现有助于区分引起角膜炎的不同病原体。
【主题与分类】
主题标签:Keratitis Bacterial、Keratitis Fungal。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05620264
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/NCT05620264
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:细菌性角膜炎、真菌性角膜炎。角膜的感染性或炎症性病变(角膜炎)常见且威胁视力。它们是导致失明的第五大原因,尤其是感染性角膜炎,每年在全球造成200万新发失明病例。通常,通过从角膜刮取样本、随后进行革兰染色和微生物培养检查来确定细菌病原体的存在及其性质。治疗决策中的主要问题包括:细菌培养检测病原体所需时间较长(约一周)、敏感性相对较低,以及细菌对抗生素的耐药性日益频繁。在以往的小型研究中,光学相干断层扫描(OCT)结合泪液细胞因子分析被发现有助于区分引起角膜炎的不同病原体。这些研究似乎是角膜炎快速检测领域的颠覆性进展。然而,这些研究的问题在于样本量小以及使用了部分过时的设备。
获益/风险评估 尽管参与受试者没有直接获益,但研究结果有助于更深入地了解角膜炎的病程,并可能进一步改进疾病管理中的诊断工具。本研究未使用额外药物。本研究的结果可能有助于更好地理解角膜炎,并有助于实现更快、更有针对性的治疗。所有应用的测量技术均无痛。因此,风险获益比似乎是可以接受的。研究目标 主要目标:• 比较引起角膜炎的革兰氏阳性菌与革兰氏阴性菌之间泪膜中TNF-α水平差异(pg/ml)(非配对样本z检验)。次要目标:* 开发一种算法,旨在利用细胞因子水平和OCT检查结果帮助区分引起角膜炎的不同病原体。本研究的这一部分将是实验性的(偏最小二乘回归
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。




