扩展景深人工晶状体植入联合或不联合数字辅助的视觉结局
该数据集来自 clinicaltrials.gov,为一项前瞻性比较研究,纳入 60 例按 LOCS III 诊断为 2 级白内障的患者,分别接受联合数字辅助或不联合数字辅助的扩展景深人工晶状体植入

基本信息
资源简介
扩展景深人工晶状体植入联合或不联合数字辅助的视觉结局
该数据集来自 clinicaltrials.gov,为一项前瞻性比较研究,纳入 60 例按 LOCS III 诊断为 2 级白内障的患者,分别接受联合数字辅助或不联合数字辅助的扩展景深人工晶状体植入。研究使用经验证的数字化视标 Democritus Digital Acuity & Reading Test(DDART)在 9 个距离(25、28、33、40、50、60、100、200、300 cm)评估术后视力,构建整体视力曲线并以曲线下面积作为评价视觉能力的主要手段。数据可用于比较两组术后视力曲线差异,分析不同距离下的视觉表现(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Presbyopia、Pseudophakia、Cataract、Refractive Errors。这是一项前瞻性比较研究,纳入 60 例按 LOCS III 诊断为 2 级白内障的患者,这些患者接受了以下手术之一:植入联合数字辅助的扩展景深人工晶状体,以及植入不联合数字辅助的扩展景深人工晶状体。在这些患者中,将比较两组的术后视力曲线。视力曲线将使用经验证的数字化视标 Democritus Digital Acuity & Reading Test(DDART)设计。视力评估将在 9 个不同距离(25、28、33、40、50、60、100、200、300 cm)进行。整体视力曲线和曲线下面积将通过该应用形成,作为评估视觉能力的主要手段。
【主题与分类】
主题标签:Presbyopia、Pseudophakia、Cataract、Refractive Errors。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06460389
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/NCT06460389
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:老视、人工晶状体眼、白内障、屈光不正。这是一项前瞻性、比较性研究,纳入60例诊断为2级白内障(根据LOCS III)的患者,这些患者接受了以下手术之一:在数字辅助下植入扩展景深人工晶状体,以及在没有数字辅助下植入扩展景深人工晶状体。在这些患者中,将对两组术后视力曲线进行比较。视力曲线将使用经过验证的数字视标Democritus Digital Acuity & Reading Test(DDART)设计。视力评估将在9个不同距离(25、28、33、40、50、60、100、200、300 cm)进行。总体视力曲线和曲线下面积将通过该应用形成,作为评估视觉能力的主要手段。此外,患者的主观满意度程度将通过访谈(NEI-VFQ 25)进行评估。所有检查将按照标准临床实践进行。
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。




