手动与飞秒激光辅助白内障手术后的伤口结构及功能结局

该数据集来自 clinicaltrials.gov,聚焦白内障手术中手动与飞秒激光辅助两种方式下的角膜伤口结构与功能结局

Maisonneuve-Rosemont HospitalMaisonneuve-Rosemont Hospital
clinicaltrials
浏览 13
其他预测Cataract
Wound Architecture and Functional Outcome After Cataract Surgery With Manual vs.Femtosecond Laser Assisted Procedures

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-12

资源简介

手动与飞秒激光辅助白内障手术后的伤口结构及功能结局

该数据集来自 clinicaltrials.gov,聚焦白内障手术中手动与飞秒激光辅助两种方式下的角膜伤口结构与功能结局。研究比较两种 FSL 三平面角膜伤口轮廓 CT1 与 CT2,其中 CT2 采用反向前角膜切口段以增强伤口闭合与角膜伤口对合,并以标准角膜刀手动伤口作为参照。由于 FSL 白内障手术术后伤口渗漏发生率可能高于手动角膜刀伤口,研究还旨在确定哪些临床与 OCT 伤口参数与更高的伤口渗漏可能性相关。数据可用于分析伤口特征与渗漏风险的关联(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:白内障。飞秒激光白内障手术在伤口构建方面具有多项主要优势,包括高精度、可重复性以及多种角膜伤口轮廓。本研究的目的是对两种 FSL 三平面角膜伤口轮廓进行长期分析,即 CT1 和 CT2,其中 CT2 采用反向前角膜切口段构建,以确保更紧密的伤口闭合和更好的角膜伤口对合。使用标准角膜刀进行的传统手动伤口将作为参照。由于与使用角膜刀的手动伤口构建相比,FSL 白内障手术可能与术后伤口渗漏发生率更高相关,本研究还将旨在确定哪些临床和 OCT 伤口参数与更高的伤口渗漏可能性相关。

【主题与分类】

主题标签:Cataract。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03097562

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/NCT03097562

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

条件:白内障。飞秒激光白内障手术在切口构建方面具有多项显著优势,包括高精度、可重复性以及多种角膜切口剖面形态。本研究旨在对两种FSL三平面角膜切口剖面(即CT1和CT2)进行长期分析,其中CT2采用反向角膜前切口段构建,以确保更紧密的切口闭合和更好的角膜切口对合。以使用标准角膜刀进行的传统手工切口作为参照。由于与使用角膜刀的手工切口构建相比,FSL白内障手术在手术结束时可能伴有更高的切口渗漏发生率,本研究还将旨在确定哪些临床和OCT切口参数与更高的切口渗漏可能性相关。

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