Inferonasal MIMS® 手术长期随访扩展研究
该数据集来自 clinicaltrials.gov，属于眼及附器疾病/青光眼分类，主题为开角型青光眼。数据对应一项前瞻性、非干预性、开放标签的长期随访扩展研究，在 24 个月和 30 个月节点收集既往接受过 MIMS® 鼻下手术受试者的数据，是此前 MIMS® 器械临床研究（MMS-EEU-5）的延
基本信息
资源简介
Inferonasal MIMS® 手术长期随访扩展研究
Inferonasal MIMS® Procedure: Long-Term Follow-Up Extension Study 是一项来自 clinicaltrials.gov 的临床研究数据集，归入眼及附器疾病 / 青光眼分类，主题标签为开角型青光眼（Open Angle Glaucoma）。该数据集对应一项前瞻性、非干预性、开放标签的长期随访扩展研究，在 24 个月和 30 个月两个时间节点收集既往接受过 MIMS® 鼻下（inferonasal）手术受试者的数据，作为此前 MIMS® 器械临床研究（MMS-EEU-5）的延续。其核心价值在于为开角型青光眼患者接受该手术后中长期结局的观察提供数据基础。
【数据集背景】
该数据集所依托的研究是一项长期随访扩展研究，其设立目的是在既有临床研究的基础上延长观察周期。源站描述明确指出，该研究是此前 MIMS® 器械临床研究（MMS-EEU-5）的延续，受试者为既往接受过 MIMS® 鼻下手术的个体。研究针对的疾病条件为开角型青光眼，属于眼及附器疾病中的青光眼类别。研究设计为前瞻性、非干预性、开放标签，即在长期随访阶段不施加干预措施，仅对受试者进行数据收集与观察。
【数据内容】
源站描述显示，该数据集围绕开角型青光眼受试者接受 MIMS® 鼻下手术后长期随访的数据收集展开，随访时间节点为 24 个月和 30 个月。主题标签为 Open Angle Glaucoma。关于具体采集的变量、指标种类、样本量、受试者人口学构成等信息，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究类型为前瞻性、非干预性、开放标签的长期随访扩展研究，数据来自既往接受过 MIMS® 鼻下手术并参与过前序临床研究（MMS-EEU-5）的受试者。关于采集机构、采集地点、采集流程的具体细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于与开角型青光眼手术治疗后中长期随访相关的研究场景，例如了解 MIMS® 鼻下手术在 24 个月和 30 个月节点的随访数据收集情况，或作为该器械前序临床研究的延续性资料参考。关于其他具体应用方向，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为非干预性、开放标签设计，源站描述中未提及对照设置、盲法或样本量等信息。关于数据完整性、随访失访情况、数据质量控制措施等，源站未提供。
【引用与许可】
源站未提供。
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/NCT06577857
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：开角型青光眼。一项长期（24个月和30个月）随访扩展、前瞻性、非干预性、开放标签研究，用于从既往接受过MIMS®鼻下手术的受试者中收集数据，作为先前使用MIMS®器械（MMS-EEU-5）临床研究的延续。
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。
