25G玻切头每分钟10000次与5000次切割玻璃体切除术的性能、安全性与效率比较——前瞻性随机对照研究
该数据集来自clinicaltrials.gov,围绕玻璃体出血、黄斑裂孔、视网膜前膜和视网膜脱离患者,比较Alcon 25+® UltraVit® 5000 cpm与25+® Ultravit 10,000 cpm®斜切头双驱动玻璃体切除探头的性能、安全性与效率

基本信息
资源简介
25G玻切头每分钟10000次与5000次切割玻璃体切除术的性能、安全性与效率比较——前瞻性随机对照研究
该数据集来自clinicaltrials.gov,围绕玻璃体出血、黄斑裂孔、视网膜前膜和视网膜脱离患者,比较Alcon 25+® UltraVit® 5000 cpm与25+® Ultravit 10,000 cpm®斜切头双驱动玻璃体切除探头的性能、安全性与效率。研究为前瞻性随机对照设计,纳入2019年1月至8月需行玻璃体切除术的连续患者,随机分入10K或5K组,均采用比例真空模式并以最快切割速率手术,主要终点为玻璃体切除时间。数据可用于评估不同切割速率玻切头的效率与安全性差异(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:玻璃体出血、黄斑裂孔、视网膜前膜、视网膜脱离。目的:本研究旨在比较Alcon 25+® UltraVit® 5000 cpm玻璃体切除探头与25+® Ultravit 10,000 cpm®斜切头双驱动玻璃体切除探头的性能。比较了安全性特征与效率。方法:前瞻性随机研究。2019年1月至2019年8月因视网膜脱离、视网膜前膜、玻璃体出血和黄斑裂孔需要玻璃体切除术的连续患者被随机分入10K或5K玻璃体切除组。两组均使用比例真空模式进行玻璃体切除术,切割速率设为最快速率。既往接受过玻璃体切除术、患有其他眼部疾病(青光眼、角膜疾病或显著角膜混浊)或有外伤的患者被排除在研究之外。主要终点是玻璃体切除时间,而次要
【主题与分类】
主题标签:Vitreous Hemorrhage、Macula Hole、Epiretinal Membrane、Retinal Detachment。本站分类:眼及附器疾病/青光眼。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04859556
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/NCT04859556
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
适应症:玻璃体出血、黄斑裂孔、视网膜前膜、视网膜脱离。目的:本研究旨在比较Alcon 25+® UltraVit® 5000 cpm玻璃体切割探头与25+® Ultravit 10,000 cpm®斜面尖端双驱动玻璃体切割探头的性能,并比较两者的安全性特征和效率。方法:前瞻性随机研究。纳入2019年1月至2019年8月期间因视网膜脱离、视网膜前膜、玻璃体出血和黄斑裂孔需要行玻璃体切割术的连续患者,随机分为10K或5K玻璃体切割组。两组均采用比例真空模式行玻璃体切割术,切割速率设定为最快速率。既往行玻璃体切割术、患有其他眼部疾病(青光眼、角膜疾病或显著角膜混浊)或有眼外伤的患者被排除在研究之外。主要终点为玻璃体切割时间,次要终点包括后玻璃体脱离时间、术中并发症和使用器械数量。记录术前、术后1个月和3个月的最佳矫正视力(BCVA)及并发症。
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。




