早期圆锥角膜患者植入Vivity EDOF人工晶状体后的视觉结果与生活质量
该数据集来自clinicaltrials.gov,关注早期圆锥角膜合并白内障受试者植入Vivity EDOF人工晶状体后的视觉结果与生活质量

基本信息
资源简介
早期圆锥角膜患者植入Vivity EDOF人工晶状体后的视觉结果与生活质量
该数据集来自clinicaltrials.gov,关注早期圆锥角膜合并白内障受试者植入Vivity EDOF人工晶状体后的视觉结果与生活质量。源站描述指出,圆锥角膜是进行性非炎症性角膜扩张,常伴高阶像差而影响视觉质量,传统上被视为高端人工晶状体的禁忌;但早期患者角膜形态与光学质量相对保留,可能受益于精心选择的高端人工晶状体,EDOF晶状体视觉干扰更少,并可能减轻高阶像差与彗差样影响。数据可用于评估此类人群的视觉与生活质量结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:白内障、圆锥角膜受试者。背景与依据:圆锥角膜(KC)是一种进行性、非炎症性角膜扩张,以基质变薄和不规则散光为特征,常导致显著的高阶像差(HOAs),从而损害视觉质量。由于这些光学限制,高端人工晶状体(pIOLs)在这些患者中传统上被视为禁忌。然而,在早期圆锥角膜患者中,角膜形态和光学质量可相对较好地保留,HOAs仍处于可接受范围内。因此,这些患者可能受益于精心选择的高端IOL技术。与传统的多焦点晶状体相比,扩展景深(EDOF)IOL不仅显著减少视觉干扰,而且由于其延长的焦点,可能减轻HOAs和彗差样
【主题与分类】
主题标签:Cataract、Keratoconic Subjects。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/NCT07338708
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/NCT07338708
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:白内障、圆锥角膜受试者。背景与依据 圆锥角膜(KC)是一种进行性、非炎症性角膜扩张,以基质变薄和不规则散光为特征,常导致显著的高阶像差(HOAs),从而损害视觉质量。由于这些光学限制,传统上认为在这类患者中使用高端人工晶状体(pIOLs)属于禁忌。然而,在早期圆锥角膜患者中,角膜形态和光学质量可相对较好地保留,HOAs仍处于可接受范围内。因此,这些患者可能从精心选择的高端IOL技术中获益。与传统的多焦点晶状体相比,扩展景深(EDOF)IOL不仅能显著减少视觉干扰,而且由于其延长的焦点,还可减轻早期圆锥角膜特征性的HOAs和彗差样畸变。
与依赖单一清晰焦点或离散焦平面的单焦点或多焦点人工晶状体不同,EDOF人工晶状体本质上设计为在延长的焦深范围内维持功能性视网膜成像质量,对轻微离焦和波前像差具有更大的耐受性。虽然EDOF人工晶状体并不矫正此类像差,但其延长的焦深范围可能减轻这种畸变对功能性视力的影响。对于非衍射型EDOF人工晶状体而言尤其如此,此类晶状体通过不将光能分散至多个焦点,从而保持高水平的对比敏感度。AcrySof IQ Vivity人工晶状体(Alcon,美国德克萨斯州沃思堡)是一种非衍射型EDOF人工晶状体,采用波前重塑技术来延长焦深范围。既往研究已证实,该晶状体在合并其他具有挑战性眼部疾病(如青光眼、黄斑变性和视网膜前膜)的患者中取得了良好效果。本初步研究旨在评估合并白内障患者植入Vivity人工晶状体后的视觉表现、耐受性及光学质量结局。
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。




