渗出性局限性脉络膜血管瘤患眼黄斑旁微血管变化的定量评估:光学相干断层扫描血管成像研究
该数据集来自 clinicaltrials.gov,围绕渗出性局限性脉络膜血管瘤(CCH)患眼黄斑旁微血管变化的定量评估,采用光学相干断层扫描血管成像(OCTA)观察浅层与深层毛细血管丛及脉络膜毛细血管的毛细血管密度

基本信息
资源简介
渗出性局限性脉络膜血管瘤患眼黄斑旁微血管变化的定量评估:光学相干断层扫描血管成像研究
该数据集来自 clinicaltrials.gov,围绕渗出性局限性脉络膜血管瘤(CCH)患眼黄斑旁微血管变化的定量评估,采用光学相干断层扫描血管成像(OCTA)观察浅层与深层毛细血管丛及脉络膜毛细血管的毛细血管密度。CCH 为少见、可能为先天性的良性血管错构瘤,多位于黄斑及视盘周围区域,其渗出可导致囊样黄斑水肿或视网膜下液而损害视力。数据可用于 CCH 与黑色素瘤等恶性肿瘤的鉴别诊断研究及 OCTA 影像分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:局限性脉络膜血管瘤、光学相干断层扫描血管成像、黄斑。局限性脉络膜血管瘤(CCH)是一种少见、可能为先天性的良性血管错构瘤,通常表现为位于赤道后方、多位于黄斑及视盘周围区域的隆起性肿块,呈红橙色色素沉着。尽管其性质为良性,但渗出性 CCH 的渗出可导致囊样黄斑水肿(CME)或视网膜下液(SRF),从而引起视力损害。诊断常依据临床表现怀疑,多模态成像有助于将 CCH 与其他恶性肿瘤如黑色素瘤进行鉴别诊断。光学相干断层扫描血管成像(OCTA)是一种快速、无创的新型成像技术,可提供浅层和深层毛细血管丛的毛细血管密度(CD)以及脉络膜毛细血管的 CD。
【主题与分类】
主题标签:Circumscribed Choroidal Haemangioma、Optical Coherence Tomography Angiography、Macular。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04449900
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/NCT04449900
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:局限性脉络膜血管瘤、光学相干断层扫描血管成像、黄斑。局限性脉络膜血管瘤(CCH)是一种不常见的、可能为先天性的良性血管错构瘤,通常表现为位于赤道后方、多位于黄斑及视乳头周围区域的隆起的、呈红橙色色素沉着的肿块。尽管其性质为良性,但渗出性CCH的渗出可导致黄斑囊样水肿(CME)或视网膜下液(SRF),从而引起视力损害。诊断常依据临床表现怀疑,多模态成像有助于将CCH与其他恶性肿瘤(如黑色素瘤)进行鉴别诊断。光学相干断层扫描血管成像(OCTA)是一种快速、无创的新型成像技术,可提供浅层和深层毛细血管丛的毛细血管密度(CD),以及浅层脉络膜毛细血管的CD,后两者在传统FA或ICGA上无法观察到。然而,目前关于渗出性CCH患眼在OCTA上黄斑旁微血管改变的认识甚少。
因此,有必要对渗出性CCH患眼的旁中心凹微血管变化进行定量评估,并与无任何疾病的健康眼进行比较。据我们所知,这是首个采用OCTA对渗出性CCH患眼旁中心凹微血管变化进行定量评估、并与年龄和性别匹配的健康眼进行比较的横断面病例对照研究。
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。




