基于语音的心力衰竭结局识别与临床评估

VOICE-HF 是一项前瞻性、多中心、单臂观察性研究,旨在使用独立测试数据集评估 Noah Labs Vox 算法在心力衰竭患者中的性能,该算法用于在失代偿性心力衰竭事件发生前检测病情恶化迹象

Noah LabsNoah Labs
clinicaltrials
浏览 10
音频预测Heart FailureChronic Heart FailureChronic Heart Disease
Voice-based Outcome Identification and Clinical Evaluation in Heart Failure

基本信息

模态
音频
任务类型
预测
创建/更新时间
2026-10-20

资源简介

基于语音的心力衰竭结局识别与临床评估

VOICE-HF 是一项前瞻性、多中心、单臂观察性研究,旨在使用独立测试数据集评估 Noah Labs Vox 算法在心力衰竭患者中的性能,该算法用于在失代偿性心力衰竭事件发生前检测病情恶化迹象。研究计划招募约 450 名任何病因、涵盖全部左心室射血分数范围的 C 期心力衰竭参与者,通过专用智能手机应用完成为期 180 天的每日语音记录,语音数据前瞻性采集,性能将结合经裁定的失代偿性心力衰竭事件进行解读(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:心力衰竭、慢性心力衰竭、慢性心脏病。VOICE-HF 是一项前瞻性、多中心、单臂观察性研究,旨在使用独立测试数据集评估 Noah Labs Vox 算法的性能。Noah Labs Vox 旨在在需要加强治疗的失代偿性心力衰竭(DHF)事件发生之前,检测心力衰竭患者病情恶化的迹象。为评估其技术性能,VOICE-HF 研究将招募约 450 名任何病因且涵盖全部左心室射血分数(LVEF)范围的 C 期心力衰竭参与者,完成为期 180 天的每日基于智能手机的语音记录。语音数据将通过专用移动智能手机应用前瞻性采集,性能将结合经裁定的 DHF 事件进行解读。

【主题与分类】

主题标签:Heart Failure、Chronic Heart Failure、Chronic Heart Disease。本站分类:循环系统疾病/心力衰竭。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07870395

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/NCT07870395

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:心力衰竭、慢性心力衰竭、慢性心脏病。VOICE-HF是一项前瞻性、多中心、单臂观察性研究,旨在使用独立测试数据集评估Noah Labs Vox算法的性能。Noah Labs Vox旨在在发生需要强化治疗的失代偿性心力衰竭(DHF)事件之前,检测心力衰竭患者病情恶化的迹象。为评估其技术性能,VOICE-HF研究将招募约450名任何病因的C期心力衰竭患者,涵盖左心室射血分数(LVEF)的完整范围,完成为期180天的每日基于智能手机的语音录音。语音数据将通过专用的智能手机应用程序前瞻性收集,性能将结合由临床事件委员会裁定的DHF事件进行解读。

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