肥胖症中的前庭功能研究

该数据集来自 clinicaltrials.gov,聚焦肥胖症与前庭功能的关系,涉及肥胖、前庭功能紊乱、平衡评估、平衡障碍及袖状胃切除术等主题

Istanbul Aydın UniversityIstanbul Aydın University
clinicaltrials
浏览 7
视频预测ObesityVestibular Function DisorderBalance AssessmentBalance ImpairmentSleeve Gastrectomy
Vestibular Function in Obesity

基本信息

模态
视频
任务类型
预测
创建/更新时间
2026-10-09

资源简介

肥胖症中的前庭功能研究

该数据集来自 clinicaltrials.gov,聚焦肥胖症与前庭功能的关系,涉及肥胖、前庭功能紊乱、平衡评估、平衡障碍及袖状胃切除术等主题。研究纳入 18 至 60 岁符合标准的受试者,在减重手术前、术后及显著减重后三个时间点评估前庭系统功能,并测量 BMI 与采集病史。数据可用于分析肥胖对前庭系统的影响,以及减重后前庭功能是否改善,支持预测与纵向评估相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肥胖、前庭功能紊乱、平衡评估、平衡障碍、袖状胃切除术。既往研究已表明肥胖会对人类前庭系统产生负面影响。然而,肥胖缓解后前庭功能是否改善仍是一个需要进一步研究的领域。因此,研究者旨在评估和分析计划接受减重手术患者的前庭系统功能,包括手术前、手术后以及显著减重后。符合纳入标准、年龄在 18 至 60 岁之间的参与者将被纳入研究。最初,参与者将接受病史评估和体重指数(BMI)测量。入组参与者将在三个不同时间点——术前、第 1

【主题与分类】

主题标签:Obesity、Vestibular Function Disorder、Balance Assessment、Balance Impairment、Sleeve Gastrectomy。本站分类:内分泌、营养和代谢疾病/肥胖症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07033221

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/NCT07033221

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:肥胖、前庭功能紊乱、平衡评估、平衡障碍、袖状胃切除术。既往研究已证实,肥胖会对人体前庭系统产生负面影响。然而,肥胖问题解决后前庭功能是否随之改善,仍需进一步研究。因此,研究者旨在评估和分析计划接受减重手术的患者在术前、术后以及显著减重后的前庭系统功能。符合纳入标准、年龄在18至60岁之间的参与者将被纳入研究。首先,参与者将接受病史评估和体重指数(BMI)测量。入组参与者将在三个不同时间点——术前、术后第1个月和术后第6个月——接受以下测试评估:视频头脉冲试验(vHIT)、静态姿势描记测试、Berg平衡量表、SF-12生活质量量表以及特定活动平衡信心(ABC)量表。

尽管肥胖已被证明与姿势平衡受损相关,但评估BMI对姿势摇摆直接影响的研究仍有限。我们研究的目的是评估肥胖患者在减重手术前后的前庭系统。通过这一研究,研究者希望为肥胖个体的平衡评估提供资料,从而为文献做出贡献。

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