早期年龄相关性听力损失调查 (EARHLI)
EARHLI 是一项在 clinicaltrials.gov 登记的 II 期 1:1 随机对照试验，比较听力干预（含处方助听器）与健康教育项目
基本信息
资源简介
早期年龄相关性听力损失调查 (EARHLI)
EARHLI 是一项在 clinicaltrials.gov 登记的 II 期 1:1 随机对照试验，比较听力干预（含处方助听器）与健康教育项目。研究对象为 55-75 岁、患有早期年龄相关性听力损失和遗忘型轻度认知障碍的参与者，在 Columbia University Irving Medical Center 单中心开展，为期 1 年，计划入组 150 人（每组 75 人）。评估在基线、6 个月和 12 个月进行，结局指标包括认知、社会参与及大脑组织/连接变化，参与者还接受听力测试和血液测试，约半数接受两次 MRI 扫描。该数据可用于研究听力干预对认知与脑连接的影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：阿尔茨海默病、听力损失、认知障碍。EARHLI 将是一项 II 期 1:1 随机对照试验，比较听力干预（包括处方助听器）与健康教育项目。参与者必须为 55-75 岁，患有早期年龄相关性听力损失和遗忘型轻度认知障碍。试验将持续 1 年，在单一中心（Columbia University Irving Medical Center）进行。结局测量将包括认知、社会参与以及大脑组织/连接的变化。评估将在研究开始时、6 个月和 12 个月进行。总共将入组 150 名参与者（每个干预组 75 名）。参与者还将接受听力测试和血液测试。大约一半的参与者将接受两次 MRI 扫描。作为参与的一部分，所有参与者都将获得处方助听器，eithe
【主题与分类】
主题标签：Alzheimer Disease、Hearing Loss、Cognitive Impairment。本站分类：神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06174038
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/NCT06174038
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：阿尔茨海默病、听力损失、认知障碍。EARHLI将是一项II期1：1随机对照试验，比较听力干预（包括处方助听器）与健康教育项目。参与者必须年龄在55-75岁之间，患有早期年龄相关性听力损失和遗忘型轻度认知障碍。试验将持续1年，在单一地点（哥伦比亚大学欧文医学中心）进行。结果测量将包括认知、社会参与以及大脑组织/连接性的变化。评估将在研究开始时、6个月和12个月时进行。总共将招募150名参与者（每组75人）。参与者还将接受听力测试和血液测试。大约一半的参与者将进行两次MRI扫描。作为参与的一部分，所有参与者都将在研究开始或结束时获得处方助听器。
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。
