嗅觉康复的临床效用:神经感觉性嗅觉丧失患者的治疗

该数据集来自 clinicaltrials.gov,聚焦神经感觉性嗅觉丧失患者的嗅觉康复治疗,涉及嗅觉丧失、职业治疗与创伤性脑损伤

Cristina Gomez CaleroCristina Gomez Calero
clinicaltrials
浏览 8
表格分类AnosmiaOccupational TherapyBrain Injuries, Traumatic
Clinical Utility of Olfactory Rehabilitation: Treatment for Pacients With Neurosensorial Anosmia

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-27

资源简介

嗅觉康复的临床效用:神经感觉性嗅觉丧失患者的治疗

该数据集来自 clinicaltrials.gov,聚焦神经感觉性嗅觉丧失患者的嗅觉康复治疗,涉及嗅觉丧失、职业治疗与创伤性脑损伤。研究纳入40名参与者,分为对照组与治疗组各20人,比较两组在年龄、性别、创伤事件至首次就诊时间、脑损伤及意识丧失方面的同质性,并在研究开始时及12个月后使用视觉模拟量表(VAS)、CCCRC嗅觉测试和生活质量问卷(RSDI)进行评估。数据可用于分析嗅觉康复对创伤后嗅觉丧失患者的临床效用及生活质量影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:嗅觉丧失、职业治疗、创伤性脑损伤。四十名参与者开始研究:对照组20名,治疗组20名。康复组中创伤事件与首次就诊之间的时间跨度均值超过22个月,这一时间足以等待任何形式的自发恢复。为了建立正确的比较,研究者分析了两组参与者(对照组和治疗组)在年龄、性别、创伤事件与首次到诊之间的时间跨度、脑损伤和意识丧失方面是否同质。研究者在研究开始时及12个月后对两组施测视觉模拟量表(VAS)、CCCRC嗅觉测试和生活质量问卷(RSDI)。

【主题与分类】

主题标签:Anosmia、Occupational Therapy、Brain Injuries, Traumatic。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04957563

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT04957563

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:嗅觉缺失、职业治疗、创伤性脑损伤。40名参与者开始研究:对照组20名,治疗组20名。康复组从创伤事件到首次就诊的时间跨度平均超过22个月,这一时间足以等待任何形式的自发恢复。为了建立正确的比较,研究者分析了两组参与者(对照组和治疗组)在年龄、性别、从创伤事件到首次就诊的时间跨度、脑损伤和意识丧失方面是否同质。研究者在研究开始时及12个月后对两组均施测了视觉模拟量表(VAS)、CCCRC嗅觉测试和生活质量问卷(RSDI)。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。