中年及老年人噪声中言语适应数据集
该数据集来自 Dryad,对应一项考察 41 至 75 岁成年人噪声中言语感知与适应能力的研究。数据涵盖标准及扩展高频听力阈值、认知任务得分以及噪声中言语感知任务表现与任务适应情况,可用于分析年龄相关的听觉与认知变化如何影响噪声环境下的言语理解,并比较听力阈值、认知功能与言语感知表现及适应之间的关系

基本信息
资源简介
中年及老年人噪声中言语适应数据集
Data from: Adaptation to speech in noise in middle-aged and older adults
该数据集来自 Dryad,对应一项考察 41 至 75 岁成年人噪声中言语感知与适应能力的研究。数据涵盖标准及扩展高频听力阈值、认知任务得分以及噪声中言语感知任务表现与任务适应情况,可用于分析年龄相关的听觉与认知变化如何影响噪声环境下的言语理解,并比较听力阈值、认知功能与言语感知表现及适应之间的关系(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):中年及老年人常因年龄相关的听觉感觉和认知功能变化而在噪声中理解言语困难。对具有挑战性的聆听情境的适应可能是一种改善背景噪声中听力的有用感知策略。本研究考察了 41 至 75 岁成年人在一项旨在突出年龄效应的噪声中言语任务中的表现与适应。研究还收集了标准频率和扩展高频(EHFs)的听力阈值以及认知任务得分,以与噪声中言语感知任务得分及任务适应进行比较。听力阈值和认知任务得分均不能预测噪声中言语感知任务的表现。然而,许多参与者表现出感知适应;这些个体在认知灵活性、抑制控制及
【主题与分类】
主题标签:speech in noise、Older adults、Aging、middle-age、adaptation、Cognitive function。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.rn8pk0psv
使用许可:Creative Commons Zero v1.0 Universal。
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。
使用方式
数据集获取
源站:https://doi.org/10.5061/dryad.rn8pk0psv
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:
数据集大小约 6.4 KB。
数据说明
中老年人常因听觉感觉和认知功能的年龄相关变化而在噪声中理解言语困难。对具有挑战性的聆听情境的适应可能是一种有用的感知策略,以改善背景噪声中的听力。本研究考察了41-75岁成年人在一项旨在突出年龄效应的噪声中言语任务中的表现和适应情况。研究还收集了标准频率和扩展高频(EHF)的听阈以及认知任务得分,以与噪声中言语感知任务得分和任务适应进行比较。听阈和认知任务得分均不能预测噪声中言语感知任务的表现。然而,许多参与者表现出感知适应;与未表现出任务适应的个体相比,这些个体在认知灵活性、抑制控制和注意力以及加工速度测试中的得分显著更高。EHF听阈还与两项认知功能指标相关,提示亚临床听力损失可能损害工作记忆和抑制控制。
这些结果表明,中老年人可以利用由认知能力辅助的补偿性感知策略来适应困难的聆听环境。极高频听力损失也可能导致这些人群认知功能下降。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




