MRI对急性感音神经性听力损失与梅尼埃病诊断及预后效能评估

该数据集来自clinicaltrials.gov,聚焦突发性感音神经性听力损失、梅尼埃病、梅尼埃性眩晕、梅尼埃病加重及内耳疾病

Fondazione IRCCS Ca' Granda, Ospedale Maggiore PoliclinicoFondazione IRCCS Ca' Granda, Ospedale Maggiore Policlinico
clinicaltrials
浏览 2
医学影像分类Sudden Sensorineural Hearing LossMeniere DiseaseMénière's VertigoMeniere's Disease AggravatedInner Ear Disease
Evaluation of the Diagnostic and Prognostic Efficacy of MRI in Acute Sensorineural Hearing Loss and Ménière's Disease

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-28

资源简介

MRI对急性感音神经性听力损失与梅尼埃病诊断及预后效能评估

该数据集来自clinicaltrials.gov,聚焦突发性感音神经性听力损失、梅尼埃病、梅尼埃性眩晕、梅尼埃病加重及内耳疾病。研究旨在评估内耳专用序列3D-FLAIR MRI识别迷路内异常的诊断准确性,表征血管与炎症MRI模式,明确增强前后3D-FLAIR序列的预后作用并控制执行时间、方法、既往治疗效应与改善标准等混杂因素,同时将4小时3D-FLAIR影像数据与临床及血液学数据相关联。可用于内耳疾病影像诊断与预后建模研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:突发性感音神经性听力损失、梅尼埃病、梅尼埃性眩晕、梅尼埃病加重、内耳疾病。研究目的:1. 评估MRI结合内耳更特异性序列(3D-FLAIR)采集在识别梅尼埃病或急性/亚急性突发性听力损失患者迷路内异常方面的诊断准确性,而不仅限于耳蜗后病理/神经系统病因。2. 表征血管与炎症MRI模式。3. 明确增强前后3D-FLAIR序列MRI的预后作用,排除MRI执行时间、所用方法、既往治疗效应及改善定义标准等混杂因素。4. 将4小时3D-FLAIR MRI影像数据与临床及血液学数据相关联。

【主题与分类】

主题标签:Sudden Sensorineural Hearing Loss、Meniere Disease、Ménière's Vertigo、Meniere's Disease Aggravated、Inner Ear Disease。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06278129

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/NCT06278129

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

疾病:突发性感音神经性听力损失、梅尼埃病、梅尼埃性眩晕、梅尼埃病加重、内耳疾病。研究目的:1. 评估MRI结合内耳更特异性序列(3D-FLAIR)在识别梅尼埃病或急性/亚急性突发性听力损失患者迷路内异常方面的诊断准确性,而不仅限于识别耳蜗后病理/神经系统病因。2. 描述血管性和炎症性MRI表现模式。3. 明确增强前后3D-FLAIR序列MRI的预后作用,排除MRI执行时间、所用方法、既往治疗效果及改善判定标准等混杂因素。4. 将4小时3D-FLAIR MRI影像数据与临床及血液学数据进行相关性分析。

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。