周围神经病中的听觉与平衡障碍

研究目标包括评估听觉与前庭障碍在 Charcot-Marie-Tooth 患儿中的患病率,并考察这些能力随病程进展的变化

Nemours Children's ClinicNemours Children's Clinic
clinicaltrials
浏览 14
其他预测Charcot-Marie-Tooth Disease
Hearing and Balance Disorders in Peripheral Neuropathy

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

周围神经病中的听觉与平衡障碍

该数据集来自 clinicaltrials.gov,聚焦 Charcot-Marie-Tooth Disease 患儿中的听觉与前庭障碍。研究目标包括评估听觉与前庭障碍在 Charcot-Marie-Tooth 患儿中的患病率,并考察这些能力随病程进展的变化。研究假设部分患儿会因疾病进展出现听觉与前庭神经病,且其听觉与前庭能力可能随时间下降。数据可用于分析儿童 Charcot-Marie-Tooth 与听觉、前庭功能之间的关系,以及纵向随访中的功能变化趋势(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:Charcot-Marie-Tooth Disease。目标 #1:评估被诊断为 Charcot-Marie-Tooth 的儿童中听觉与前庭障碍的患病率。我们假设,由于该疾病的进展,相当数量的 Charcot-Marie-Tooth(CMT)患儿将出现听觉与前庭神经病。我们将检查儿童听觉与前庭能力的特征,以及这些特征与 CMT 类型的关系。目标 #2:检查在疾病过程中听觉与前庭能力的进展。我们假设,部分 CMT 患儿的听觉与前庭能力会随时间恶化。我们将每年重复进行听觉与前庭测试,以精确描述这些能力的进展。

【主题与分类】

主题标签:Charcot-Marie-Tooth Disease。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05827419

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/NCT05827419

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:腓骨肌萎缩症。目标1:评估确诊腓骨肌萎缩症儿童中听觉和前庭功能障碍的患病率。我们假设,相当数量的腓骨肌萎缩症(CMT)儿童会因疾病进展而出现听觉和前庭神经病。我们将检查儿童听觉和前庭能力的特征,以及这些特征与CMT类型的关系。目标2:检查疾病过程中听力和前庭能力的进展。我们假设,部分CMT儿童的听力和前庭能力会随时间恶化。我们将每年重复进行听觉和前庭测试,以精确描述这些能力的进展。

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