代谢紊乱与眩晕
该数据集来源于 clinicaltrials.gov,聚焦代谢紊乱与眩晕,覆盖良性阵发性位置性眩晕(BPPV)、前庭性偏头痛、中枢性位置性眩晕、前庭神经炎和梅尼埃病等病种

基本信息
资源简介
代谢紊乱与眩晕
该数据集来源于 clinicaltrials.gov,聚焦代谢紊乱与眩晕,覆盖良性阵发性位置性眩晕(BPPV)、前庭性偏头痛、中枢性位置性眩晕、前庭神经炎和梅尼埃病等病种。源站描述指出,头晕可占初级神经科主诉的 2% 至 15%,部分急性眩晕患者会发展为姿势不稳和持续性姿势知觉性眩晕(PPPV),而其他相似病例则完全恢复。该病例对照研究纳入中枢性和周围性眩晕两组患者,第一组为周围性前庭疾病患者。数据可用于探索影响神经前庭代偿结局的神经生理、代谢和心理生理因素及相关病前状态(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:良性阵发性位置性眩晕(BPPV)、前庭性偏头痛、中枢性位置性眩晕、前庭神经炎、梅尼埃病。头晕可占初级神经科主诉的 2% 至 15%。在一些经历过急性眩晕的患者中,会出现姿势不稳、持续性姿势知觉性眩晕(PPPV),而在其他类似病例中则完全恢复。因此,有必要寻找影响神经前庭代偿结局的神经生理、代谢和心理生理因素及相关病前状态。该病例对照研究将纳入两组患有中枢性和周围性病因眩晕的患者。第一组招募被诊断为周围性前庭疾病的患者,如良性阵发性位置性眩晕(BPPV)、梅尼埃病、前庭神经炎。提案编号
【主题与分类】
主题标签:Vestibular Migraine、Central Positional Vertigo、Vestibular Neuritis、Meniere Disease。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04935970
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/NCT04935970
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
疾病:良性阵发性位置性眩晕(BPPV)、前庭性偏头痛、中枢性位置性眩晕、前庭神经炎、梅尼埃病。头晕占初级神经科主诉的比例高达2%至15%。部分经历过急性眩晕的患者会发展为姿势不稳、持续性姿势-知觉性眩晕(PPPV),而其他类似病例则完全康复。因此,有必要寻找影响神经前庭代偿结局的神经生理学、代谢及心理生理学因素和相关病前状态。本病例对照研究将纳入两组分别患有中枢性和外周性病因眩晕的患者。第一组招募被诊断为外周性前庭疾病的患者,如良性阵发性位置性眩晕(BPPV)、梅尼埃病、前庭神经炎。第一组拟纳入的受试者人数约为四十名。第二组将由四十名中枢性前庭功能障碍患者组成:前庭性偏头痛、中枢性位置性眩晕等。是否纳入持续性姿势-知觉性头晕患者尚在讨论中。
患者将通过酶联免疫吸附试验(ELISA)检测血清中的羟基维生素D和同型半胱氨酸。采用头晕残障量表(DHI)评估患者对残疾严重程度的主观感受。所有患者都将接受心理测试,包括tas-26量表、贝克抑郁量表、斯皮尔伯格-哈宁量表。统计分析采用统计分析系统(SAS)软件包进行。变量间关系将采用卡方检验和逻辑回归进行评估。显著性水平设定为p < 0.05。将采用适用于小样本的方法(Mann-Whitney U检验)。据推测,两组间维生素D水平的差异将相当显著。
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。




