前庭精度：生理学与病理生理学

数据集获取

源站：https://clinicaltrials.gov/study/NCT04890132

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：前庭神经鞘瘤、内耳疾病、头晕、神经纤维瘤病2型、前庭功能障碍。本研究旨在通过量化由外周和中枢前庭系统固有的神经噪声引起的行为反应变异性，来探究前庭精确度。由于神经噪声会污染由耳朵转导并由大脑处理的信号，因此即使提供相同的刺激，前庭介导的行为反应也会发生变化。在本研究中，研究人员聚焦于人类受试者的前庭精确度，并探究其来源、对行为的影响、外周受损时的退化及其潜在可塑性。具体而言，研究人员将探究：(1) 正常受试者的前庭精确度——生理学：A) 研究人员将使用强化或抵消眼动反应的新型运动组合来测量角性和线性前庭眼反射（VOR），这将使我们能够确定感觉（半规管、耳石）通路和动眼通路中产生的噪声分布和幅度。

研究者假设，正常受试者将表现出以感觉或运动为主导的双峰噪声分布，并且感觉噪声较高的受试者将表现出反映该特征的其他行为特征（例如，更高的知觉阈值）；并且B）研究者将从VOR的逐次试验变化中测定前庭噪声，并将VOR动力学与使用所测定噪声的贝叶斯模型预测的动力学进行比较。研究者预测，受试者之间、年龄和刺激幅度方面的VOR动力学变化将与贝叶斯噪声处理一致。潜在的混杂因素将被仔细控制，包括注意力、疲劳和非前庭线索。（2）外周损伤后的前庭精度——病理生理学：A）研究者将检查当一侧前庭神经受损时（由a

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。