UmboMic 中耳麦克风表征与测试数据集
该数据集来自 Harvard Dataverse，对应即将发表于 JARO 的 UmboMic 中耳麦克风表征与测试研究，作者为 Wawrzynek, Emma
基本信息
资源简介
UmboMic 中耳麦克风表征与测试数据集
The UmboMic: Characterization and Testing of a Middle Ear Microphone 数据集收录于 Harvard Dataverse，作者为 Wawrzynek, Emma，发布时间标注为 2026 年。该数据集对应一项即将发表于 JARO 的研究，主题为中耳麦克风 UmboMic 的表征与测试。数据集在站内归入耳鼻咽喉疾病 / 外耳道狭窄分类，主题标签涵盖工程以及医学、健康与生命科学，来源站为 doi.org。整体而言，该数据集围绕中耳麦克风这一医疗器械相关器件的研究数据展开，服务于相关工程表征与测试结果的保存与共享。
【数据集背景】
该数据集所对应的研究为即将在 JARO 发表的论文《The UmboMic: Characterization and Testing of a Middle Ear Microphone》。从题名可以看出，研究聚焦于名为 UmboMic 的中耳麦克风，工作内容包括对该器件的表征与测试。数据集由 Wawrzynek, Emma 提交，存放于 Harvard Dataverse，发布时间为 2026 年。数据集在站内被归入耳鼻咽喉疾病 / 外耳道狭窄这一分类之下，主题标签同时覆盖工程与医学、健康与生命科学两个方向，反映出该研究处于工程技术与听觉医学的交叉地带。
【数据内容】
源站未提供。现有信息仅表明该数据集与 UmboMic 中耳麦克风的表征与测试研究相对应，未说明其中包含的具体数据文件、数据类型、变量字段、样本数量或记录格式。
【采集与来源】
源站未提供。可确认的信息是数据来源站为 doi.org，数据集存放于 Harvard Dataverse，作者为 Wawrzynek, Emma；关于采集对象、采集设备、采集环境与采集流程等细节，源站未提供。
【适用场景】
源站未提供。结合数据集的主题标签与分类，其可能服务于中耳麦克风相关的工程表征与测试研究，以及耳鼻咽喉疾病 / 外耳道狭窄方向的相关工作，但具体适用场景源站未提供。
【使用方法】
源站未提供。数据集的文件组织方式、读取方式、配套说明文档及使用条件等，源站未提供。
【质量与限制】
源站未提供。数据集的完整性、准确性、样本规模及已知局限等信息，源站未提供。
【引用与许可】
源站未提供。数据集的引用格式与许可条款，源站未提供；可确认的关联信息为作者 Wawrzynek, Emma、存放平台 Harvard Dataverse、来源站 doi.org，以及对应研究即将发表于 JARO。
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://doi.org/10.7910/DVN/VOHMUH
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 464.1 MB。
数据说明
Data in upcoming JARO publication “The UmboMic: Characterization and Testing of a Middle Ear Microphone”
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。
