AutoFocus360 音质偏好与声明研究
该数据集来自 clinicaltrials.gov，围绕 AutoFocus 360 功能开展音质偏好与声明研究。AutoFocus 360 通过检测语音来向并引导波束成形，以提升语音清晰度
基本信息
资源简介
AutoFocus360 音质偏好与声明研究
该数据集来自 clinicaltrials.gov，围绕 AutoFocus 360 功能开展音质偏好与声明研究。AutoFocus 360 通过检测语音来向并引导波束成形，以提升语音清晰度。源站描述指出，Sonova 正常听力员工的非正式探索性测试发现，该功能相比其他麦克风模式可降低噪声干扰、改善语音清晰度，效果受噪声类型、说话人位置和具体模式对比影响。数据可用于评估听力损失人群在噪声环境下的语音清晰度与音质偏好（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：听力损失。即将推出的产品平台上的 AutoFocus 360 功能需要声明证据。AutoFocus 360 是一项通过检测语音相对于助听器佩戴者的来向并将波束成形引导至语音方向来增强语音清晰度的功能。正常听力的 Sonova 员工进行的非正式探索性测试发现，与其他麦克风模式相比，AutoFocus 360 可减少噪声干扰并改善语音清晰度，且在一定程度上取决于（1）噪声类型、（2）说话人位置和（3）具体模式对比。AutoFocus 360 旨在通过将助听器波束成形器引导至说话人相对于听者的任意位置（即前方、侧面或后方），与其他噪声中波束成形（主要是固定宽方向性）相比改善聆听。Sonova 目前没有
【主题与分类】
主题标签：Hearing Loss。本站分类：耳及乳突疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07224919
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/NCT07224919
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
条件：听力损失。需要为即将推出的产品平台上的AutoFocus 360功能提供声明证据。AutoFocus 360是一项通过检测语音相对于助听器佩戴者的来向并将波束成形导向语音方向来增强语音清晰度的功能。听力正常的Sonova员工进行的非正式探索性测试发现，与其他麦克风模式相比，AutoFocus 360可减少噪声干扰并提高语音清晰度，但在一定程度上取决于（1）噪声类型、（2）说话人位置以及（3）特定模式比较。AutoFocus 360旨在通过将助听器波束成形器导向说话者（无论其相对于听者的位置如何，即前方、侧面或后方）来改善聆听效果，与其他噪声中波束成形（主要为固定宽指向性）相比。Sonova目前没有任何数据支持这一点。因此，本研究旨在生成音质数据，证明AutoFocus 360相较于传统波束成形的优势，以用于声明证实。
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。
