成人轻中度听力损失非处方助听器自评方法临床评估
本数据集来自clinicaltrials.gov,聚焦于感知轻中度听力损失的成人,评估RH210助听器软件的两种自评响应方法所生成的NAL-R处方增益

基本信息
资源简介
成人轻中度听力损失非处方助听器自评方法临床评估
本数据集来自clinicaltrials.gov,聚焦于感知轻中度听力损失的成人,评估RH210助听器软件的两种自评响应方法所生成的NAL-R处方增益。研究将比较两种自评方法与传统听力计测听在相同NAL-R处方下的增益输出,并通过言语可懂度指数(SII)分析评估增益的可听度,同时考察参与者对两种自评方法的偏好。数据可用于助听器验配算法比较、自评方法有效性验证及听力康复研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:感音神经性听力损失、感知性听力损失、听力障碍。本临床研究的目的是评估两种RH210助听器软件自评响应方法,用于为感知轻中度听力损失的成人生成基于NAL-R的处方增益。研究将比较每种RH210自评响应方法得出的处方增益输出与使用相同NAL-R处方方法从传统听力计测听得出的处方增益输出。研究还将通过言语可懂度指数(SII)分析评估所得处方增益是否提供估计的可听度,并将评估参与者对两种自评响应方法的偏好。RH210A是一种气导助听器,专为感知轻中度感音神经性听力损失的成人设计。两种RH210自
【主题与分类】
主题标签:Sensorineural Hearing Loss、Perceived Hearing Loss、Hearing Impairment。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07738237
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/NCT07738237
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:感音神经性听力损失、感知性听力损失、听力障碍。本临床研究的目的是评估两种RH210助听器软件自评反应方法,这些方法用于为感知轻至中度听力损失的成人生成基于NAL-R的处方增益。本研究将比较由每种RH210自评反应方法得出的处方增益输出与使用相同NAL-R处方方法由传统听力计测听得出的处方增益输出。本研究还将通过言语清晰度指数(SII)分析评估所得处方增益是否提供估计的可听度,并将评估参与者对两种自评反应方法的偏好。RH210A是一款气导助听器,专为感知轻至中度感音神经性听力损失的成人设计。本研究中评估的两种RH210自评反应方法为:1. 检测反应方法(选项1):参与者在听到音调或蜂鸣声时按下反应控制键。2.
可听度释放反应法(选项2):受试者在听到音调或提示音时保持按压,在不再听到时释放反应控件。本研究旨在:1. 评估由传统听力计测听生成的NAL-R处方增益输出与由每种RH210自评估反应法生成的NAL-R处方增益输出之间的一致性。2. 按耳别和频率比较检测反应法与可听度释放反应法在处方增益一致性方面的差异。3. 使用言语可懂度指数(SII)分析评估与自评估衍生NAL-R处方相关的估计可听度。4. 确定任一自评估反应法是否提供可接受的估计可听度,包括在处方增益与传统听力计测听衍生NAL-R处方不完全匹配的情况下。5. 评估受试者在检测反应法与可听度释放
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。




