人工耳蜗耳残余听力的临床效用
该数据集来自 clinicaltrials.gov,聚焦人工耳蜗植入耳残余听力的临床效用问题,涵盖感音神经性听力损失、听力损失及双侧听力损失等情形

基本信息
资源简介
人工耳蜗耳残余听力的临床效用
该数据集来自 clinicaltrials.gov,聚焦人工耳蜗植入耳残余听力的临床效用问题,涵盖感音神经性听力损失、听力损失及双侧听力损失等情形。源站描述指出,残余声学听力在人工耳蜗植入中的临床重要性尚不明确,仅约百分之五的成人候选者接受人工耳蜗植入,手术相关的残余听力丧失是主要障碍,而术中听力监测系统的最新进展有望为外科医生提供植入过程实时反馈。数据可用于相关临床研究与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:感音神经性听力损失、听力损失、双侧听力损失。残余声学听力在人工耳蜗(CI)中的临床重要性仍不明确。据估计,仅百分之五的成人候选者接受CI。一个主要障碍是与手术相关的残余听力丧失,这意味着大多数患者因CI手术而丧失全部或部分残余听力,尤其是当今大多数候选者并非完全耳聋。因此,许多候选者面临抉择:放弃其剩余的声学听力,以换取通过CI获得的电听觉,因为CI手术通常导致任何残余听力的完全丧失。然而,CI手术期间听力监测系统的最新进展已显示出前景,可为外科医生提供人工耳蜗植入过程进展的实时反馈,从而允许
【主题与分类】
主题标签:Hearing Loss, Sensorineural、Hearing Loss、Hearing Loss, Bilateral。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04707885
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/NCT04707885
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、听力损失、双侧听力损失。残余声学听力在人工耳蜗(CI)中的临床重要性仍不明确。据估计,仅有5%的成年候选者接受人工耳蜗植入。一个主要障碍是与手术相关的残余听力丧失,这意味着大多数患者因人工耳蜗手术而丧失部分或全部残余听力,尤其是当今大多数候选者并非完全耳聋。因此,许多候选者面临这样的抉择:放弃其剩余的声学听力,以换取通过人工耳蜗获得的电听觉,因为人工耳蜗手术往往导致任何残余听力的完全丧失。然而,人工耳蜗手术期间听力监测系统的最新发展已显示出良好前景,可为外科医生提供耳蜗植入体插入过程进展的实时反馈,使外科医生能够在插入过程中进行术中调整,从而可能最大限度地减少植入体插入所造成的任何创伤,最终有助于保留残余听力。这最终可能提高听力保留率。
因此,本研究旨在探究:1)使用听力监测系统(耳蜗电图)指导人工耳蜗植入手术对听力保留率的优势;2)确定助听器/人工耳蜗联合听力相较于非听力保留型人工耳蜗植入(仅由人工耳蜗提供电刺激)在言语感知和生活质量指标上为参与者带来的益处。
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。




