中耳疾病相干光检测
中耳炎是美国儿科最常见的感染诊断,影响90%的儿童,也是儿童抗菌治疗和手术的最常见指征,可导致听力损失、言语及发育迟缓,每年造成超过50亿美元的医疗支出

基本信息
资源简介
中耳疾病相干光检测
该数据集来自 clinicaltrials.gov,聚焦中耳疾病(Otitis Media)的相干光检测。中耳炎是美国儿科最常见的感染诊断,影响90%的儿童,也是儿童抗菌治疗和手术的最常见指征,可导致听力损失、言语及发育迟缓,每年造成超过50亿美元的医疗支出。数据集覆盖 Otitis Media、Otitis Media With Effusion 和 Otitis Media Acute 等类型,可用于中耳炎诊断准确性相关研究,支持改进治疗决策与资源配置(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:中耳炎、伴渗出性中耳炎、急性中耳炎。中耳炎(OM)是美国儿科患者就诊时最常见的诊断,影响90%的儿童,也是幼儿抗菌治疗和手术的最常见指征。尽管在改善诊断、治疗和预防方面进行了许多尝试,OM仍对儿童产生高度流行的影响,并带来大量持续性疾病负担。OM仍是儿童听力损失的最常见原因,并导致言语、教育和其他发育迟缓。OM可引起危及生命的并发症,且费用高昂,每年导致美国医疗保健支出超过50亿美元。尽管OM普遍存在且难以处理,但缺乏足以指导适当治疗的诊断准确性,导致治疗OM的资源错配。本提案构建
【主题与分类】
主题标签:Otitis Media、Otitis Media With Effusion、Otitis Media Acute。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05353569
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/NCT05353569
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
疾病:中耳炎、渗出性中耳炎、急性中耳炎。中耳炎(OM)是美国儿科患者因病就诊时最常见的诊断,影响90%的儿童,并且是幼儿中使用抗菌治疗和手术最常见的指征。尽管在改善诊断、治疗和预防方面做出了许多尝试,中耳炎仍然对儿童产生高度普遍的影响,并持续导致大量疾病负担。中耳炎仍然是儿童听力损失最常见的原因,并导致言语、教育及其他发育迟缓。中耳炎可引发危及生命的并发症,且费用高昂,每年在美国造成超过50亿美元的医疗支出。尽管中耳炎普遍存在且处理困难,但缺乏足以指导适当治疗的诊断准确性,导致在治疗中耳炎时资源分配不当。
本提案建立在我们核心假设的基础上:增强的诊断工具,特别是光学相干断层扫描(OCT),将提高诊断水平,并减少治疗急性中耳炎所需的抗生素、减少慢性中耳炎的手术干预,以及总体上减少与该疾病相关的并发症和费用。在本提案中,研究者将探索三个具体目标。第一个目标的A部分,研究者将对因耳痛或中耳炎就诊于初级保健诊所的儿科患者,使用耳镜检查和OCT进行中耳病理的比较评估,假设在标准耳镜检查基础上加入OCT将提高诊断准确性并减少总体抗生素处方。在该目标的B部分,将对因慢性中耳炎伴积液(OME)转诊至儿科耳鼻喉科诊所的儿科患者,使用耳镜检查以及听力测定/鼓室压测定和OCT进行中耳病理的比较评估,假设在标准耳镜检查及听力测定/鼓室压测定基础上加入OCT将提高诊断准确性并减少总体n
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。




