电极-蜗轴距离与耳蜗纤维化的深度探测和光谱工具评估
该数据集来自 clinicaltrials.gov,聚焦感音神经性听力损失与纤维化,涉及人工耳蜗植入后电极阵列周围纤维化组织的评估

基本信息
资源简介
电极-蜗轴距离与耳蜗纤维化的深度探测和光谱工具评估
该数据集来自 clinicaltrials.gov,聚焦感音神经性听力损失与纤维化,涉及人工耳蜗植入后电极阵列周围纤维化组织的评估。源站描述指出纤维化可导致电流扩散增大、听觉神经纤维刺激精度下降及电阻抗升高,影响植入体功能与电池寿命,并可能降低残余听力。数据集围绕 Cochlear® 开发的 TIM 测量(含深度探测与光谱工具)能否更好地观察植入后纤维化展开,该方法已在法国蒙彼利埃大学医院成功应用。数据可用于纤维化早期检测与预防相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:感音神经性听力损失、纤维化。人工耳蜗植入后纤维化组织生长是对异物的炎症反应,发生在电极阵列周围。它被认为导致更大的电流扩散、对听觉神经纤维的刺激精度降低以及电阻抗升高,从而影响植入体的功能和电池寿命。纤维化也被提出是降低残余听力的一个因素。因此,其早期检测和预防可以显著改善人工耳蜗植入的结局。迄今为止,尚无可靠技术在体内可视化耳蜗纤维化。然而,Cochlear®开发的TIM测量包括深度探测和光谱工具,可能为人工耳蜗植入后纤维化出现提供更好的“视图”。该方法已在法国蒙彼利埃大学医院成功应用,t
【主题与分类】
主题标签:Sensorineural Hearing Loss、Fibrosis。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05402969
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/NCT05402969
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、纤维化。人工耳蜗植入(CI)后纤维组织生长是围绕电极阵列发生的异物炎症反应。它被认为会导致电流扩散范围增大、对听神经纤维的刺激精度下降以及电阻抗升高,从而影响植入体的功能和电池寿命。纤维化也被认为是导致残余听力下降的因素之一。因此,早期发现和预防纤维化可显著改善CI的预后。迄今为止,尚无可靠的技术能够在体内可视化耳蜗纤维化。然而,Cochlear®开发的TIM测量技术(包括深度探测和光谱工具)可能有助于更好地“观察”CI后纤维化的出现。该方法已在法国蒙彼利埃大学医院成功应用于Advanced Bionics人工耳蜗植入者的患者。诱发纤维组织发展的因素之一是电极被放置于前庭阶(SV)而非鼓阶(ST)。
CBCT将用于显示电极位置以及CI可能引起的内耳损伤。随后,影像数据将与TIM测量结果相关联。潜在参与者将从法国Cochlear®植入物使用者人群中招募,这些使用者要么是在蒙彼利埃大学医院耳鼻喉科进行定期检查且植入时间超过6个月(纤维化组织形成所需的时间),要么是在同一医院近期接受植入的患者。对于长期植入的患者(计划招募160名参与者),TIM测量仅进行一次,而新植入组(计划招募20名参与者)则需要重复进行这些测量:手术当天以及术后15天、1个月、2个月、3个月和6个月。对于第一组,术后CBCT影像文件将从t
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。




