基本信息

模态

音频

创建/更新时间

2026-10-23

资源简介

改善年龄相关性听力损失个体的噪声中言语感知

该数据集英文名为 Improving Speech in Noise Perception for Individuals With Age-related Hearing Loss，来源于 clinicaltrials.gov，主题聚焦年龄相关性听力损失（Presbycusis）人群的噪声中言语感知问题。源站描述指出，老年性聋（Presbycusis）所代表的听力损失，尤其是噪声环境下的言语感知困难，可能导致老年人从社交场合中退缩；助听器虽能放大声音并在许多情境中发挥作用，但在嘈杂环境中可能效果不佳。拟开展的试点研究将评估经皮耳迷走神经刺激（taVNS）在改善年龄相关性听力损失成人噪声中言语感知方面的作用。本站将其归类为耳及乳突疾病 / 其他，主题标签为 Presbycusis。

【数据集背景】

该数据集所对应的研究关注年龄相关性听力损失人群在日常生活中面临的沟通困难。源站描述强调，听力损失特别是噪声中的言语感知障碍，可能使老年人减少社会参与、从社交情境中退缩。助听器作为常见的干预手段，能够放大声音并在多种场合提供帮助，但在噪声环境中可能不够有效。基于这一背景，拟议的试点研究将评估 taVNS 对年龄相关性听力损失成人噪声中言语感知的改善作用。该数据集即围绕这一研究主题组织，主题标签为 Presbycusis，本站分类归入耳及乳突疾病 / 其他。

【数据内容】

源站描述提及的研究条件为 Presbycusis，研究性质为试点研究，干预方式为 taVNS，评价方向为噪声中言语感知的改善。除上述内容外，源站未提供该数据集具体包含的字段、变量、记录数量、受试者信息、测量指标或结果数据等细节。

【采集与来源】

该数据集来源于 clinicaltrials.gov，源站描述以研究条件与拟议试点研究的形式呈现相关信息。关于具体的采集流程、采集时间、样本来源、纳入与排除标准、数据收集工具与随访安排等，源站未提供。

【适用场景】

依据源站描述，该数据集主题适用于关注年龄相关性听力损失（Presbycusis）人群噪声中言语感知问题的场景，也可用于了解以 taVNS 为干预手段、以改善噪声中言语感知为评价方向的试点研究背景。关于该数据集在其他研究、临床或教学场景中的具体适用性，源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法，包括数据获取方式、数据结构说明、变量定义、分析指南或配套工具等。

【质量与限制】

源站描述表明相关研究为试点研究，除此之外，源站未提供该数据集在完整性、准确性、样本规模、偏倚控制或数据校验等方面的质量信息与限制说明。

【引用与许可】

源站未提供该数据集的引用方式与许可信息。

原始链接

https://clinicaltrials.gov/study/NCT07192757

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT07192757

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。

数据说明

条件：老年性耳聋。听力损失，尤其是在噪声环境中对言语感知的影响，可能导致老年人退出社交场合。虽然助听器有助于放大声音，在许多情况下很有用，但在嘈杂环境中可能效果不佳。拟议的试点研究将评估经皮耳迷走神经刺激（taVNS）在改善年龄相关听力损失成人噪声中言语感知方面的作用。

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