人工耳蜗植入后的感知适应(Aim 3a)

该数据集来自 clinicaltrials.gov,聚焦人工耳蜗植入后的感知适应研究,对象为新植入的单侧聋人工耳蜗(SSD-CI)使用者

NYU Langone HealthNYU Langone Health
clinicaltrials
浏览 4
音频Sensorineural Hearing LossCochlear ImplantationPerceptual Adaptation
Perceptual Adaptation Following Cochlear Implantation (Aim 3a)

基本信息

模态
音频
创建/更新时间
2026-10-23

资源简介

人工耳蜗植入后的感知适应(Aim 3a)

该数据集来自 clinicaltrials.gov,聚焦人工耳蜗植入后的感知适应研究,对象为新植入的单侧聋人工耳蜗(SSD-CI)使用者。研究在激活后第一个月内让受试者每日交替使用四种频率映射,其中一种为标准护理映射,另外三种具有更高的低频边缘;此后每周初进行选择以比较四种映射并决定下周使用哪一种。目标是探究减少位置-音高不匹配如何影响感知适应,可用于听力学与人工耳蜗康复相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):状况:感音神经性听力损失、人工耳蜗植入、感知适应。本研究的目的是研究新植入的单侧聋人工耳蜗(SSD-CI)使用者的适应过程。受试者将在人工耳蜗激活后的第一个月内使用四种频率映射。其中一种映射为标准护理,另外三种具有比标准护理默认映射更高的低频边缘。这些映射在第一个月内每日交替(例外情况为允许受试者使用偏好映射而非当日预定使用的映射),此后每位受试者在每周初进行选择,以比较所有四种映射并决定在下一周初使用哪一种。本研究的目的是探究减少SSD CI使用者中的位置-音高不匹配如何影响

【主题与分类】

主题标签:Sensorineural Hearing Loss、Cochlear Implantation、Perceptual Adaptation。本站分类:耳及乳突疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07039435

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/NCT07039435

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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:感音神经性听力损失、人工耳蜗植入、知觉适应。本研究的目标是研究新植入单侧聋人工耳蜗(SSD-CI)使用者的适应过程。受试者将在人工耳蜗激活后的第一个月内使用四种频率映射。其中一种映射为标准护理映射,另外三种映射的低频边缘高于标准护理默认映射。在第一个月内,这些映射将每日轮换使用(若受试者获准使用偏好映射而非当日预定使用的映射,则属例外);此后,每位受试者将在每周开始时做出选择,以比较全部四种映射,并决定在下一周开始时使用哪一种。本研究的目标是探究减少SSD CI使用者中的位置-音高失配如何影响1)音质,2)设备使用,以及3)言语感知。

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。

获取专属数据定制方案