Project PAIR:家长实施的语音干预结合重铸法

该数据集来自 clinicaltrials.gov,聚焦听力障碍儿童。研究采用单一被试跨被试多基线设计,探索家长在家庭中实施 Broad Treatment Speech Recast(BTSR)并辅以传统言语治疗师主导的构音治疗,对小学阶段聋哑及听障儿童言语产出的效果

Vanderbilt UniversityVanderbilt University
clinicaltrials
浏览 2
音频Hearing Impaired Children
Project PAIR: Parent-implemented Articulation Intervention With Recast

基本信息

模态
音频
创建/更新时间
2026-10-23

资源简介

Project PAIR:家长实施的语音干预结合重铸法

该数据集来自 clinicaltrials.gov,聚焦听力障碍儿童。研究采用单一被试跨被试多基线设计,探索家长在家庭中实施 Broad Treatment Speech Recast(BTSR)并辅以传统言语治疗师主导的构音治疗,对小学阶段聋哑及听障儿童言语产出的效果。研究关注两个问题:言语治疗师实施的训练式构音治疗结合家长在家同步实施 BTSR 能否改善语音产出;以及两者结合能否使语音准确度在对话层面泛化。数据可用于评估家长参与式言语干预的疗效与泛化效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:听力障碍儿童。本研究采用单一被试跨被试多基线设计,旨在探索家长实施的 Broad Treatment Speech Recast 辅以传统临床医生主导的构音治疗对小学阶段聋哑及听障儿童言语产出的有效性。为实现这些目标,将研究以下研究问题:1. 当家长在家同步实施 BTSR 时,由言语语言病理学家实施的训练式构音治疗能否改善 DHH 儿童的语音产出?2. 家长实施的 BTSR 与临床医生主导的传统构音治疗相结合,能否在对话层面实现语音准确度的泛化?

【主题与分类】

主题标签:Hearing Impaired Children。本站分类:耳及乳突疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06936696

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/NCT06936696

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:听障儿童。本研究采用单一被试跨参与者多基线设计,旨在探讨家长实施的广泛治疗性言语重述辅以传统临床医生主导的构音治疗对小学阶段聋哑及重听儿童言语产出的有效性。为实现上述目标,将探讨以下研究问题:1. 当家长在家中同时实施BTSR时,由言语语言病理学家实施的操练式构音治疗是否能改善DHH儿童的言语声音产出?2. 家长实施的BTSR与临床医生主导的传统构音治疗相结合,是否能在对话层面实现言语声音准确性的泛化?

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