CI532 回顾性听力表现数据集
该数据集来源于 clinicaltrials.gov，为 CI532 人工耳蜗植入者的回顾性研究数据。数据通过 eCRF 收集安静与噪声环境下的言语理解数据、助听与未助听阈值、病史及电极放置异常信息，通过 cdx 文件收集受者设备特征，通过纸质问卷收集术者对 CI532 的操作与可用性评价
基本信息
资源简介
CI532 回顾性听力表现数据集
Retrospective CI532 Hearing Performance 是一个面向耳及乳突疾病领域的回顾性研究数据集，主题聚焦于听力损失，数据来源为 clinicaltrials.gov。该数据集围绕 CI532 人工耳蜗植入受者展开，汇集了这些受者在植入前与植入后常规听力评估中产生的多类信息。数据内容涵盖安静与噪声环境下的言语理解表现、助听与未助听状态下的听阈、相关病史以及电极放置方面的异常情况，同时还包括受者的设备特征以及术者对 CI532 操作与可用性的评价。整体而言，该数据集为理解 CI532 植入者在真实临床随访中的听力表现与设备使用情况提供了结构化的回顾性资料。
【数据集背景】
该数据集属于耳及乳突疾病分类下的“其他”类别，主题标签为听力损失，来源站为 clinicaltrials.gov。其研究设计为回顾性研究，目标是收集 CI532 受者在医疗记录中已有的、于植入前和植入后不同时间间隔进行的常规听力测量数据。研究对象为在常规临床随访中接受听力评估的 CI532 植入受者，研究不涉及前瞻性干预安排，而是依托既有病历资料进行数据汇总。
【数据内容】
数据集包含多类与 CI532 植入者听力表现和设备使用相关的信息。听力学方面，收集安静环境与噪声环境下的言语理解数据，以及助听和未助听条件下的听阈。临床方面，收集病史信息以及电极放置方面的异常情况。设备方面，收集受者的设备特征。此外，还通过纸质问卷收集术者对 CI532 的操作处理与可用性评价。上述内容共同构成了对受者听力表现、设备状态与临床操作体验的多维度记录。
【采集与来源】
数据采集通过多种工具完成：言语理解数据、助听与未助听阈值、病史及电极放置异常信息通过电子病例报告表（eCRF）收集；受者的设备特征通过 cdx 文件收集；术者对 CI532 的操作与可用性评价通过纸质问卷收集。研究对象的招募由照护临床医生在连续、自愿的基础上进行，参与的前提是患者签署知情同意书。数据来源于受者医疗记录中植入前后常规听力测量的回顾性提取。
【适用场景】
该数据集适用于与 CI532 人工耳蜗植入相关的回顾性听力表现分析，例如考察植入前后言语理解能力的变化、比较安静与噪声环境下的表现差异、分析助听与未助听阈值特征，以及结合病史和电极放置信息探讨个体差异。设备特征与术者问卷数据还可用于辅助理解设备配置和临床操作因素对听力表现的可能影响。其回顾性性质使其适合用于临床资料的二次分析与研究假设的生成。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03039283
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：听力损失。通过eCRF收集安静环境和噪声环境下的言语理解数据、助听与未助听阈值、病史以及电极放置方面的异常情况。通过cdx文件收集接受者的设备特征。通过纸质问卷收集外科医生对CI532的操作处理及可用性评价。该回顾性研究旨在收集CI532接受者的数据，这些接受者在植入前和植入后各时间段的病历中均有常规听力测量记录。由负责治疗的临床医生按连续、自愿的原则接触患者邀请其参与研究，前提是患者签署知情同意书。
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。
