单侧耳聋与非对称性听力损失
该数据集来自 clinicaltrials.gov，聚焦单侧耳聋与非对称性听力损失，涉及单侧听力损失与感音神经性听力损失两类情况
基本信息
资源简介
单侧耳聋与非对称性听力损失
Single-Sided Deafness and Asymmetric Hearing Loss 数据集对应 clinicaltrials.gov 上登记的一项关于单侧耳聋与非对称性听力损失的临床研究，涉及单侧听力损失与感音神经性听力损失两类情况。该研究采用单受试者、重复测量、多中心的设计，计划在 6 个中心开展，共招募 65 名受试者，受试者来自美国与加拿大的 6 个中心，并在器械植入后接受至少 3 年的随访。数据集在分类上归入耳及乳突疾病下的其他类，主题标签为单侧听力损失与感音神经性听力损失，可为关注单侧耳聋及非对称性听力损失研究方向的人员提供该研究的结构化信息入口。
【数据集背景】
该数据集聚焦的疾病领域为耳及乳突疾病，具体指向单侧耳聋与非对称性听力损失。从研究登记信息看，所涉条件包括单侧听力损失与感音神经性听力损失，这两类情况构成了该研究的主要关注对象。研究设计为单受试者、重复测量、多中心研究，计划在 6 个中心实施，其中 6 个中心分布于美国与加拿大，负责受试者招募。研究计划入组 65 名受试者，受试者在器械植入后将被随访至少 3 年。上述背景信息勾勒出该数据集所依托研究的规模、地域分布与随访周期框架。
【数据内容】
该数据集的主题标签为单侧听力损失与感音神经性听力损失，对应研究条件为单侧听力损失与感音神经性听力损失。研究采用单受试者、重复测量的设计，意味着数据在个体层面进行重复观测；多中心设计则表明数据来自 6 个中心。研究计划纳入 65 名受试者，受试者随访期至少为器械植入后 3 年。除上述研究设计与受试者规模信息外，数据集具体包含的变量、字段结构、测量指标与记录格式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究由分布于美国与加拿大的 6 个中心共同开展并招募受试者，计划入组 65 名受试者。研究采用单受试者、重复测量的多中心设计，受试者在器械植入后接受至少 3 年的随访。关于各中心的具体名称、招募起止时间、随访的具体时间点安排以及数据采集的具体流程，源站未提供。
【适用场景】
基于其所涉及的单侧听力损失与感音神经性听力损失主题，该数据集可用于了解单侧耳聋与非对称性听力损失相关临床研究的登记信息，例如研究设计类型、多中心布局、计划样本量与随访时长等概况性内容。其主题标签有助于在耳及乳突疾病范围内按单侧听力损失、感音神经性听力损失等方向进行检索与归类。关于该数据集在具体分析、建模或临床决策中的适用性，源站未提供。
【使用方法】
该数据集来自 clinicaltrials.gov，可通过该来源站获取其登记信息。关于数据的具体获取方式、访问权限、下载格式、字段说明及使用操作步骤，源站未提供。
【质量与限制】
该研究为单受试者、重复测量、多中心设计，计划入组 65 名受试者，随访至少 3 年，这些设计要素构成了对该数据集所依托研究的基本规模与时间跨度描述。关于数据完整性、准确性、缺失情况、偏倚控制及质量控制措施等质量相关信息，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov。关于引用格式、许可条款与使用限制，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/NCT04506853
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：单侧听力损失、感音神经性听力损失。本研究将作为单受试者、重复测量、多中心研究在6个中心开展。本研究将招募65名受试者。美国和加拿大的六个中心将为本研究招募受试者。研究受试者将在设备植入后至少随访3年。
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。
