退伍军人宽频带听力测试
该数据集来自 clinicaltrials.gov,聚焦退伍军人群体中耳、耳蜗及神经病变的鉴别诊断,评估一套新型宽频带(WB)听觉功能测试组合

基本信息
资源简介
退伍军人宽频带听力测试
该数据集来自 clinicaltrials.gov,聚焦退伍军人群体中耳、耳蜗及神经病变的鉴别诊断,评估一套新型宽频带(WB)听觉功能测试组合。WB 测试指在 0.2 kHz 至高达 8 kHz 频带内测量耳道声响应,该带宽对言语感知至关重要。测试组合涵盖中耳评估(功率吸收)、耳蜗评估(耳声发射 OAE)及声镫骨肌反射(ASR)。结果将与标准单频测试进行比较,可用于听力损失分类与鉴别诊断研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:感音神经性听力损失、传导性听力损失、混合传导-感音神经性听力损失、耳硬化症、鼓膜穿孔、中耳积液、胆脂瘤。本研究的目标是在退伍军人群体中,评估一套全面的新型宽频带(即 wideband,WB)听觉功能声学测试组合,用于中耳、耳蜗和神经病变的鉴别诊断。WB 测试是指使用从 0.2 千赫兹(kHz)到高达 8 kHz 频率的声响应测量的耳道测试,该带宽对言语感知至关重要。测试组合中将包含使用功率吸收进行中耳评估的测试、使用耳声发射(OAEs)进行耳蜗评估的测试,以及使用中耳功率吸收的声镫骨肌反射(ASR)测试。结果将与标准单频
【主题与分类】
主题标签:Hearing Loss, Sensorineural、Hearing Loss, Conductive、Otosclerosis、Tympanic Membrane Perforation、Otitis Media With Effusion、Cholesteatoma。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02019888
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/NCT02019888
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:感音神经性听力损失、传导性听力损失、混合性传导-感音神经性听力损失、耳硬化症、鼓膜穿孔、分泌性中耳炎、胆脂瘤。本研究旨在评估一套全面的新型宽带(WB)听觉功能声学测试组合,用于退伍军人群体中耳、耳蜗及神经病理的鉴别诊断。WB测试指的是利用从0.2千赫兹(kHz)至高达8 kHz频率范围内测量的声音响应进行的耳道测试,这一带宽对言语感知至关重要。测试组合中将包括使用功率吸收进行中耳评估的测试、使用耳声发射(OAEs)进行耳蜗评估的测试,以及利用中耳功率吸收进行声镫骨肌反射(ASR)测试。结果将与退伍军人听觉功能评估中常规使用的标准单频率临床声阻抗测试组合进行比较。
目标1旨在通过比较WB测试组合与传统阻抗测试组合在以下退伍军人常见疾病中的敏感性和特异性,评估WB测试组合在中耳病变及相关传导性听力损失鉴别诊断中的准确性:鼓膜穿孔、浆液性中耳炎、胆脂瘤和耳硬化症。目标2旨在修改WB ASR测试,以实现ASR阈值的自动检测,并与传统的单频率ASR阈值进行比较。目标3旨在验证瞬态诱发耳声发射(TEOAE)和自发性耳声发射(SOAEs)测试在退伍军人中评估耳蜗状态的应用,并评估其在区分正常听力与感音神经性听力损失耳中的测试性能。最后,目标4旨在比较完整WB测试组合与完整单频率导纳测试组合在检测任何类型听力损失(包括感音神经性、传导性和混合性)方面的诊断准确性。假设是WB测试组合在识别听力状态正常的耳方面比传统阻抗测试组合更准确。
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。




