早期青少年唇裂与非唇裂儿童外貌感知与社会接纳研究

该数据集来自clinicaltrials.gov,聚焦早期青少年唇裂和腭裂(CLP)患者与无CLP儿童的外貌感知与社会接纳差异

Chang Gung Memorial HospitalChang Gung Memorial Hospital
clinicaltrials
浏览 8
图像分类Cleft Lip and PalateSocial Isolation
Perception of Appearance and Social Acceptance Between Cleft and Non-Cleft Children in Early Adolescence

基本信息

模态
图像
任务类型
分类
创建/更新时间
2026-10-12

资源简介

早期青少年唇裂与非唇裂儿童外貌感知与社会接纳研究

该数据集来自clinicaltrials.gov,聚焦早期青少年唇裂和腭裂(CLP)患者与无CLP儿童的外貌感知与社会接纳差异。研究采用三维表面成像,让学龄儿童(含CLP与无CLP)评估术后CLP患者及无CLP者的面部图像,并填写问卷,以Likert 1-5分评估面部外观和社会接纳度。结果以柱状图呈现,并采用项目反应理论-分级反应模型进行估计。数据可用于分析儿童对颅面异常同伴的感知与接纳,支持社会隔离相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:唇裂和腭裂、社会隔离。背景:本研究利用三维(3D)表面成像,旨在了解学龄儿童在有无唇裂和腭裂(CLP)情况下的感知差异,并探讨同伴对颅面异常儿童术后情况的认知与接纳。方法:这项横断面研究使用早期青少年CLP修复后患者及无CLP患者的三维表面图像,由学龄儿童(有CLP和无CLP)进行检查。两组均评估图像并回答问卷,以引出对颅面异常儿童面部外观和社会接纳的感知,每个问题按1至5分的Likert量表评分。结果以柱状图呈现,并采用项目反应理论-分级反应模型进行估计

【主题与分类】

主题标签:Cleft Lip and Palate、Social Isolation。本站分类:口颌系统疾病/唇裂和腭裂。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06539572

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/NCT06539572

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:唇裂和腭裂,社会孤立。背景:本研究旨在利用三维(3D)表面成像技术,了解唇裂和腭裂(CLP)学龄儿童与非CLP学龄儿童在感知上的差异,并探讨同龄人对颅面异常儿童术后情况的认知与接纳程度。方法:本横断面研究采用了早期青少年CLP修复术后患者及非CLP患者的三维表面图像,供学龄儿童(包括CLP儿童和非CLP儿童)审视。两组儿童对图像进行评估,并回答了一份问卷,该问卷旨在了解他们对颅面异常儿童面部外观及社会接纳度的看法,每个问题采用李克特五点量表进行评分。结果以条形图展示,并运用项目反应理论-分级反应模型来估计每位参与者的潜在能力(θ)。问卷的信度通过克隆巴赫α系数检验进行评估。

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