摘要该数据集包含509份用于耳鸣检测研究的听力图样本由伊朗乌尔米亚医科大学Urmia University of Medical Sciences在严格伦理审查框架下采集伦理编号IR.UMSU.REC.1402.284批准日期2023-12-06。数据集概述该数据集包含509份用于耳鸣检测研究的听力图样本由伊朗乌尔米亚医科大学Urmia University of Medical Sciences在严格伦理审查框架下采集伦理编号IR.UMSU.REC.1402.284批准日期2023-12-06。每份样本包含左右耳的骨传导和气传导听力测试图像以JPG格式存储数据标注为两类’N’代表正常听力个体’T’代表确诊耳鸣患者。耳鸣是一种常见的听觉障碍症状表现为在无外界声源情况下感知到铃声、嗡嗡声或嘶嘶声严重影响生活质量传统诊断依赖主观问卷和临床听力学检查缺乏客观量化标志物。该数据集通过标准化的纯音听力测试骨传导评估耳蜗功能、气传导评估整个听觉通路捕获耳鸣患者与正常人群在不同频率下的听阈差异模式为开发基于听力图的耳鸣自动筛查和辅助诊断系统提供了临床标注的影像数据基础。数据结构与关键特征数据集采用图像格式组织每个样本包含左耳和右耳的听力图JPG文件听力图呈现标准的频率-强度坐标系横轴为测试频率125Hz-8000Hz纵轴为听力级dB HL。骨传导曲线通常以方括号或尖括号标记和气传导曲线通常以圆圈或叉号标记分别描绘声音通过颅骨和外耳-中耳-内耳传导路径时的听阈水平两者之间的差距气骨导差可区分传导性听力损失和感音神经性听力损失。耳鸣患者的听力图可能呈现特征性模式高频听力下降8000Hz、6000Hz、4000Hz区域听阈升高、特定频率陷波与耳鸣音调频率对应的局部听阈异常、左右耳不对称性以及骨气导曲线形态变化。数据集包含509个双耳样本共约1018张图像标签为二分类N/T支持监督学习模型的训练和验证图像格式的数据组织使其适合卷积神经网络直接处理同时听力图的结构化特性曲线、标记点、网格也支持传统图像处理方法提取特征曲线斜率、高频平均听阈、气骨导差等定量参数。应用价值与研究方向该数据集为耳鸣客观诊断和风险筛查提供了AI技术路径可降低对主观报告的依赖特别适用于职业噪声暴露、老年人群和耳毒性药物使用者的大规模筛查。技术层面支持深度学习分类模型开发ResNet、EfficientNet、左右耳联合分析双通道输入或孪生网络以及迁移学习验证。研究方向包括多任务学习预测耳鸣存在和严重程度、可解释性AI生成频率区域重要性热图、曲线特征自动提取算法图像分割和关键点检测、跨模态融合研究结合年龄、噪声暴露史等临床元数据、时序分析评估听力图变化与耳鸣演变关系、以及小样本学习应对罕见亚型数据集的伦理合规性和标准化流程为多中心协作、跨人群验证和临床决策系统监管审批提供保障为主观症状的客观化诊断方法开发提供方法学参考。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-282文件大小33M原创声明本数据集为整理作品
