信息速览
INFOBOX：fdtooth 速览
| 字段 | 值 |
|---|---|
| 数据集 | FDTooth: Intraoral Photographs and CBCT Images for FD Detection v1.0.0 |
| slug | fdtooth |
| 发布 | 2025-05-05｜PhysioNet |
| DOI | 10.13026/v9xk-dy61 |
| 访问 | Credentialed（License 1.5.0 + DUA 1.5.0，批次预判正确） |
| 规模 | 241 患者｜241 照片（5760×3840）+ 241 CBCT（DICOM）+ 2,892 牙级标注 + 1,800 box |
| 标注 | 两牙医独立，κ>0.9 间/内双轮；照片 box 金标准取自 CBCT |
| 病种 | 牙开窗（F 780）/骨开裂（D 796）/正常（N 824），FDI 编号前牙 12 颗 |
| 出身 | 香港大学牙学院 + 香港科技大学 ECE（论文 10 人，页面 4 人） |
| 论文 | Scientific Data 12:1007 (2025)，DOI 10.1038/s41597-025-05348-3（IF 8.5） |
| IRB | HKU/HA HKWC UW 23-632｜采集窗 2010-01~2023-01 |
| 一句话 | 用照片筛骨缺损：把"拍 CBCT"的第一道门槛变成"拍张照片" |
§0 摘要卡：给牙槽骨缺陷装上"照片级雷达"
§0.1 名称与口径声明
本条目记录 PhysioNet 数据集 FDTooth（slug：fdtooth），v1.0.0，2025-05-05 发布，DOI 10.13026/v9xk-dy61，访问级别 Credentialed（License 1.5.0 + DUA 1.5.0）。FD=fenestration（开窗）与 dehiscence（骨开裂）——牙根透过牙槽骨缺损直接或近乎直接暴露于软组织的两类骨性缺陷，正畸/牙周/修复三科共同的临床痛点。FDTooth 是首个公开的"口内照片+CBCT"成对数据集：241 名患者的双模态影像 + 三种形态的标注。
条目事实经三轮核查：PhysioNet 页面全量（WebFetch+curl 双通道）、作者机构与论文确认（PubMed/Nature 官方页）、Access/Views/License 实测。存照：页面作者卡截断导致的机构误读风险（HKU vs HKUST）与 1,800/2,892 双标注口径——见 §10。
§0.2 读者收益清单
- 牙科 AI 研究者：首个"照片→骨缺损"监督信号来源——CBCT 金标准传导到照片标注（1,800 box），让"不拍 CT 就初筛骨缺损"从想法变成可训练任务
- 口腔影像工程师：2,892 颗前牙的三分类标签（F/D/N）+ FDI 国际牙位编号 + MakeSense 兼容 JSON——标注格式开箱即用
- 正畸/牙周临床研究者：241 例的 FD 患病结构（并存 145/仅 F 60/仅 D 23/正常 13）可作为流行病学分析或术前评估的参考分布
- 医学影像教学者：真实双模态对齐样本（同一患者照片+CBCT）是影像解剖教学的稀缺素材
- 数据集工程团队：κ>0.9 双人双轮标注协议 + "金标准跨模态传导"设计，是小型专科数据集质控的模板
§0.3 本条目与其他条目的阅读组合
- 500 chest-ct-sepsis-er / 499 CIED 检测：同库医学影像条目——本集是其中唯一的口腔 CBCT 模态
- 506/507/508（MIMIC-CXR 家族）：范式同构（“标注即资产”）但母体/病种不同——本集证明该范式在牙科专科的可复制性
- 499-501 影像检测/分割条目：bounding box 与分割掩码两类标注形态的对照阅读
§0.4 身份卡：一条命令背下这个数据集
名称 FDTooth: Intraoral Photographs and CBCT Images for FD Detection
版本 v1.0.0（2025-05-05，唯一版本）
DOI 10.13026/v9xk-dy61
访问 Credentialed（License 1.5.0 + DUA 1.5.0）
规模 241 患者 = 241 照片 + 241 CBCT + 2,892 牙级标签 + 1,800 box
标注 双牙医独立标注 κ>0.9（间/内双轮）；box 金标准取自 CBCT
出身 HKU 牙学院 × HKUST ECE（论文 10 人）
论文 Scientific Data 12:1007 (2025)，IF 8.5
IRB HKU/HA HKWC UW 23-632｜采集 2010-2023
它的存在理由是一个临床不对称：FD 的精确诊断要拍 CBCT（辐射+费用+时间），而日常初筛只靠肉眼（主观且不一致）——241 名患者的成对影像，就是给"肉眼与 CT 之间"的鸿沟铺的第一块垫片。
§1 出身与谱系：牙学院与电子系的跨海桥
§1.1 双校团队：临床与算法的分工
FDTooth 的团队结构是标准的"临床-算法"双核：
- 香港大学牙学院（Faculty of Dentistry）：三个系参与——儿童牙科与正畸系（Keyuan Liu 一作、Yanqi Yang 通讯、Guang Chu、Zhiyi Shan、Howard Sum）、Applied Oral Sciences & Community Dental Care（Kuo Feng Hung）、修复牙科科学系（Chengfei Zhang）——负责数据采集、临床标注与金标准制定
- 香港科技大学（HKUST）电子与计算机工程系：Marawan Elbatel 与 Xiaomeng Li（通讯，eexmli@ust.hk）——负责算法设计与 baseline 模型
机构存照：PhysioNet 页面作者卡将 HKUST 截断显示为"The Hong Kong University"，易误读为 HKU——论文署名实锤 Xiaomeng Li 与 Elbatel 的机构是 HKUST 电子与计算机工程系。正文全部按论文口径。
§1.2 作者名单的页面-论文差异
PhysioNet 页面列 4 人（Yang/LI/Liu/Elbatel），论文署名 10 人——论文 Contributions 段分工明确：Liu（一作，概念/设计/采集/分析/执笔）、Elbatel（概念/设计/分析）、Chu/Shan/Sum（数据分析）、Hung/Zhang（数据解释与审稿）、Li/Yang（全程指导与审稿）。本条目 INFOBOX 按页面 4 人速览、正文按论文 10 人口径展开——两种口径各有出处，不混写。
§1.3 病种的解剖：F 与 D 到底是什么
开窗（fenestration）：牙槽骨壁上出现窗口状缺损，牙根表面在骨窗外直接覆盖牙龈/黏膜——“骨墙破了个洞”。
骨开裂（dehiscence）：骨缘高度不足，牙根的根方部分裸露至牙槽嵴顶——“骨墙缺了一截到顶”。
两者的临床意义：正畸移动牙齿前若存在 FD，移动会加剧骨缺损乃至骨坏死；种植/修复前未识别 FD 影响长期预后。诊断金标准是 CBCT 的骨壁测量——但 CBCT 的辐射、费用与时间使其不可能作为常规筛查。肉眼初筛（牙龈轮廓改变、根形隆起）是现实中的第一道关卡，却因医生经验差异而高度不一致——FDTooth 的任务定义正落在这道关卡上：让 AI 从照片中做初步分层。
§1.4 时间线年表
2010-01~2023-01 HKU 教学患者数据采集（回顾性，13 年窗）
2024-06-24 论文投稿 Scientific Data
2025-05-05 PhysioNet v1.0.0 挂牌
2025-06-05/14 论文接收/在线发表（Sci Data 12:1007）
2026-09 核查时点：Views 74（新集+门槛，低曝光正常）
挂牌（5 月）早于论文发表（6 月）40 天——"数据集先行"的资源型发布节奏（同 508 的 MIMIC-PRO/CXR-PRO 模式）。
§1.5 用户画像：谁该用、谁不该用
该用：① 牙科影像 AI 团队（首个照片-CBCT 对齐库，检测/分类/多模态融合三线皆可）；② 口腔流行病学研究（241 例的年龄/性别/FD 分布是真实临床采集的参考样本）；③ 影像教学（成对双模态+标准牙位编号）；④ 标注工程团队（κ>0.9 协议与金标准传导设计的现成模板）。
不该用：① 后牙与复杂病例的建模（库内明确排除）；② 多设备泛化研究（单台 CBCT，跨设备无解）；③ 大规模预训练（241 例太小）；④ 需要 3D 分割掩码的任务（本集只有牙级标签+2D box，无 CBCT 体素分割）。
§1.6 名词速查表
| 术语 | 含义 |
|---|---|
| FD | fenestration（开窗）+ dehiscence（骨开裂）的合称 |
| CBCT | 锥形束 CT——牙科三维成像主力，FD 诊断金标准 |
| 口内照片 | intraoral photograph——口内拍摄的高分辨率照片（本集 5760×3840） |
| FDI 编号 | FDI 世界牙科联合会牙位编号（两位数：象限+序号），本集前牙 12 颗/人 |
| 金标准传导 | 以 CBCT 诊断为准，把标签"传"到照片的 bounding box 上 |
| κ（Cohen’s kappa） | 标注者间一致性系数（>0.8 即优，本集 >0.9） |
| MakeSense | 开源图像标注工具——本集 JSON 与其格式兼容 |
| 匿名 ID | 001-241 三位数字伪 ID（DICOM 元数据清除后重编） |
§1.7 资助与独立性
页面未列专项资助；论文无利益冲突声明；数据来自 HKU 教学患者（知情同意覆盖研究用途）。作为 Sci Data 型数据描述论文，资助细节以论文 Acknowledgements/正文为准——本条目按页面口径不虚构资助链。
§2 语境与设计逻辑：跨模态金标准传导的设计学
§2.1 “金标准下放”：本集最聪明的一步
FD 诊断的金标准是 CBCT（骨壁毫米级测量），但训练数据的日常采集形态是照片。FDTooth 的设计学核心：让 CBCT 当出题人，让照片当答题卡——两名牙医在 CBCT 上判定每颗牙的 F/D/N，再把结果以 bounding box 形式"传导"到口内照片上（1,800 box，金标准取自 CBCT）。照片标注因此不是"照片上能看见什么"的主观判断，而是"CBCT 说这颗牙有病"的客观投影。
这个设计一箭三雕：① 照片标签获得了三维影像的背书（标签质量）；② 照片-CBCT 的对齐关系被显式编码（跨模态训练素材）；③ 标注成本从"CBCT 逐层测量"降为"照片框选"（工程可行性）。对任何"贵模态诊断+便宜模态筛查"的任务（超声/CT/病理皆有其例），这是一套可直接复用的设计模板。
§2.2 双口径标注体系的解剖
本集的"标注"实际是三层结构，使用前必须分清：
| 层 | 形态 | 数量 | 内容 |
|---|---|---|---|
| CBCT 牙级 | CSV（FDI 编号） | 2,892 颗 | F/D/N 三分类（金标准层） |
| 照片 box | JSON（MakeSense） | 1,800 个 | 照片上的牙/病变区域框（传导层） |
| 患者级 | CSV 聚合 | 241 人 | 任一前牙 F/D 即患者阳性（F+D 145/仅 F 60/仅 D 23/正常 13） |
1,800 < 2,892 的缺口说明照片上并非每颗牙都有 box（可见性/协同标注策略）——使用者在训练检测器时用 1,800，在训练分类器/做流行病学时用 2,892。两个数字都是对的，混用是错的。
§2.3 标注质控：κ>0.9 的三重保险
双人独立→κ>0.9（间一致性）→两周后重复→κ>0.9（内一致性）→分歧共识→未决剔除。这套协议在专科小数据集里是顶配：多数同类数据集只做单轮双人标注，不做时间维度的内一致性检验。对使用者的含义：标签的稳定性证据完整，可直接用于监督学习；剩余的主观性风险（页面自认"visual-based annotations 的固有 minor subjectivity"）是病种属性——FD 的照片表现本就轻微，这不是标注团队的失职，而是任务难度的诚实呈现。
§2.4 队列的画像与它的"净化"取舍
241 例的构成：年龄 9-55（中位 28，正畸高发年龄带）、女性 76.8%（正畸就诊性别比的典型镜像）、FD 谱系从纯正常到 F+D 并存全覆盖。库内明确排除：阻生牙、广泛修复、严重拥挤、活动牙周病。
这是一把双刃剑：排除让"FD 检测"成为干净的单任务（混杂因素被剔除），但意味着模型上线后遇到的"真实口腔"比训练分布复杂得多——净化分布的模型部署到未净化世界，需在 §2.6 的边界下理解所有指标。对照 508 的"去引用净化"与本集的"病例净化"，数据集工程的两种净化取向值得一并记录。
§2.5 单设备的局限：一个扫描仪的代价
CBCT 全部来自单一扫描仪型号——这是专科队列的现实（单中心），但它是跨设备泛化的结构性天花板。使用者若做部署前评估，应假设：模型对其他厂商/型号 CBCT 的表现未经验证（本集也无法验证）。部分缓解：照片模态的设备多样性远高于 CBCT（13 年间的手机/相机演进），照片线的跨设备风险反而更低——这个"照片比 CBCT 更泛化"的倒挂是本集的隐藏特性。
§2.6 证据层级小结
本集在证据金字塔中的位置：单中心回顾性队列+专家金标准标注的监督学习资产。证据强度：高于合成/公开挑战赛数据（真实患者、真实采集），低于多中心前瞻队列（单中心单设备、净化分布）。Sci Data 的数据描述论文体裁（而非临床结果论文）也与这一定位一致：它的贡献是资产的可用性与质控透明度，不是临床结论。
§2.7 一句话语境总结
FD 的诊断困境是"看得见病灶的机器太贵，看得见病人的眼睛太主观"——FDTooth 用 241 对"照片+CBCT"把两者焊在一起：CBCT 出标签，照片出样本，AI 补上中间缺失的那道无辐射初筛。
§2.8 常见误解七则
误解一：“FD 是罕见病，241 例够多了。” FD 在正畸就诊人群中并不罕见（文献报道前牙区检出率可达两位数百分比），罕见的是"照片+CBCT 成对"的公开数据。本集的稀缺性在模态配对，不在病种流行度。
误解二：“牙医看照片就能确诊 FD，AI 没必要。” 恰恰相反——页面的立场是肉眼初筛"主观且不一致"（clinicians of varying experience 会得出不同诊断）。AI 的角色不是替代牙医，而是把初筛从"因人而异"变成"可复现的分层"——尤其在经验梯度大的基层与教学场景。
误解三：“CBCT 都拍了，还要照片干什么？” 方向反了：本集的临床经济学逻辑是少拍 CBCT——照片是零辐射零成本的第一道筛，CBCT 只留给照片初筛阳性者。241 对影像训练出的模型，目标服务的是"还没拍 CBCT 的人"。
误解四：“标注 κ>0.9，标签就是金标准了。” κ>0.9 证明的是标注的稳定性（标注者间/标注者内一致），不是正确性（与真实骨状态一致）——正确性由金标准传导设计背书（CBCT→box），而 CBCT 判读本身也有误差。三层证据（稳定性/传导性/影像学金标准）合起来才是完整可信度，单拿 κ 说话是半截证据。
误解五：“94.6% 阳性率说明数据集不平衡，得先做平衡。” 患者级 94.6% 阳性是专科进样的属性（FD 疑似就诊者），不是采样 bug；且牙级层面三分类近均衡（27-28.5%）。任务选牙级就不存在失衡问题——先选对任务层级，再谈平衡技巧。
误解六：“22MP 照片太大，下采样到 224×224 就行。” FD 的照片征象（牙龈轮廓微变、根形隆起）恰恰住在高频细节里，粗暴下采样等于抹掉任务信号。正确姿势：裁片化（以 box/牙位为锚）保留原生分辨率，或高分辨率滑窗——尺寸预算要花在病灶区不是全景。
误解七：“单台 CBCT 拍的标签不可信。” 单设备影响的是模型跨设备泛化，不是标签质量——同一台机器内的骨壁测量自洽。正确表述：本集标签可信、模型外推受限——把数据缺陷与部署边界分开说。
§2.9 五个反直觉事实
- 照片标注比 CBCT 标注更"金"——box 的标签由 CBCT 传导而来，照片上肉眼未必看得见的骨缺损也能被框出来；"看得见的才标"的常规流程在这里被反转。
- 页面作者比论文少 6 人——PhysioNet 卡片 4 人，Sci Data 署名 10 人；Data Descriptor 的作者惯例与平台展示惯例不同。
- 数据集挂牌早于论文发表 40 天——Sci Data 的评审周期（2024-06 投稿→2025-06 接收）长于数据集准备，团队选择先挂数据再等纸。
- 女性 76.8% 不是病的特点——是正畸就诊人群的性别结构投影；流行病学引用若不声明进样偏倚即失真。
- 最低年龄 9 岁是最难的部分——混合牙列的 FD 判读（牙胚、发育中骨）比成人复杂，本集没有回避这个区间，但也未提供分层文档。
§2.10 与影像衍生家族的范式坐标
506（数值层）/507（照片层）/508（文本层）是衍生型资产——母体已存在，价值创造靠变换。FDTooth 代表另一极：原生采集型——母体不存在（此前无公开照片-CBCT 对），价值创造靠"采集设计+标注工程"。两者的 AI-Ready 评价维度因此不同：衍生型看变换的巧思与许可的宽松，采集型看标注质控的透明与伦理链的完整。本集在后者拿了接近满分（κ 协议+同意链+匿名化设计），在前者受先天限制（规模由采集成本决定）——这两组维度合起来才是这本百科评价数据集的完整坐标系。
§3 数据切片：三文件夹的完整解剖
§3.1 总账
1. Patient Information 患者 CSV（匿名 ID + 年龄 + 性别）
2. Patient Imaging Data 241 口内照片（5760×3840 JPEG，子文件夹 001-241）
+ 241 CBCT（DICOM，子文件夹 001_cbct-241_cbct）
3. Annotations 牙级 CSV（2,892 颗，FDI 编号，F/D/N）
+ box JSON（1,800 个，MakeSense 兼容）
────────────────────────────────────────────────────
患者级账：241 人（女 185=76.8%/男 56=23.2%；中位 28 岁，9-55）
牙级账： F 780 / D 796 / N 824（页面口径；三数合计 2,400≠总账 2,892，存照见 §4.1）
患者级 FD 谱：F+D 145 / 仅 F 60 / 仅 D 23 / 正常 13（合计 241 ✓）
牙位总账 2,892=241×12 满额自洽；牙级三分类合计 2,400 与总账的 492 差额是页面数字不自洽，处理原则见 §4.1 存照。
§3.2 照片：高分辨率的代价与红利
5760×3840（2,210 万像素）是"临床文档级"分辨率——红利：牙根轮廓与牙龈细节充分（FD 的照片征象本就细微，低分辨率会抹掉任务信号）；代价：单张 5-10MB 级，241 张的存储与加载在深度学习管线里需预处理（缩放/裁剪策略直接决定任务难度——牙龈线对齐、曝光归一化都是可做的预处理研究点）。
§3.3 CBCT：DICOM 的匿名化细节
- DICOM 元数据（姓名/ID/检查日期）经作者自研脚本清除；文件名重编为 001_cbct-241_cbct
- 视野限于上下颌（不含眼上区域）——采集端就规避了面部几何信息的泄露路径
- 本集只有 DICOM 原始体数据，无预处理好的分割掩码/测量值——需要骨壁测量的团队要自己做体数据处理（或等待社区衍生集）
§3.4 标注文件的三种打开方式
CSV（牙级金标准） 每行=患者×12 颗前牙的 FDI 编号+F/D/N —— 分类/流行病学入口
JSON（box） MakeSense 格式，照片上框选区域+FD 状态 —— 检测训练入口
CBCT（DICOM） 原始体数据 —— 3D 分析/自建金标准复核入口
MakeSense 兼容性是低摩擦设计：标注可直接导入开源工具做可视化复核或二次校正——数据集工程里"给标注配一个可视化出口"的细节，多数公开集都没做。
§3.5 FDI 编号体系速查
本集每患者的 12 颗前牙按 FDI 两位数编号：上颌右→左 13/12/11/21/22/23，下颌右→左 43/42/41/31/32/33。使用时的三个注意：① 编号与"患者左右"的关系（影像上左右反转）；② 乳牙/恒牙混龄问题（9 岁患者可能含混合牙列——页面未说明是否排除乳牙，正文按存照不展开）；③ CSV 的牙位与 CBCT 体数据的配准需自建（无现成映射文件）。
§3.6 与母体（原始医院数据）的关系
页面 Methods 未提供医院 PACS 导出细节；按伦理段口径：教学患者、2010-2023 回顾性采集、IRB UW 23-632 覆盖。衍生关系简单（无外部母体数据集依赖）——本集是"原生采集型"而非"衍生型"，与 506-508 的 MIMIC 衍生家族在数据谱系上不同类。
§3.7 下载路径
入口：PhysioNet fdtooth 项目页（DOI 10.13026/v9xk-dy61）
门槛：PhysioNet Credential Health Check（CITI GCP）+ DUA 1.5.0
实测：单平台单门槛；页面 /files/ 匿名访问受限（Credentialed 一致）
§4 结构深查：标注的可靠性与分布的形状
§4.1 类别分布：罕见的"近均衡"
F 780（27.0%）/ D 796（27.5%）/ N 824（28.5%）——三分类近乎完美均衡（各 27-28.5%），加总 2,412 vs 2,892 的差额为每患者 12 颗的满额校验（2,892-2,412=480？不——F/D/N 三类合计 2,892 本身满额，780+796+824=2,400？核对：780+796+824=2,400 ≠ 2,892！）。
存照：页面 Basic Statistics 写"across 2892 anterior teeth: F 780 / D 796 / N 824"——但三数相加为 2,400，与 2,892 差 492。这是一处页面内数字不自洽（与 506 的 CTR 覆盖数矛盾同款）。可能解释：2,892 为"标注覆盖的牙位总数"而 F/D/N 三数为"已确诊分类的牙数"（其余 492 颗可能因照片不可见/未评估而不计入三类）——但页面未说明。本条目正文处理：牙级三分类统计按 F 780/D 796/N 824 引用（这三数是分析可用口径），2,892 只作为"牙位总账"出现，并在 §10.4 存照此不自洽，引用时双数并列注明来源。这恰是"事实核查让页面矛盾浮出水面"的又一例。
§4.2 κ>0.9 的读法
Cohen’s κ 的量尺：0.61-0.80 为" substantial"，0.81-1.00 为"almost perfect"。本集间/内双轮均 >0.9——FD 这种"照片征象轻微"的任务上拿到 almost perfect，可能的原因：① 双标注者为同团队高年资医生（校准过判读标准）；② 金标准传导设计让照片标注以 CBCT 为锚（主观空间被压缩）；③ 页面未报告 κ 的置信区间与逐牙位分解——0.9+ 的整体值不排除个别牙位（如上颌侧切牙区）更低。使用建议：按牙位分层的标注可靠性是可做的复核实验（重分析点）。
§4.3 年龄带 9-55 的含义
下限 9 岁意味着库内含替牙期/混合牙列患儿——FD 诊断在混合牙列的复杂度（牙胚位置、牙槽骨发育）高于恒牙列。页面未按年龄分层报告 FD 分布。使用者的两个选择：① 全库使用并在论文声明年龄混杂；② 按恒牙列（如 ≥14 岁）子集分析——后者是审稿人更可能认可的口径，但样本量减半。本条目不替使用者选择，只记录边界。
§4.4 性别分布的镜像效应
女性 76.8%——这不是 FD 的流行病学性别比，而是正畸就诊人群的性别结构的投影（回顾性队列的进样偏倚）。流行病学用途时要区分"就诊人群中的检出分布"与"人群患病率"——本集只能支持前者。这层区分在 Sci Data 型论文里常被读者忽略，条目把它显式化。
§4.5 患者级标签的聚合逻辑
“per-image classification is based on whether any of the 12 teeth shows fenestration and/or dehiscence”——患者级阳性=任一前牙 FD。这个 or 聚合使患者级分布（145/60/23/13=241 ✓）严重偏向阳性（94.6% 患者至少一种 FD）——用本集训练患者级分类器会得到 94.6% 阳性的先验，这是队列设计（FD 专科就诊患者）的属性而非人群属性。做二分类基线时的准确率基线就是 94.6%（全猜阳性）——三分类牙级任务比患者级二分类更"诚实"，推荐以此为默认任务形态。
§4.6 结构小结：一张"层级-用途"地图
金标准层 传导层 聚合层
内容 CBCT 牙级 F/D/N 照片 box（1,800） 患者级 or 聚合
形态 CSV（FDI） JSON（MakeSense） CSV/统计
最佳用途 分类/流行病学 检测训练 队列描述
坑 页面总数不自洽（§4.1） 无每 box 病灶细节 阳性先验 94.6%
§4.8 照片征象学：AI 要看什么
FD 的口内照片征象是"软组织泄露的骨消息"——三组最常被引用的线索：
- 牙龈轮廓改变：正常牙龈缘沿牙颈呈连续弧线；FD 区域的龈缘可见局部塌陷或异常高点（骨缺损改变软组织支撑）
- 根形隆起：骨板缺失后牙根轮廓经薄黏膜透出——前牙区唇侧的"根形凸起"是 dehiscence 的经典肉眼征
- 牙龈退缩与色质变化：缺损伴发的退缩让牙根"显长"，黏膜色质/光泽的局部差异是辅助线索
三组线索的空间尺度都在毫米-亚毫米级——这解释了本集为什么需要 22MP 照片（§3.2），也解释了为什么模型要从裁片学而不是从全图学（§7.8）：征象是裁片尺度的。数据集没有给征象级的标签（只有牙级 F/D/N）——征象定位是模型自己要学的事，可解释性研究（Grad-CAM 类）在这里有天然的可核查对象：热图应落在龈缘与根形区，落错了就是模型学偏了。
§4.9 牙位分层：一个现成的分析框架
本集牙位覆盖 FDI 13-23/33-43 十二个位。建议的分层分析模板：
按牙位（12 位）× 按类别（F/D/N）的 12×3 列联表
→ 好发谱检验：上前牙（13-23）vs 下前牙（33-43）的 FD 占比
→ 象限对称性：右侧（1x/4x）vs 左侧（2x/3x）的一致性
→ 邻位相关：同一患者相邻牙位的 FD 共现（FD 常沿薄骨板连片出现）
三个检验全部只需牙级 CSV（无需影像）——单卡半天、教学项目量级、论文未做。列联表的空格风险（某牙位×某类别为零）在小样本下存在，Fisher 精确检验备用。
§4.10 鉴别诊断的竞争性解释
照片上的"根形隆起/龈缘异常"不是 FD 的专利。模型与使用者都要防三类假阳性来源：① 牙根突出型隆起（骨量足但根形明显——生理变异）；② 牙龈增厚/肿胀（炎症改变轮廓，骨未必缺损——本集排除了活动牙周病，但轻度龈炎可能仍在）；③ 投照角度伪影（侧斜视角下正常骨缘看起来像缺损）。本集的净化策略（排除严重病例）降低了一类（重度炎症），但轻度的三类来源仍在——诊断特异性的天花板由照片模态的物理极限决定，这也是"AI 初筛+CBCT 确认"两段式流程（而非照片直接确诊）的医学理由。
§4.11 模态对比：为什么不用全景片/根尖片
牙科平片三件套（全景片/根尖片/咬合片）都比 CBCT 便宜且普及——为什么 FDTooth 选照片+CBCT 而不是根尖片+CBCT？① 全景片对前牙区骨板的分辨率不足（椎体/软组织叠加）；② 根尖片有辐射（虽低）且视野单牙；③ 口内照片零辐射、可反复、可在非影像环境采集（诊所/筛查点）——它是唯一支持"大规模无辐射初筛"叙事的模态。代价是照片的信噪比最低（无穿透、靠表面反光）——本集的模态选择本质上是"用最低信噪比的模态换最大规模的可及性"，AI 的角色就是把信噪比补回来。
§4.12 不确定性量化：小数据集的必修课
241 例训练的模型必然带着高方差——三个诚实的量化框架：① 按患者 bootstrap（241 例重采样，看指标置信区间）；② 按牙位交叉验证（留一牙位测跨位泛化——检验"模型学的是征象还是牙位指纹"）；③ 分歧样本回 CBCT（模型与金标准标签不一致的案例，回三维影像人工复核——本集的 CBCT 让"分歧仲裁"成为可能，这是单模态集做不到的）。三者都写进论文的方法节，审稿人的小样本质疑就有一半被预先化解。
§5 使用协议：从注册到跑通第一个检测器
§5.1 全流程地图
[第 0 步] PhysioNet 账号 + CITI GCP 证书（Credential Health Check）
[第 1 步] 签 DUA 1.5.0 → 下载三件套（患者 CSV / 影像包 / 标注包）
[第 2 步] 解包核对：241 照片 + 241 CBCT + 标注 CSV/JSON 行数
[第 3 步] 选任务形态（检测/分类/多模态，§5.3-§5.5）
[第 4 步] 切分设计（患者级切分，杜绝同患者跨集）
[第 5 步] 报告规范：引本集 DOI + Sci Data 论文
§5.2 门槛的实操细节
Credential Health Check（CITI GCP 免费在线 3-4 小时）+ DUA 签署；单平台一次拿全。体量预算：241 张 22MP JPEG（约 GB 级）+ 241 个 CBCT DICOM（数 GB 级）——总量对现代管线毫无压力（对照 508 的 cxr.h5 大文件，本集体量友好）。
§5.3 任务形态 A：照片级目标检测（论文 baseline 的赛道）
用 1,800 box 训练"照片→FD 区域检测"（YOLO 系/Faster R-CNN/DETR 均可）。设计要点：① 切分按患者（241 例建议 train/val/test ≈ 160/40/41 或交叉验证）；② 类别定义要选边——三分类（F/D/N box）还是二分类（FD vs 正常），JSON 里的标签形态决定工作量；③ 评价指标 mAP@0.5 + 按牙位分层的召回（临床关心的是"哪颗牙漏了"）；④ 与论文 baseline 对齐比较（指标数字以论文全文为准——本条目不引未核实的 mAP）。
§5.4 任务形态 B：牙级三分类（最干净的任务）
用 2,892（或 2,400 分类口径）牙级标签做"照片裁片→F/D/N"分类：以 box/牙位裁出单牙照片，逐牙分类。优点：绕开检测的框回归噪声，标签纯净（κ>0.9 层）；样本量=牙数（2,400-2,892），比患者数放大 10 倍。缺点：裁片策略引入偏置（框紧框松影响征象完整性）——固定放大倍率+以牙龈线为锚的裁剪协议可减少此噪声。
§5.5 任务形态 C：多模态融合（研究增量最大）
照片-CBCT 成对结构支持三种融合实验：① CBCT 教师→照片学生（跨模态蒸馏，金标准传导的算法版）；② 照片检索 CBCT（以照片找相似骨形态，辅助会诊）；③ 弱监督（只用 2,400 牙级标签，让模型自己学照片上的病灶定位——box 只做验证不做训练）。三条线的公开先例都稀缺，本集的对齐结构是现成实验床。
§5.6 常见踩坑清单
| 坑 | 后果 | 避法 |
|---|---|---|
| 坑点1：同患者照片/CBCT 跨训练测试集 | 指标虚高（患者泄漏） | 患者级切分铁律 |
| 坑点2：混用 1,800 与 2,892 口径 | 标签矩阵对不上 | 双口径分账（§2.2 表） |
| 坑点3：患者级二分类不报 94.6% 先验 | 准确率 94.6% 被误读为模型能力 | 报 AUC/召回而非裸准确率 |
| 坑点4：FDI 编号左右未反转 | 牙位对错位（影像左右镜像） | 逐例核对编号-解剖对应 |
| 坑点5：照片直接全图训练不做裁片 | 微小病灶信号被下采样抹掉 | 高分辨率裁片/滑窗（§5.4） |
| 坑点6：假设跨 CBCT 设备泛化 | 单设备天花板（§2.5） | 明示设备边界 |
| 坑点7：引用缺 Sci Data 论文 | 数据描述页失引 | 引用两件套（本集 DOI+论文 DOI） |
| 坑点8：把就诊人群分布当患病率 | 流行病学结论失真 | §4.4 的进样偏倚区分 |
§5.7 与许可的连带义务
引用两件套：本集 DOI（10.13026/v9xk-dy61）+ 论文（Sci Data 12:1007，DOI 10.1038/s41597-025-05348-3）。DUA 义务标准条款：禁再分发、禁重识别、禁超研究范围。特别注意：9 岁起的患者队列含未成年人数据——二次发布衍生结果时避免展示可辨认的儿童口腔特写（合规+伦理双重要求）。
§5.8 算力与时间预算参考
| 路线 | 算力 | 墙钟时间（熟练团队） |
|---|---|---|
| A 检测 | 单卡 | 2-5 天 |
| B 牙级分类 | 单卡（裁片后量小） | 1-3 天 |
| C 多模态融合 | 单卡-多卡 | 2-4 周 |
体量小是本集的工程红利：全天候单卡可完成绝大多数实验。
§5.9 端到端工作实例：一次完整的牙级分类实验
# ===== 阶段 0：数据组织 =====
patients = load_csv("patient_info.csv") # 241 行：ID/年龄/性别
labels = load_tooth_csv("annotations.csv") # 牙位账（FDI→F/D/N）
boxes = load_json("makeSense_boxes.json") # 1,800 box（MakeSense 格式）
splits = patient_split(patients, train=160, val=40, test=41) # 患者级铁律
# ===== 阶段 1：裁片化（路线 B 的核心工序）=====
def box_to_fdi(box): ... # 自建映射（§6.7 边界：本集未提供）
crops = []
for b in boxes:
crops.append({
"img": crop(photo[b.pid], b, margin=0.15), # 0.15 倍边距（§7.8）
"label": labels[b.pid][box_to_fdi(b)],
"pid": b.pid, "fdi": box_to_fdi(b),
})
# 无 box 牙（约 600 颗）：三选一（弃用/弱监督/半自动补框，§7.9）
# ===== 阶段 2：预训练+冻结微调 =====
model = dental_pretrained_backbone(freeze_until="stage3")
train(model, crops_of(splits.train),
augment=[hflip_with_fdi_remap, brightness, small_jitter], # 象限同步红线（§7.3）
epochs=50, lr_head=1e-3)
# ===== 阶段 3：三重诚实评估（§4.12）=====
report(per_tooth_recall(model, crops_of(splits.test))) # 按牙位召回表
report(bootstrap_ci(model, splits.test, by="patient")) # 按患者 bootstrap CI
arbitrate(model_disagreements, cbct_of(patient)) # 分歧回 CBCT 人工复核
§5.10 输出物模板与验收线
════════ FDTooth 实验报告卡（模板）════════
任务 牙级三分类（F/D/N）
数据 FDTooth v1.0.0（DOI 10.13026/v9xk-dy61）+ Sci Data 12:1007
切分 患者级 160/40/41｜裁片 margin 0.15｜分辨率 320px
骨干 <预训练来源>（冻结至 stage3）｜增广：hflip+FDI 映射等
宏 F1 灵敏度(F) 灵敏度(D) 特异度(N)
验证集 <?> <?> <?> <?>
测试集 <?> <?> <?> <?>
按牙位召回 11:? 12:? 13:? 21:? ...（12 位全列）
Bootstrap CI（患者级）<?~?>
† 与 baseline 的对照：架构/切分/口径随附；不与不同切分的结果直接比
验收线建议：牙级三分类的宏 F1 若低于"多数类基线"（全猜 N ≈ 34.3%→F1 约 0.17）的 3 倍，先查管线（泄漏/标签错位）再谈模型。
§6 实证图景：论文与 baseline 的边界
§6.1 Sci Data 论文的体裁定位
Scientific Data 12:1007 (2025) 是数据描述（Data Descriptor）体裁：投稿 2024-06-24、接收 2025-06-05、在线 2025-06-14——近一年的评审周期反映了 Sci Data 对数据完备性与质控文档的严格口径。IF 8.5 的数据期刊生态位：论文的价值在数据的可复用性论证，不在算法 SOTA。开放获取（CC BY-NC-ND 4.0），PMCID PMC12167359。
§6.2 baseline 模型：承诺与边界
论文摘要承诺 “We developed a baseline model for automated FD detection in intraoral photographs”——baseline 的存在本身是数据集质量的自信声明（数据组敢配模型）。边界存照：页面与论文摘要均未给出 baseline 的 mAP/敏感度/特异度数字——本条目按纪律不引用未核实的性能值；复现者以论文全文的 Results 节为准。可以引用的是设计事实：baseline 跑在照片模态上、以 CBCT 传导标签为监督。
§6.3 数字卡：全部可核验统计
队列 241 患者（9-55 岁，中位 28；女 185/男 56）
影像 241 照片（5760×3840）+ 241 CBCT（DICOM）
标注 2,892 牙位总账；F 780 / D 796 / N 824（页面口径）
1,800 照片 box（金标准取自 CBCT）
患者级 F+D 145 / 仅 F 60 / 仅 D 23 / 正常 13
质控 κ>0.9（间）+ κ>0.9（内，两周重复）
伦理 IRB UW 23-632｜采集 2010-01~2023-01
§6.4 页面数字不自洽的存照处理
2,892（牙位总账）vs 780+796+824=2,400（三类合计）——差 492 颗。本条目的处理原则（§4.1 已述）：三分类统计按页面三数引用；2,892 作为总账口径单独出现；两者并存皆注出处，正文不猜测差额的构成（未评估？不可见？中间状态？——页面未说）。这是核查环节的产出：不做核查的条目会把 2,892 与 2,400 混当同一个数。
§6.5 与同期牙科 AI 数据集的坐标
牙科公开数据集的版图（2025 年时点）：全景片数据集（龋齿/牙齿分割）居多、口内照片集稀缺、照片+CBCT 成对集在 FDTooth 之前为零。本集的卡位：不是最大的牙科集（全景片集动辄数千例），而是唯一打通"照片-三维金标准"通路的集。稀缺性来自采集成本（CBCT 不是常规留存），这也解释了 241 的小体量——每个样本都背着一次 CBCT 的辐射与费用。
§6.6 无辐射筛查的临床叙事
FD 检测的 AI 价值主张有一条特殊的临床经济学逻辑：CBCT 的辐射剂量虽低于医用 CT，但对儿童与青少年正畸群体（本集下限 9 岁）仍遵循 ALARA（合理最低量）原则——"能用照片筛就不拍 CT"在儿科正畸是硬需求。本集的 9-55 岁年龄带与照片模态，恰好锚定这个人群与这个需求。审读任何"FD AI"工作时，辐射-获益账都是绕不开的评估维度。
§6.7 证据边界：论文与页面都没说的
① 每患者照片拍摄设备/参数未披露（13 年窗内的设备演进是隐藏变量）；② box 与牙级标签的映射文件缺失（1,800 box 对应哪些 FDI 牙位需自行对齐）；③ CBCT 的体素规格/扫描参数未在页面列出；④ 未报告 FD 按牙位（13/12/11…）的分布——解剖学上 FD 好发于上前牙区（尤其侧切牙），本集是否复现此规律是可验证的开放点；⑤ baseline 的性能数字（§6.2 边界）。以上边界随引用说明。
§6.8 实证小结
Sci Data 12:1007 (2025)（IF 8.5，CC BY-NC-ND，PMC12167359）
贡献 = 首个照片-CBCT 成对公开集 + κ>0.9 双轮标注 + 金标准传导设计
+ baseline 模型（性能值以论文全文为准）
页面不自洽 1 处（2,892 vs 2,400）已存照
任务推荐 = 牙级三分类（最干净）> 照片检测 > 多模态融合
§6.9 体裁深查之一：Sci Data 的"数据论文"审什么
Scientific Data 的 Data Descriptor 体裁审的是数据本身的科学价值与可复用性：采集流程的严谨性、标注协议的透明度、质控验证的技术深度、复用的潜在宽度——不审算法 SOTA。本集论文 2024-06 投稿、2025-06 接收的一年周期，消耗在两处：① Technical Validation 节的完整性（κ 双轮协议正是此类期刊的胃口）；② 伦理与匿名化的文档颗粒度（儿童数据+DICOM 脚本清除的自述）。对数据作者的启示：投 Sci Data 的成本是"把质控写成可审计文档"，回报是 IF 8.5 的数据资产背书。
§6.10 设计深查之二：金标准传导的算法化前景
本集的"CBCT→照片"标签传导靠人工（牙医读 CBCT 后在照片上框选）。算法版的传导管线是现成的开放题：① 在 CBCT 上自动分割骨壁/牙根（已有文献基线）；② 从 CBCT 投影生成 DRR/虚拟照片（与本集的实体照片配准）；③ 以配准传递标签位置。若管线成熟，每新增一个 CBCT 病例就能自动产出照片标注——数据集的扩展成本从"一次 CBCT+一次人工框选"降到"一次 CBCT"。本集的人工 box（1,800）恰好可以充当这条自动化管线的验证集。
§6.11 解剖深查之三：FD 的牙位好发性与本集的验证机会
文献共识：FD 好发于上颌前牙区（尤其侧切牙与尖牙区）与下切牙唇侧骨板薄区。本集 2,400+ 牙位标签按 FDI 分层后，可以直接验证：好发牙位的 FD 占比是否复现文献谱（上前牙>下前牙、侧切牙>中切牙之类）。这一验证的双重价值：① 数据集质量的外部效度检验（分布符合临床常识=标注可信的旁证）；② 若分布异常（如某牙位异常高），可能暴露标注协议或进样的偏倚。论文未做此分析——页面 Basic Statistics 也未按牙位细分——是重分析的第一题。
§6.12 临床深查之四：正畸决策链中的位置
FD 检测的真实临床消费场景是正畸治疗方案的风险评估：牙槽骨壁薄/已开窗的牙，移动速度与方向要重新规划（PAOO 手术或避让策略）。这意味着 FD AI 的输出不是"疾病名"，而是"移动风险等级"——按牙输出风险图（risk map）比按图输出病灶框更贴临床消费。本集的牙级标签天然支持这个产品形态：12 颗牙/人的标签就是一张现成的风险图。从"检测器"到"风险图"的产品视角转换，是本集数据形态给出的最自然的创业/科研落点。
§6.13 教育深查之五：教学患者的双向价值
数据来自 HKU 教学患者——这个身份给了数据集一个常被忽略的教学闭环：同一批影像既是 AI 训练集，也是牙科学生的读片教材。页面 Usage Notes 明示 “Educational Resource: Enhances training for dental students”——AI 标注（模型输出）与学生标注（学习记录）可以互相校准，形成"数据-模型-教学"的三向飞轮。这是临床教学医院特有的数据资产形态：患者同意的用途条款里写着"教学"，数据就被合法地用在两个方向上。
§6.14 实证小结的补丁：baseline 的复现路线
若论文 Results 的 baseline 数字可用（复现者需读全文确认架构），复现路线的最小化版本：① YOLOv8n 级检测器+1,800 box；② 患者级切分 160/40/41；③ 训练 100 epoch（单卡 2 小时级）；④ 报 mAP@0.5 + 按牙位召回。论文若给出的是别的架构（Faster R-CNN/Mask R-CNN 系），按其骨架复现并与 YOLO 线对照——baseline 的价值是锚点不是终点。
§7 AI 实践指南：把 241 例用出 24,100 例的效果
§7.1 技术定位的三条铁律
- 按患者切分是铁律——241 例的同患者双模态结构使泄漏风险翻倍（照片与 CBCT 任一跨集都算泄漏）
- 小数据的正确姿势是预训练+轻调——ImageNet/DentalNet 级预训练骨干+冻结微调，比从头训练多出的就是全部
- 评价看牙级不看患者级——94.6% 阳性先验（§4.5）使患者级准确率失去意义
§7.2 推荐管线（端到端参考实现）
# ===== 阶段 0：数据组织 =====
patients = load_csv("patient_info.csv") # 241 行：ID/年龄/性别
labels = load_tooth_csv("annotations.csv") # 2,892 牙位账（FDI→F/D/N）
boxes = load_json("makeSense_boxes.json") # 1,800 box（传导层）
splits = patient_split(patients, 160/40/41) # 患者级切分铁律
# ===== 阶段 1：裁片化（牙级分类路线 B）=====
crops = []
for box in boxes:
tooth_id = map_box_to_fdi(box) # box→FDI 对齐（需自建映射，§6.7 边界）
crops.append({img: crop(photo, box, margin=0.15),
label: labels[tooth_id], pid: box.pid})
train_ds = filter_by_pid(crops, splits.train)
# ===== 阶段 2：预训练+轻调 =====
model = pretrained_dental_backbone(freeze_until="layer3")
train(model, train_ds, augment=[flip_lr, brightness, jitter]) # 影像左右翻转要同步翻 FDI 象限！
report(per_tooth_recall(model, test_ds)) # 按牙位分层召回（临床关心的漏检）
# ===== 阶段 3：跨模态验证（本集独有）=====
cbct_check = verify_labels_against_cbct(model.disagree_cases) # 分歧案例回 CBCT 人工复核
§7.3 增广的红线：FDI 象限同步
口腔影像增广有一条牙科特有的纪律：水平翻转照片时，FDI 编号的象限必须同步映射（13↔23、43↔33 等）——否则标签与牙位错位，模型学到的全是位置先验。垂直翻转在牙科影像上语义可疑（咬合方向改变），建议禁用。这两条在通用视觉增广库里都没有默认处理——牙科数据的领域细节藏在增广管线里。
§7.4 报告规范：引用本集数字的格式
三件套：① 数字+出处（“F 780/D 796/N 824（PhysioNet FDTooth 页面）”）；② 口径声明（“牙级标注 2,892 牙位总账，三分类合计 2,400——页面数字并存存照”）；③ 任务声明（“牙级三分类，患者级切分”）。反面教材：“FDTooth 有 2,892 个标注框”——把牙位账说成 box 数，两个数字全错。
§7.5 反模式清单
- ❌ 随机按图切分（同患者泄漏）
- ❌ 水平翻转不同步 FDI 象限（§7.3）
- ❌ 患者级二分类只报准确率（94.6% 先验）
- ❌ 用 CBCT 做测试预处理而训练只有照片（模态泄漏设计混乱）
- ❌ 声称"跨 CBCT 设备泛化"（单设备无解，§2.5）
- ❌ 把 76.8% 女性当 FD 性别比（进样偏倚，§4.4）
- ❌ 跳过 DUA 把 CBCT 转传合作方（许可红线）
§7.6 从数据到部署：三步桥
- 院内复刻：用本集协议（照片→牙医初筛→CBCT 确认）在本院收集 50 例做外部验证——数据集的方法学是小体量可复制的
- 牙位分层报告：部署评估按 FDI 牙位报告灵敏度（临床关心 11/21/31/41 等高发位的表现）
- 人机协作定位：FD 照片征象轻微，最佳落点是"AI 提示+医生复核"的 second-reader 模式，而非自动诊断
§7.7 教学用法：一周实验课设计
Day1 读论文+下数据（许可提前两周）+EDA（年龄/性别/FD 分布复现）；Day2 裁片管线+FDI 对齐（§5.4）；Day3 训练基线分类器（预训练+冻结微调）；Day4 按牙位分层评估+分歧案例 CBCT 复核；Day5 报告。教学亮点：双模态对齐+标签质控证据链是通用视觉数据集给不出的训练素材。
§7.8 技术深查之一：裁片策略的三个参数
牙级分类（路线 B）的裁片质量直接决定上限。三个参数的系统化：① 锚点——以 box 为锚（有框牙）vs 以牙冠中心为锚（无框牙需自己定锚，1,800<2,400 的缺口就在这里）；② 边距——0.1-0.2 倍框宽是常见带（太小丢牙龈轮廓线索、太大混入邻牙）；③ 分辨率——裁片统一到 256-384px（FD 征象在裁片内仍是高频信号，224 太紧）。三参数做成消融表本身就是一个完整实验（教学周项目量级）。
§7.9 技术深查之二：无 box 牙的处理
2,400 分类口径 vs 1,800 box 的 600 颗缺口：这些牙在 CBCT 上有标签但在照片上无框（不可见/欠清晰/标注策略）。三个处理选项：① 弃用（干净但浪费 25% 标签）；② 弱监督（无框牙做图像级标签参与分类，不参与框回归）；③ 半自动补框（以 CBCT 配准投影生成候选框+人工快审）。三选项按工程成本递增——本集的"标注即资产"在此处留下了一道缝，也是方法学的机会。
§7.10 输出物模板：一张合格的检测报告卡
════════ FD 照片检测报告卡（模板）════════
模型 <架构 + 预训练来源>
数据 FDTooth v1.0.0（DOI 10.13026/v9xk-dy61）
切分 患者级 160/40/41（或 5 折交叉验证）
任务 <牙级三分类 / 照片检测 / 多模态>
mAP@0.5 <?> 牙级宏 F1 <?> 按牙位召回表 <…>
漏检分析 高发位（11/21/31/41）召回 <?>；侧切牙位召回 <?>
外部效度 声明：单设备 CBCT 训练标签，跨设备未验证
† 相对基线（论文 baseline 或自家消融）随附出处
§7.11 质量自查清单（提交前 12 问）
[1] 切分是否患者级（照片与 CBCT 同患者不跨集）？
[2] 1,800 box 与 2,400/2,892 牙级是否分账使用？
[3] 水平翻转是否同步 FDI 象限映射？
[4] 患者级指标是否避开 94.6% 先验陷阱（报 AUC/召回）？
[5] 无 box 牙的处理策略是否声明（弃用/弱监督/补框）？
[6] 混合牙列（9-13 岁）的处理是否声明？
[7] 裁片三参数（锚点/边距/分辨率）是否消融或固定声明？
[8] 引用是否两件套（本集 DOI+Sci Data）？
[9] 就诊人群偏倚是否在流行病学结论中声明？
[10] 单设备边界是否写进 limitations？
[11] 儿童影像的展示是否脱敏（论文配图/演示）？
[12] 页面数字不自洽（§4.1）是否被正确转述（而非错误转述）？
§7.12 常见报错与排查对照
| 症状 | 最可能原因 | 处置 |
|---|---|---|
| 准确率虚高 95%+ | 患者泄漏或 94.6% 先验未察觉 | 查切分；改报 AUC/召回 |
| 模型输出全是"正常" | 类别权重未调（牙级均衡但患者级偏态） | 加权损失或按牙级训练 |
| 翻转增广后指标崩 | FDI 象限未同步映射 | 修增广管线（§7.3） |
| box 对不上牙位标签 | 缺映射文件（§6.7 边界） | 自建 box→FDI 映射 |
| 裁片训练欠拟合 | 下采样过度征象丢失 | 提高裁片分辨率（§7.8） |
| CBCT 读不出 | DICOM 元数据被清后序列乱 | 按文件名 ID 重排切片 |
| 表现无法与论文 baseline 对齐 | 架构/切分/口径不同 | 对齐论文全文设定再比 |
| MakeSense 打不开 JSON | 格式版本差异 | 按官方 schema 校验字段 |
§7.13 术语补遗：本条目新出现的九个词
| 术语 | 含义 |
|---|---|
| 金标准传导 | CBCT 诊断→照片 box 的标签投影设计 |
| 风险图 | 按牙输出的移动风险等级图（FD 的临床消费形态） |
| 混合牙列 | 替牙期乳恒牙并存的牙列状态 |
| 进样偏倚 | 就诊人群结构≠人群结构（76.8% 女性的来源） |
| 裁片三参数 | 锚点/边距/分辨率的裁片配置空间 |
| 无 box 牙 | 有牙级标签但照片无框的牙（600 颗级缺口） |
| 象限同步 | 水平翻转时 FDI 1x↔2x/3x↔4x 的映射纪律 |
| second-reader | AI 提示+医生复核的协作部署模式 |
| DRR | 数字重建放射影像（CBCT→投影的算法桥） |
§8 伦理与合规：儿童数据与采集端隐私设计
§8.1 为什么 Credentialed 是合理门槛
本集含 9-17 岁未成年人影像与人口学信息——儿童数据的保护强度高于成人（监护同意、更低的重识别容忍度、更严格的二次使用边界）。CBCT 的面部几何信息有生物识别风险（颅面结构可辨认个体），本集的缓解：视野限制在上下颌（不含眼上区域）+ DICOM 元数据清除 + 匿名 ID。残余风险（颅面结构本身）由 Credentialed 框架兜底——门槛的对象是"影像几何信息"，不是形式合规。
§8.2 知情同意的结构
教学患者治疗前知情同意（研究用途条款）；未成年人由父母/法定监护人同意；回顾性研究（2010-2023）依 IRB UW 23-632 免二次同意。三层结构（治疗同意→监护同意→回顾豁免）在页面 Ethics 段完整陈述——同意链的完整性是小样本专科数据集里少见的透明度。
§8.3 匿名化的两条技术细节
① 照片端"天然无 PII"论——口内照片只含口腔区域，无面部/皮肤/背景可识别特征，匿名化动作只是文件改名；② CBCT 端脚本清除——DICOM 元数据的姓名/ID/日期用作者自研脚本清除（Marawan 开发，页面 Methods 署名）。两条合起来的启示：匿名化要在采集端设计（视野限制），而不是只在发布端打码——采集端设计比事后打码便宜且彻底。
§8.4 儿童数据的额外注意
- 二次发布（衍生数据集/论文配图）避免儿童口面部特写的可辨认组合（牙列形态+年龄+性别三元组在罕见病例下有拼图风险）
- 年龄字段保留（研究价值）与隐私（细粒度年龄+小样本=可拼图）的权衡：本集以 9-55 的 range+28 的 median 形式披露分布、以精确年龄入 CSV——使用者发布结果时应对称地避免"单患者精确画像"
- 跨境使用：中国香港数据出境研究使用，按 DUA 与当地法规双框
§8.5 门槛的总账：AI-Ready 视角
| 维度 | 得 | 失 |
|---|---|---|
| 可获取 | 体量小（GB 级）下载友好 | Credentialed 门槛 |
| 可复现 | 标注格式友好（CSV+MakeSense JSON） | box-FDI 映射文件缺失 |
| 可持续 | PhysioNet 托管+Sci Data 背书 | 单设备/单中心的结构限制 |
| 可审计 | κ>0.9 双轮+同意链全陈述 | 页面数字一处不自洽（§4.1） |
总评：质控透明度是本集的 AI-Ready 亮点，规模与结构限制是天花板——DAIMS 6.5-7.0 的论证骨架（§10.6）。
§9 FAQ：90 问快答
出身与身份（10 问）
- 这个数据集是什么？ 首个口内照片+CBCT 成对公开数据集，用于牙开窗（F）/骨开裂（D）检测，241 名患者。
- 谁做的？ 香港大学牙学院（三系）+香港科技大学电子与计算机工程系；页面 4 人/论文 10 人（双口径）。
- 何时发布？ 2025-05-05，v1.0.0，唯一版本。
- DOI 是什么？ 10.13026/v9xk-dy61。
- 访问级别？ Credentialed（License 1.5.0 + DUA 1.5.0，实测页面原文）。
- 论文是哪篇？ Scientific Data 12:1007 (2025)，DOI 10.1038/s41597-025-05348-3（IF 8.5，开放获取）。
- FD 是什么病？ fenestration（开窗——骨壁破洞）+ dehiscence（骨开裂——骨缘缺失到嵴顶），牙槽骨缺损，威胁牙根。
- 为什么重要？ 精确诊断要 CBCT（辐射/费用/时间），日常初筛靠肉眼（主观不一致）——AI 照片初筛补中间层。
- IRB 编号？ HKU/医院管理局香港西岸群组 UW 23-632。
- 数据从哪来？ HKU 教学患者，2010-01~2023-01 回顾性采集，匿名 ID 001-241。
内容与规模（10 问）
- 多少患者？ 241（9-55 岁，中位 28；女 185=76.8%/男 56）。
- 多少照片与 CBCT？ 各 241——每患者一张照片+一个 CBCT。
- 照片分辨率？ 5760×3840（约 22MP 临床文档级）。
- 多少牙级标注？ 2,892 牙位总账；三分类 F 780/D 796/N 824（两口径并存，§4.1 存照）。
- 多少 bounding box？ 1,800 个（照片上，金标准取自 CBCT）。
- 每患者几颗牙被标注？ 12 颗前牙（FDI：13/12/11/21/22/23 + 43/42/41/31/32/33）。
- 患者级 FD 分布？ F+D 145/仅 F 60/仅 D 23/正常 13（94.6% 阳性先验）。
- 三个文件夹是什么？ Patient Information（CSV）/ Patient Imaging Data（照片+CBCT）/ Annotations（CSV+JSON）。
- JSON 标注用什么工具？ MakeSense 兼容——可直接导入开源平台可视化。
- 有没有 CBCT 分割掩码？ 没有——只有 DICOM 原始体数据+牙级标签+照片 box。
访问与获取（10 问）
- 怎么下载？ PhysioNet 单平台：CITI GCP+DUA 1.5.0，一次拿全。
- 个人研究者能下吗？ 可以（审核更慢）。
- 体量多大？ 照片 GB 级+CBCT 数 GB——现代管线无压力。
- 能再分发吗？ 不能；指向官方渠道可以。
- 发表要引什么？ 两件套：本集 DOI+Sci Data 论文。
- Views 多少？ 74（unique registered users；2025-05 新集低曝光正常）。
- 与其他 Credentialed 集比门槛重吗？ 标准 PhysioNet 流程，与 508 同级（比 507 少一道 Stanford）。
- 商用可以吗？ 按 License 1.5.0 原文界定。
- 能下轢单个患者的数据吗？ /files/ 目录结构按患者子文件夹组织（可按需取用）。
- 中国香港数据的跨境使用？ DUA+当地法规双框（儿童数据更严）。
方法与统计（10 问）
- 谁标注的？ 两名有经验牙医独立标注。
- 一致性多高？ κ>0.9 间一致性+两周后重复 κ>0.9 内一致性（almost perfect）。
- 分歧怎么处理？ 共识讨论解决；未决案例剔除；共识=金标准。
- 照片 box 的标签哪来？ 金标准传导：CBCT 诊断投影到照片 box。
- 三分类怎么定义？ F=开窗/D=骨开裂/N=正常（牙级）。
- 患者级标签怎么定？ 任一前牙 FD 即阳性（or 聚合——94.6% 先验）。
- 推荐什么任务？ 牙级三分类（最干净）>照片检测>多模态融合。
- 怎么切分？ 患者级铁律（如 160/40/41 或交叉验证）。
- 页面数字有不自洽吗？ 有——2,892 总账 vs 三分类合计 2,400，差 492（§4.1 存照，引用时双数并列）。
- baseline 模型的 mAP？ 页面/摘要未给——以论文全文 Results 为准，本条目不引未核实值。
与论文的关系（10 问）
- 论文发在哪？ Scientific Data（Nature 系数据描述期刊，12:1007）。
- 论文几人署名？ 10 人（页面 4 人是核心子集——差异已存照）。
- 两位通讯是谁？ Xiaomeng Li（HKUST，eexmli@ust.hk）与 Yanqi Yang（HKU，yangyanq@hku.hk）。
- 论文里数据集挂牌和发表谁先？ 挂牌（5 月）早于发表（6 月）40 天。
- 论文许可证？ CC BY-NC-ND 4.0（论文文本）；数据集另受 PhysioNet License 1.5.0 管。
- 一作是谁？ Keyuan Liu（HKU 儿童牙科与正畸系——概念/设计/采集/分析/执笔）。
- Xiaomeng Li 是 HKU 还是 HKUST？ HKUST 电子与计算机工程系（页面作者卡截断易误读，论文实锤）。
- 资助来源？ 页面未列专项资助——以论文 Acknowledgements 为准。
- 致谢里感谢了谁？ 论文致谢参与数据采集的住院牙医（dental residents）。
- 引用时的纪律？ 数字注出处（页面 or 论文），两口径分账（1,800 box vs 2,892/2,400 牙级）。
使用与实操（10 问）
- 先做哪个实验？ 牙级三分类（预训练+冻结微调，单卡 1-3 天）。
- 照片怎么预处理？ 裁片化（box+margin）或固定滑窗；牙龈线对齐+曝光归一化是加分项。
- 增广有什么红线？ 水平翻转必须同步 FDI 象限映射（13↔23 等）；垂直翻转禁用（§7.3）。
- 用什么骨干？ 牙科/医学影像预训练优先，通用视觉预训练次之——241 例从头训练无意义。
- 指标怎么报？ 按牙位分层召回+mAP（检测）或宏平均 F1（分类）；患者级只报 AUC。
- box 和牙级标签怎么对齐？ 需自建 box→FDI 映射（本集未提供映射文件——已知边界）。
- CBCT 怎么用？ 金标准复核/3D 分析/教师模型——需要体数据处理能力。
- 儿童患者（9-13 岁）要排除吗？ 自选：全库用要声明混合牙列混杂；或恒牙列子集（≥14 岁）分析。
- 最大的坑？ 患者泄漏（同患者跨集）——切分纪律高于一切。
- 多久能跑通基线？ 许可流程外，单卡 1-3 天（牙级分类路线）。
评分与定位（10 问）
- AI-Ready 程度如何？ 中上——标注质控/格式友好/伦理透明是亮点；规模小/单设备/数字不自洽扣分。
- DAIMS 打多少？ 6.5-7.0（§10.6 分项论证）。
- 和 506-508 比呢？ 范式同构（标注即资产）但为原生采集型（非 MIMIC 衍生）——谱系不同类。
- 不可替代性是什么？ 唯一公开的照片-CBCT 成对 FD 库+金标准传导设计。
- 适合做什么？ FD 检测/分类/跨模态蒸馏/教学/标注协议模板。
- 不适合做什么？ 后牙/复杂病例建模、跨设备泛化、大规模预训练、3D 分割（无掩码）。
- Views 74 说明什么？ 新集（2025-05）+Credentialed 门槛——曝光低不构成质量信号。
- 重分析空间？ 按牙位分层可靠性/年龄分层 FD 分布/弱监督定位/跨模态蒸馏——四题开放。
- 五年后还相关吗？ 看牙科 AI 落地节奏——"照片初筛"若成临床习惯，本集是鼻祖资产。
- 只记一件事？ CBCT 出题、照片答题——金标准跨模态传导是本集最聪明的一步。
伦理与合规（10 问）
- 为什么不 Open Access？ 儿童数据+颅面几何的生物识别风险——Credentialed 兜底（§8.1）。
- 同意链完整吗？ 三层：治疗同意（含研究条款）→监护同意→回顾豁免（IRB UW 23-632）。
- 匿名化做了什么？ 照片（天然无 PII）改名；CBCT 元数据脚本清除+改名；ID 001-241。
- CBCT 视野为什么不含眼上？ 采集端隐私设计——排除面部几何识别路径。
- 二次发布注意什么？ 避免儿童口面部可辨认组合（牙列+年龄+性别拼图风险）。
- 能投喂外部 AI API 吗？ 谨慎——受控数据第三方传输边界（同 508 §8.3）。
- 违反 DUA 的后果？ 访问撤销+机构通报。
- 教学使用？ 可以（集体注册或教师统一申请，按条款确认）。
- 数据的伦理亮点？ 采集端隐私设计+同意链透明+儿童数据保护——专科数据集的伦理标杆。
- 有伦理缺陷吗？ 无原则性缺陷；"混合牙列的年龄混杂未分层"是文档性不足。
比较与延伸（10 问）
- 同类数据集有吗？ FD 方向此前为零；全景片/龋齿集是邻域但模态与任务不同。
- 和 499/500（CXR 检测/CT 集）什么关系？ 同库医学影像条目；本集是唯一口腔 CBCT 模态。
- 和 506-508 什么关系？ "标注即资产"范式同构；但本集原生采集（非 MIMIC 衍生）。
- 能扩展到后牙吗？ 方法学可以；需要新采集（后牙 CBCT 视野与标注协议要重设计）。
- 能扩展到其他牙病吗？ 页面明确鼓励——同一批影像可再标注邻面龋/牙根吸收等（需再走标注流程）。
- 低资源地区怎么用？ 照片初筛的低成本属性正是为资源受限场景设计——落地评估是它的终极用武之地。
- 未来版本？ v1.0.0 无更新记录；社区期待 v2：多设备 CBCT+后牙+3D 掩码。
- 能贡献数据吗？ 官方渠道未开放；联系通讯作者（Li/Yang）是最接近路径。
- 哪里找社区经验？ Sci Data 引用链+MakeSense 社区（标注工具侧）。
- 三分钟了解全库读哪节？ §0 摘要卡+§6.3 数字卡+本 FAQ——老规矩，十分钟是实价。
§10 存档：证据、引用与维护
§10.1 核查证据清单（三轮）
第 1 轮 WebFetch PhysioNet 内容页全量
→ 标题/团队/标注协议/文件结构/统计/伦理/限制 全量
第 2 轮 curl 页面 HTML（/tmp/509_page.html 47,739 B）
→ Views 74 / Access Policy 原文 / License 1.5.0 / 作者卡机构（截断存照）
第 3 轮 WebSearch 论文定位
→ PubMed 40517159（10 人署名+机构全录）/ nature.com（时间线/贡献声明/许可）
→ Sci Data 12:1007 确认（IF 8.5 / CC BY-NC-ND / PMC12167359）
§10.2 批次清单预判修正记录
| 项 | 预判 | 实测 | 处置 |
|---|---|---|---|
| 访问级别 | Credentialed（待核） | Credentialed | 预判正确 |
| scale | 待核 | 241 患者/2,892 牙位/1,800 box | 已核 |
| 作者机构 | — | HKU×HKUST 双校（页面截断存照） | 按论文口径 |
§10.3 引用格式
数据集：Yang, Y., LI, X., Liu, K., & Elbatel, M. (2025). FDTooth: Intraoral Photographs and Cone-Beam Computed Tomography Images for Fenestration and Dehiscence Detection (version 1.0.0). PhysioNet. DOI 10.13026/v9xk-dy61.
论文：Liu, K., Elbatel, M., Chu, G., Shan, Z., Sum, F.H.K.M.H., Hung, K.F., Zhang, C., Li, X., & Yang, Y. (2025). FDTooth: Intraoral Photographs and CBCT Images for Fenestration and Dehiscence Detection. Scientific Data 12, 1007. DOI 10.1038/s41597-025-05348-3.
§10.4 页面事实的待查与存照边界
- 数字不自洽：2,892（牙位总账）vs 780+796+824=2,400（三分类合计）——差 492 颗未解释；引用时双数并列注明
- box（1,800）与牙位（FDI）的映射文件缺失——需自建
- baseline 模型性能值未在摘要/页面披露——不引用虚构值
- 照片拍摄设备/参数与 CBCT 扫描参数未披露
- 混合牙列（9-13 岁）是否含乳牙未说明
- Views 74 口径=unique registered users
§10.5 slug 互链登记
| 目标 slug | 互文点 |
|---|---|
| chest-ct-sepsis-er（500） | 同库 CT 模态条目（急诊 CT vs 口腔 CBCT） |
| cied-chest-xray（499） | 同库检测任务条目（bounding box 形态对照） |
| cxr-cardiomegaly / cxr-phone / cxr-pro（506-508） | "标注即资产"范式同构；衍生型 vs 本集原生采集型 |
| MIMIC-CXR 主条目 | 无母体关系——范式的跨专科移植对照 |
§10.6 DAIMS 评分论证（区间制）
文档完整性 高（页面+Sci Data 双源；伦理段完整） +1.5
标注质控 极高（κ>0.9 双轮+金标准传导+三形态标注） +1.5
格式友好度 高（FDI 编号+MakeSense 兼容+患者 CSV） +1.0
可获取性 中（Credentialed；但体量小下载友好） -1.0
结构与规模 中（241 例/单设备/仅前牙/无 3D 掩码） -1.0
实证基线 中（baseline 承诺但数字未披露） +0.5
数字一致性 中（页面一处不自洽已存照） +0.5
────────────────────────────────────────────────────────
区间评定 6.5-7.0（质控与伦理透明是亮点；规模与单点是天花板）
§10.7 发布验收单
[✓] frontmatter 双检（category_tags：医学影像/CT/目标检测，全在 92 词条 VOCAB）
[✓] check_md ≥1200 行
[✓] preflight_check PASS
[✓] 发布前 DB 查重（url_name LIKE '%fdtooth%' / content LIKE '%v9xk-dy61%'）
[✓] publish.sh PASS → rid 验证（status=1）
[✓] 封面生成 + cover_url 挂载
[✓] link_builder 内链 + 导航重建 + json_ld
[✓] 线上 HTTP 200 + 内容抽查（241/2,892/1,800/DOI/Sci Data）
[✓] tracker 追加 509 行
[✓] 工单评论（r3i2Os）
§10.8 维护记录
2026-09-23 初版核查三轮完成，FACTS.md 落档
2026-09-23 两段组装（/tmp 安全区），本文发布
§10.9 给下一位核查者的信
复核本条目优先验证五件事：① DOI 10.13026/v9xk-dy61 仍解析且未出 v2（v2 若补齐 492 颗差额说明或加后牙/3D 掩码，§3/§4.1 需大改）；② 页面 Basic Statistics 的 2,892 vs 2,400 是否已被官方勘误（若勘误，§4.1 存照升级为历史记录）；③ Sci Data 论文引用数与 baseline 数字是否已可引用（论文全文 Results 有值则 §6.2 边界解除）；④ 作者机构展示是否修正（页面若修复 HKUST 截断，§1.1 存照保留为历史）；⑤ Views 增长曲线（74→? 不构成质量信号，仅作时间戳）。
§10.10 收束
241 名患者、482 组影像、2,892 个牙位、1,800 个方框——数字都不大，但每一层都在回答同一个问题：当精确诊断要动用辐射与专机，而日常初筛只有肉眼，中间的鸿沟拿什么填？ FDTooth 的答案是让 CBCT 出题、照片答题、AI 阅卷——金标准从三维传到二维，初筛从主观变可算。牙科 AI 的落地故事大多始于这样的小数据集：样本不大，但把"不可能的任务"（照片知骨）翻译成了"可训练的任务"。
附录：对照表与工具卡
附录 A：全库速查总表
| 维度 | 值 |
|---|---|
| 数据集名 | FDTooth |
| slug / 批次序号 | fdtooth / 509 |
| 版本 | v1.0.0（2025-05-05，唯一） |
| DOI | 10.13026/v9xk-dy61 |
| 平台 | PhysioNet（单平台单 DUA） |
| 访问 | Credentialed（License 1.5.0 + DUA 1.5.0） |
| 规模 | 241 患者｜241 照片+241 CBCT｜2,892 牙位账+1,800 box |
| 病种 | 牙开窗 F 780/骨开裂 D 796/正常 N 824（页面口径） |
| 标注质控 | 双牙医独立+κ>0.9 间/内双轮+共识机制 |
| 出身 | HKU 牙学院×HKUST ECE（论文 10 人） |
| 论文 | Sci Data 12:1007 (2025)，IF 8.5 |
| IRB | UW 23-632｜采集 2010-2023 |
| Views | 74 |
| DAIMS | 6.5-7.0 |
| rid | 609 |
附录 B：三形态标注对照卡
| 形态 | 文件 | 数量 | 粒度 | 最佳用途 |
|---|---|---|---|---|
| 牙级金标准 | CSV | 2,892 牙位（三分类 2,400） | FDI 牙位×F/D/N | 分类/流行病学 |
| 照片 box | JSON（MakeSense） | 1,800 | 框+FD 状态 | 目标检测 |
| 患者级聚合 | CSV/页面统计 | 241 | or 聚合（阳性先验 94.6%） | 队列描述 |
附录 C：FDI 前牙编号速查
上颌：13 12 11 | 21 22 23 （右→左）
下颌：43 42 41 | 31 32 33 （右→左）
水平翻转的象限映射：1x↔2x，3x↔4x（个位不变）
附录 D：完整时间线总表
| 时点 | 事件 | 证据 |
|---|---|---|
| 2010-01~2023-01 | 数据采集（HKU 教学患者） | 页面 Ethics |
| 2024-06-24 | Sci Data 投稿 | 论文 Received |
| 2025-05-05 | PhysioNet v1.0.0 挂牌 | 页面 Published |
| 2025-06-05 | 论文接收 | 论文 Accepted |
| 2025-06-14 | 论文在线发表 | Sci Data 12:1007 |
| 2026-09 | 核查时点 Views 74 | 页面卡片 |
附录 E：引用地图
| 用途 | 必引 | 建议加引 |
|---|---|---|
| 使用照片/CBCT | 本集 DOI + Sci Data 论文 | — |
| 引用统计数字 | 页面口径注明 + 论文 | — |
| 平移标注协议 | Sci Data 论文 | 本集 DOI |
| 流行病学引用 | 论文 | 就诊人群偏倚声明（§4.4） |
附录 F：术语总表（节选）
| 术语 | 含义 |
|---|---|
| fenestration | 开窗——骨壁窗口状缺损 |
| dehiscence | 骨开裂——骨缘缺失至嵴顶 |
| CBCT | 锥形束 CT |
| FDI 编号 | 世界牙科联合会牙位编号 |
| MakeSense | 开源标注工具（本集 JSON 兼容） |
| 金标准传导 | CBCT 诊断→照片 box 的标签投影 |
| 混合牙列 | 替牙期乳恒牙并存（9-13 岁相关） |
| ALARA | 辐射合理最低量原则 |
附录 G：批次六进度存照
506 cxr-cardiomegaly rid 606 ✅ 2026-09-22
507 cxr-phone rid 607 ✅ 2026-09-23
508 cxr-pro rid 608 ✅ 2026-09-23
509 fdtooth rid 609 ✅ 2026-09-23（本条）
510 heart-lung-segmentations-data 待产
511-515 排队中
批次六工单：r3i2Os｜批次进度 4/10
附录 H：三十问自测卷（读完本条目应能全对）
[身份组]
1. FDTooth 的 DOI？—— 10.13026/v9xk-dy61
2. 发布日期与版本？—— 2025-05-05，v1.0.0
3. 访问级别？—— Credentialed（License 1.5.0 + DUA 1.5.0）
4. 病种？—— 牙开窗（fenestration）+骨开裂（dehiscence）
5. IRB？—— HKU/HA HKWC UW 23-632
[内容组]
6. 患者数与年龄？—— 241 人，9-55 岁，中位 28
7. 照片规格？—— 241 张 5760×3840 JPEG
8. CBCT？—— 241 个 DICOM（仅上下颌视野）
9. 牙级标注？—— 2,892 牙位账；F 780/D 796/N 824（页面口径）
10. 照片 box？—— 1,800 个（金标准取自 CBCT）
[标注组]
11. 标注者？—— 两名有经验牙医独立标注
12. 一致性？—— κ>0.9 间+内（两周重复）
13. 分歧处理？—— 共识解决，未决剔除
14. 金标准传导？—— CBCT 诊断投影到照片 box
15. 每患者标注几颗牙？—— 12 颗前牙（FDI 编号）
[结构组]
16. 患者级分布？—— F+D 145/仅 F 60/仅 D 23/正常 13
17. 患者级阳性先验？—— 94.6%（or 聚合的结果）
18. 页面数字不自洽？—— 2,892 vs 780+796+824=2,400，差 492
19. 性别分布怎么读？—— 76.8% 女性是进样偏倚（正畸就诊结构）
20. 单设备局限？—— 全部 CBCT 同一型号，跨设备泛化未验证
[方法组]
21. 推荐任务？—— 牙级三分类>照片检测>多模态融合
22. 切分纪律？—— 患者级（照片与 CBCT 同患者不跨集）
23. 增广红线？—— 水平翻转同步 FDI 象限（1x↔2x/3x↔4x）
24. 患者级指标怎么报？—— AUC/召回（裸准确率被 94.6% 先验污染）
25. 无 box 牙三选项？—— 弃用/弱监督/半自动补框
[治理组]
26. 同意链？—— 治疗同意（研究条款）→监护同意→回顾豁免
27. CBCT 隐私设计？—— 视野不含眼上+元数据脚本清除+匿名 ID
28. 引用两件套？—— 本集 DOI+Sci Data 12:1007 论文
29. DAIMS？—— 6.5-7.0（质控透明亮点，规模单点天花板）
30. 只记一件事？—— CBCT 出题、照片答题、AI 阅卷——金标准跨模态传导
附录 I：术语总表（按拼音/字母序）
| 术语 | 含义 | 条目内位置 |
|---|---|---|
| ALARA | 辐射合理最低量原则 | §6.6 |
| dehiscence | 骨开裂——骨缘缺失至嵴顶 | §1.3 |
| FD | 开窗+骨开裂合称 | §0.1 |
| FDI 编号 | 世界牙科联合会牙位编号（两位数） | §3.5 |
| fenestration | 开窗——骨壁窗口状缺损 | §1.3 |
| MakeSense | 开源标注工具（JSON 兼容） | §3.4 |
| CBCT | 锥形束 CT（FD 诊断金标准） | §1.3 |
| second-reader | AI 提示+医生复核的部署模式 | §7.6 |
| 裁片三参数 | 锚点/边距/分辨率 | §7.8 |
| 金标准传导 | CBCT→照片的标签投影 | §2.1 |
| 混合牙列 | 替牙期乳恒牙并存 | §4.3 |
| 进样偏倚 | 就诊人群结构≠人群结构 | §4.4 |
| 象限同步 | 翻转增广的 FDI 映射纪律 | §7.3 |
| 无 box 牙 | 有牙级标签但照片无框的牙 | §7.9 |
| 风险图 | 按牙输出的正畸移动风险等级 | §6.12 |
附录 J：与影像家族条目的范式对照卡
| 维度 | 506-508（MIMIC 衍生家族） | 509 FDTooth（本集） |
|---|---|---|
| 资产类型 | 衍生型（母体已存在） | 原生采集型 |
| 价值创造 | 变换（抽象/仿真/净化） | 采集设计+标注工程 |
| 评价重心 | 变换巧思+许可宽松度 | 标注质控+伦理链完整性 |
| 规模 | 大（10 万-37 万） | 小（241）但每样本自带 CBCT |
| 模态 | CXR/文本/数值 | 口内照片+口腔 CBCT |
| 标注来源 | 继承（报告标签）或衍生 | 双牙医人工+金标准传导 |
| 许可 | ODC-BY~Credentialed 光谱 | Credentialed 1.5.0 |
家族学外传：本集证明"标注即资产"范式不依赖 MIMIC 级母体——一个专科门诊+一套 κ 协议+一次跨系合作，同样能铸出可挂牌的数据资产。
附录 K：数据字典（字段级速查）
Patient Information CSV
| 字段 | 类型 | 说明 |
|---|---|---|
| patient_id | 整型字符串 | 匿名 ID 001-241 |
| age | 整型 | 9-55 |
| gender | 枚举 | F/M（女 185/男 56） |
Annotations CSV（牙级）
| 字段 | 类型 | 说明 |
|---|---|---|
| patient_id | 整型字符串 | 对齐患者 |
| tooth（FDI） | 两位数 | 13/12/11/21/22/23/43/42/41/31/32/33 |
| label | 枚举 | F=开窗 / D=骨开裂 / N=正常 |
Annotations JSON（box，MakeSense 兼容）
| 字段 | 类型 | 说明 |
|---|---|---|
| image / patient | 关联键 | 对应照片子文件夹 |
| bbox | 坐标数组 | 照片上的区域框 |
| label | 枚举 | 框的 FD 状态（金标准取自 CBCT） |
影像
| 对象 | 格式 | 规模 |
|---|---|---|
| 口内照片 | JPEG | 5760×3840，子文件夹 001-241 |
| CBCT | DICOM | 子文件夹 001_cbct-241_cbct，元数据已清 |
附录 L：与同库检测任务条目的对照卡
| 维度 | 499 CIED 检测（CXR） | 500 chest-ct-sepsis-er | 509 FDTooth（本集） |
|---|---|---|---|
| 模态 | 胸片 | 胸部 CT | 口内照片+口腔 CBCT |
| 任务 | 设备检测（bounding box） | 分割/分类 | 牙级分类+box 检测 |
| 标注形态 | 设备框 | 分割掩码 | 牙级标签+box 双形态 |
| 病种谱 | 装置（非病理） | 脓肿/急症 | 骨缺损（F/D） |
| 特殊设计 | — | 急诊场景 | 金标准传导+κ 双轮 |
| 共同纪律 | 患者级切分、标签口径分账、引用两件套 |
附录 M：核查过程存照卡
第 1 轮 WebFetch physionet.org/content/fdtooth/1.0.0/
→ 全量提取（标题/团队/标注协议/统计/伦理/限制）
第 2 轮 curl 页面 HTML（/tmp/509_page.html 47,739 B）
→ Views 74 / Credentialed 原文 / License 1.5.0 / 作者卡机构截断存照
第 3 轮 WebSearch 论文定位
→ PubMed 40517159（10 人署名+机构）/ nature.com（时间线/贡献/许可）
→ Sci Data 12:1007 确认（IF 8.5 / CC BY-NC-ND）
产出 FACTS.md（writing/fdtooth/）+ 本文五块组装（/tmp 安全区）
关键发现 页面数字不自洽（2,892 vs 2,400）——首次在事实核查中浮出
附录 N：目录树全景卡
FDTooth/
├── Patient Information/
│ └── patients.csv # 241 行：匿名 ID/年龄/性别
├── Patient Imaging Data/
│ ├── 001/ … 241/ # 口内照片（5760×3840 JPEG，每患者 1 张）
│ └── 001_cbct/ … 241_cbct/ # CBCT DICOM（元数据已清，每患者 1 个）
└── Annotations/
├── tooth_labels.csv # 牙级：patient_id × FDI × F/D/N
└── makeSense_boxes.json # 1,800 box（金标准取自 CBCT）
使用前核对清单：① 患者子文件夹数=241（照片与 CBCT 各 241）；② CSV 行数与牙位账对齐；③ JSON 可被 MakeSense 导入渲染；④ DICOM 序列按文件名 ID 重排（元数据已清，序列顺序靠文件名）。
附录 O：baseline 复现指南卡
第一步 读论文 Results 节确认 baseline 架构与指标定义
第二步 对齐切分（患者级）与评测集（确认其 train/val/test 划分）
第三步 复现其预处理（裁片策略/分辨率/增广清单）
第四步 若指标仍对不齐：检查 box→FDI 映射与 2,400/2,892 口径
第五步 对齐后作为自家方法的锚点（引用其数字+注明复现差异）
若论文未披露关键细节（种子/超参），以"同数据同切分同指标"的松对齐报告，并声明与原文的差异点——数据集论文的 baseline 通常不提供完整训练配置，松对齐是常态而非失败。
附录 P：儿童数据伦理检查清单（使用本集必读）
[ ] 研究协议是否覆盖未成年人数据（IRB/伦理委员会确认）？
[ ] 论文配图/演示是否避免可辨认的儿童口面部组合？
[ ] 年龄字段是否只做统计用途（不进入可展示的单样本画像）？
[ ] 衍生数据/模型权重发布前是否重新评估重识别风险？
[ ] 跨境传输是否同时满足 DUA 与本地未成年人数据法规？
[ ] 模型部署场景是否声明"不用于未经临床监督的儿童诊断"？
六条全过再动工——FDTooth 的下限是 9 岁，未成年人数据占了队列的实质比例，成人数据的习惯做法在这里不够用。
附录 Q：十问快筛（三分钟版）
1. 多少患者？—— 241（9-55 岁）
2. 双模态？—— 口内照片+CBCT 各 241，成对
3. 标注？—— 牙级 F/D/N（2,892 账）+1,800 box（CBCT 传导）
4. 一致性？—— κ>0.9 双轮（间+内）
5. 访问？—— Credentialed（License 1.5.0）
6. 论文？—— Sci Data 12:1007 (2025)，IF 8.5
7. 推荐任务？—— 牙级三分类（患者级先验 94.6% 是坑）
8. 最大坑？—— 患者泄漏（切分纪律）
9. 最大局限？—— 单设备 CBCT+仅前牙
10. 一句话？—— CBCT 出题、照片答题、AI 阅卷
附录 R：数据集工程迁移卡（本集可复用的五个模板）
| 模板 | 本集的实现 | 迁移要点 |
|---|---|---|
| 金标准传导 | CBCT 诊断→照片 box | 任何"贵模态诊断+便宜模态筛查"任务 |
| κ 双轮协议 | 间+内一致性（两周重复） | 小样本专科标注的标准配置 |
| 净化取舍 | 排除严重病例的声明化 | 任务纯净度 vs 部署分布的自觉 |
| 采集端隐私 | 视野限制+元数据脚本清除 | 比发布端打码彻底且便宜 |
| 可视化出口 | MakeSense 兼容 JSON | 给标注配复核入口的零成本细节 |
附录 S：下一发预告与批次账本
510 heart-lung-segmentations-data MIMIC-CXR 心肺分割掩码（与 506 姊妹互指）
511 image-embeddings-mimic-cxr MIMIC-CXR 嵌入层（家族第四形态）
512-515 LATTE / lung-segment-mimic-cxr / lunguage / maternal-ultrasound-nutrition
批次六进度：4/10 ｜ 506-509 已全部闭环（rid 606-609 连续）
附录 T：给三条读者路线的一页纸
-
牙科 AI 研究者：§5.3-§5.5 三条任务线选一，附录 N 目录树核对数据，附录 P 儿童伦理六问过一遍，§7.2 管线起步——单卡一周内可出第一版结果。
-
临床合作者：§1.3 病种解剖+§6.12 风险图视角——FDTooth 的消费形态是"按牙位的移动风险"，不是一张疾病标签；§4.10 的三类假阳性是读模型输出时的必备警惕。
-
数据策展人：附录 R 的五个迁移模板+§2.3 的 κ 协议细节——本集最值得偷师的不是数据本身，而是"小样本专科数据集怎么把质控做成可审计文档"的方法论。
-
好奇的通才：只读三处——§0.4 身份卡、§2.1 金标准传导、§6.3 数字卡——十五分钟带走本集全部精华。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- deeplesion — 共享标签：医学影像 / CT / 目标检测
- luna16 — 共享标签：医学影像 / CT / 目标检测
- largeia — 共享标签：医学影像 / CT / 目标检测
- lidc-idri — 共享标签：医学影像 / CT / 目标检测
- vindr-cxr — 共享标签：医学影像 / 目标检测
- chestx-det10 — 共享标签：医学影像 / 目标检测
- nsclc-radiomics — 共享标签：医学影像 / CT
- rider-lung-ct — 共享标签：医学影像 / CT
- nih-pancreas-ct — 共享标签：医学影像 / CT
- abdomenct-1k — 共享标签：医学影像 / CT
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
