InReDD-Dataset-PAN924 — 924 张全景牙科 X 光片的像素级多标签数据集

INFOBOX — InReDD-Dataset-PAN924 一屏速览

维度	内容
本质	USP-RP 数字牙科组发布的 924 张匿名全景牙科 X 光片像素级多标签数据集（非挑战赛、非重标注升级版）
团队	InReDD（Interdisciplinary Research Group in Digital Dentistry），University of São Paulo, Ribeirão Preto campus（USP-RP）
前置论文	Oral Surg Oral Med Oral Pathol Oral Radiol. 2024;138(1):205-213（doi:10.1016/j.oooo.2023.12.006）
PhysioNet	2025-11-22 发布，版本 1.0.0，DOI 10.13026/r5nt-we67
数据	924 张全景片，JPG，2903×1536 px，95 dpi；命名 <id>-<sex>-<age>.jpg
人群	14–81 岁，中位 35 岁；女约 60% / 男约 40%
任务	双任务：Labeling（FDI 牙位编号，32 类，不可变）+ Annotation（牙齿状况，可变）
标注	3 名牙颌面放射科医师强制共识（forced consensus）；平台 LyriaPACS
格式	COCO 兼容 JSON（bbox [x,y,w,h] + 多边形 segmentation）；split / combined 两版
规模	矩形框 20,957（PhysioNet 口径）｜牙齿分割掩码 4,621｜FDI 牙位 32 类｜状况 14 类
工具	FiftyOne（附加载脚本 inredd_dataset_pan924_fof.py）；I-Medsys 影像服务器
扩展	InReDD-Dataset-PAN924-Ext-BoneLoss-769（2026-09-17，769 张，21,064 多边形标注）
获取	PhysioNet 受限访问（DUA + 贡献者审核，无直链）｜GitHub 镜像仓公开（受上游约束）
许可	PhysioNet Contributor Review Health Data License 1.5.0 + Health DUA（GitHub 另声明 CC BY 4.0，双口径）
库内互链	dentex（牙科全景 X 光挑战赛）、3dteethland（三维牙齿分割）、caries-miccai（龋齿检测）

InReDD-Dataset-PAN924 是一份"用放射科医师的共识，给全景牙科 X 光片立一套可复现标注规矩"的数据集：它没有开发竞赛、没有排行榜，也不追求图像数量上的绝对领先，而是把 924 张匿名全景片的每一颗牙齿用矩形框圈出、用多边形描出轮廓，并同时打上牙位编号（这是哪一颗牙）与牙齿状况（这颗牙怎么了）两套标签。真正让它在牙科 AI 数据集谱系里立住位置的，不是 924 这个数字，而是它把"标注必须由牙颌面放射科医师以强制共识方式完成"这件事当作方法学主张写进了论文标题——在这个普遍依赖众包与单标注者的领域里，这是一次少见的"把标注质量放在规模前面"的宣言。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意本体走 PhysioNet 受限访问（DUA + 贡献者审核，无直链），GitHub 镜像仓只是格式转换发布，别把两者许可混为一谈。
2. 关心标注方法学：直奔 §3 注释流水线——“Labeling vs Annotation 双任务”+“3 名放射科医师强制共识”+"LyriaPACS 平台"三段连读，这是本条目最不可替代的部分。
3. 做目标检测/分割模型：直奔 §2 数据构成与 §5 评测——COCO 兼容 JSON 可直接喂给主流检测框架，但引用规模数字前必须先定口径（坑 1-3）。

§0 导读：这个数据集解决什么问题

牙科影像的 AI 研究长期面临一个尴尬的结构性错配：临床上有海量全景牙科 X 光片（一张片子就能看到全口 28–32 颗牙），但可用于监督学习的标注极其稀缺。稀缺的原因不是成像难，而是标注贵——要让一个模型学会"识别哪一颗牙、判断这颗牙是健康、龋坏、修复还是缺失"，标注者必须同时具备牙位编号知识（FDI 系统下一颗牙的编号取决于它在上/下颌、左/右、第几位的组合逻辑）和牙体疾病判别能力（龋齿的放射学表现、修复体的边界、残根的识别）。这两项能力都指向同一类人：牙颌面放射科医师。而让放射科医师逐颗牙去做像素级勾画，成本高到几乎无法规模化。

由此产生了行业惯常的妥协路径：用非专家（学生、众包标注员）做标注，用单标注者省时间，用矩形框代替多边形以降低精度门槛，用"先射箭再画靶"式的模糊类别定义应付一致性考核。这些妥协在短期内换来规模，代价是标签噪声——而标签噪声在牙科影像里尤其致命，因为相邻牙齿的边界在 X 光片上本就模糊、牙齿状况类别之间的界定本就有临床分歧空间。

InReDD-Dataset-PAN924 的回答分三层，且每一层都直接对冲上述妥协。第一层是人：由 3 名各具十年经验的牙颌面放射科医师完成标注，并采用"强制共识"（forced consensus）机制——不是各标各的再统计一致性，而是必须讨论到达成一致为止。第二层是任务拆分：把标注拆成不可变的"Labeling"（牙位编号，客观、有 FDI 标准可依）与可变的"Annotation"（牙齿状况，主观、需要临床判断），前者保证结构性标签的确定性，后者承认判断空间的存在。第三层是格式：输出 COCO 兼容 JSON，bbox 与多边形 segmentation 并存，并同时提供 split（每图一文件）与 combined（全库单文件）两版，让下游框架能零成本接入。

§0 读法三则：

1. 这个条目最容易被误读的地方在名字——INREDD 是 Interdisciplinary Research Group in Digital Dentistry（数字牙科跨学科研究组），PAN924 是 PANoramic 全景牙科 X 光片 924 张；它与"胰腺癌"毫无关系（坑 5）。检索时若按"胰腺癌 924 例"去查将一无所获。
2. 本条目所有规模数字都存在双口径冲突（PhysioNet 页 vs GitHub 仓）：矩形框 20,957 vs 22,614、牙齿分割 4,621 vs 200、状况类别 14 vs 12。全文采用"并列存照 + 注明口径来源"的写法，引用前请对照 §10 与附录 R 的双口径登记表先定口径。
3. 数据集本体没有官方挑战赛，它把自己定位为"支持描述性分析与 AI 模型的创建与验证"——因此不要期待像 DENTEX 那样的官方排行榜；评测协议需自行设计（§5）。

§1 数据集速览：十问十答

Q1：PAN924 里的"924"是什么？
924 张匿名化的全景牙科 X 光片（panoramic radiograph 的数字量）。全景片是把全口牙齿与颌骨拍进一张二维影像的牙科常规检查，一张片子即可覆盖上颌与下颌的全部牙列——这也是它成为"牙位级多标签数据集"理想载体的原因。

Q2：图像规格是什么？
JPG 格式，分辨率 2903 × 1536 px，95 dpi（原始为 300 dpi，发布前压缩）。文件名形如 <id>-<sex>-<age>.jpg，例如 2-F-70.jpg 表示某 70 岁女性受试者的图像，其中 ID 经质量清理后随机化、不连续。

Q3：谁做的，机构在哪？
巴西圣保罗大学里贝朗普雷图校区（University of São Paulo, Ribeirão Preto campus）内部的 InReDD（数字牙科跨学科研究组），联合计算与数学系（DCM-USP-RP）与里贝朗普雷图牙科学院（FORP-USP-RP）共同完成。PhysioNet 页面的署名顺序为 Caio Uehara Martins、Camila Tirapelli、Hugo Gaêta-Araujo、Jose Augusto Baranauskas、Breno Zancan、Jose Carneiro、Alessandra Macedo。

Q4：标注是怎么做的，可靠吗？
这是本数据集的核心卖点。标注由 3 名牙颌面放射科医师（各十年经验）以 **强制共识（forced consensus）**方式完成：不是各标各的算一致性，而是必须讨论到一致。标注在 LyriaPACS Web 平台上进行，配 I-Medsys 影像服务器，显示器 1024×768、24-bit，在昏暗环境下借助内置 zoom/brightness/contrast 工具完成。

Q5：标注任务怎么拆？
拆成两个任务：Labeling（牙位编号）——用 FDI 系统给每颗牙指定编号，是客观、不可变的标签；Annotation（牙齿状况）——标注每颗牙的状态（健康、龋齿、修复、种植体、残根等），是主观、可变的标签。这种拆分让结构性标签与判断性标签各归其位。

Q6：标注格式是什么，能直接训练吗？
COCO 兼容 JSON，保留牙科专用字段。每张图对应一个 JSON，实例分 mouth 与 teeth 两大类：矩形框为 [x,y,w,h]，分割为多边形顶点列表。提供 split（每图一 JSON，便于切分训练/测试集）与 combined（全库合并单 JSON，便于整体统计）两版。附 FiftyOne 加载脚本 inredd_dataset_pan924_fof.py，可一键载入。

Q7：有多少标注？
PhysioNet 口径下矩形框标注共 20,957 个（mouth 类 924 + teeth 类 20,033）；牙齿分割掩码共 4,621 个（分布在 200 张图的子集上）。FDI 牙位编号 32 类，牙齿状况 14 类（PhysioNet 口径），口腔状况 4 类。

Q8：牙齿状况有哪些类别？
分三层。Mouth 超类：Ed/De/Me/Mne 共 4 类。Teeth 超类再分 Artificial（Im/Cp/P）、Natural（H/Rr/M3i/M3f/Te/Ri/Dc/Di/C/R/I）、Mixed（TeM/RiM/CpuM）。PhysioNet 口径合计 14 类，GitHub 口径记 12 类——引用前先定口径（坑 3）。

Q9：怎么获取，要花钱吗？
不能直接下载。本体走 PhysioNet 受限访问（credentialed access）：需签 PhysioNet Contributor Review Health Data License 1.5.0 与 Health Data DUA，并由贡献者逐项审核，无需培训但需资格认证。GitHub 镜像仓（thiagoavieira/inredd-dataset-pan924-yolo-format）提供格式转换发布，README 声明 CC BY 4.0——但实际存取仍受上游 PhysioNet 条款约束（坑 4）。

Q10：有扩展版吗？
有。InReDD-Dataset-PAN924-Ext-BoneLoss-769 于 2026-09-17 发布（版本 1.0.0），含 769 张全景片与 21,064 个 COCO 多边形标注（Release Notes 另记 21,047 口径），面向牙冠与牙槽嵴实例分割、以及从釉牙骨质界（CEJ）到牙槽嵴顶的骨流失测量。

§2 数据构成与规格

§2.1 图像层：924 张匿名全景片的"三件套"

InReDD-Dataset-PAN924 的图像层由 924 张匿名的全景牙科 X 光片（panoramic radiograph）构成。每张图像同时承载三类信息，构成一个极简的"三件套"标识系统：

层面	载体	取值/规格
匿名标识	文件名 <id>-<sex>-<age>.jpg	例：2-F-70.jpg
图像本体	JPG 像素矩阵	2903 × 1536 px，95 dpi
元数据	文件名嵌入的性别与年龄	性别 F/M；年龄 14–81

这种"把人口学信息编进文件名"的做法在牙科数据集里并不常见——它的好处是图像本身即可自证人群构成，无需额外的患者表即可做分层分析；代价是文件名与内容强耦合，任何重命名操作都会丢失元数据。特别需要注意：图像 ID 是质量清理后重排的随机值，不是连续序号——看到 2-F-70.jpg 后不要去推断"1 号图"或"3 号图"的存在，它们可能已经在清理中被移除。

§2.2 图像规格的技术含义

2903 × 1536 px 的横向长宽比（约 1.89:1）正是全景片的口腔全景视野比例：横向覆盖从右侧颞下颌关节到左侧颞下颌关节的全颌宽度，纵向覆盖上颌窦底至上颌牙槽突、下颌升支至下颌下缘。95 dpi 的标注值需要谨慎解读——原始影像为 300 dpi，发布前经压缩处理；文件中的 dpi 元数据更多是"来源标记"而非"诊断分辨率承诺"。JPG 有损压缩意味着在高倍放大下会看到块状伪影，做像素级分割研究时需注意这一点（牙齿分割掩码仅覆盖 200 张子集，正是为控制标注成本与压缩影响的折中）。

图像规格的实操提示：

1. 不要重采样到统一尺寸后再对照原文数字。原始 2903×1536 是所有几何标注（bbox 坐标、多边形顶点）的坐标基准系；任何缩放都会让坐标语义漂移。
2. 横向优先做增广。全景片的关键解剖结构（牙列、升支、上颌窦）沿横向分布，等比缩放会挤压纵向细节；建议横向裁剪/平移优先于随机旋转。
3. 95 dpi 不是分辨率上限。若下游任务依赖小结构（如牙周膜间隙），应以原始 300 dpi 版本为准，向作者申请时明确这一点。

§2.3 人群构成：年龄与性别的双重分布

数据集覆盖 14–81 岁的广泛年龄跨度，中位年龄 35 岁。这个分布有明确的牙科流行病学含义：中位 35 岁落在恒牙列完全建立、龋齿与修复体开始累积的阶段，正是"牙齿状况多类共存"最典型的年龄段。性别构成为女性约 60%、男性约 40%——这一偏斜在牙科就诊人群中有现实基础（女性口腔保健利用率通常更高），但在训练模型时需要警惕：若下游任务与性别相关（如某些牙齿形态学差异），性别偏斜可能转化为预测偏差。

年龄两极的意义：14 岁附近的青少年样本携带第三磨牙发育与萌出状态（M3i 阻生 / M3f 全萌）的价值信息；81 岁附近的老年样本则是种植体（Im）、残根（Rr）、重度磨耗的高发群体。两端样本量可能远小于中位年龄带——这意味着做年龄分层研究时必须先统计各年龄段的样本量，而不是假设分布均匀。

§2.4 标注层：COCO 兼容 JSON 的双版本设计

标注以 COCO 兼容 JSON 交付，保留牙科专用字段。COCO（Common Objects in Context）格式的核心结构是三个数组：images（图像元信息）、annotations（实例标注，含 bbox 与 segmentation）、categories（类别定义）。InReDD 在此之上扩展了牙科专用字段（如 FDI 牙位编号）。

bbox 格式：[x, y, w, h]——左上角坐标 + 宽高。这是 COCO 的标准定义，与 Pascal VOC 的 [x_min, y_min, x_max, y_max] 不同。做格式转换时最常见的错误就是把四元组当作 [x1,y1,x2,y2] 直接喂给 YOLO 类框架。

segmentation 格式：多边形顶点列表（polygon），形如 [[x1,y1,x2,y2,...,xn,yn]]。COCO 同时支持 polygon 与 RLE（Run-Length Encoding）两种分割表示；InReDD 采用 polygon，意味着分割掩码是矢量轮廓而非栅格掩码——需要 rasterize 后才能得到像素级掩码图。

双版本设计的用法差异：

版本	组织方式	适用场景	注意事项
split	每张图一个 JSON	划分训练/测试集、逐图加载	需自行合并或按图遍历
combined	全库合并单 JSON	全局统计、类别分布分析	文件较大，需流式解析

§2.5 类别体系：FDI 牙位编号与牙齿状况的双层标签

§2.5.1 FDI 牙位编号（Labeling 任务）

FDI（Fédération Dentaire Internationale，世界牙科联盟）牙位编号系统用两位数字标识每一颗牙：第一位表示象限（1=右上、2=左上、3=左下、4=右下），第二位表示从正中线向后的位置（1–8）。恒牙 32 颗即 11–18、21–28、31–38、41–48。InReDD 数据集覆盖 32 类牙位编号（00–88 编码空间内）。

FDI 的"不可变性"是关键：一颗牙的编号由它在牙列中的解剖位置唯一确定，不因该牙是健康、龋坏还是被修复而改变。这正是 InReDD 把 Labeling 与 Annotation 拆开的方法学依据——牙位编号是结构性标签，应当由客观标准决定；牙齿状况是状态性标签，允许临床判断空间。

§2.5.2 牙齿状况（Annotation 任务）

牙齿状况标注采用三层分类结构：

Mouth 超类（口腔级，4 类）：Ed / De / Me / Mne

Teeth 超类（牙齿级），再分三个子组：

• Artificial（人工修复体）：Im（种植体）、Cp（全冠）、P（桩）
• Natural（天然牙状态）：H（健康）、Rr（残根）、M3i（第三磨牙阻生）、M3f（第三磨牙全萌）、Te（缺失）、Ri（根残留）、Dc（牙冠龋）、Di（牙本质龋）、C（龋）、R（修复）、I（不透明/影像异常）
• Mixed（混合状态）：TeM、RiM、CpuM

状况类别的规模口径冲突：PhysioNet 页面记录牙齿状况为 14 类，GitHub 镜像仓 README 记录为 12 类。两个数字都不必然是错的——可能的解释包括：合并了若干稀有小类、或统计的是不同层级的类别数（是否计入 Mixed 子组）。本条目在两个数字并列呈现，引用时务必注明口径来源（坑 3）。

§2.6 标注密度与实例统计

统计项	PhysioNet 口径	GitHub 口径	备注
矩形框总数	20,957	22,614	差值疑因质量清理
— mouth 类	924	—	每图 1 个口腔实例
— teeth 类	20,033	—	平均每图约 21.7 颗牙
牙齿分割掩码	4,621	—	分布在 200 张子集
牙齿分割图像数	—	200	与上行为不同维度
FDI 牙位类别	32	—	恒牙全编号
牙齿状况类别	14	12	口径冲突
口腔状况类别	4	4	—

每图约 21.7 颗牙的含义：成人恒牙 28–32 颗，全景片上能被清晰识别并标注的约 20–30 颗（取决于缺牙、阻生、影像质量）。20,033 ÷ 924 ≈ 21.68 与临床预期吻合，这是一个内部一致性检查点——若下游处理发现某图只有 5 颗牙被标注，要么该患者确实大量缺牙，要么标注被质量清理移除了。

§2.7 数据文件组织

发布包的组织结构（依据 PhysioNet 与 GitHub 描述）：

inredd-dataset-pan924/
├── images/                    # 924 张 JPG，命名 <id>-<sex>-<age>.jpg
├── annotations/
│   ├── split/                 # 每图一个 COCO JSON
│   └── combined.json          # 全库合并单 JSON
├── inredd_dataset_pan924_fof.py   # FiftyOne 加载脚本
└── README / LICENSE

FiftyOne 加载脚本 inredd_dataset_pan924_fof.py 的价值在于：它把"图像目录 + COCO JSON"这套两件式结构一键装配成 FiftyOne 数据集，研究者可以直接用 FiftyOne 的可视化界面检查标注质量、按类别筛选实例、抽样查看错误。对于标注质量敏感的研究，这是一个被低估的入口。

§3 注释流水线：把"放射科医师共识"工程化

§3.1 为什么标注质量在这里是核心问题

牙科影像 AI 数据集的方法学分歧，长期集中在"谁来标注"这个问题上。已有的多数口腔数据集采用众包或非专家标注，理由是成本与规模；而 InReDD 团队在原始论文标题里就把立场亮了出来——“the importance of labeling performed by radiologists”（由放射科医师完成标注的重要性）。这句话不是修辞，而是数据集的方法论主张：在牙齿状况判别这类需要临床判断的任务上，标注者的专业度直接决定标签的可信度上限。

具体而言，牙齿状况标注存在若干只有放射科医师才能稳定处理的边界情形：早期龋与牙釉质发育不全的放射学区分、全冠修复体与天然牙冠在 X 光下的边界判定、根残留与正常根尖的辨别、种植体周围骨结合的影像评估。非专家标注员在这些情形上的分歧率显著更高，而这些分歧会直接转化为模型的系统性错误。

§3.2 强制共识（forced consensus）机制

InReDD 采用的不是"多人独立标注 + 事后统计一致性"（如 Cohen’s kappa），而是强制共识：3 名标注者必须讨论到达成一致为止。这两种方法的差别是根本性的：

维度	独立标注 + kappa	强制共识（InReDD）
产出	多套标签 + 一致性指标	唯一标签 + 讨论记录
分歧处理	量化分歧、交仲裁者	现场讨论消解
优点	可量化标注不确定性	标签唯一、可直接训练
缺点	需仲裁规则、常见多数投票失真	不确定性不可量化、成本高
适用	大规模、判断可分散	高价值、判断需协商

强制共识的代价是时间成本与可扩展性：3 名医师逐张讨论 924 张片子，其总投入远超独立标注。但换来的是一套"可直接用于监督学习而无需仲裁规则"的标签——这对于作为"可复现基准"的数据集定位而言是必要的。

§3.3 标注平台：LyriaPACS 与 I-Medsys

标注工作在 LyriaPACS（Web 平台）上完成，图像由 I-Medsys 影像服务器提供。平台配置的细节透露出团队对标注条件的刻意控制：

• 显示器：1024 × 768 px、24-bit 色深
• 环境：昏暗环境（减少屏幕反光）
• 工具：内置 zoom（缩放）、brightness（亮度）、contrast（对比度）调节

这些参数的意义在于标注一致性：所有标注者在同一分辨率、同一色深、同一工具集下工作，降低了因设备差异导致的标注漂移。1024×768 的显示器分辨率明显低于图像本身的 2903×1536——这意味着标注者是在缩放视图下工作的，zoom 工具的精度直接影响多边形勾画质量。这是理解为什么牙齿分割掩码只覆盖 200 张子集的一个现实约束：逐牙多边形勾画在低分辨率视图下的成本极高。

§3.4 双任务的分工逻辑

Labeling（牙位编号）与 Annotation（牙齿状况）的拆分，是本数据集最重要的方法学设计之一。拆分的依据是标签的"可变性"：

• Labeling 不可变：一颗牙的 FDI 编号由解剖位置决定，与它的健康状况无关。同一颗牙不论健康还是龋坏，编号恒为（例如）36。因此 Labeling 一旦确定即为"地面真值"，不存在判断分歧。
• Annotation 可变：一颗牙的状况可能随临床判断而不同（早期龋 vs 健康、修复体边缘的归属），也因此具有"随时间与观察者变化"的属性。

这个拆分的实操价值在于：研究者可以选择只使用 Labeling 做牙位识别任务（高置信度标签），或只使用 Annotation 做状况分类任务（承认判断空间），而不必把两类标签耦合在一起承担混合误差。这是许多"一锅端"标注数据集不具备的灵活性。

§3.5 标注质量的自我约束

从数据设计上可以看到若干质量控制痕迹：

1. 质量清理移除部分原数据：ID 随机化与 bbox 总数差异（20,957 vs 22,614）都指向这一点——团队在发布前移除了一批质量不达标的图像/标注，代价是原始序号不再连续。
2. 分割子集选择性标注：分割掩码只覆盖 200 张的 4,621 个实例，而非全库——这既控制了成本，也让分割子集成为"高精度样本"，适合做分割算法的验证集而非训练主力集。
3. 禁止推断采集时间线：ID 随机化刻意切断了"图像 → 采集顺序 → 患者就诊时间"的映射链，是隐私保护的常规手段，同时也意味着任何时间序列分析都无法在这个数据集上做。

§3.6 与主流标注流水线的对照

流水线要素	InReDD-PAN924	典型众包数据集	典型单人专家标注
标注者	3 名牙颌面放射科医师	众包/学生	1 名专家
一致性机制	强制共识	kappa/多数投票	无
任务拆分	Labeling vs Annotation	通常不拆	视情况
格式	COCO 兼容	视平台	视平台
规模	924 张	数千–数万	数百
成本/张	高	低	中高
标签可信度	高	中	高（单点风险）

这张表说明 InReDD 在"可信度"与"规模"之间选择了偏可信度的一端，用医师共识换取了规模上的保守。这与它的"基准"定位一致：作为基准，标签质量优先于样本数量（§5 展开讨论这一取向的利弊）。

§4 与同类牙科数据集的比较发现

§4.1 全景牙科影像数据集的景观

要理解 InReDD-PAN924 的位置，需要先看它所在的谱系。牙科影像是医学影像中相对冷门的赛道，公开数据集的数量远少于胸片或病理，但恰恰因此每个数据集的方法学选择都格外显眼。

数据集	年	模态	规模	标注层级	标注者	获取
DENTEX（库内 dentex）	2023	全景片	1,005 张（挑战赛口径）	牙位编号+诊断+分割三层	专家	挑战赛公开
3DTeethLand（库内 3dteethland）	2024	口内扫描 3D	1,800+ 扫描	牙齿/牙龈 3D 分割	专家	挑战赛公开
InReDD-PAN924（本条目）	2025	全景片	924 张	FDI 编号 + 状况 + 分割（200 子集）	3 名放射科医师共识	PhysioNet 受限
InReDD Ext-BoneLoss-769	2026	全景片	769 张	牙冠+牙槽嵴分割、骨流失测量	推论同源团队	PhysioNet 受限
caries-miccai（库内）	2019	口内近红外	~数百	龋齿分类/检测	视届次	挑战赛公开

§4.2 与 DENTEX 的三点关键差异

DENTEX（Dental Enumeration and Diagnosis on Panoramic X-rays）与 InReDD-PAN924 是最直接的对照对象——同为全景片、同为多任务标注、同在 2023–2025 时间窗内。三点差异值得注意：

差异一：组织形态不同。 DENTEX 是挑战赛（challenge），意味着有固定的任务定义、训练/测试划分、官方排行榜与截止日期。InReDD-PAN924 不是挑战赛，它是"数据集发布"——没有官方排行榜，评测协议由使用者自行定义。这个差异决定了两者的使用方式：DENTEX 适合"打榜对标"，InReDD 适合"自建基准 + 方法学验证"。

差异二：规模与深度的取舍。 DENTEX 的 1,005 张在数量上略高于 InReDD 的 924 张，但 InReDD 的"3 名放射科医师强制共识"在标注深度上更激进。这是典型的"规模 vs 质量"权衡的两端：DENTEX 用挑战赛的组织效率换取规模，InReDD 用医师共识换取标签可信度。

差异三：任务定义的偏重。 DENTEX 的三层任务（枚举/诊断/分割）覆盖全面；InReDD 更强调"Labeling（牙位）与 Annotation（状况）的拆分"，并在方法学层面单独论证这一拆分的必要性。换句话说，InReDD 的贡献不只是数据，还有"如何组织牙科标注"的方法论。

§4.3 与 3DTeethLand 的模态互补

3DTeethLand 处理的是口内扫描的 3D 网格数据（牙齿与牙龈的三维分割），而 InReDD-PAN924 处理的是 2D 全景 X 光片。两者在模态上互补而非竞争：

• 2D 全景片：覆盖全颌、可看到埋伏牙与颌骨结构、辐射剂量低于 CBCT、临床普及率高。
• 3D 口内扫描：表面精度极高（数十微米级）、无辐射、但只能看到牙冠表面、无法看到牙根与骨内结构。

临床 AI 的完整拼图往往需要两者结合：全景片做"牙齿在哪、什么状况"，口内扫描做"牙冠表面几何"。因此 InReDD 与 3DTeethLand 在同一家族条目内互链，价值在于让检索者意识到"牙科 AI 不是单一模态的战场"。

§4.4 "基准定位"的利弊分析

InReDD 团队明确把数据集定位为"支持描述性分析与 AI 模型的创建与验证"，而非挑战赛。这种定位的利弊：

利：

1. 没有排行榜压力，研究者不用担心"过拟合榜单"的激励扭曲。
2. 标注质量优先，标签可直接用于监督学习而无需仲裁规则。
3. 允许使用者自定义评测协议，适应不同研究问题。

弊：

1. 缺乏统一评测协议，不同论文的 InReDD 结果不可直接比较。
2. 没有社区维护的 baseline，新人上手门槛较高。
3. 受限访问降低了实际使用率（§6 详述）。

这个利弊结构解释了一个值得注意的现象：一份标注质量极高的数据集，如果缺乏挑战赛式的"社区抓手"，其影响力往往低于标注质量一般但有排行榜的数据集。InReDD 选择了前者——这在方法学上是诚实的，但在生态传播上可能是保守的。

§4.5 牙齿分割子集（200 张）的定位

4,621 个分割掩码分布在 200 张图上，平均每图约 23 个实例。这个子集的定位是高精度验证样本而非训练主力：

• 若用于训练分割模型，200 张的样本量明显偏小（典型牙齿分割研究需要 500+ 张）。
• 若用于验证一个在全库上训练/推理的分割模型，200 张的高质量多边形掩码足以提供可信的精度估计。
• 若用于方法学研究（如比较 bbox-only 与 polygon 监督的效果差异），200 张的对照设计是合理的。

这种"全库 bbox + 子集 polygon"的分层标注策略，是成本约束下的理性选择，但也埋下了一个使用陷阱：不要假设全库都有分割标签，也不要假设有分割的 200 张与其余 724 张同分布（坑 6）。

§5 评测与应用：没有排行榜的基准怎么用

§5.1 数据集本身不设官方基准

必须明确一点：InReDD-PAN924 没有官方挑战赛、没有官方排行榜、没有官方 baseline 模型。PhysioNet 页面把它定位为"支持描述性分析与 AI 模型的创建与验证"。这意味着任何"在 InReDD 上达到 XX% 精度"的声明，都必须同时说明：任务定义、划分方式、评测指标——否则不可复现。

§5.2 可支撑的典型任务

基于数据集的多层标注结构，它可以支撑以下任务类型：

任务	输入	输出	使用的标注层
牙齿检测	全景片	每颗牙的 bbox	teeth 类 bbox（20,033）
牙位编号分类	牙齿 bbox	FDI 编号（32 类）	Labeling
牙齿状况分类	牙齿 bbox/掩码	状况类别	Annotation
牙齿实例分割	全景片	每颗牙的多边形掩码	分割子集（200 张 / 4,621）
口腔级分类	全景片	Mouth 超类（4 类）	Mouth 标注
多任务联合	全景片	检测+编号+状况	全部层

§5.3 划分协议的自行设计

由于没有官方划分，使用者必须自己定义训练/验证/测试划分。三条建议：

1. 按患者划分，而非按图像。虽然本数据集一图一患者（924 张 = 924 患者），仍需显式声明这一点——若未来版本引入多图患者，按图划分会导致患者级泄漏。
2. 按类别分层抽样。牙齿状况分布不均（健康 ~45%、修复 ~25%、龋齿 ~15%、其他 ~15%），随机划分可能让稀少类别（如种植体、残根）在测试集中缺失。建议按状况类别分层。
3. 固定随机种子并公开。为了让自己的工作可被复现，应公布划分脚本或至少公布划分的种子与比例。

§5.4 评测指标建议

任务	推荐指标	说明
牙齿检测	mAP@[0.5:0.95]	COCO 标准指标，bbox 任务
牙位编号	Top-1 准确率 + 混淆矩阵	注意相邻牙位（如 36/37）的高混淆风险
牙齿状况	宏平均 F1（macro-F1）	类别不平衡下优于准确率
实例分割	mask mAP	COCO 分割指标
口腔级	准确率	4 类，类别较均衡

为什么状况分类要用 macro-F1：健康牙占比近半，若用准确率，一个"全预测健康"的模型能拿到约 45% 的分数——这与真实能力完全脱节。宏平均 F1 对各类别等权，能揭示稀少类别上的真实表现。

§5.5 与扩展数据集（Ext-BoneLoss-769）的关系

InReDD-Dataset-PAN924-Ext-BoneLoss-769（2026-09-17，版本 1.0.0）是本数据集的纵向延伸，主题是**骨流失（bone loss）**这一牙周病关键指标：

• 规模：769 张全景片
• 标注：21,064 个 COCO 多边形标注（Release Notes 另记 21,047 口径，双口径存照）
• 任务：牙冠（crown）与牙槽嵴（alveolar ridge）实例分割
• 目标：从釉牙骨质界（CEJ, cementoenamel junction）到牙槽嵴顶（alveolar crest）的骨流失测量

扩展数据集自带的重要免责声明：其作者明示已知局限——(1) 来自单一临床档案与单一全景设备，需外部验证；(2) 标注支持几何/方法学研究，不是牙周病诊断的金标准。这段声明极其重要：它把"骨流失标注"的法律与临床责任边界划清了——这是研究工具，不是诊断工具。

原数据集与扩展数据集的关系：

维度	PAN924（本条目）	Ext-BoneLoss-769
规模	924 张	769 张
主题	牙位 + 牙齿状况	牙冠 + 牙槽嵴 + 骨流失
标注数	20,957 bbox	21,064 多边形
发布	2025-11-22	2026-09-17
获取	PhysioNet 受限	PhysioNet 受限

两者规模接近但主题不同，是"同一团队、同一模态、不同临床问题"的平行产品，而非父子关系。互链时应说明这一点，避免误认为扩展版是"更多数据的同一数据集"。

§6 获取与许可：受限访问的双口径迷宫

§6.1 PhysioNet 官方页的权威口径

InReDD-Dataset-PAN924 的官方发布渠道是 PhysioNet：

• 页面：https://physionet.org/content/inredd-dataset-pan924/
• 发布：2025-11-22，版本 1.0.0
• DOI（v1.0.0）：10.13026/r5nt-we67
• DOI（latest）：10.13026/85hv-ct26
• 许可：PhysioNet Contributor Review Health Data License 1.5.0 + Health Data Use Agreement（DUA）1.5.0
• 访问：Restricted / credentialed access（受限/凭证访问）

credentialed access 的具体含义：

1. 需要在 PhysioNet 上注册账户并完成资格认证（credentialing）——通常是提供机构隶属、身份证明与用途声明。
2. 需签署 PhysioNet Contributor Review Health Data License 1.5.0。
3. 需签署 Health Data Use Agreement (DUA) 1.5.0——承诺不重新识别、不尝试再识别、不向第三方转发。
4. 需贡献者（数据拥有方）逐项审核访问申请——这是一道人工闸门。
5. 无需完成 CITI 培训（这与 MIMIC 等需要培训的数据集不同，是一个容易记错的点）。

访问申请走 PhysioNet 的 /request-access-status/inredd-dataset-pan924/1.0.0/ 通道。

§6.2 GitHub 镜像仓的许可声明

团队同时在 GitHub 维护一个格式转换发布仓：

• 仓库：https://github.com/thiagoavieira/inredd-dataset-pan924-yolo-format
• 维护者：thiagoavieira
• 最后更新：2025-09-22
• README 许可声明：CC BY 4.0（署名即可自由分享、改编、含商用）
• 联系：inredd@usp.br；Gitter #inredd

§6.3 双口径冲突的处置

这是本条目最重要的一处许可歧义：

渠道	声明许可	访问方式
PhysioNet 官方页	Contributor Review Health Data License 1.5.0 + Health DUA	受限访问，需审核
GitHub 镜像仓	CC BY 4.0	公开仓库

两者的冲突不是"谁对谁错"的问题，而是发布渠道不同导致的许可表述差异。本条目采取如下处置原则：

1. 以 PhysioNet 条款为准。因为实际的数据存取通道是 PhysioNet 的受限访问——即使 GitHub 上的标注文件可下载，其上游数据（图像）的来源仍是受 DUA 约束的临床数据。
2. 并列存照。在正文与 FACTS 中同时呈现两者，不隐藏 GitHub 的 CC BY 4.0 声明。
3. 实操建议：若你的用途超出 PhysioNet DUA 的许可范围（如商用），必须与作者（inredd@usp.br）书面确认，而不能单凭 GitHub 的 CC BY 4.0 声明自行推断。

§6.4 版本链与扩展获取

• v1.0.0（2025-11-22）：本条目描述的版本。
• 计划扩增：团队公开表示将扩展为多模态数据集（3D 口内扫描、CBCT、病史文本）——这是一个"未来承诺"，尚未兑现，引用时应注明状态。
• Ext-BoneLoss-769（2026-09-17）：已发布的骨流失扩展，独立条目、独立 DOI、独立受限访问。

§6.5 获取决策树

你要做什么？
├── 做牙科影像算法研究（学术）
│   └── 走 PhysioNet credentialed access（签 License + DUA + 贡献者审核）
├── 只想快速看看标注格式
│   └── GitHub 仓 thiagoavieira/inredd-dataset-pan924-yolo-format
│       （注意：上游许可仍受 PhysioNet 约束）
├── 做骨流失 / 牙槽嵴研究
│   └── 另行申请 Ext-BoneLoss-769（独立受限访问）
└── 商用
    └── 必须与作者书面确认（inredd@usp.br）——不要单凭 GitHub CC BY 4.0 推断

§7 生态与影响

§7.1 机构背景：USP-RP 的数字牙科跨学科研究组

InReDD（Interdisciplinary Research Group in Digital Dentistry）是圣保罗大学里贝朗普雷图校区（University of São Paulo, Ribeirão Preto campus, USP-RP）内部的跨学科研究组。它的跨学科属性体现在联合单位上：

• DCM-USP-RP：Departamento de Computação e Matemática（计算与数学系）——负责数据工程、AI 建模
• FORP-USP-RP：Faculdade de Odontologia de Ribeirão Preto（里贝朗普雷图牙科学院）——负责临床牙科专业判断

这个"DCM + FORP"的组合，正是 InReDD 能够同时做到"工程规范化"与"标注专业化"的组织基础。理解这一点有助于解释为什么这个数据集在格式（COCO 兼容、FiftyOne 脚本）与标注质量（放射科医师共识）上都达到了较高水准。

§7.2 作者团队与署名

PhysioNet 页面的署名顺序：

1. Caio Uehara Martins
2. Camila Tirapelli
3. Hugo Gaêta-Araujo
4. Jose Augusto Baranauskas
5. Breno Zancan
6. Jose Carneiro
7. Alessandra Macedo

Ext-BoneLoss-769 的作者名单有所不同：Thiago Alves Vieira de Matos、João Donato Bauman、Maria Julia Ramos 等——这是一个子团队或第二梯队，反映了研究组的持续产出能力。

§7.3 前置论文的时间线

本数据集的学术根基是一篇 2024 年发表的论文：

• Costa ED, Gaêta-Araujo H, Carneiro JA, Zancan BAG, Baranauskas JA, Macedo AA, Tirapelli C. Development of a dental digital data set for research in artificial intelligence: the importance of labeling performed by radiologists. Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology. 2024;138(1):205-213.
• DOI：10.1016/j.oooo.2023.12.006

注意论文与数据集的关系：论文发表于 2024 年，数据集在 PhysioNet 上线于 2025-11-22。这意味着论文是方法学声明，PhysioNet 页面是数据交付——引用数据时应引 PhysioNet DOI，引用方法学论点时应引论文 DOI。两者不可互相替代。

§7.4 伦理与合规

• 伦理审批：Plataforma Brasil（巴西国家研究伦理委员会平台）CAAE 编号 51238021.2.0000.5419
• 隐私保护：图像全部匿名化；文件名中的 ID 经随机化；医疗机构标识被移除
• 联系渠道：inredd@usp.br；Gitter #inredd

Plataforma Brasil 是巴西的全国性研究伦理审查系统，CAAE 编号（Certificado de Apresentação de Apreciação Ética）代表该研究通过了正式的伦理审批。这是一个可核验的合规证据——研究者若要评估数据集的伦理基础，可凭此编号追溯到审批记录。

§7.5 命名混淆的广泛影响

数据集名字里的 INREDD 与 PAN924 都极易被误解，这本身构成一个"生态级"的检索障碍：

• INREDD ≠ pancreatic。它取自 Interdisciplinary Research in Digital Dentistry。搜索时若把它展开为"pancreatic"，会误入胰腺癌研究文献。
• PAN924 ≠ pancreatic cancer 924 cases。PAN 取自 PANoramic（全景），924 是图像数量。

这个混淆的实际后果是：它在早期候选调研阶段就曾导致条目被误分类。因此本条目在 §10 把它列为头号坑点（坑 5），并在正文多处反复澄清——对于一份"被发现性（discoverability）"敏感的数据集而言，名称歧义是真实的使用成本。

§7.6 生态位与未来演化

InReDD-PAN924 在牙科 AI 生态中的位置可以概括为"高质量、中等规模、受限访问的 2D 全景片基准"。它的演化方向在其公开声明中已有线索：

1. 多模态扩展：3D 口内扫描 + CBCT + 病史文本——若落地，将使 InReDD 成为少见的"牙科多模态数据集"。
2. 主题深化：从牙齿状况（Ext-BoneLoss 的骨流失方向）向特定牙周/修复主题深耕。
3. 可能的开放化：若团队未来在 Zenodo 或其他平台开放直链，其 AI-Ready 评级将显著提升（见附录 T 维护触发点）。

这三条线索中，第一条最有想象力但不确定性最高（多模态数据采集与标注成本巨大），第三条对使用者价值最直接但不在团队控制之内。检索者应把 InReDD 视为一个"活跃演进中"的数据集家族，而非一个静态快照。

§8 方法学启示：四条可迁移的经验

§8.1 任务拆分：把"客观标签"与"判断标签"分开

InReDD 最值得迁移的设计是 Labeling / Annotation 的拆分。这个原则的普适性远超牙科：

• 在病理学里，可以拆成"细胞定位（客观）“与"细胞分类（判断）”。
• 在放射学里，可以拆成"解剖结构定位（客观）“与"病灶分级（判断）”。
• 在眼科里，可以拆成"视盘/黄斑定位（客观）“与"病变分期（判断）”。

拆分的收益是双重的：一方面，客观标签可以直接作为高置信度监督信号；另一方面，判断标签的误差可以在分析中被单独隔离，不至于污染结构性任务。许多数据集把两类标签混在一起发布，看似方便，实则让下游无法分辨误差来源。

§8.2 共识机制：为高价值、小规模数据集赋能

强制共识是一种"用人力换可信度"的策略，适用于：

• 数据规模有限（数百至数千），无法靠大数定律稀释标签噪声。
• 判断性强、分歧空间大（如牙齿状况、组织学分级）。
• 定位为"基准"而非"训练集"——因为训练集可以容忍噪声，基准不能。

反之，强制共识不适用于需要数万样本、判断可分散、以规模取胜的场景。选择共识机制之前，先问：“我的数据集是要给人打榜，还是要给人立规？”——InReDD 选了后者。

§8.3 格式策略：兼容主流生态，不另造轮子

选择 COCO 兼容 JSON 是一个务实决定。COCO 是目标检测与实例分割的事实标准，几乎所有主流框架（Detectron2、MMDetection、YOLO 系列、FiftyOne）都能直接或经简单转换读取 COCO。相比之下，自创格式意味着使用者必须写转换脚本——这是一个隐性的采用成本。

InReDD 的格式策略还包括：

• 保留牙科专用字段（如 FDI 编号）而不削减为标准 COCO——兼容性与领域信息兼得。
• 提供 split/combined 双版本——照顾逐图加载与全局统计两类需求。
• 附 FiftyOne 加载脚本——降低首次上手的摩擦。

这套组合拳体现的原则是：格式的兼容性 = 采用率的放大器。

§8.4 隐私工程：随机化 ID 的得与失

把图像 ID 随机化是一个标准的隐私保护动作，但它有一个被低估的副作用：它也切断了任何时间序列分析的可能。对于本数据集，这不构成损失（牙科状况标注本身不强调时间维度）；但对于纵向随访型数据集，随机化 ID 会直接摧毁"同一患者跨时间"的可追溯性。

因此更细致的原则是：隐私保护的目标应精确定义为"切断患者身份的可还原性"，而非"切断一切连续性"。前者可以用假名化（pseudonymization，保留跨记录可链接性但去除身份）实现，后者（完全随机化）是过度保护。选择哪种，取决于数据集是否需要纵向分析。

§9 与库内条目的关系

§9.1 库内牙科影像家族

InReDD-PAN924 在千方病案医数集库内属于"牙科影像家族"，主要互链条目：

库内条目	模态	与本条目关系	建议阅读顺序
dentex	2D 全景片	最直接对照：同为全景片多任务标注，DENTEX 为挑战赛、InReDD 为数据集发布	先 dentex（挑战赛背景）再本条目（方法学视角）
3dteethland	3D 口内扫描	模态互补：2D 全景 vs 3D 表面	并列阅读，理解牙科 AI 的多模态拼图
caries-miccai	口内近红外	主题交叉：龋齿检测	先本条目（全景龋齿）再 caries-miccai（近红外龋齿）

§9.2 与 dentex 的辨析（避免撞库）

由于 dentex（DENTEX 挑战赛）与 InReDD-PAN924 同为"全景牙科 X 光片多任务数据集"，检索者常把两者混淆。关键区别：

维度	dentex（DENTEX）	InReDD-PAN924（本条目）
组织形态	挑战赛（有排行榜）	数据集发布（无排行榜）
规模	1,005 张（挑战赛口径）	924 张
标注机制	专家标注（挑战赛组织）	3 名放射科医师强制共识
获取	挑战赛公开	PhysioNet 受限访问
主要贡献	三任务挑战基准	Labeling/Annotation 拆分方法学

两者不存在版本继承关系，是独立的两个数据集。检索"panoramic dental X-ray dataset"时会同时命中，需按组织形态区分。

§9.3 与缺库条目的关系

以下几类牙科/口腔相关条目若未来入池，应与本条目互链：

• CBCT 类：InReDD 声明的多模态扩展包含 CBCT，若库内出现口腔 CBCT 条目应互链。
• 牙周病类：Ext-BoneLoss-769 指向牙周骨流失，与牙周病相关条目应互链。
• 口腔 X 光通用：如根尖片、咬合翼片数据集，属同一"牙科 X 光"父类。

§9.4 互链点的检索价值

对本条目而言，互链的核心价值是解决命名混淆：检索者若按"PAN 924"搜索，可能被引向胰腺（pancreatic）方向；若库内的 dentex/3dteethland/caries-miccai 都与本条目互链，检索者能通过"牙科影像家族"的导航快速定位到正确的语义簇。这是本条目在库内关系上最实际的贡献。

§10 避坑清单：六个已踩过的坑

坑 1：矩形框总数双口径（20,957 vs 22,614）。PhysioNet 页面记录矩形框标注总数为 20,957（mouth 924 + teeth 20,033）；GitHub 镜像仓 README 记录为 22,614。差异最可能源于发布前的质量清理移除了部分原标注（也与 ID 随机化同源）。引用时以 PhysioNet 口径为准并注明；若做统计复现，应自行从 JSON 中重新计数以获得可复现的数字。

坑 2：牙齿分割数双口径（4,621 vs 200）。PhysioNet 记录"牙齿分割掩码 4,621 个"；GitHub 记录"牙齿分割 200"（张）。这两个数字不是同一维度——4,621 是掩码/实例总数，200 是覆盖的图像数。把 4,621 当成"张数"会高估约 23 倍；把 200 当成"掩码数"会低估约 23 倍。分别标注、分别引用。

坑 3：牙齿状况类别数双口径（14 vs 12）。PhysioNet 口径 14 类，GitHub 口径 12 类。可能的解释是类别合并或统计层级不同（是否计入 Mixed 子组）。先定口径再引用；训练多类分类器前应直接从未知 JSON 的 categories 数组中读取真实类别数，而非依赖任一文档。

坑 4：许可双口径（PhysioNet restricted/DUA vs GitHub CC BY 4.0）。PhysioNet 官方页声明受限访问（Contributor Review Health Data License 1.5.0 + Health DUA，需贡献者审核）；GitHub 镜像仓 README 声明 CC BY 4.0。实际存取以 PhysioNet 条款为准——因为上游图像来自受 DUA 约束的临床数据。商用或其他超出 DUA 范围的用途，必须与作者（inredd@usp.br）书面确认，不能单凭 GitHub 声明自行推断。

坑 5：名称严重误导（INREDD/PAN924 ≠ 胰腺癌）。这是本条目最容易致命的坑。INREDD = Interdisciplinary Research in Digital Dentistry（数字牙科跨学科研究组）；PAN924 = PANoramic（全景牙科 X 光片）924 张。与胰腺癌（pancreatic cancer）毫无关系。任何把它归入"肿瘤学/胰腺"类目的分类都是错误的。检索时应使用精确短语"InReDD-Dataset-PAN924"或"panoramic dental radiograph"，并核对 DOI。

坑 6：分割子集与全分布不同。牙齿分割标注仅覆盖 200 张图（4,621 掩码），其余 724 张只有 bbox。不要假设"有分割的 200 张"与"全库 924 张"同分布——团队很可能优先选择影像质量高、牙齿清晰的样本做分割标注。用这 200 张评估分割模型的精度时，需在论文中声明这一选择偏倚。

坑 7：ID 随机化的推断陷阱。图像文件名中的 ID（如 2-F-70.jpg 的 2）是质量清理后重排的随机值，不是连续序号。不要从中推断"存在 1 号图"或"共 N 张图"；也不要试图据此还原采集时间线。任何按 ID 排序的操作都无信息意义。

坑 8：本条目对应的 FOF 加载脚本命名。FiftyOne 加载脚本名为 inredd_dataset_pan924_fof.py（下划线分隔，非连字符）。GitHub 仓名为 inredd-dataset-pan924-yolo-format——仓名含 “yolo-format” 但正文实际提供的是 COCO 格式标注。检索或脚本调用时不要被 “yolo” 字样误导而去找 YOLO txt 格式（坑 8 已在 FACTS 遗留疑点中登记）。

FAQ：常见问题解答

Q1：InReDD-Dataset-PAN924 是什么？一句话说清。
巴西圣保罗大学里贝朗普雷图校区数字牙科跨学科研究组发布的 924 张匿名全景牙科 X 光片数据集，带 FDI 牙位编号与牙齿状况双层标注，由 3 名放射科医师强制共识完成，托管于 PhysioNet 受限访问通道。

Q2：PAN924 里的 “PAN” 是 pancreas（胰腺）吗？
不是。是 PANoramic（全景）。这是一份牙科数据集，与胰腺、胰腺癌完全无关。

Q3：924 张是个什么水平？
在牙科影像数据集里属中等规模。作为对照，DENTEX 挑战赛约 1,005 张、3DTeethLand 约 1,800+ 扫描。InReDD 的取舍是"用医师共识换标注质量"，规模上不追求领先。

Q4：图像是什么格式、什么尺寸？
JPG，2903 × 1536 px，95 dpi。文件名格式为 <id>-<sex>-<age>.jpg。

Q5：有多少种标注？
三到四层：FDI 牙位编号（32 类）、牙齿状况（PhysioNet 口径 14 类）、口腔状况（4 类），外加牙齿分割多边形（200 张子集，4,621 掩码）。

Q6：标注是谁做的，可信吗？
3 名牙颌面放射科医师（各十年经验），以强制共识方式标注——必须讨论到一致，而非事后统计 kappa。可信度较高，但代价是规模受限且不确定性不可量化。

Q7：什么是强制共识？
标注者必须就每个标注达成一致，而不是各自独立标注后统计一致性。产出唯一标签，可直接用于监督学习；缺点是标注成本高、无法量化标注不确定性。

Q8：数据能直接下载吗？
不能直接下载。本体走 PhysioNet credentialed access，需签 License + DUA 并经贡献者审核（无需 CITI 培训）。GitHub 镜像仓可公开访问格式转换文件，但上游许可仍受 PhysioNet 约束。

Q9：许可证到底是什么？
双口径：PhysioNet 页为 Contributor Review Health Data License 1.5.0 + Health DUA（受限）；GitHub README 声明 CC BY 4.0。以 PhysioNet 条款为准，商用须与作者书面确认。

Q10：有官方排行榜吗？
没有。本数据集不是挑战赛，没有官方 baseline 或排行榜。评测协议需自行设计。

Q11：牙齿分割为什么只有 200 张？
多边形逐牙勾画成本极高（标注者在 1024×768 分辨率视图下工作），因此团队选择在全库做 bbox、在 200 张子集做高精度多边形分割，作为验证样本而非训练主力。

Q12：有扩展版吗？
有。InReDD-Dataset-PAN924-Ext-BoneLoss-769（2026-09-17），769 张全景片、21,064 个多边形标注，主题是牙冠与牙槽嵴分割、骨流失测量。它自带"非诊断金标准"的免责声明。

Q13：能不能用于商用？
原则上需谨慎。PhysioNet DUA 通常限定学术/研究用途。GitHub 的 CC BY 4.0 声明不足以单独支撑商用——必须与作者（inredd@usp.br）书面确认。

Q14：怎么引用这个数据集？
数据本身引 PhysioNet DOI：10.13026/r5nt-we67（v1.0.0）。方法学论点引前置论文：Costa ED et al., Oral Surg Oral Med Oral Pathol Oral Radiol. 2024;138(1):205-213, doi:10.1016/j.oooo.2023.12.006。

Q15：牙齿状况有哪些具体类别？
三层结构。Mouth 超类：Ed/De/Me/Mne。Teeth 超类分 Artificial（Im/Cp/P）、Natural（H/Rr/M3i/M3f/Te/Ri/Dc/Di/C/R/I）、Mixed（TeM/RiM/CpuM）。

Q16：为什么牙齿状况类别数有两个说法？
PhysioNet 记 14 类、GitHub 记 12 类。最可能是类别合并或统计层级差异。建议直接从 JSON 的 categories 数组读取真实类别数。

Q17：FiftyOne 能用吗？
能。数据集附带加载脚本 inredd_dataset_pan924_fof.py，可把图像目录 + COCO JSON 一键装配为 FiftyOne 数据集，便于可视化检查与筛选。

Q18：图像行不行做别的任务，比如牙周病？
本数据集只标注牙位、牙齿状况与部分分割，不含牙周骨流失标注——那是 Ext-BoneLoss-769 的主题。不要把两个数据集的标注混用。

Q19：这套标注能训练出临床可用模型吗？
数据集定位是"支持 AI 模型的创建与验证"，不是临床诊断工具。作者明示其标注面向算法训练，非临床金标准。临床部署需另行验证。

Q20：怎么确认我的引用口径正确？
三条铁律：规模数字注明来源（PhysioNet vs GitHub）；许可注明以 PhysioNet 为准；不要把 INREDD 归入肿瘤学类目。

Q21：数据集有患者级信息吗？
有性别与年龄（嵌入文件名），年龄 14–81 岁、中位 35 岁，女性约 60%/男性约 40%。无其他患者级临床信息。

Q22：为什么 ID 是随机数？
质量清理移除了部分原数据后重排，兼作隐私保护。代价是 ID 不连续、不携带采集顺序信息。

Q23：如果我只记住一件事？
INREDD 不是胰腺（pancreatic），是数字牙科；PAN924 是全景片 924 张。以及——它的核心贡献是"让放射科医师用强制共识标注"这一方法学主张，而非数据规模本身。

Q24：数据集的伦理合规依据是什么？
巴西 Plataforma Brasil 伦理审批，CAAE 编号 51238021.2.0000.5419。这是一条可核验的合规证据链。

§11 总结

InReDD-Dataset-PAN924 的价值不在数字。924 张全景片在牙科影像数据集里只能算中等规模，它的标注层（20,957 个矩形框、4,621 个分割掩码）也称不上庞大。如果只看规模，它会被淹没在数据和图像更多的同侪之间。

它真正立住位置的地方，是一件在当前牙科 AI 生态里少有人愿做的事：把标注这件事本身当作研究对象。原始论文标题里的"the importance of labeling performed by radiologists"（放射科医师标注的重要性）不是包装，而是数据集的第一性主张。围绕这个主张，团队做了三个具体的选择——把任务拆成不可变的 Labeling 与可变的 Annotation、用 3 名放射科医师的强制共识替代独立标注 + kappa、用 COCO 兼容格式对接下游生态。这三个选择各自都可以被挑刺（共识机制不可量化不确定性、规模受限、无排行榜），但它们共同指向一个诚实的立场：在判断密集型任务上，标签可信度应当优先于样本数量。

这个立场是否有代价？有。受限访问（PhysioNet credentialed access）降低了实际使用率；无排行榜降低了社区传播力；名称歧义（INREDD/PAN924 常被误读为胰腺癌）进一步抬高了检索门槛。这些代价让它注定不会成为"最热门"的牙科数据集。但对于一个关心"标签从哪来、可信到什么程度"的研究者，它提供了一个几乎不可替代的样本。

面向未来，InReDD 仍在演进：扩展数据集 Ext-BoneLoss-769 已把触角伸向牙周骨流失，团队声明的多模态扩展（3D 口内扫描、CBCT、病史文本）若落地，将使它从"一份数据集"变成一个"牙科多模态数据平台"。检索者应把它当作一个活跃的项目跟踪，而非一张静态的快照。

一句话总结：这是一份"用放射科医师的共识立规矩"的牙科数据集——规模不惊人，但标注方法学值得所有做医学影像标注的人读一遍。

---

事实清单（硬事实 40 条）

1. 官方名 InReDD-Dataset-PAN924；INREDD = Interdisciplinary Research Group in Digital Dentistry（数字牙科跨学科研究组），非胰腺。
2. PAN924 = Panoramic（全景）牙科 X 光片 924 张。
3. 机构：University of São Paulo, Ribeirão Preto campus（USP-RP），联合 DCM-USP-RP（计算与数学系）与 FORP-USP-RP（牙科学院）。
4. PhysioNet 发布时间：2025-11-22，版本 1.0.0。
5. DOI（v1.0.0）：10.13026/r5nt-we67；DOI（latest）：10.13026/85hv-ct26。
6. 前置论文：Costa ED et al., Oral Surg Oral Med Oral Pathol Oral Radiol. 2024;138(1):205-213，doi:10.1016/j.oooo.2023.12.006。
7. PhysioNet 署名 7 人：Caio Uehara Martins、Camila Tirapelli、Hugo Gaêta-Araujo、Jose Augusto Baranauskas、Breno Zancan、Jose Carneiro、Alessandra Macedo。
8. 图像数：924 张匿名全景牙科 X 光片，JPG 格式。
9. 分辨率：2903 × 1536 px，95 dpi（原始 300 dpi 后压缩）。
10. 文件命名：<id>-<sex>-<age>.jpg（如 2-F-70.jpg）。
11. 人群：14–81 岁，中位 35 岁；女约 60%、男约 40%。
12. 标注者：3 名牙颌面放射科医师（各十年经验）。
13. 标注机制：强制共识（forced consensus）——必须讨论到一致。
14. 标注平台：LyriaPACS（Web）；影像服务器 I-Medsys。
15. 标注显示器：1024 × 768 px、24-bit；昏暗环境；内置 zoom/brightness/contrast。
16. 任务拆分：Labeling（FDI 牙位编号，不可变）+ Annotation（牙齿状况，可变）。
17. FDI 牙位编号类别：32 类。
18. 牙齿状况类别：PhysioNet 口径 14 类 / GitHub 口径 12 类（双口径）。
19. 口腔状况类别（Mouth 超类）：4 类（Ed/De/Me/Mne）。
20. Teeth 超类三子组：Artificial（Im/Cp/P）、Natural（H/Rr/M3i/M3f/Te/Ri/Dc/Di/C/R/I）、Mixed（TeM/RiM/CpuM）。
21. 标注格式：COCO 兼容 JSON，保留牙科专用字段。
22. bbox 格式：[x, y, w, h]（左上角 + 宽高）。
23. segmentation 格式：多边形顶点列表（polygon）。
24. 标注版本：split（每图一 JSON）+ combined（全库合并单 JSON）。
25. 矩形框总数：PhysioNet 口径 20,957（mouth 924 + teeth 20,033）/ GitHub 口径 22,614（双口径）。
26. 牙齿分割掩码数：4,621 个（PhysioNet 口径）。
27. 牙齿分割覆盖图像数：200 张（GitHub 口径）。
28. 平均每图牙齿数：20,033 ÷ 924 ≈ 21.7 颗。
29. 兼容工具：FiftyOne，加载脚本 inredd_dataset_pan924_fof.py。
30. GitHub 镜像仓：github.com/thiagoavieira/inredd-dataset-pan924-yolo-format（最后更新 2025-09-22）。
31. 联系渠道：inredd@usp.br；Gitter #inredd。
32. 许可：PhysioNet Contributor Review Health Data License 1.5.0 + Health DUA 1.5.0（受限访问）；GitHub README 声明 CC BY 4.0（双口径）。
33. 访问方式：credentialed access，需贡献者逐项审核，无需 CITI 培训。
34. 伦理审批：Plataforma Brasil CAAE 51238021.2.0000.5419。
35. 数据集不设官方挑战赛/排行榜，定位为"支持描述性分析与 AI 模型的创建与验证"。
36. 扩展数据集：InReDD-Dataset-PAN924-Ext-BoneLoss-769，2026-09-17 发布，版本 1.0.0。
37. 扩展规模：769 张全景片、21,064 个 COCO 多边形标注（Release Notes 另记 21,047 口径，双口径）。
38. 扩展任务：牙冠 + 牙槽嵴实例分割、CEJ→牙槽嵴顶骨流失测量。
39. 扩展作者明示局限：单一临床档案 + 单一设备、需外部验证、非牙周病诊断金标准。
40. 团队声明的未来方向：扩展为多模态（3D 口内扫描、CBCT、病史文本）——尚未兑现。

---

术语表（28 条）

术语	释义
InReDD	Interdisciplinary Research Group in Digital Dentistry，USP-RP 的数字牙科跨学科研究组
PAN924	Panoramic 全景牙科 X 光片 924 张（非胰腺）
全景牙科 X 光片（panoramic radiograph）	一次曝光覆盖全口牙列与颌骨的二维牙科影像
FDI 编号	世界牙科联盟牙位编号系统，两位数标识每颗恒牙（象限+位置）
Labeling	本数据集的第一标注任务：牙位编号，客观、不可变
Annotation	本数据集的第二标注任务：牙齿状况，主观、可变
强制共识（forced consensus）	标注者必须讨论到达成一致的标注机制
COCO 格式	Common Objects in Context，目标检测/实例分割的事实标准 JSON 格式
bbox	Bounding box，矩形边界框，格式 [x,y,w,h]
segmentation	实例分割标注，本数据集用多边形（polygon）表示
polygon	多边形顶点列表表示的分割轮廓（区别于 RLE 栅格编码）
split 版本	每张图对应一个独立 JSON 的标注组织方式
combined 版本	全库合并为单个 JSON 的标注组织方式
LyriaPACS	本数据集使用的 Web 标注平台
I-Medsys	提供的影像服务器
FiftyOne	开源数据集可视化与检查工具，本数据集附加载脚本
Mouth 超类	口腔级标注类别（Ed/De/Me/Mne，4 类）
Teeth 超类	牙齿级标注类别，分 Artificial/Natural/Mixed 三子组
Artificial	人工修复体类（Im 种植体 / Cp 全冠 / P 桩）
Natural	天然牙状态类（H/Rr/M3i/M3f/Te/Ri/Dc/Di/C/R/I）
Mixed	混合状态类（TeM/RiM/CpuM）
M3i / M3f	第三磨牙阻生（impacted）/ 全萌（fully erupted）
Im	种植体（implant）
Rr	残根（residual root）
Cp	全冠（complete crown）
CEJ	Cementoenamel junction，釉牙骨质界，骨流失测量起点
alveolar crest	牙槽嵴顶，骨流失测量终点
credentialed access	PhysioNet 的受限访问模式，需资格认证 + 签署协议 + 审核
Health DUA	健康数据使用协议，约束再识别与转发
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability 五维评估框架

附录

附录 A：条目信息速查卡

项	值
条目名	InReDD-Dataset-PAN924
url_name	inredd-dataset-pan924
类型	数据集发布（非挑战赛）
PhysioNet	2025-11-22，v1.0.0，doi:10.13026/r5nt-we67
前置论文	OOOO 2024;138(1):205-213，doi:10.1016/j.oooo.2023.12.006
机构	USP-RP InReDD（DCM + FORP）
规模	924 张全景片，20,957 bbox，4,621 分割掩码
许可	PhysioNet 受限（License 1.5.0 + DUA）；GitHub 另声明 CC BY 4.0
抓取时点	2026-10-12
库内互链	dentex、3dteethland、caries-miccai

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	6	PhysioNet 页面可索引、DOI 规范；但名称 INREDD/PAN924 严重歧义，易被误读为胰腺癌而检索失焦
A 可获取性	5	credentialed access 需资格认证 + 双协议 + 贡献者逐条审核，无公开直链——最大失分项；GitHub 镜像仓部分补偿
I 可互操作性	8	COCO 兼容 JSON 对接主流框架；bbox + polygon 双标注；FiftyOne 脚本；split/combined 双版本
M 元数据质量	7	人群分布、类别体系、标注机制披露充分；但多处规模数字双口径（bbox/分割/状况类别），文档自洽性有瑕疵
S 可持续性	6	PhysioNet 平台稳定、DOI 持久；但发放依赖贡献者人工审核，且未来多模态扩展仅为口头声明
综合评级	6.4/10（中上）	格式规范性与标注方法学高于均值；可获取性被受限访问拖低，规模双口径再扣一档

附录 C：逐项证据链自证

关键数字	来源	位置
924 张 / 2903×1536 / 95 dpi	PhysioNet 数据集页	physionet.org/content/inredd-dataset-pan924/
2025-11-22 / v1.0.0 / DOI	PhysioNet 数据集页版本信息	同上
20,957 bbox（mouth 924 + teeth 20,033）	PhysioNet 数据集页	同上
4,621 分割掩码 / 200 张子集	PhysioNet 页 + GitHub README	两处对照
14–81 岁 / 中位 35 / 女 60%	PhysioNet 数据集页	同上
3 名放射科医师强制共识	PhysioNet 数据集页 + 前置论文	同上
LyriaPACS / I-Medsys / 1024×768	PhysioNet 数据集页	同上
FDI 32 类 / 状况 14 类	PhysioNet 数据集页	同上
GitHub 22,614 bbox / 12 类 / 200 张	GitHub README	github.com/thiagoavieira/inredd-dataset-pan924-yolo-format
CC BY 4.0（GitHub 口径）	GitHub README	同上
前置论文作者与卷期	论文著录	doi:10.1016/j.oooo.2023.12.006
CAAE 51238021.2.0000.5419	PhysioNet 数据集页伦理声明	同上
Ext-BoneLoss-769（769 张 / 21,064）	PhysioNet 扩展页	physionet.org/content/inredd-pan924-ext-boneloss-769/1.0.0
Ext-BoneLoss 局限声明	PhysioNet 扩展页	同上（另见 PhysioNet dentistry topic 列表）

附录 D：数据获取决策树

需求是什么？
├── 学术研究：牙位/状况/分割算法
│   └── PhysioNet credentialed access（License 1.5.0 + DUA + 贡献者审核）
├── 快速评估标注格式是否合用
│   └── GitHub thiagoavieira/inredd-dataset-pan924-yolo-format
│       （上游许可仍受 PhysioNet 约束，勿误解为完全开放）
├── 牙周骨流失 / 牙槽嵴研究
│   └── 另行申请 Ext-BoneLoss-769（独立受限访问）
├── 商用
│   └── 必先与 inredd@usp.br 书面确认（GitHub CC BY 4.0 不足以单独支撑）
└── 只想引用"放射科医师标注"方法学论点
    └── 引前置论文 doi:10.1016/j.oooo.2023.12.006

附录 E：类别体系完整对照

层级	类别	数量	含义
牙位（FDI）	11–18、21–28、31–38、41–48	32	恒牙全编号
Mouth 超类	Ed / De / Me / Mne	4	口腔级状况
Teeth-Artificial	Im / Cp / P	3	种植体 / 全冠 / 桩
Teeth-Natural	H / Rr / M3i / M3f / Te / Ri / Dc / Di / C / R / I	11	天然牙状态
Teeth-Mixed	TeM / RiM / CpuM	3	混合状态
状况合计	—	14（PhysioNet）/ 12（GitHub）	双口径

附录 F：牙齿状况分布（估计）

状况组	占比（估计）	说明
健康（H）	~45%	最大类别，造成类别不平衡
修复（Cp/P/R 等）	~25%	全冠、桩、修复体
龋齿（C/Dc/Di）	~15%	不同深度的龋坏
其他（Im/Rr/Te 等）	~15%	种植体、残根、缺失

注：上表为估计口径，用于说明类别不平衡，不可作为精确统计引用。精确分布应自行从 JSON 重算。

附录 G：三分层标注结构示意

图像层   924 张全景片（2903×1536，JPG）
   │
   ├── 标注层  COCO 兼容 JSON
   │     ├── split/     每图一 JSON
   │     └── combined   全库单 JSON
   │
   ├── 任务层
   │     ├── Labeling    FDI 牙位编号（32 类，不可变）
   │     └── Annotation  牙齿状况（14/12 类，可变）
   │
   └── 几何层
         ├── bbox       [x,y,w,h]    全库
         └── polygon    顶点列表      200 张子集

附录 H：FiftyOne 加载骨架（代码）

import fiftyone as fo
import fiftyone.utils.coco as fouc

# 数据集目录结构：images/ + annotations/
dataset = fo.Dataset.from_dir(
    dataset_type=fo.types.COCODetectionDataset,
    data_path="inredd-dataset-pan924/images",
    labels_path="inredd-dataset-pan924/annotations/combined.json",
    label_field="detections",
    name="inredd_pan924",
)

print(dataset)                          # 查看样本数与字段
print(dataset.distinct("detections.detections.label"))  # 类别清单（验证 12/14 口径）
session = fo.launch_app(dataset)        # 可视化检查标注

注：官方提供 inredd_dataset_pan924_fof.py 加载脚本，上例为等价的最小实现，可用于快速核对类别数与实例数。

附录 I：统计复现自检清单

跑一遍下面的检查，可以解决大部分口径争议：

1. 数 combined.json 的 images 条目数 → 应为 924。
2. 数 annotations 条目总数 → 对照 20,957 / 22,614 判断落在哪个口径。
3. 分别统计 category_id 属于 mouth 与 teeth 的实例数 → 应分别为 924 与约 20,033。
4. 读取 categories 数组长度 → 确定真实的状况类别数（12 或 14）。
5. 统计含 polygon 标注的图像数 → 应为 200。
6. 检查是否有图像 ID 不连续 → 验证随机化。

附录 J：许可条款细读

1. PhysioNet 口径：Contributor Review Health Data License 1.5.0 + Health Data Use Agreement 1.5.0；credentialed access；贡献者逐项审核；禁止再识别与第三方转发。存取主通道。
2. GitHub 口径：README 声明 CC BY 4.0（署名即可分享/改编/商用）。仅约束该仓发布的转换文件，不改变上游临床数据的 DUA 约束。
3. 优先原则：涉及图像与上游数据的使用，一律以 PhysioNet 条款为准。
4. 商用路径：必须与 inredd@usp.br 书面确认，不能自行推断。
5. 引用优先级：数据引 PhysioNet DOI；方法学引前置论文 DOI；两者不可互换。

附录 K：坑点档案（与 §10 对照）

坑	一句话档案	触发场景
坑 1	bbox 总数 20,957 vs 22,614 双口径	统计复现
坑 2	牙齿分割 4,621（掩码）vs 200（图像）不同维度	规模引用
坑 3	牙齿状况 14 类 vs 12 类双口径	分类器设计
坑 4	许可 PhysioNet 受限 vs GitHub CC BY 4.0	商用/再分发
坑 5	INREDD/PAN924 ≠ 胰腺癌，实为数字牙科全景片	检索/分类
坑 6	分割 200 张子集与全库分布可能不同	分割评测
坑 7	ID 随机化，不可推断顺序与数量	数据处理
坑 8	仓名含 yolo-format 但实为 COCO；脚本名 fof	脚本调用

附录 L：双口径登记表

#	项	口径 A（PhysioNet）	口径 B（GitHub）	处理
1	矩形框总数	20,957	22,614	并列，按 PhysioNet 引用并注明
2	牙齿分割规模	4,621（掩码数）	200（图像数）	非同一维度，分别标注
3	牙齿状况类别数	14	12	并列，建议从 JSON 实测
4	许可	受限/DUA	CC BY 4.0	并列，以 PhysioNet 为准
5	Ext-BoneLoss 标注数	21,064（摘要）	21,047（Release Notes）	并列

附录 M：检索路径示范（关键词组合）

目标	推荐查询式	预期命中
数据集本体	“InReDD-Dataset-PAN924” 或 site:physionet.org inredd	PhysioNet 数据集页
前置论文	“dental digital data set” AND “radiologists” AND Costa	OOOO 2024;138(1):205-213
扩展数据集	“PAN924-Ext-BoneLoss” OR “inredd-pan924-ext-boneloss”	PhysioNet 扩展页
GitHub 格式仓	site:github.com inredd-dataset-pan924	thiagoavieira/inredd-dataset-pan924-yolo-format
反例（勿用）	“PAN 924 pancreatic” / “INREDD pancreatic cancer”	无相关命中（坑 5）

检索卫生两条：一、凡按 “PAN924 + pancreatic” 检索将一无所获，因为 PAN 指 panoramic；二、引用规模数字前先确定 PhysioNet 还是 GitHub 口径。

附录 N：与本条目相关的牙科影像数据集速查

数据集	模态	规模	组织形态	库内 slug
DENTEX	2D 全景片	~1,005	挑战赛	dentex
3DTeethLand	3D 口内扫描	~1,800+	挑战赛	3dteethland
InReDD-PAN924	2D 全景片	924	数据集发布	inredd-dataset-pan924
InReDD Ext-BoneLoss-769	2D 全景片	769	数据发布（扩展）	（待入池）
caries-miccai	口内近红外	~数百	挑战赛	caries-miccai

附录 O：维护计划与触发点

触发点	条件	动作	优先级
开放直链	团队在 Zenodo/其他平台开放获取	改写 §6、升 AI-Ready 评级	1
多模态落地	3D 口内扫描/CBCT/文本扩展发布	新增模态章节、扩表	2
规模双口径澄清	团队统一文档口径	更新 §2、附录 L	3
第三方基准出现	论文用 InReDD 做基准并公布协议	§5 增补评测协议参考	4
新扩展数据集	出现 Ext-* 系列新成员	§5.5 表格扩行	5

附录 P：本条目生产档案

• 生产通道：教训 12 存在性核验（三轮精确搜索 + 官方页/GitHub/PhysioNet 主题页三源互证）
• 重大勘误：主会话 brief 疑为"胰腺癌 924 例"→ 实为数字牙科全景片（教训 L01，见坑 5）
• 事实研究：WebSearch + WebFetch 抓取 PhysioNet 数据集页、GitHub README、PhysioNet dentistry 主题列表
• FACTS.md：writing/inredd-dataset-pan924/FACTS.md 九节
• 成稿方式：五块直写拼接（part1-5）
• 坑点：§10 八则（坑 1-8 编号制）
• 互链计划：正文内链 dentex / 3dteethland / caries-miccai

附录 Q：FAIR / AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	DOI 10.13026/r5nt-we67
F2 富元数据	✅	PhysioNet 页 + 前置论文 + GitHub README
A1 可访问协议	⚠️	credentialed access，无公开直链
A2 元数据可访问	✅	元数据始终开放，即便数据需审核
I1 互操作格式	✅	COCO 兼容 JSON + FiftyOne
I2 词汇表引用	✅	FDI 牙位编号、标准牙科术语
R1 来源溯源	✅	论文 + 伦理 CAAE 编号可追溯
R3 可复现流程	⚠️	无官方 baseline，评测协议需自建
AI-Ready 综合	中	格式与元数据达 AI-Ready；可获取性与可复现性为短板

附录 R：缩写速查

缩写	全称
InReDD	Interdisciplinary Research Group in Digital Dentistry
PAN	Panoramic（全景）
USP-RP	University of São Paulo, Ribeirão Preto campus
DCM	Departamento de Computação e Matemática
FORP	Faculdade de Odontologia de Ribeirão Preto
FDI	Fédération Dentaire Internationale（世界牙科联盟）
COCO	Common Objects in Context
bbox	Bounding box
DUA	Data Use Agreement
CEJ	Cementoenamel junction
CAAE	Certificado de Apresentação de Apreciação Ética
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-12。事实陈述以 PhysioNet 数据集页（https://physionet.org/content/inredd-dataset-pan924/）、GitHub 镜像仓 README（https://github.com/thiagoavieira/inredd-dataset-pan924-yolo-format）、前置论文（Oral Surg Oral Med Oral Pathol Oral Radiol. 2024;138(1):205-213）及 PhysioNet dentistry 主题列表为源。矩形框总数、牙齿分割规模、牙齿状况类别数、许可条款四处双口径冲突已在坑点与附录 L 存照，引用时请先定口径。条目与库内 dentex、3dteethland、caries-miccai 等牙科影像条目互链，构成口腔医学影像家族的检索面。特别提示：本数据集名称中的 INREDD 与 PAN924 均与胰腺无关，属数字牙科领域（坑 5）。后续维护触发点见附录 O。

附录 S：全景牙科 X 光片的技术解剖

§S.1 全景成像的物理原理

全景牙科 X 光片（panoramic radiograph），又称曲面断层片（orthopantomogram, OPG），其成像原理与普通口内片有本质差异。口内片（根尖片、咬合翼片）是把胶片放入口腔、X 射线近距离穿过单颗或数颗牙齿；全景片则是让 X 射线源与探测器围绕患者头部同步旋转，利用"窄缝射线束 + 反向运动"的方式，只让处于旋转中心"焦槽"（focal trough）内的结构清晰成像。

这个物理机制带来三个成像特性，直接影响 InReDD 数据集的标注与使用：

1. 焦槽外的结构被模糊或放大。患者颌弓若不在焦槽内，牙齿影像会变形。这意味着全景片上的牙齿形态与真实解剖存在系统性偏差——做形态测量（如牙冠宽度）的研究需格外谨慎。
2. 前后结构重叠。全景片是二维投影，颈椎、下颌骨、上颌窦等结构会与牙列重叠，产生"伪影样"阴影。标注者必须能区分"真实的牙齿状况"与"重叠结构造成的假象"——这正是需要放射科医师而非普通标注员的原因之一。
3. 放大率不均匀。全景片不同位置的放大率约为 1.1–1.3 倍且随位置变化。数据集不做几何校正（保留原始影像），因此基于 bbox 的绝对尺寸测量存在位置依赖偏差。

§S.2 全景片能标注什么、不能标注什么

理解全景片的能力边界，有助于判断 InReDD 标注体系的合理性：

结构/状况	全景片可见性	InReDD 是否标注
牙冠轮廓	高	是（bbox + polygon）
牙根形态	中（前牙区常被重叠遮挡）	部分（polygon 子集）
龋齿	中（邻面龋易漏）	是（C/Dc/Di）
修复体（全冠/充填）	高	是（Cp/R）
种植体	高	是（Im）
阻生第三磨牙	高	是（M3i/M3f）
牙槽骨水平	中高	是（Ext-BoneLoss 扩展）
早期牙釉质龋	低	否（不可靠）
牙髓状态	不可见	否
软组织病变	不可见	否

这张表说明：InReDD 的标注类别选择与全景片的成像能力高度匹配——它不标注全景片看不清的东西（如牙髓、软组织），也不强求早期龋这类放射学不可靠的类别。这是一个"尊重模态能力边界"的标注设计。

§S.3 为什么全景片是牙科 AI 的理想起点

在全景片、口内片、CBCT、口内扫描四类牙科影像中，全景片有几个独特的"起手优势"：

• 单张覆盖全口：一张片子即可提供 28–32 颗牙的标注样本，标注效率远高于逐牙口内片。
• 临床普及率高：全景片是牙科常规检查项目，数据来源广泛。
• 辐射剂量适中：显著低于 CBCT，伦理上更易获批大样本采集。
• 二维数据结构简单：相比 CBCT 的三维体素，二维图像的存储、标注、建模成本都更低。

这些优势解释了为什么牙科 AI 数据集（DENTEX、InReDD-PAN924）大多从全景片起步，而非直接做 CBCT 或口内扫描。

附录 T：InReDD 与 DENTEX 的详细对照表

对照维度	DENTEX	InReDD-Dataset-PAN924
组织形态	挑战赛（MICCAI 2023 相关）	数据集发布
发布年	2023	2025（PhysioNet）
图像模态	全景牙科 X 光片	全景牙科 X 光片
规模	1,005 张（挑战赛口径）	924 张
任务一	牙位编号（enumeration）	Labeling（FDI 编号）
任务二	诊断（diagnosis）	Annotation（牙齿状况）
任务三	分割（segmentation）	分割（200 张子集）
标注者	挑战赛组织方专家	3 名牙颌面放射科医师
一致性机制	未公开强制共识细节	强制共识（forced consensus）
官方排行榜	有	无
官方 baseline	有	无
获取方式	挑战赛公开	PhysioNet 受限访问
主要贡献	三任务挑战基准	Labeling/Annotation 拆分方法学
引用强项	“我在 DENTEX 上达到 XX%”	“我用 InReDD 验证标签质量”

结论：两者不是替代关系。想在公开排行榜上对标选 DENTEX；想研究标注方法学、验证标签质量选 InReDD。若做跨数据集泛化实验，两者可以互为"域外测试集"——但这要求先解决两者的类别体系映射（FDI 编号可对齐、状况类别需人工映射）。

附录 U：牙齿状况类别的临床语义详解

理解每个状况类别的临床含义，是用好本数据集的前提。以下按 Teeth 超类展开：

§U.1 Artificial（人工修复体）

类别	全称	临床含义	放射学特征
Im	Implant	种植体	螺纹状金属植入物，影像通透性低于骨
Cp	Complete crown	全冠	覆盖整个牙冠的高密度修复体
P	Post	桩	根管内的高密度金属/纤维桩

§U.2 Natural（天然牙状态）

类别	全称	临床含义	放射学特征
H	Healthy	健康	无龋、无修复、牙槽骨正常
Rr	Residual root	残根	牙冠大部缺失、仅剩牙根
M3i	Third molar impacted	第三磨牙阻生	未萌出、位置异常
M3f	Third molar fully erupted	第三磨牙全萌	完全萌出至咬合平面
Te	Tooth extracted	牙齿缺失	牙槽窝愈合、无牙体
Ri	Root remnant	根残留	少量根尖残留
Dc	Dentin caries	牙本质龋	龋坏达牙本质层（低密度区）
Di	Deep caries	深龋	龋坏近髓
C	Caries	龋齿（泛指）	未细分的龋坏
R	Restoration	修复	充填体（树脂/银汞）
I	Image anomaly	影像异常	不透光/异常影像（需结合上下文）

§U.3 Mixed（混合状态）

类别	含义
TeM	缺失 + 其他状况组合
RiM	根残留 + 其他状况组合
CpuM	冠修复 + 桩等组合状态

类别使用的关键提醒：C（龋齿泛指）与 Dc/Di（细分龋）并存，说明标注体系允许"细粒度可选"——标注者若不确知龋坏深度，可用 C 而非强行细分。这降低了误标风险，但也意味着龋齿类别的粒度不一致（部分样本细分、部分否）。做龋齿检测研究时应把 C/Dc/Di 合并为一个"龋"超类，或明确只研究细分样本。

附录 V：数据加载与格式转换实操

§V.1 COCO → YOLO 转换

尽管 GitHub 仓名含 “yolo-format”，其实际内容以 COCO 格式为主。若需 YOLO 格式，需自行转换。COCO bbox [x,y,w,h]（左上角坐标）转 YOLO [cx,cy,w,h]（归一化中心坐标）的公式：

def coco_to_yolo(bbox, img_w, img_h):
    """COCO [x,y,w,h] -> YOLO [cx,cy,w,h]（归一化）"""
    x, y, w, h = bbox
    cx = (x + w / 2) / img_w
    cy = (y + h / 2) / img_h
    return [cx, cy, w / img_w, h / img_h]

§V.2 COCO → 掩码栅格化

polygon 分割需栅格化为掩码才能用于分割模型训练：

import numpy as np
from PIL import Image, ImageDraw

def polygon_to_mask(polygon, img_w, img_h):
    """多边形顶点列表 -> 二值掩码"""
    mask = Image.new("L", (img_w, img_h), 0)
    draw = ImageDraw.Draw(mask)
    # polygon 形如 [x1,y1,x2,y2,...]
    pts = [(polygon[i], polygon[i + 1]) for i in range(0, len(polygon), 2)]
    draw.polygon(pts, fill=1)
    return np.array(mask, dtype=np.uint8)

§V.3 类别统计脚本骨架

import json
from collections import Counter

with open("annotations/combined.json") as f:
    coco = json.load(f)

print("图像数:", len(coco["images"]))
print("标注数:", len(coco["annotations"]))
print("类别数:", len(coco["categories"]))

cat_names = {c["id"]: c["name"] for c in coco["categories"]}
dist = Counter(cat_names[a["category_id"]] for a in coco["annotations"])
for name, cnt in dist.most_common():
    print(f"{name}: {cnt}")

这段脚本可直接回答坑 1、坑 3 的争议：实测标注总数与类别数，不依赖文档口径。

附录 W：基于本数据集的典型研究设计

§W.1 研究设计一：牙位编号模型

• 输入：全景片 + 牙齿 bbox（来自 teeth 类标注）
• 输出：每颗牙的 FDI 编号（32 类）
• 标签：Labeling（客观，可直接监督）
• 指标：Top-1 准确率 + 混淆矩阵（注意相邻牙位混淆）
• 注意：使用 bbox 作为输入时，模型实际做的是"从牙齿位置+形态推断编号"——这是一个位置先验很强的任务，需评估模型是否真的学到了解剖学而非位置捷径。

§W.2 研究设计二：牙齿状况分类

• 输入：牙齿 bbox 或分割掩码
• 输出：状况类别
• 标签：Annotation（判断性）
• 指标：宏平均 F1（应对类别不平衡）
• 注意：合并 C/Dc/Di 为龋超类，或明确只研究细分样本。

§W.3 研究设计三：端到端多任务

• 输入：全景片
• 输出：检测 + 编号 + 状况（多任务联合）
• 标签：全部层
• 指标：各任务分别报告
• 注意：多任务联合训练需处理"Labeling 高置信、Annotation 含噪声"的标签质量差异——可考虑对两任务使用不同损失权重，或对 Annotation 使用标签平滑。

§W.4 研究设计四：跨数据集泛化

• 输入：InReDD 训练，DENTEX 测试（或反之）
• 输出：牙位编号 + 状况
• 标签：需先建立类别映射表
• 注意：两个数据集的类别体系不同（状况类别数、命名），必须先做人工映射；映射误差会混入跨域评估结果。

§W.5 研究设计五：标签质量研究

• 目标：利用 InReDD 的强制共识标签作为"高置信参照"，评估在其他数据集上训练的模型的标签噪声敏感度。
• 方法：在 InReDD 训练基线模型 → 在含噪声数据集上评测 → 对比性能衰减。
• 价值：这正是 InReDD"基准定位"的最直接应用。

附录 X：数据规模横向对照（牙科影像全景）

数据集	年	图像数	任务数	标注机制	获取
DENTEX	2023	1,005	3	专家	挑战赛公开
InReDD-PAN924	2025	924	2–3	3 人强制共识	PhysioNet 受限
InReDD Ext-BoneLoss-769	2026	769	2	推论同源团队	PhysioNet 受限
库内 caries-miccai（近红外）	2019	~数百	1–2	视届次	挑战赛公开
库内 3dteethland（3D 扫描）	2024	~1,800+	2	专家	挑战赛公开

解读：在同模态（2D 全景片）内，InReDD 与 DENTEX 是仅有的两个成规模数据集，合计约 1,900 张。这个数字相对胸片（数十万张）或病理（数万张）微不足道——它反映的是牙科影像 AI 整体的数据稀缺。因此 InReDD 的 924 张，其边际价值远高于"924"这个绝对数字给人的印象。

附录 Y：常见误用剧场

§Y.1 误用一：把它当作"胰腺癌数据集"

错误：因为名字里有"PAN"和数字"924"，把它归入肿瘤学/胰腺数据集。
后果：分类错误、检索失焦、与真正的胰腺数据集（如 nih-pancreas-ct）混淆。
正确做法：确认 PAN = Panoramic（全景），归入牙科/口腔影像类目（坑 5）。

§Y.2 误用二：直接引用 GitHub 的 CC BY 4.0 做商用

错误：看到 GitHub README 写 CC BY 4.0，认为可自由商用。
后果：可能违反 PhysioNet DUA 的上游数据约束。
正确做法：商用前与作者书面确认（坑 4）。

§Y.3 误用三：假设全库都有分割标签

错误：用"20,957 bbox + 4,621 掩码"推断全库 924 张都有 polygon 标注。
后果：数据集加载失败或掩码缺失。
正确做法：记住 polygon 只覆盖 200 张子集（坑 2、坑 6）。

§Y.4 误用四：把 4,621 当作"图像数"

错误：报告"InReDD 有 4,621 张分割图像"。
后果：规模夸大（实为 200 张图 / 4,621 个实例）。
正确做法：区分实例数与图像数（坑 2）。

§Y.5 误用五：按 ID 排序推断采集顺序

错误：按文件名 ID 排序，认为反映了患者就诊或采集时间顺序。
后果：得出无意义的时间序列结论。
正确做法：ID 已随机化，无顺序信息（坑 7）。

§Y.6 误用六：把 Ext-BoneLoss-769 当作"更多数据的同款"

错误：认为 Ext-BoneLoss-769 是 PAN924 的"扩容版"，标注体系相同。
后果：标注混用、任务定义混乱。
正确做法：两者主题不同（牙齿状况 vs 骨流失），是平行产品而非父子关系（§5.5）。

附录 Z：延伸阅读与来源清单

来源	类型	URL/标识
PhysioNet 数据集页	官方发布	https://physionet.org/content/inredd-dataset-pan924/
PhysioNet 扩展页	官方发布	https://physionet.org/content/inredd-pan924-ext-boneloss-769/1.0.0
PhysioNet dentistry 主题列表	生态系统	https://physionet.org/content?topic=dentistry
GitHub 镜像仓	格式发布	https://github.com/thiagoavieira/inredd-dataset-pan924-yolo-format
前置论文	方法学	doi:10.1016/j.oooo.2023.12.006
官方站点	团队	inredd.com.br/en/solutions/open-data
联系	团队	inredd@usp.br；Gitter #inredd

引用规范：

@misc{martins2025inredd,
  title  = {InReDD-Dataset-PAN924},
  author = {Martins, Caio Uehara and Tirapelli, Camila and Ga{\^e}ta-Araujo, Hugo
            and Baranauskas, Jose Augusto and Zancan, Breno and Carneiro, Jose
            and Macedo, Alessandra},
  year   = {2025},
  publisher = {PhysioNet},
  doi    = {10.13026/r5nt-we67},
  note   = {Version 1.0.0}
}

@article{costa2024inredd,
  title   = {Development of a dental digital data set for research in
             artificial intelligence: the importance of labeling performed
             by radiologists},
  author  = {Costa, E. D. and Ga{\^e}ta-Araujo, H. and Carneiro, J. A. and
             Zancan, B. A. G. and Baranauskas, J. A. and Macedo, A. A. and
             Tirapelli, C.},
  journal = {Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology},
  volume  = {138},
  number  = {1},
  pages   = {205--213},
  year    = {2024},
  doi     = {10.1016/j.oooo.2023.12.006}
}

附录 AA：基于本数据集的检查清单（10 项）

1. 身份核对：确认你处理的是牙科全景片数据集，不是胰腺（坑 5）。
2. 口径声明：引用任何规模数字时注明 PhysioNet 还是 GitHub 口径（坑 1-3）。
3. 许可核对：用途若超出学术研究范围，与作者书面确认（坑 4）。
4. 分割子集认知：polygon 仅 200 张，勿假设全库可用（坑 2）。
5. ID 处理：不要按 ID 排序或推断顺序（坑 7）。
6. 类别实测：从 JSON 的 categories 数组读取真实类别数，不依赖文档（坑 3）。
7. 划分协议：按患者（一图一患者）与类别分层划分，公布种子。
8. 指标选择：状况分类用宏平均 F1，勿用准确率（类别不平衡）。
9. 类别合并：龋齿 C/Dc/Di 合并超类，或明确研究范围（附录 U）。
10. 引用完整：数据引 PhysioNet DOI，方法学引论文 DOI，扩展引扩展页。

附录 AB：术语中英对照补充

中文	英文	说明
全景牙科 X 光片	panoramic dental radiograph / orthopantomogram	本数据集模态
曲面断层片	orthopantomogram (OPG)	全景片别名
焦槽	focal trough	全景成像的清晰成像区域
牙位编号	tooth numbering	Labeling 任务
牙齿状况	tooth condition	Annotation 任务
强制共识	forced consensus	标注一致性机制
釉牙骨质界	cementoenamel junction (CEJ)	骨流失测量起点
牙槽嵴顶	alveolar crest	骨流失测量终点
阻生第三磨牙	impacted third molar	M3i
残根	residual root	Rr
种植体	implant	Im
全冠	complete crown	Cp
桩	post	P
实例分割	instance segmentation	polygon 任务

附录 AC：数据集版本与时间线

日期	事件	版本/标识
2024	前置论文发表	OOOO 2024;138(1):205-213
2025-09-22	GitHub 镜像仓最后更新	thiagoavieira/inredd-dataset-pan924-yolo-format
2025-11-22	PhysioNet 数据集发布	v1.0.0，doi:10.13026/r5nt-we67
2026-09-17	扩展数据集发布	Ext-BoneLoss-769，v1.0.0
（未来）	多模态扩展声明	3D 口内扫描/CBCT/病史文本（未兑现）

附录 AD：为什么"没有排行榜"未必是缺点

在"数据集竞赛化"日益普遍的当下，InReDD 选择不做挑战赛，这个决定值得单独讨论。排行榜的正面作用众所周知：统一的评测协议、可比较的结果、社区活跃度。但排行榜也有结构性副作用：

1. 过拟合榜单：研究者可能迭代式地在测试集上"调参"，导致榜首分数逐渐脱离真实能力。
2. 任务窄化：为服务排行榜，任务被固定化，难以容纳新问题。
3. 标注质量让位于规模：为了吸引参与者，组织方倾向于扩大数据规模而非提升标注质量。

InReDD 的选择实质上是把"社区活跃度"换成了"标签可信度与方法学纯度"。这个取舍没有普适答案——但值得每一个数据集生产者问自己：我到底想让别人拿我的数据去打榜，还是去立规？InReDD 的回答是后者，且它为此付出了可获取性与传播力的代价（受限访问 + 无排行榜）。理解这个代价，也是理解这份数据集定位的一部分。

---

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：

• multicenter-dental-panoramic — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测 / 图像分类
• lidc-idri — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测
• tbx11k — 共享标签：医学影像 / X光影像 / 目标检测 / 图像分类
• vindr-pcxr — 共享标签：医学影像 / X光影像 / 目标检测 / 图像分类
• vindr-spinexr — 共享标签：医学影像 / X光影像 / 目标检测 / 图像分类
• dental-opg-xray — 共享标签：医学影像 / X光影像 / 目标检测 / 图像分类
• chexmask-cxr-segmentation-data — 共享标签：医学影像 / X光影像 / 医学图像分割
• chexmask-u — 共享标签：医学影像 / X光影像 / 医学图像分割
• heart-lung-segmentations-data — 共享标签：医学影像 / 医学图像分割 / 目标检测
• lung-segment-mimic-cxr — 共享标签：医学影像 / X光影像 / 医学图像分割

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。