下颌阻生智齿拔除术中三叉神经心脏反射发生率数据集
该数据集来源于 clinicaltrials.gov,聚焦下颌阻生智齿拔除术中三叉神经心脏反射的发生情况。研究纳入 40 例接受下颌阻生智齿拔除术的患者,术前采用 GG 与 IASB 两种常用口腔外科局部麻醉技术,并通过全景放射片评估智齿牙根与下牙槽神经的最近距离,必要时补充 CBCT 三维确认

基本信息
资源简介
下颌阻生智齿拔除术中三叉神经心脏反射发生率数据集
该数据集来源于 clinicaltrials.gov,聚焦下颌阻生智齿拔除术中三叉神经心脏反射的发生情况。研究纳入 40 例接受下颌阻生智齿拔除术的患者,术前采用 GG 与 IASB 两种常用口腔外科局部麻醉技术,并通过全景放射片评估智齿牙根与下牙槽神经的最近距离,必要时补充 CBCT 三维确认。数据可用于观察该术式下三叉神经心脏反射的发生频率及相关麻醉与解剖因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:三叉神经心脏反射、阻生第三磨牙。该研究纳入 40 例接受下颌阻生智齿拔除术的患者。手术操作前,采用口腔外科实践中最常用的两种局部麻醉技术,即 GG 和 IASB 技术。IASB 始终配合颊部与下颌舌骨区辅助麻醉,而接受 GG 麻醉的患者均无需额外麻醉。患者评估采用全景放射片完成。记录相关智齿牙根与下牙槽神经(IAN)之间的最近距离。在距离小于 1 mm 或出现影像重叠的情况下,对患者拍摄锥形束计算机断层扫描(CBCT)图像以三维确认距离。患者被分为两组,基
【主题与分类】
主题标签:Trigemino-Cardiac Reflex、Impacted Third Molar Tooth。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06499532
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/NCT06499532
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
适应症:三叉神经-心脏反射、阻生第三磨牙。该研究纳入40例接受下颌阻生智齿拔除术的患者。在手术操作前,采用口腔外科实践中最常用的两种局部麻醉技术,即GG和IASB技术。IASB始终辅以颊部和下颌舌骨区支持性麻醉,而接受GG麻醉的患者均无需额外麻醉。采用全景X线片对患者进行评估。记录相关智齿牙根与下牙槽神经(IAN)之间的最近距离。在距离小于1 mm或出现重叠的情况下,对患者拍摄锥形束计算机断层扫描(CBCT)图像,以在三维方向上确认距离。根据智齿牙根与IAN的邻近程度(1 mm以内或超过1 mm)将患者分为两组,并根据所采用的麻醉技术(GG-IASB)分为两组。
亚组命名为GG-0(距下牙槽神经超过1 mm)、GG-1(距下牙槽神经1 mm以内)、IASB-0(距下牙槽神经超过1 mm)和IASB-1(距下牙槽神经1 mm以内)。每个亚组(GG-0、GG-1、IASB-0、IASB-1)均匀选取10例患者。纳入研究的手术均由同一位外科医生完成。阻生智齿为垂直阻生,且均为骨内滞留牙。手术操作采用套袖瓣,包括下颌第二磨牙近中龈乳头附近的远中水平切口和垂直松弛切口。三叉神经心血管反射(TCR)监测通过观察突发性心动过缓的发生来进行,该心动过缓可在数秒内出现,暂停操作后即可改善,且之前无心动过速。为确保对这一突发过程进行准确及时的监测,并监测可能出现的潜在心脏停搏,对患者进行了监测。监测使用5通道Contec Medical Systems(中国河北)监护仪进行。在整个
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。




