1型糖尿病儿童牙龄测定方法应用研究
该数据集来自clinicaltrials.gov，聚焦1型糖尿病儿童的牙龄测定问题。研究纳入2017至2024年间58名1型糖尿病患儿与健康儿童，由2名牙医在全景放射影像上采用Cameriere、Willems和Demirjian三种方法计算牙龄，并按组别与性别比较牙龄及其与实际年龄的差异，分析在I
基本信息
资源简介
1型糖尿病儿童牙龄测定方法应用研究
该数据集来自clinicaltrials.gov，聚焦1型糖尿病儿童的牙龄测定问题。研究纳入2017至2024年间58名1型糖尿病患儿与健康儿童，由2名牙医在全景放射影像上采用Cameriere、Willems和Demirjian三种方法计算牙龄，并按组别与性别比较牙龄及其与实际年龄的差异，分析在IBM SPSS 25中完成。数据可用于评估不同牙龄估计方法在糖尿病儿童中的适用性，并支持法医学视角下的牙龄推断研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：糖尿病。1型糖尿病儿童的代谢活动差异导致其与健康儿童之间存在显著差异。尤其从法医学角度，需要为这些儿童定义特殊方法，牙龄估计便是其中之一。本研究旨在使用Cameriere、Willems和Demirjian方法确定1型糖尿病儿童的估计牙龄。方法：2017年至2024年间，58名1型糖尿病患者及健康儿童被纳入研究。由2名不同的牙医使用Cameriere、Willems和Demirjian方法在全景放射影像上计算牙龄。按组别和性别比较牙龄及其与实际年龄的差异。分析在IBM SPSS 25程序中进行。
【主题与分类】
主题标签：Diabetes。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06919367
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/NCT06919367
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
条件：糖尿病。1型糖尿病儿童的不同代谢活动导致其与健康儿童之间存在显著差异。尤其从法医学角度来看，需要为这些儿童制定特殊方法，牙齿年龄推断便是其中之一。本研究旨在使用Cameriere、Willems和Demirjian方法确定1型糖尿病儿童的估计牙齿年龄。方法：2017年至2024年间，58名1型糖尿病患者及健康儿童被纳入研究。由2名不同的牙医使用Cameriere、Willems和Demirjian方法在全景放射影像上计算牙齿年龄。按组别和性别比较牙齿年龄及其与生理年龄的差异。分析在IBM SPSS 25软件中进行。
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。
