下颌第三磨牙冠切术后根管治疗需求数据集
本数据集来自 clinicaltrials.gov，聚焦下颌第三磨牙冠切术后是否需要根管治疗的问题，涉及下牙槽神经损伤、感觉异常、阻生第三磨牙等主题
基本信息
资源简介
下颌第三磨牙冠切术后根管治疗需求数据集
本数据集来自 clinicaltrials.gov，聚焦下颌第三磨牙冠切术后是否需要根管治疗的问题，涉及下牙槽神经损伤、感觉异常、阻生第三磨牙等主题。研究纳入 24 名 18-30 岁患者，共 24 颗与下牙槽神经紧邻的阻生下颌牙齿，记录术后根管治疗需求及相关临床情况。数据可用于分析冠切术后并发症风险、根管治疗指征及下牙槽神经损伤相关因素，支持口腔外科临床决策与预后研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：下牙槽神经损伤、根管治疗、感觉异常、第三磨牙、阻生第三磨牙、冠切术。研究纳入 24 名患者，均签署书面和口头知情同意，其中女性 15 名、男性 9 名，年龄 18-30 岁，男性平均年龄 24 ± 2.6 岁，女性平均年龄 23.5 ± 2.8 岁。伦理批准来自 Altamash 牙科医学院伦理审查委员会，IRB 编号：AIDM/ERC/12/2022/04。根据影像学诊断及 Howe 和 Poyton4 标准评估，选取 24 名患者中与下牙槽神经紧邻的 24 颗阻生下颌牙齿用于本研究。研究时间线为 2021 年 1 月至 2022 年 1 月。研究估算样本量为 12（每组 6 名参与者），后提高至最低 24（每组 12 名参与者）。
【主题与分类】
主题标签：Inferior Alveolar Nerve Injuries、Root Canal Treatment、Paresthesia、Third Molar、Impacted Third Molar Tooth、Coronectomy。本站分类：感染性疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05744882
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/NCT05744882
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：下牙槽神经损伤、根管治疗、感觉异常、第三磨牙、阻生第三磨牙、冠切术。该研究共纳入24例患者，均获得书面和口头知情同意，其中女性15例、男性9例，年龄18～30岁，男性平均年龄24±2.6岁，女性平均年龄23.5±2.8岁。研究已获得Altamash牙科医学院伦理审查委员会的伦理批准，IRB编号：AIDM/ERC/12/2022/04。根据影像学检查及Howe和Poyton4标准的评估，共选取24例患者的24颗与下牙槽神经（IAN）紧密相邻的阻生下颌牙用于本研究。研究时间范围为2021年1月至2022年1月。研究估算的样本量为12例（每组6例受试者），后增至最低24例（每组12例受试者）。
计算中采用了Sencimen等人发表的研究中对照组的感染比例12.5%和实验组的感染比例87.5%。用于样本量估算的软件为STATA 13.0，采用“Pearson卡方检验用于两样本比例检验”。考虑的参数如下：Alpha=0.05，Power=0.8，Delta=0.75，对照组比例=0.125（12.5%），实验组比例=0.875（87.5%）。考虑到随访丢失率较高，样本量增加至24名受试者，每人一颗牙齿。（附件一）患者经诊断后转诊至Altamash牙科医学院口腔颌面外科。24名患者共24颗阻生下颌第三磨牙被平均分为对照组和研究组。研究组的12名患者在行冠切术后接受了根管治疗，而对照组的另一半患者仅行冠切术，未进行任何进一步操作。
所有参与者通过抽取密封信封的方式被均等地分为对照组和研究组。
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。
