计算机辅助与常规局部麻醉在下颌阻生第三磨牙手术中的比较
本数据集来自clinicaltrials.gov,收录一项随机单盲临床试验,比较计算机辅助局部麻醉与常规局部麻醉在下颌阻生第三磨牙拔除术下牙槽神经阻滞中的效果

基本信息
资源简介
计算机辅助与常规局部麻醉在下颌阻生第三磨牙手术中的比较
本数据集来自clinicaltrials.gov,收录一项随机单盲临床试验,比较计算机辅助局部麻醉与常规局部麻醉在下颌阻生第三磨牙拔除术下牙槽神经阻滞中的效果。研究涉及40名符合纳入标准的参与者,每名参与者接受双侧对称阻生下颌第三磨牙拔除,一侧采用计算机辅助局部麻醉,另一侧采用常规方法。数据覆盖疼痛感知、牙科焦虑及生理反应等指标,可用于评估两种麻醉技术在疼痛控制和焦虑缓解方面的差异(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:第三磨牙、口腔手术、焦虑、局部麻醉、血流动力学变化、疗效比较、计算机辅助局部麻醉。本临床试验旨在比较计算机辅助局部麻醉与常规局部麻醉在伴骨埋伏的阻生下颌第三磨牙手术下牙槽神经阻滞过程中对疼痛感知、牙科焦虑及生理反应的影响。研究评估计算机辅助麻醉技术是否比常规技术提供更好的疼痛控制并减少焦虑。研究设计:这是一项随机、单盲临床试验,涉及40名符合纳入标准的参与者。每名参与者将接受双侧、对称的阻生下颌第三磨牙拔除。一侧将使用计算机辅助局部麻醉进行麻醉,而另一侧
【主题与分类】
主题标签:Molar, Third、Surgery, Oral、Anxiety、Local Anesthesia、Hemodynamic Changes、Comparison of the Efficacy、Computer Assisted Local Anesthesia。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06852066
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/NCT06852066
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:磨牙、第三磨牙、手术、口腔、焦虑、局部麻醉、血流动力学变化、疗效比较、计算机辅助局部麻醉。本临床试验旨在比较计算机辅助局部麻醉与传统局部麻醉在阻生下颌第三磨牙伴骨埋伏手术中下牙槽神经阻滞时对疼痛感知、牙科焦虑及生理反应的影响。研究评估计算机辅助麻醉技术是否较传统技术能提供更好的疼痛控制并减轻焦虑。研究设计这是一项随机、单盲临床试验,纳入40名符合纳入标准的受试者。每名受试者将接受双侧对称性阻生下颌第三磨牙拔除术。一侧采用计算机辅助局部麻醉,另一侧采用传统局部麻醉。由一名不参与手术的研究人员通过顺序编号信封进行随机化,以确定所用技术及首先手术的一侧。
参与者将对手术过程中使用的麻醉技术设盲。麻醉方案:两个研究组均采用下牙槽神经阻滞及补充颊侧麻醉。传统局部麻醉:使用40 mm 27G牙科注射器在手动压力下给药。计算机辅助局部麻醉:使用SleeperOne5(Dental Hi Tec,Cholet,法国)系统,配备35 mm 30G注射器,在受控压力下进行。两组的麻醉溶液均为2%阿替卡因加1:100,000肾上腺素。每次治疗的最大给药量:计算机辅助组为2支药筒,传统组为2安瓿。计算机辅助组的注射速度固定为60秒,而传统组为30秒。下牙槽神经阻滞将由同一名外科医生为所有患者实施,以确保标准化。手术过程:标准化的阻生第三磨牙拔除术 p
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




