数字化咬合板与无咬合板远心段复位用于骨骼性下颌畸形BSSO的比较
该数据集来自clinicaltrials.gov,聚焦骨骼性下颌畸形行BSSO(双侧下颌支矢状劈开术)时,数字化咬合板与无咬合板远心段复位两种技术的比较

基本信息
资源简介
数字化咬合板与无咬合板远心段复位用于骨骼性下颌畸形BSSO的比较
该数据集来自clinicaltrials.gov,聚焦骨骼性下颌畸形行BSSO(双侧下颌支矢状劈开术)时,数字化咬合板与无咬合板远心段复位两种技术的比较。覆盖的疾病包括颌面异常、颌骨异常、下颌前突、下颌后缩、小颌畸形、牙颌面畸形、先天性异常及颅面异常。源站描述指出,无咬合板正颌手术技术的应用引发了关于其与咬合板使用之间效率对比的讨论,以及是否对手术结果和目标有显著可测量的影响;通过计算机辅助设计或计算机生成的手术咬合板夹板对治疗方案的修改与改进,极大推动了数字成像和3D设计在正颌外科中的应用;结合后续研究知识与3D设计软件进步及成像分辨率提高,无咬合板计算机引导正颌方案已被探索,寻找更精确技术的研究正在竞争。该数据可用于正颌手术技术。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:颌面异常、颌骨异常、下颌前突、下颌后缩、小颌畸形、牙颌面畸形、先天性异常、颅面异常。无咬合板正颌手术技术的应用引发了关于其与使用咬合板之间效率对比的讨论,以及是否对手术结果和目标有显著可测量的影响。通过计算机辅助设计或计算机生成的手术咬合板夹板对治疗方案的修改和改进,极大地推动了数字成像和3D设计在正颌外科中的应用。结合后续研究获得的知识与3D设计软件的进步及成像分辨率的提高,无咬合板正颌计算机引导方案已被探索,研究更精确的技术目前正在竞争。
【主题与分类】
主题标签:Maxillofacial Abnormalities、Jaw Abnormalities、Prognathism、Retrognathia、Micrognathism、Dentofacial Deformities、Congenital Abnormalities、Craniofacial Abnormalities。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/NCT05151042
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/NCT05151042
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:颌面异常、颌骨异常、下颌前突、下颌后缩、小颌畸形、牙颌面畸形、先天性异常、颅面异常。无咬合板正颌手术技术的应用引发了关于其效率与使用咬合板相比的疑问,以及它是否对手术结果和目标具有显著的可测量影响。通过计算机辅助设计或计算机生成的手术咬合板夹板来修改和尝试完善治疗方案,极大地革新了数字成像和3D设计在正颌手术中的应用。将后续研究获得的知识与3D设计软件的进步及成像分辨率的提高相结合,无咬合板计算机引导正颌方案已得到探索,目前正在竞相研究更精确的技术。
本研究的目的是评估3D打印定位装置在BSSO术后根据术前虚拟计划重新定位远心骨段的准确性,并与最终数字化制作的、带远中延伸的颌间咬合导板进行比较,用于矫正II类或III类下颌畸形。试验设计:随机对照试验。从选定的合格患者群体中,候选人将被随机分配到2组:I组(干预评估组):使用截骨/接骨板定位的骨载手术导板(无咬合导板方法)重新定位远心骨段。II组(对照组):使用术前和最终咬合导板重新定位远心骨段。术前措施:对所有患者进行全面的术前评估,包括病史采集、临床检查、照片和影像学检查,以及牙模分析。术前影像学检查:将要求所有患者进行全景X线摄影作为初步调查,以排除可能存在任何干扰手术的骨内病变。
所有患者术前均将使用多层螺旋CT机进行头颈部计算机断层扫描(CT)采集,依据
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。




