人类回收牙种植体种植体周围骨特征:系统综述与meta分析
该数据集包含为一项关于人类种植体周围骨组织学结局的系统综述与meta分析所提取的数据。它包括四个Excel文件,分别涵盖骨-种植体接触(BIC;63项研究,176个估计值)、螺纹内骨密度(BDWT;22项研究,61个估计值)、螺纹外骨密度(BDOT;18项研究,47个估计值)以及种植体平台与首个骨-

基本信息
资源简介
人类回收牙种植体种植体周围骨特征:系统综述与meta分析
该数据集包含为一项关于人类种植体周围骨组织学结局的系统综述与meta分析所提取的数据。它包括四个Excel文件,分别涵盖骨-种植体接触(BIC;63项研究,176个估计值)、螺纹内骨密度(BDWT;22项研究,61个估计值)、螺纹外骨密度(BDOT;18项研究,47个估计值)以及种植体平台与首个骨-
Peri-implant bone characteristics of dental implants retrieved from humans: a systematic review and meta-analysis
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含为一项关于人类种植体周围骨组织学结局的系统综述与meta分析所提取的数据。它包括四个Excel文件,分别涵盖骨-种植体接触(BIC;63项研究,176个估计值)、螺纹内骨密度(BDWT;22项研究,61个估计值)、螺纹外骨密度(BDOT;18项研究,47个估计值)以及种植体平台与首个骨-种植体接触点之间的距离(fBIC;4项研究,12个估计值)。每行代表一个研究臂或干预的结局数据,包括评估的种植体数量、均值和标准差。在适用的情况下提供研究特征和候选调节变量。随附的README描述了文件、变量、单位和编码约定。该综述已在PROSPERO注册,注册号为CRD42023430289,文献检索最后更新于Ju
【主题与分类】
主题标签:牙种植体、种植体周围骨、骨-种植体接触、骨密度、系统综述、meta分析、组织形态学。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23435937
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23435937
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
该数据集包含为一项关于人类种植体周围骨组织学结局的系统评价与meta分析所提取的数据。它包括四个Excel文件,分别涵盖种植体-骨接触(BIC;63项研究,176个估计值)、螺纹内骨密度(BDWT;22项研究,61个估计值)、螺纹外骨密度(BDOT;18项研究,47个估计值)以及种植体平台与首个种植体-骨接触点之间的距离(fBIC;4项研究,12个估计值)。每一行代表一个研究组或干预措施的结局数据,包括所评估的种植体数量、均值和标准差。在适用的情况下,提供了研究特征和候选调节因素。随附的README说明了文件、变量、单位和编码约定。该综述已在PROSPERO注册,注册号为CRD42023430289,文献检索最后更新于2026年6月。
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。




