人工智能在口腔潜在恶性疾患诊断与风险评估中的评价

数据集获取

源站：https://clinicaltrials.gov/study/NCT07318922

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：口腔扁平苔藓、口腔白斑、口腔黏膜创伤性溃疡、口腔红白斑。口腔潜在恶性疾患（OPMDs）被描述为具有潜在恶变为口腔癌可能的黏膜病变。它包括口腔白斑（OLK）、口腔扁平苔藓（OLP）、口腔红斑（OEK）、盘状红斑狼疮、增殖性疣状白斑、念珠菌性白斑、倒吸烟者腭、疣状增生、先天性角化不良、日光性唇炎、角化棘皮瘤和口腔黏膜下纤维化。文献报道OPMDs的患病率高达5%，常见部位为舌、口底和牙龈。OEK、OLK和OLP的恶变率估计分别约为14.3%-50%、0.13%-17.5%和0.4%-6.5%。由于许多口腔鳞状细胞癌（OSCCs）起源于OPMDs，临床医生必须通过全面的诊断和管理来区分这些病变，以防止恶变。

公众对口腔潜在恶性疾患（OPMDs）缺乏知识和认识是普遍现象，研究还表明，普通牙科执业者对这些疾病实体的了解/准备并不充分。由于OPMDs种类繁多、形式多样且特征重叠，将其作为可定义的疾病进行诊断也具有挑战性。然而，研究发现，当OPMD转变为非均质表现时，更可能被视为不良进展，换言之，非均质性病变相比均质性病变具有更高的恶变风险。口腔组织活检和组织病理学分析通常被视为评估OPMDs癌症风险的金标准。然而，由于活检是一种侵入性检测，与非侵入性检测技术相比，它可能不适合用于监测OPMDs的慢性发展。活检的另一个缺点是，平均需要一天半才能出具报告。尽管借助活检的全面临床检查可能发现大多数OPMDs和口腔癌（OCs），但其他诊

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。