Grand Challenge：CL-Detection 2023 头影测量标志点检测数据集
侧位X射线图像中的头影测量标志点检测。主题标签：口颌系统疾病、牙面异常、头影测量、标志点检测、侧位X线图像。本站分类：口颌系统疾病/牙面异常
基本信息
资源简介
Grand Challenge：CL-Detection 2023 头影测量标志点检测数据集
Grand Challenge: CL-Detection 2023 是一个面向口颌系统疾病与牙面异常分析的头影测量标志点检测数据集，来源于 cl-detection2023.grand-challenge.org。该数据集的核心任务是在侧位X射线图像中自动检测头影测量标志点，属于医学影像分析与口腔颌面领域交叉的典型问题。头影测量是口腔正畸、正颌外科及颅面生长发育评估中的基础手段，而标志点的准确定位直接影响后续角度、距离等测量指标的可靠性。该数据集以侧位X射线图像为输入，围绕标志点检测这一关键环节构建，主题涵盖口颌系统疾病、牙面异常、头影测量、标志点检测以及侧位X线图像等方向，本站将其归类于口颌系统疾病/牙面异常。
【数据集背景】
头影测量分析依赖在侧位X射线图像上标定一系列解剖标志点，这些标志点用于描述颅骨、颌骨与牙齿之间的空间关系。传统上，标志点由专业人员手工标注，过程耗时且存在观察者间差异。随着医学影像分析技术的发展，自动检测头影测量标志点成为研究热点。该数据集正是围绕这一需求设立，旨在为侧位X射线图像中的标志点检测提供统一的任务定义与评测平台。其来源站为 cl-detection2023.grand-challenge.org，源站描述明确指出其主题为“Cephalometric landmark detection in lateral x-ray images”，即侧位X射线图像中的头影测量标志点检测。
【数据内容】
该数据集涉及侧位X射线图像以及与之对应的头影测量标志点。其任务目标是在此类图像中检测标志点位置。关于图像的具体数量、标志点的具体数量与名称、图像分辨率、文件格式、标注文件结构等细节，源站未提供。本站分类将其归入口颌系统疾病/牙面异常，主题标签包括口颌系统疾病、牙面异常、头影测量、标志点检测、侧位X线图像。
【采集与来源】
该数据集来源于 cl-detection2023.grand-challenge.org。源站描述仅说明其内容为侧位X射线图像中的头影测量标志点检测。关于采集设备、采集机构、受试者来源、伦理审批、数据脱敏流程等信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于侧位X射线图像中头影测量标志点检测相关的研究与评测。其主题标签涵盖口颌系统疾病、牙面异常、头影测量、标志点检测与侧位X线图像，因此可服务于口腔正畸、正颌外科、颅面生长发育评估等方向中与标志点自动定位相关的算法开发与比较。关于该数据集是否可用于其他具体临床任务或是否提供额外评测指标，源站未提供。
【使用方法】
该数据集以 Grand Challenge 平台上的挑战赛形式组织，来源站为 cl-detection2023.grand-challenge.org。关于数据下载方式、训练集与测试集划分、提交格式、评测脚本、排行榜规则等具体使用流程，源站未提供。
【质量与限制】
该数据集聚焦于侧位X射线图像中的头影测量标志点检测，其任务定义与主题标签明确。关于数据规模、标注精度、观察者间一致性、图像质量分布、是否存在类别不平衡或缺失标注等质量与限制方面的具体信息，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可协议、使用条款、商业使用限制等信息，源站未提供。
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。
需登录公开下载
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。
暂未开放有偿下载
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://cl-detection2023.grand-challenge.org/
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
Cephalometric landmark detection in lateral x-ray images
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。
