人工智能用于邻面龋检测及其对治疗阈值的影响
该数据集来自 clinicaltrials.gov，聚焦龋齿（Caries,Dental）相关研究，主题为人工智能在邻面龋检测中的应用及其对治疗阈值的影响
基本信息
资源简介
人工智能用于邻面龋检测及其对治疗阈值的影响
该数据集英文名为 Artificial Intelligence (AI) for Proximal Caries Detection and Its Impact on Treatment Threshold，来源于 clinicaltrials.gov，主题标签为 Caries,Dental，本站将其归类于口腔疾病 / 其他。其核心研究关注人工智能在邻面龋检测中的应用，以及这种检测方式对治疗阈值与后续治疗决策的影响。研究设计还涉及对不同经验水平学习者的比较：一方面评估人工智能对早期学习者邻面龋检测及治疗决策的影响，另一方面将这些结果与经验丰富的学习者进行对照。整体来看，该数据集围绕龋齿这一口腔常见疾病，聚焦人工智能辅助诊断在教育与临床决策衔接环节中的作用，适合作为了解相关研究设计、研究对象与结局关注点的参考入口。
【数据集背景】
龋齿（Caries,Dental）是口腔疾病领域的重要研究主题。该数据集对应的研究旨在评估人工智能对邻面龋检测的影响，并进一步考察这种检测结果如何影响后续治疗决策。研究特别设置了学习者经验水平的对照维度，即比较人工智能介入后早期学习者的表现与经验丰富学习者的结果。这一背景表明，该数据集并非单纯的影像数据集合，而是围绕人工智能辅助邻面龋检测及其对治疗阈值影响这一研究问题组织的注册研究信息。
【数据内容】
该数据集的主题标签为 Caries,Dental，所属分类为口腔疾病 / 其他。其内容围绕邻面龋检测中人工智能的作用以及治疗阈值的变化展开，研究关注的对象包括早期学习者和经验丰富的学习者两类群体。源站描述明确提及 Conditions: Caries,Dental，并说明研究目的是评估人工智能对邻面龋检测及后续治疗决策的影响，并将早期学习者的结果与经验丰富学习者的结果进行比较。除上述研究主题、疾病条件和比较对象外，源站未提供更细粒度的数据字段、样本量、影像类型或结局指标说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床研究注册信息。源站描述提供了研究条件（Caries,Dental）和研究目的，即评估人工智能对邻面龋检测及后续治疗决策的影响，并比较早期学习者与经验丰富学习者的结果。关于具体的采集地点、采集时间、采集流程、样本招募方式以及数据加工方法，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解人工智能辅助邻面龋检测与治疗决策之间关系的研究设计，也可用于关注不同经验水平学习者在人工智能辅助下表现差异的研究场景。其主题标签 Caries,Dental 和口腔疾病 / 其他的分类，使其适合归入口腔疾病相关研究资源的检索与参考范围。关于具体的临床决策支持、教学培训或算法验证等应用，源站未提供明确说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、字段说明、分析流程或配套工具等均未说明。使用者如需了解如何获取或使用该数据集，应以 clinicaltrials.gov 上的原始注册信息为准。
【质量与限制】
该数据集的信息来自临床研究注册记录，源站描述较为概括，主要说明了研究目的、疾病条件和比较对象。关于数据规模、数据完整性、标注质量、偏倚控制以及统计分析方法，源站未提供。因此，在评估其质量与适用边界时，应注意到现有信息不足以支撑对数据质量的进一步判断。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。使用或引用时应参考 clinicaltrials.gov 原始记录中的相关说明。
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/NCT07648212
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：龋齿，牙科。本研究的目的是评估人工智能对早期学习者邻面龋检测及后续治疗决策的影响，并将这些结果与经验丰富的学习者的结果进行比较。
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。
