DC-HardRec：面向牙颅面硬组织重建的配对不完整与缺失区域网格多源数据集
DC-HardRec 是面向牙颅面硬组织重建的多源配对不完整与缺失区域网格数据集。所有临床数据发布前去标识化，直接个人标识与可识别临床元数据被移除，原标识替换为队列研究代码
基本信息
资源简介
DC-HardRec：面向牙颅面硬组织重建的配对不完整与缺失区域网格多源数据集
DC-HardRec: A Multi-source Dataset of Paired Incomplete and Missing-region Meshes for Dental-Craniofacial Hard-tissue Reconstruction
DC-HardRec 是面向牙颅面硬组织重建的多源配对不完整与缺失区域网格数据集。所有临床数据发布前去标识化，直接个人标识与可识别临床元数据被移除，原标识替换为队列研究代码。发布的 PLY 仅含派生硬组织几何和最小元数据，不含重识别密钥、映射表或原始临床记录。文件经审查无身份信息，去标识化对接收方有效且不可逆，无法识别个人。许可 CC BY-SA 4.0（来源 DOI 解析，Creative Commons Attribution Share Alike 4.0 International 许可）。
【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）：所有 PKU 临床数据在发布前均已去标识化。直接个人标识符和可识别身份的临床元数据已被移除，原始标识符已替换为队列特异性研究编码。发布的 PLY 文件仅包含衍生的硬组织几何结构以及科学复用所需的最少元数据。发布包中不包含再识别密钥、标识符映射表或原始临床记录。已对发布文件进行审查，以确认其中不存在可识别信息。因此，该脱敏流程对数据接收者而言有效且不可逆，且无法根据发布数据集中所提供的信息识别个体。
【主题与分类】
主题标签：Computer science and technology、Clinical medicine、Basic medical、Surgical science、Health medicine、Hard-tissue reconstruction、Dental and craniofacial reconstruction、Paired mesh。本站分类：口腔疾病。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=b68efa8ce4444d81a55ea209b51855aa
使用许可：Creative Commons Attribution Share Alike 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/10.57760/sciencedb.deld.0000b
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
所有 PKU 临床数据在发布前均已去标识化。直接个人标识符和可识别身份的临床元数据已被移除，原始标识符已替换为队列特异性研究编码。发布的 PLY 文件仅包含衍生的硬组织几何结构以及科学复用所需的最少元数据。发布包中不包含再识别密钥、标识符映射表或原始临床记录。已对发布文件进行审查，以确认其中不存在可识别信息。因此，该脱敏流程对数据接收者而言有效且不可逆，且无法根据发布数据集中所提供的信息识别个体。
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。
