自动化三维头影测量方法的开发与验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT04464252

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

条件：正颌外科手术、牙颌面畸形。头影测量分析是正畸医生和颌面外科医生日常使用的一种标准化诊断方法。它基于在放射影像上进行的线性和角度测量。这项检查传统上是在二维X光片上手动完成，无法精细分析相互重叠的双侧结构。三维成像（锥形束计算机断层扫描（CBCT）或计算机断层扫描（CT扫描））的头影测量分析可能提供额外的诊断信息，特别是对于颌面异常或明显不对称的患者。三维头影测量分析临床应用的障碍之一是手动放置标志点所需的时间和专业知识。文献中描述的自动方法尚处于初步阶段，缺乏临床背景下的验证。我们的回顾性观察研究旨在开发并验证一种新的自动化三维头影测量方法。

该方法将基于一种深度学习算法，该算法利用接受过正颌手术患者的术前CT扫描数据库进行训练。这些CT扫描将被手动标注，为算法的训练及其评估提供参考标准。我们结果的验证将侧重于证明在此临床背景下获得的三维头影测量数据的诊断有效性和稳健性。

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。