用于牙颌面畸形诊断与矫正的全三维计算机辅助工作流
该数据集来自 clinicaltrials.gov,主题为牙颌面畸形的诊断与矫正,涉及正颌外科的全三维计算机辅助工作流。源站描述涵盖正颌外科可在三个空间平面上重新定位颌骨,并列举其适应症,包括由上颌后缩、下颌前突或两者共同导致的 Class 3 错颌,由下颌后缩导致的 Class 2 错颌,以双颌后

基本信息
资源简介
用于牙颌面畸形诊断与矫正的全三维计算机辅助工作流
该数据集来自 clinicaltrials.gov,主题为牙颌面畸形的诊断与矫正,涉及正颌外科的全三维计算机辅助工作流。源站描述涵盖正颌外科可在三个空间平面上重新定位颌骨,并列举其适应症,包括由上颌后缩、下颌前突或两者共同导致的 Class 3 错颌,由下颌后缩导致的 Class 2 错颌,以双颌后缩为特征的 Class 1 错颌,单侧过度生长或面部扭转引起的面部不对称,以及无法单独通过正畸治疗矫正的其他错颌和面部创伤后遗症。可用于口腔疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:牙颌面畸形。正颌外科 正颌外科允许在三个空间平面上重新定位颌骨。该手术适用于以下患者: Class 3 错颌,由上颌后缩、下颌前突或两者共同导致; Class 2 错颌,由下颌后缩导致,伴上颌形态正常、前突或后缩,和/或垂直向过度; Class 1 错颌,特征为一致性双颌后缩(这种情况可见于复杂医学问题,如 OSAS 患者); 由一侧过度生长或面部扭转引起的面部不对称; 无法单独通过正畸治疗矫正的其他错颌,如横向或牙槽突缺损; 面部创伤后遗症。自 20 世纪 50 年代以来,正颌外科发展迅速,当时尚
【主题与分类】
主题标签:Dentofacial Deformities。本站分类:口腔疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06806605
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/NCT06806605
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
病症:牙颌面畸形。正颌手术 正颌手术可在三个空间平面上重新定位颌骨。该手术适用于以下患者:* 由上颌后缩、下颌前突或两者兼有所致的3类错颌畸形;* 由下颌后缩所致的2类错颌畸形,伴上颌形态正常、前突或后缩,和/或垂直向过度;* 以双侧上颌一致性后缩为特征的1类错颌畸形(这种情况可见于复杂医学问题,如OSAS患者);* 由一侧过度生长或面部扭转所致的面部不对称;* 其他无法仅通过正畸治疗矫正的错颌畸形,如横向或牙槽骨缺损;* 面部创伤后遗症。自20世纪50年代首次开发出治疗大多数无法仅通过正畸解决错颌畸形的手术技术以来,正颌手术已迅速发展。
随后的技术进步简化了牙颌面畸形的三维诊断:多层螺旋CT(MSCT)、锥形束CT(CBCT)、磁共振成像(MRI)、立体摄影测量、牙弓扫描、可进行手术规划和结果预测的软件、术中导航以及CAD-CAM技术。传统的正颌外科方法(正畸优先)包括三个阶段:术前正畸治疗、手术阶段和术后咬合稳定(术后正畸治疗)。正颌外科与技术:从二维研究到三维 为了诊断牙颌面畸形,研究者利用通过专用软件或设备创建的三维数字记录。真实数据与数字信息相结合以模拟手术过程。三维头影测量 头影测量是用于分析面部结构几何形态的方法。历史上,该方法基于二维放射学。
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。




