Grand Challenge：ODIN 2026 挑战赛
ODIN 2026 是一组面向口腔与牙科图像分析的多模态报告生成挑战赛。它包含 ToothFairy4，专注于基于 CBCT 体数据的颌面与外科报告生成，以及 Bite2Text，专注于基于口内 3D 扫描与照片的正畸报告生成
基本信息
资源简介
Grand Challenge：ODIN 2026 挑战赛
ODIN 2026 是一组面向口腔与牙科图像分析的多模态报告生成挑战赛，其英文全称为 Grand Challenge: ODIN 2026 Challenges。该挑战赛聚焦于将常规牙科影像自动转化为具有临床意义的文本报告，涵盖颌面外科与正畸两大方向。其中，ToothFairy4 专注于基于 CBCT 体数据的颌面与外科报告生成，Bite2Text 则专注于基于口内 3D 扫描与照片的正畸报告生成。整体而言，该挑战赛旨在评测全自动系统在多模态口腔影像理解与报告生成方面的能力，并强调临床正确性、完整性、跨中心鲁棒性以及对隐藏测试数据的泛化能力。
【数据集背景】
ODIN 2026 是一个由多个子挑战组成的集群式挑战赛，围绕口腔与牙科图像分析中的多模态报告生成任务展开。其核心目标是对全自动系统进行基准测试，这些系统需要将日常牙科影像转化为临床上有意义的文本报告。该挑战赛特别强调若干关键维度：临床正确性、报告完整性、跨不同中心的鲁棒性，以及在隐藏测试数据上的泛化表现。这些维度共同构成了对参赛系统综合能力的评价框架，也反映了口腔与牙科影像分析领域对自动化报告生成的实际需求。
【数据内容】
该挑战赛包含两个子挑战。ToothFairy4 聚焦于从 CBCT 体数据生成颌面与外科报告；Bite2Text 聚焦于从口内 3D 扫描与照片生成正畸报告。涉及的数据模态包括 CBCT 体数据、口内 3D 扫描以及照片。关于各子挑战的具体样本数量、文件格式、标注规范、报告文本结构等详细信息，源站未提供。
【采集与来源】
该数据集来源于 odin2026.grand-challenge.org。挑战赛强调跨中心的鲁棒性，表明其数据可能涉及多中心来源，但具体的采集机构、设备型号、采集协议、时间范围及患者人群等信息，源站未提供。
【适用场景】
该数据集适用于口腔与牙科图像分析中的多模态报告生成任务，具体包括两类场景：一是基于 CBCT 体数据的颌面与外科报告生成，对应 ToothFairy4；二是基于口内 3D 扫描与照片的正畸报告生成，对应 Bite2Text。其总体应用方向是将常规牙科影像自动转化为临床上有意义的文本报告，并评测系统在临床正确性、完整性、跨中心鲁棒性和泛化能力方面的表现。
【使用方法】
该挑战赛以基准测试的形式组织，参赛系统需要以全自动方式处理输入的牙科影像并生成对应的文本报告。评测关注临床正确性、完整性、跨中心鲁棒性以及对隐藏测试数据的泛化能力。关于具体的报名流程、提交格式、评价指标计算方式、基线模型及排行榜规则等，源站未提供。
【质量与限制】
该挑战赛明确强调临床正确性、完整性、跨中心鲁棒性和对隐藏测试数据的泛化能力，这些既是评测重点，也提示了任务的主要难点。关于数据的具体规模、标注质量、类别分布、潜在偏差及使用限制等，源站未提供。
【引用与许可】
关于该数据集的引用格式、许可协议、使用条款及商业使用限制等，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://odin2026.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
ODIN 2026 是一系列关于口腔与牙科图像分析中多模态报告生成的挑战赛。它包括 ToothFairy4，专注于基于 CBCT 体积生成颌面与外科报告，以及 Bite2Text，专注于基于口内 3D 扫描和照片生成正畸报告。该挑战赛对全自动系统进行基准测试，这些系统将常规牙科影像转化为具有临床意义的文本报告，重点评估临床正确性、完整性、跨中心稳健性以及对隐藏测试数据的泛化能力。
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。
