Grand Challenge：ToothFairy 锥形束CT分割挑战
这是由摩德纳和雷焦艾米利亚大学与 Radboud 大学合作组织的 ToothFairy 挑战赛的第一届。该挑战旨在通过逐步增加公开可用的三维标注锥形束CT（CBCT）扫描的数量，推动深度学习框架的发展，以分割下牙槽神经管（IAC）
基本信息
资源简介
Grand Challenge：ToothFairy 锥形束CT分割挑战
ToothFairy 挑战赛（Grand Challenge: ToothFairy: Cone-Beam Computed Tomography Segmentation Challenge）是由摩德纳和雷焦艾米利亚大学与 Radboud 大学合作组织的 ToothFairy 挑战赛的第一届，来源站为 toothfairy.grand-challenge.org，本站分类归入口腔疾病 / 其他。该挑战旨在通过逐步增加公开可用的三维标注锥形束 CT（CBCT）扫描的数量，推动深度学习框架的发展，以实现下牙槽神经管（Inferior Alveolar Canal，IAC）的分割。CBCT 模态在种植牙科与颌面外科的治疗规划和诊断中正变得越来越重要，其获取的三维信息对于规划大量外科手术、保护下牙槽神经管等贵重解剖结构具有关键意义，深度学习模型可在此类手术规划流程中为医务人员提供支持。
【数据集背景】
该数据集对应的是 ToothFairy 挑战赛的第一届，由摩德纳和雷焦艾米利亚大学组织，并与 Radboud 大学合作举办。挑战赛的核心目标是推动深度学习框架的发展，使其能够完成下牙槽神经管（IAC）的分割任务。为实现这一目标，组织方采取的策略是逐步扩展公开可用的三维标注锥形束 CT（CBCT）扫描的数量，以此促进相关算法的研究与开发。CBCT 作为一种三维成像模态，在种植牙科和颌面外科的治疗规划与诊断中日益重要，其采集的三维信息可用于规划大量外科干预，从而保护诸如下牙槽神经管这类重要的解剖结构。下牙槽神经管内容纳同名神经，即下牙槽神经（Inferior Alveolar Nerve，IAN），在手术规划中避免损伤该结构具有重要的临床意义。
【数据内容】
该数据集围绕锥形束 CT（CBCT）扫描展开，具体为三维标注的 CBCT 扫描数据，用于下牙槽神经管（IAC）的分割任务。挑战赛通过逐步增加公开可用的三维标注 CBCT 扫描数量来推动深度学习框架的发展。关于数据集的具体样本数量、标注格式、图像分辨率、体素间距、训练集与测试集划分等细节，源站未提供。
【采集与来源】
数据来源站为 toothfairy.grand-challenge.org。该挑战赛由摩德纳和雷焦艾米利亚大学组织，并与 Radboud 大学合作举办。数据模态为锥形束 CT（CBCT），属于三维成像。关于扫描设备型号、采集参数、患者来源、伦理审批信息等，源站未提供。
【适用场景】
该数据集适用于深度学习框架的开发与评估，特别是针对下牙槽神经管（IAC）的自动分割任务。CBCT 模态在种植牙科和颌面外科的治疗规划与诊断中日益重要，其三维信息可用于规划大量外科手术，以保护下牙槽神经管等贵重解剖结构。深度学习模型可在此类手术规划流程中为医务人员提供支持，帮助其在规划过程中识别和保护下牙槽神经管及其内含的下牙槽神经（IAN）。因此，该数据集可服务于口腔疾病领域中的手术规划辅助、解剖结构分割算法研究等场景。
【使用方法】
该数据集以挑战赛的形式组织，参与者需基于公开可用的三维标注 CBCT 扫描开发深度学习框架，完成下牙槽神经管（IAC）的分割任务。关于具体的参赛流程、提交格式、评估指标、时间安排、注册方式等，源站未提供。
【质量与限制】
该挑战赛通过逐步增加公开可用的三维标注 CBCT 扫描数量来推动研究，这一策略本身反映了数据规模处于逐步扩展的过程中。关于数据标注质量、标注者一致性、数据偏倚、样本多样性、评估指标的具体数值等，源站未提供。
【引用与许可】
该挑战赛由摩德纳和雷焦艾米利亚大学与 Radboud 大学合作组织，来源站为 toothfairy.grand-challenge.org。关于具体的引用格式、许可协议、数据使用条款等，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://toothfairy.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
这是由摩德纳和雷焦艾米利亚大学与拉德堡德大学合作组织的首届ToothFairy挑战赛。该挑战赛旨在通过逐步增加公开可用的三维标注锥形束计算机断层扫描（CBCT）的数量，推动深度学习框架在分割下牙槽神经管（IAC）方面的发展。CBCT模态在种植牙科和颌面外科的治疗规划和诊断中正变得越来越重要。通过CBCT获取的三维信息对于规划大量外科手术至关重要，其目的是保护重要的解剖结构，如包含同名神经（下牙槽神经，IAN）的下牙槽神经管（IAC）。深度学习模型可以通过提供从CBCT扫描中自动提取的IAN体素级分割，在手术规划过程中为医务人员提供支持。
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。
