IMPRESSeD：面部假体数字与传统制造对比的可行性交叉随机对照试验数据集
面部假体数字与传统制造对比的可行性交叉随机对照试验数据集，包含扫描数据与临床评估。
基本信息
资源简介
IMPRESSeD：面部假体数字与传统制造对比的可行性交叉随机对照试验数据集
【一句话概览】
本数据集是 LSHTM Data Compass 公开的影像数据集，主题涵盖 Maxillofacial Prosthesis、Nasal Prosthesis、Orbital Prosthesiss、Computer-Aided Design、3D Morphable Model，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《IMPRESSeD: IMproving facial PRosthesis construction with contactlESs Scanning and Digital workflow. A feasibility cross-over randomised controlled trial of digital versus conventional manufacture for facial prostheses》。源站首次发布：2025。
【数据内容】
源站原始描述：This dataset contains data as described in Jablonski RY, Coward TJ, Reed C, Bartlett P, Keeling AJ, Bojke C, Nattress BR, Pavitt SH. Improving facial prosthesis construction with a contactless scanning and digital workflow: A feasibility crossover randomized controlled trial of digital versus conventional manufacture of orbital and nasal prostheses. J Prosth Dent. 2025
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含 Jablonski RY, Coward TJ, Reed C, Bartlett P, Keeling AJ, Bojke C, Nattress BR, Pavitt SH 所述的数据。利用非接触式扫描和数字化工作流程改进面部修复体制作：数字化与传统制作眶部和鼻部修复体的可行性交叉随机对照试验。J Prost
【主题与分类】
主题标签：Maxillofacial Prosthesis、Nasal Prosthesis、Orbital Prosthesiss、Computer-Aided Design、3D Morphable Model、Feasibility trial、A000 - Medicine & dentistry。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://archive.researchdata.leeds.ac.uk/1398/
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。
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://archive.researchdata.leeds.ac.uk/1398/
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。
