基于图像到图像变换的多源牙科X射线数据集

该数据集为牙科X射线图像集合,来源于不同牙科诊所,包含一个目标检测数据集文件夹,内有1,674张增强图像及对应JSON格式标签

google_dataset
2025-07-21 更新
浏览 3
医学影像目标检测牙科X射线目标检测图像到图像变换扩散模型数据增强类别不平衡
Multi-Source Dental X-Ray Dataset Using Image-to-Image Transformation

基本信息

模态
医学影像
大小
0.052889016 GB
任务类型
目标检测
创建/更新时间
2025-07-21
版本
v2

资源简介

基于图像到图像变换的多源牙科X射线数据集

Multi-Source Dental X-Ray Dataset Using Image-to-Image Transformation

该数据集为牙科X射线图像集合,来源于不同牙科诊所,包含一个目标检测数据集文件夹,内有1,674张增强图像及对应JSON格式标签。通过扩散模型进行图像到图像变换生成额外牙齿扫描X射线图像,以扩充原始Teeth View X射线图像数据集,使其更深入、多样,并有利于模型调优。合成图像涵盖不同解剖结构、密度和采集条件,增强模型对异常牙科状况的鲁棒性,并通过增加少数类样本缓解类别不平衡、减少模型偏差(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2025-07-21。

【数据内容】

源站描述(机器翻译,仅供参考):Teeth View X射线图像数据集是从不同牙科诊所收集的牙科X射线图像集合。它设计用于机器学习任务,如目标检测。该数据集组织为一个主文件夹:目标检测数据集。目标检测文件夹包含1,674张增强图像及对应的JSON格式标签。通过应用扩散模型进行图像到图像变换,我们生成了额外的牙齿扫描X射线图像,以增强Teeth View X射线图像数据集,使其更深入、更多样,并有利于模型调优。合成图像包含牙齿的各种解剖结构、密度和采集条件,从而增强模型对异常牙科状况的鲁棒性。数据集规模的增加通过提供更多代表性不足类别的示例来抵消类别不平衡,并减少模型偏差。此外,

【数据结构与技术规格】

文件数 1 个,合计 52.89 MB。数据集 DOI:10.17632/cgwnxmdp3b.2。

【主题与分类】

主题标签:牙科X射线、目标检测、图像到图像变换、扩散模型、数据增强、类别不平衡。本站分类:口腔疾病。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/cgwnxmdp3b

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/cgwnxmdp3b/1

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。

数据集大小约 52.9 MB。

数据说明

Al Rafi Aurnob (2025). Multi-Source Dental X-Ray Dataset Using Image-to-Image Transformation [Dataset]. http://doi.org/10.17632/cgwnxmdp3b.1

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。

获取专属数据定制方案