口腔疾病检测数据集（YOLOv8/YOLOv11）
23000+张标注口腔图像，6种口腔疾病，用于YOLO目标检测。
基本信息
资源简介
口腔疾病检测数据集（YOLOv8/YOLOv11）
【数据集背景】
本数据集源站标题为《Oral Disease Detection Dataset (YOLOv8/YOLOv11)》。源站首次发布：2026-04-26。
【数据内容】
源站原始描述：This comprehensive dataset is designed for training and evaluating object detection models (specifically YOLOv8/YOLOv11) to identify common oral health issues. It contains high-quality images annotated for 6 distinct classes. Dataset Overview Total Images: 23,552 Format: YOLOv8 (images + .txt labels) Resolution: 640x640 (pre-processed) Classes: Calculus: Hardened plaque on teeth. Caries: Tooth decay or cavities. Gingivitis: Inflammation of the gums. Hypodontia: Congenitally missing teeth. Tooth…
【数据结构与技术规格】
文件数 20 个，合计 804.17 KB。
【主题与分类】
主题标签：computer vision、deep learning、object detection、dentistry、yolo。
【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://www.kaggle.com/datasets/faizan729/dental-cancer-and-abnormality-dataset
使用许可：Apache 2.0。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("faizan729/dental-cancer-and-abnormality-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d faizan729/dental-cancer-and-abnormality-dataset
unzip dental-cancer-and-abnormality-dataset.zip -d dental-cancer-and-abnormality-dataset/
数据集大小约 1.67 GB。
数据说明
该数据集包含23,000+张标注口腔图像，覆盖6种口腔疾病条件（如口腔癌、异常等），用于基于YOLOv8/YOLOv11的目标检测任务，旨在辅助口腔疾病的自动识别与诊断。
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。
