ToothFairy CBCT下牙槽神经管分割数据集
ToothFairy 是与颞下颌关节紊乱病（TMJ disorders）相关的公开数据资源，主要包含颌面CBCT体数据和下牙槽神经管二维/三维标注，数据模态为图像，适合用于图像分割、模型训练、基准评测或临床特征分析。
基本信息
资源简介
ToothFairy CBCT下牙槽神经管分割数据集
【一句话概览】
ToothFairy 数据集面向锥形束计算机断层扫描（CBCT）分割挑战，分为训练集与测试集。训练集名为 ToothFairy Dataset，以 CC BY-SA 许可公开提供，下载需注册；使用该数据的任何发表均须明确引用本挑战并引用文献 [1, 2, 3]。测试集不会公开，即使在挑战结束后也保持私有。相关标签包括 CBCT、分割、下牙槽管、下颌管、下牙槽神经及牙科等（来源 toothfairy.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《ToothFairy: Cone-Beam Computed Tomography Segmentation Challenge》。
【数据内容】
源站原始描述：The ToothFairy Dataset is divided into a training and a test set. The training set, named ToothFairy Dataset, is publicly available under CC BY-SA license here , please note that sign-up is required to download it. Any publication using our data must explicitly reference this challenge and cite [1, 2, 3]. The test set will not be publicly released and will be kept private even after the end of the challenge
中文译文（机器翻译，仅供快速理解，请以原文为准）：ToothFairy数据集分为训练集和测试集。训练集名为ToothFairy Dataset，根据CC BY-SA许可协议在此公开，请注意下载需要注册。任何使用我们数据的出版物必须明确引用此挑战并引用[1, 2, 3]。测试集不会公开，即使在挑战结束后也将保持私有。
【主题与分类】
主题标签：Cone-Beam Computed Tomography、CBCT、Segmentation、Inferior Alveolar Canal、Mandibular Canal、Inferior Alveolar Nerve、Dental。
【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://toothfairy.grand-challenge.org/dataset/
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://toothfairy.grand-challenge.org/dataset/
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
ToothFairy CBCT下牙槽神经管分割数据集包含颌面CBCT体数据和下牙槽神经管二维/三维标注，可用于颞下颌关节紊乱病相关的图像分割研究。
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。
