CTooth+

CTooth+是由浙江传媒大学等机构联合创建的大型牙科锥形束计算机断层扫描（CBCT）数据集，专注于牙齿体积分割。该数据集包含22个完全标注的体积和146个未标注的体积，总计超过30,000个切片，远超现有2D牙科数据集。数据集的创建过程涉及由15位牙医进行的详细标注和质量控制，确保了数据的高质量和准确性。CTooth+数据集的应用领域主要集中在计算机辅助牙科分析，旨在通过深度学习方法提高牙齿分割的准确性和效率，为临床诊断提供支持。

CTooth+ is a large-scale dental cone-beam computed tomography (CBCT) dataset jointly created by institutions including Communication University of Zhejiang, focusing on dental volumetric segmentation. This dataset contains 22 fully annotated volumes and 146 unannotated volumes, totaling over 30,000 slices, which far exceeds existing 2D dental datasets. The development of the CTooth+ dataset involved detailed annotation and quality control conducted by 15 dentists, ensuring its high quality and accuracy. The CTooth+ dataset is mainly applied in computer-aided dental analysis, aiming to improve the accuracy and efficiency of dental segmentation via deep learning methods and provide support for clinical diagnosis.

搜集汇总

数据集介绍

构建方式

在口腔医学影像分析领域，三维锥形束计算机断层扫描（CBCT）数据的精确标注是推动智能诊断技术发展的基石。CTooth+数据集的构建过程体现了严谨的学术规范与临床实践的深度融合。该数据集采集了168例患者的CBCT影像，其中22例由15名口腔医师进行精细的全标注，标注过程采用ITK-SNAP软件逐层勾画牙齿区域，并经由三位资深专家进行质量评估与修正，确保标注边界的光滑与解剖准确性。整个数据收集、标注与审核周期长达十个月，最终形成了包含31,380张切片的大规模三维牙科影像资源，所有患者信息均经过匿名化处理以保护隐私。

特点

CTooth+数据集在现有牙科影像资源中具有显著的先进性与独特性。作为首个公开的三维牙科CBCT数据集，它完整保留了牙齿的三维形态信息，数据规模远超以往的二维数据集。数据集中既包含22例全标注影像，也提供了146例未标注影像，为半监督与主动学习研究提供了丰富素材。影像均采集自术前扫描，轴向分辨率达266×266像素，平面分辨率约为0.25×0.25 mm²，层厚在0.25至0.3 mm之间，保证了影像的细节清晰度与空间一致性。数据内牙齿形态、修复体与种植体的多样性，有效增强了基于该数据训练的模型在复杂临床场景中的鲁棒性与泛化能力。

使用方法

CTooth+数据集为牙体分割任务提供了系统性的基准评估框架，支持多种机器学习范式的探索与应用。研究者可利用其全标注数据开展全监督学习，复现并比较如Attention U-Net、nnU-Net等先进分割架构的性能。对于标注资源有限的场景，数据集中大量未标注影像可与少量标注数据结合，用于半监督学习方法（如CTCT、MT等）的训练与验证。此外，数据集支持主动学习策略的评估，通过迭代选择信息量丰富的样本以优化标注效率。在实际使用中，影像常被划分为64×128×128的三维块进行模型训练，并采用DSC、IOU、HD等多维度指标进行性能量化，为后续牙科影像智能分析研究奠定了可复现的实验基础。

背景与挑战

背景概述

在口腔医学影像分析领域，精确的牙齿体积分割是计算机辅助诊断与治疗规划的关键前提。然而，长期以来，公开可用的三维牙科数据集极为匮乏，尤其是基于锥形束计算机断层扫描（CBCT）的高质量标注数据，这严重制约了深度学习算法在牙科影像分析中的可复现性与临床应用。为应对这一挑战，由浙江大学传媒学院、伦敦玛丽女王大学、四川大学华西口腔医院及电子科技大学等机构的研究团队于2022年联合发布了CTooth+数据集。该数据集包含22例全标注与146例未标注的CBCT影像，总计超过3万张切片，首次为三维牙齿体积分割任务提供了大规模、高质量的开源基准。CTooth+的建立不仅填补了三维牙科数据公开资源的空白，也为全监督、半监督及主动学习等多种分割策略的系统评估奠定了坚实基础，有力推动了人工智能在牙科影像分析中的研究进展与临床转化。

当前挑战

CTooth+数据集致力于解决三维牙齿体积自动分割这一核心领域问题，其面临的主要挑战在于牙齿形态的复杂变异、CBCT影像中金属伪影的干扰以及相邻牙齿间边界模糊导致的精确分割困难。这些因素使得算法需具备强大的鲁棒性与泛化能力。在数据集构建过程中，挑战同样显著：高质量标注依赖专业牙医耗时耗力的手动勾画，单例数据标注需约6小时，且需通过多视图校验与资深专家复核确保精度；数据收集涉及多机构协作与隐私保护，整个流程耗时近10个月。此外，数据标注质量的严格控制、标注一致性的维护以及数据规模与多样性之间的平衡，均为数据集构建带来了实质性挑战。

常用场景

经典使用场景

在口腔医学影像分析领域，CTooth+数据集为三维牙齿体积分割任务提供了标准化评估平台。该数据集通过提供高质量标注的锥形束CT影像，成为深度学习模型训练与验证的核心资源。研究人员利用其丰富的三维结构信息，能够系统性地探索牙齿解剖形态的自动识别技术，推动计算机辅助诊断方法的发展。

实际应用

在临床实践中，CTooth+数据集支撑的自动分割技术可显著提升口腔诊疗效率。基于该数据训练的模型能够辅助医生快速获取牙齿三维形态参数，为种植体设计、正畸方案规划及根管治疗提供精准解剖参考。其高质量分割结果可直接集成于数字化诊疗系统，实现从影像分析到手术导航的全流程支持，降低人工标注负担并提高诊疗一致性。

衍生相关工作

围绕CTooth+数据集已衍生出多类经典研究方法。在全监督学习方向，Attention U-Net、nnU-Net等网络架构通过该数据集验证了三维分割性能；半监督学习领域涌现出CTCT、CPS等创新方法，探索了有限标注下的高效学习范式；主动学习方面CEAL等策略展示了数据选择机制的优化潜力。这些工作共同构建了牙齿分割领域的方法学体系，为后续研究提供了重要基线。