OralGPT/MMOral-OPG-Bench

MMOral-Bench是一个专门为全景X光分析设计的评估数据集，包含100张经过精心挑选和检查的图像，以及对应的封闭式和开放式问题，用于评估和改进牙科人工智能技术。MMOral-Bench is an evaluation dataset designed for panoramic X-ray analysis, consisting of 100 carefully selected and checked images, along with corresponding closed-ended and open-ended questions, used to assess and improve dental AI technologies.

搜集汇总

数据集介绍

构建方式

MMOral-OPG-Bench是面向全景X光片分析的高质量评测基准，源自MMOral数据集。其构建过程严谨而精细：从原始数据中精心挑选并人工审核100张具有代表性的全景X光图像，确保每一病例的临床相关性与图像质量。这些图像进一步与多样化的问答对相结合，形成了总计1069个问题，其中包含491个封闭式问题和578个开放式问题，覆盖了口腔颌面影像诊断的多个维度。通过这一系统化的筛选与配对流程，数据集不仅保留了临床场景的复杂性，也保障了评测任务的真实性与挑战性。

使用方法

研究人员可通过官方提供的评估工具包（MMOral-Bench-EvalKit）便捷地使用该数据集。该工具包托管于GitHub平台，提供了完整的设置指南与评测流程。用户需首先配置模型环境，加载MMOral-OPG-Bench中的图像与问题对，随后通过工具包内置的接口运行推理。评测结果将依据封闭式与开放式问题的不同标准进行量化分析，从而全面评估模型在视觉问答任务上的表现。详细的使用说明与代码示例均可在项目仓库中获取，确保研究者能够快速复现实验并进行公平的横向比较。

背景与挑战

背景概述

口腔影像学作为现代牙科诊断的核心支柱，其分析精度直接影响临床决策质量。全景X光片（Panoramic X-ray）凭借其覆盖全口牙列与颌骨结构的优势，成为口腔疾病筛查与治疗规划的基础工具。然而，传统人工判读依赖医师经验，存在主观性强、效率低下等问题。在此背景下，由香港大学、中山大学等机构研究人员于2025年构建的OralGPT/MMOral-OPG-Bench数据集应运而生，该工作发表于NeurIPS 2025。该基准测试精心选取了100幅高质量全景X光图像，配套491道封闭式与578道开放式问答，旨在系统评估多模态大语言模型在口腔影像分析中的表现，为口腔人工智能的标准化评测提供了关键参考。

当前挑战

MMOral-OPG-Bench的构建与使用面临多重挑战。在领域问题层面，口腔影像分析需应对解剖结构复杂、病变形态多样（如龋齿、根尖周炎、颌骨囊肿）且部分病灶与正常组织界限模糊的难题，这对模型的细粒度视觉理解与医学知识推理能力提出极高要求。在数据集构建过程中，挑战尤为严峻：首先，全景X光片存在患者隐私敏感性强、获取伦理审批困难的问题，导致高质量标注数据稀缺；其次，医学问答对需由资深口腔医师逐例审核，确保问题与答案的临床准确性，这一过程耗时且昂贵；最后，为兼顾封闭式与开放式问题的多样性，需设计涵盖诊断、治疗规划、解剖识别等多维度的任务体系，进一步增加了构建难度。

常用场景

经典使用场景

MMOral-OPG-Bench作为全景X光片分析领域的高质量评估基准，其经典使用场景聚焦于多模态大语言模型在口腔影像理解任务中的性能评测。该基准精心遴选了100幅全景X光图像，并配以491道封闭式与578道开放式问题，全面覆盖了病变识别、解剖结构定位、临床诊断推理等核心维度。研究者常借助此基准，系统性地评估模型在视觉-语言对齐、细粒度特征提取及医学知识推理方面的综合能力，从而推动口腔AI从单一图像分类迈向复杂临床问答的范式跃迁。

解决学术问题

该数据集精准回应了口腔影像分析领域长期存在的评估标准缺失问题。既往研究多依赖私有数据集或单一任务指标，导致模型泛化能力难以横向比较。MMOral-OPG-Bench通过人工校验的高质量问答对，构建了首个标准化的全景X光片多模态评测体系，有效解决了跨模型性能对比的公平性与可复现性困境。其开放封闭式问题混合设计，更突破了传统视觉问答任务对简单事实检索的依赖，为探究模型在医学语境下的推理深度与解释能力提供了关键工具，显著推动了口腔AI学术研究的规范化进程。

实际应用

在实际临床场景中，MMOral-OPG-Bench所驱动的模型可辅助口腔医师实现全景X光片的智能解读。例如，系统能够自动识别龋齿、牙周病变、阻生智齿等异常征象，并生成结构化诊断报告，从而降低漏诊率并提升阅片效率。此外，该基准衍生的视觉问答能力还可应用于口腔健康科普、远程会诊中的影像交互解释以及教学培训中的病例模拟分析，为数字化口腔诊疗体系的构建提供了可靠的AI能力验证平台。

数据集最近研究

最新研究方向

在口腔医学与人工智能交叉领域，全景X光影像的智能分析正成为精准诊疗的前沿突破口。MMOral-OPG-Bench作为NeurIPS 2025收录的基准评测集，通过精心筛选的100张全景片及逾千道闭合与开放问题，系统性地评估多模态大语言模型在牙科临床场景中的视觉问答能力。该数据集不仅填补了口腔影像标准化评测的空白，更推动了OralGPT-Omni等模型在复杂颌面结构识别、病变描述与治疗建议生成等任务上的进步。结合OralGPT-Plus利用强化学习优化工具调用、OralGPT-Omni实现多功能融合等CVPR 2026前沿工作，MMOral-OPG-Bench正在重塑牙科AI从研究到落地的评估范式，为数字医学中的可解释、可泛化模型奠定关键基础。