FMRC-2025

FMRC-2025数据集是由天津联合医疗中心收集的CBCT图像构成的，专注于第一磨牙的根管分割。该数据集涵盖了不同年龄、性别和地区的235名患者的92名男性和143名女性，包括46名青少年、130名成年人和59名中年或老年人。数据集的构建过程严格遵循医学伦理，并通过专家团队进行了 annotation。该数据集的建立旨在解决根管治疗的精确性和主观判断依赖问题，为临床医生提供制定治疗计划的先验知识。FMRC-2025 dataset is constructed from cone-beam computed tomography (CBCT) images collected by Tianjin United Medical Center, focusing on root canal segmentation of the first permanent molars. It includes data from 235 patients across diverse age groups, genders and regions, with 92 males and 143 females, among whom 46 are adolescents, 130 adults and 59 middle-aged or elderly individuals. The dataset was developed in strict compliance with medical ethics and annotated by a team of experts. This dataset is established to address the problems of accuracy and subjective dependence in root canal treatment, providing prior knowledge for clinicians to develop treatment plans.

搜集汇总

数据集介绍

构建方式

FMRC-2025数据集的构建过程体现了多学科协作与智能化辅助的深度融合。研究团队从天津医科大学联合医学中心收集了235例患者的CBCT影像，涵盖不同年龄、性别和地域分布，确保了数据的多样性和代表性。数据采集后，由放射学和牙周病学专家根据严格标准筛选合格影像，包括双侧上下第一磨牙清晰可见、无显著病变且无根管治疗史。标注过程采用人机混合模式，首先由经验丰富的牙周病专家手动标注15例样本，随后利用CFC-Net模型生成伪标签辅助标注剩余数据，最后由专业团队进行精细化调整。整个流程历时近12个月，最终形成包含570个标注卷的标准化数据集。

特点

该数据集在牙科影像领域具有开创性价值，其核心特点体现在三个方面：首先，作为首个专注于第一磨牙根管分割的公开CBCT数据集，填补了牙体内部结构分析的数据空白；其次，数据集包含丰富的临床多样性，样本覆盖从青少年到老年（18-68岁）的多年龄段人群，且男女比例均衡（92例男性/143例女性），能有效反映根管形态的生理变异；再者，采用专家标注与人机协同相结合的标注策略，既保证了标注质量（像素级精度），又通过半监督学习技术显著降低了标注成本。数据集中根管结构的复杂形态和微小尺寸（如图1所示）为算法鲁棒性测试提供了理想挑战。

使用方法

FMRC-2025数据集支持端到端的半监督学习研究与应用。使用流程可分为三个阶段：数据预处理阶段需对CBCT体积数据进行轴向切片提取，并统一缩放至256×256分辨率；模型训练阶段推荐采用论文提出的CFC-Net框架，该网络通过小波变换分解低频/高频成分，利用交叉频率一致性监督和全频率一致性监督实现知识迁移；评估阶段提供DSC、IoU、HD95等多项指标。对于扩展应用，数据集可与CTooth等公开牙科数据集联合使用，验证模型的泛化能力。值得注意的是，数据使用应遵循医学伦理规范，所有影像均已进行患者身份脱敏处理。

背景与挑战

背景概述

FMRC-2025数据集由南开大学计算机科学与技术学院联合天津医科大学联合医学中心等机构的研究团队于2025年创建，旨在解决牙科医学影像分析领域的第一磨牙根管分割问题。该数据集包含来自235名患者的570个锥形束CT（CBCT）影像卷，其中30例患者数据由专家团队完成全标注，其余病例采用人机协同标注方式。作为首个公开的大规模根管分割专用数据集，FMRC-2025填补了牙髓治疗领域缺乏高质量标注数据的空白，为开发计算机辅助诊断系统提供了重要基础。该数据集的建立显著促进了深度学习在牙髓病诊疗中的应用研究，特别是在解决根管系统形态复杂、临床依赖经验判断等关键问题上具有重要价值。

当前挑战

FMRC-2025数据集面临的核心挑战体现在两个维度：在领域问题层面，根管结构具有形态复杂、尺度微小（平均直径仅0.2-1.5mm）且与周围牙本质对比度低等特性，传统分割方法难以准确识别分支根管和微小根尖孔；在构建过程中，数据获取需克服CBCT影像金属伪影干扰，标注工作面临专业牙髓病医师资源稀缺的瓶颈，单个病例标注平均耗时达3小时。此外，数据集需平衡年龄、性别和地域分布以保障模型泛化能力，而根管系统的解剖变异（如近中颊侧第二根管出现率约60-95%）更增加了标注一致性维护的难度。这些挑战促使研究者开发了跨频率协同训练网络CFC-Net，通过融合多频域特征提升小目标分割精度。

常用场景

经典使用场景

FMRC-2025数据集在牙科医学影像分析领域具有重要应用价值，尤其在根管治疗（Root Canal, RC）的计算机辅助诊断（CAD）中表现突出。该数据集通过提供大量标注的CBCT影像，支持深度学习模型进行半监督学习，显著提升了根管分割的准确性和效率。其经典使用场景包括根管系统的自动分割和形态学分析，为临床医生制定精确治疗方案提供可靠依据。

解决学术问题

FMRC-2025数据集解决了牙科医学影像分析中根管分割任务的数据稀缺问题。传统方法依赖医生经验，主观性强且效率低下。该数据集通过半监督学习框架（如CFC-Net）整合多频域信息，显著提升了小目标分割的精度。其意义在于为根管治疗提供了客观、可量化的分析工具，推动了牙科CAD技术的标准化和普及。

衍生相关工作

基于FMRC-2025衍生的经典工作包括CFC-Net及其改进模型。CFC-Net通过跨频协同训练和不确定性引导混合机制，成为半监督医学影像分割的新基准。后续研究如频率域增强网络和三维根管重建算法进一步扩展了该数据集的应用边界，推动了牙科影像分析从二维到三维、从单任务到多任务的技术演进。