NKUT

NKUT是一个用于儿童下颌智齿分割的数据集和基准，提供了约30个案例及其对应的像素级专家标注，以及记录每个数据细节的文档文件。

NKUT is a dataset and benchmark designed for the segmentation of mandibular wisdom teeth in children. It comprises approximately 30 cases, each accompanied by pixel-level expert annotations, along with documentation files that detail the specifics of each data entry.

原始信息汇总

NKUT数据集概述

数据集发布信息

• 发布日期: 2024年4月8日
• 数据集内容: 约30例NKUT数据集及其对应的像素级专家标注，包含详细记录每项数据的文档文件。

数据集获取流程

1. 下载并填写仓库中的Application.pdf文件。
2. 发送邮件至[e-mail]，邮件主题为“NKUT Dataset Request”，内容包括姓名、联系方式及机构或组织，并附上已完成的PDF文件。
3. 等待审核结果，通常在两周内通过邮件通知。
4. 审核通过后，将通过邮件附带链接提供数据集下载。

模型信息

• 2D WTNet模型: 位于./networks/WTNet/WTNet.py
• 3D WTNet模型: 位于./models/WTNet.py

引用信息

• 引用格式:

  @ARTICLE{10485282, author={Zhou, Zhenhuan and Chen, Yuzhu and He, Along and Que, Xitao and Wang, Kai and Yao, Rui and Li, Tao}, journal={IEEE Journal of Biomedical and Health Informatics}, title={NKUT: Dataset and Benchmark for Pediatric Mandibular Wisdom Teeth Segmentation}, year={2024}, volume={28}, number={6}, pages={3523-3533}, doi={10.1109/JBHI.2024.3383222} }

搜集汇总

数据集介绍

构建方式

NKUT数据集的构建聚焦于儿童下颌智齿的分割任务，通过收集并标注约30例病例的CBCT（锥形束CT）影像，提供了像素级的专家标注。这些数据涵盖了多尺度的特征融合，旨在为研究者提供一个高质量的基准数据集，以推动儿童智齿分割技术的发展。

特点

NKUT数据集的显著特点在于其专注于儿童下颌智齿的分割，提供了高精度的像素级标注，且数据集规模适中，便于研究者进行实验和模型训练。此外，数据集的构建考虑了多尺度特征融合，有助于提升分割模型的性能。

使用方法

研究者若希望使用NKUT数据集，需先下载并填写申请表，随后通过电子邮件提交申请。申请通过后，将获得数据集的下载链接及相关文档。数据集可用于训练和验证分割模型，如WTNet_2D和WTNet_3D模型，这些模型代码已公开，便于研究者进行实验和改进。

背景与挑战

背景概述

NKUT数据集是由南开大学计算机科学学院的研究团队于2024年发布的，专注于儿童下颌智齿分割的研究。该数据集的核心研究问题是如何在儿童口腔医学领域中，通过图像分割技术精确识别和分割下颌智齿。这一研究不仅填补了儿童智齿分割领域的数据空白，还为相关领域的算法开发和验证提供了宝贵的资源。NKUT数据集的发布标志着儿童口腔医学影像处理技术的一个重要里程碑，其影响力预计将在未来的研究和临床应用中逐渐显现。

当前挑战

NKUT数据集在构建过程中面临了多项挑战。首先，儿童下颌智齿的形态和位置变化较大，导致数据标注的复杂性和难度增加。其次，数据集的构建需要高精度的像素级专家标注，这不仅耗时且成本高昂。此外，如何在有限的样本中确保模型的泛化能力，也是该数据集面临的一个重要挑战。最后，数据集的应用不仅限于学术研究，还需考虑其在临床实践中的实际应用效果，这要求模型在不同场景下具有良好的鲁棒性和可靠性。

常用场景

经典使用场景

NKUT数据集在儿科下颌智齿分割领域展现了其经典应用场景。该数据集通过提供高精度的像素级专家标注，为研究人员提供了丰富的训练和验证资源。特别是，NKUT数据集与WTNet模型的结合，使得在2D和3D空间中进行智齿的精确分割成为可能，极大地推动了儿科牙科影像分析的前沿研究。

实际应用

在实际应用中，NKUT数据集为儿科牙科医生提供了强大的辅助工具。通过结合NKUT数据集训练的WTNet模型，医生能够更准确地进行智齿的定位和分割，从而优化手术规划和治疗方案。此外，该数据集的应用还扩展至牙科教育和培训，帮助医学生和初级医生提高影像分析能力。

衍生相关工作

基于NKUT数据集，研究者们开发了多种创新模型和算法，如WTNet的2D和3D版本，这些模型在智齿分割任务中表现出色。此外，该数据集还激发了多篇高水平学术论文的发表，推动了儿科牙科影像分析领域的快速发展。这些衍生工作不仅提升了数据集的影响力，也为相关领域的技术进步提供了坚实基础。