UFBA-UESC Dental Dataset

该数据集包含425张带有手动标注边界框和多边形的人工标注全景X光片，主要用于牙科全景X光片的检测和分割任务。数据集详细描述了不同类别的分布情况，包括32颗牙齿、修复体、牙科器械等。

This dataset comprises 425 manually annotated panoramic X-ray images, each featuring meticulously labeled bounding boxes and polygons. It is primarily designed for detection and segmentation tasks in dental panoramic radiography. The dataset provides a comprehensive breakdown of the distribution across various categories, including 32 teeth, restorations, and dental instruments.

原始信息汇总

数据集概述

数据集名称

• Instance Segmentation and Teeth Classification in Panoramic X-rays

数据集来源

• 该数据集是UFBA-UESC Dental Dataset的一个子集，包含425张全景X光片。

数据集内容

• 包含425张全景X光片，每张图片都有人工标注的边界框和多边形。
• 数据集主要用于牙科全景X光片的检测和分割任务。

数据集分类

• 数据集中的图像根据内容分为多个类别，包括32颗牙齿、修复、牙科器械等。

• 详细分类及使用图像数量如下：

  Category	32 Teeth	Restoration	Dental Appliance	Images	Used Images
  1	✓	✓	✓	73	24
  2	✓	✓		220	72
  3	✓			45	15
  4	✓			140	32
  5			牙科植入物图像	120	37
  6			超过32颗牙齿图像	170	30
  7		✓	✓	115	33
  8		✓		457	140
  9			✓	45	7
  10				115	35
  Total				1500	425

数据集使用

• 数据集可用于多种模型训练和评估，包括但不限于Mask R-CNN、U-Net等。
• 数据集的详细描述和标注组织可参考Description。

结果

• 数据集用于评估不同模型的性能，包括牙齿编号和实例分割任务。

• 具体模型性能指标如下：

  • 牙齿编号结果：

    Model Architecture	mAP	AP50
    Mask R-CNN	70.5	97.2
    Mask R-CNN + FCN	74.1	92.8
    Mask R-CNN + pointRend	75.3	94.4
    PANet	74.0	99.7
    HTC	71.1	97.3
    ResNeSt	72.1	96.8
    YOLOv8	72.9	94.6

  • 实例分割结果：

    Model Architecture	Incisors	Canines	Premolars	Molars
    U-Net	73.29	69.92	67.62	64.98
    Mask R-CNN	89.56	89.45	88.70	87.55
    U-Net + Mask R-CNN	91.55	91.00	90.00	88.58
    BB-UNet + YOLOv8 (Test Dataset 1)	85.81	84.91	84.89	84.40
    BB-UNet + YOLOv8 (Test Dataset 2)	85.71	86.64	86.22	86.03

引用信息

• 如需引用此数据集，请参考以下BibTeX条目： bibtex @misc{budagam2024instance, title={Instance Segmentation and Teeth Classification in Panoramic X-rays}, author={Devichand Budagam and Ayush Kumar and Sayan Ghosh and Anuj Shrivastav and Azamat Zhanatuly Imanbayev and Iskander Rafailovich Akhmetov and Dmitrii Kaplun and Sergey Antonov and Artem Rychenkov and Gleb Cyganov and Aleksandr Sinitca}, year={2024}, eprint={2406.03747}, archivePrefix={arXiv}, primaryClass={cs.CV} }

AI搜集汇总

数据集介绍

构建方式

在牙科影像分析领域，UFBA-UESC Dental Dataset的构建基于425张全景X光片的子集，这些图像源自UFBA-UESC Dental Dataset。通过人工标注的边界框和多边形，数据集详细记录了牙齿、修复体和牙科器械的位置信息。这种精细的标注方式使得该数据集在牙齿检测和分割任务中具有广泛的应用潜力。

特点

UFBA-UESC Dental Dataset的显著特点在于其多样性和细致的标注。数据集不仅涵盖了32颗牙齿的标准情况，还包括了牙齿修复、牙科器械以及特殊情况如牙种植和多于32颗牙齿的图像。这种多样性使得数据集在训练和验证模型时能够提供丰富的场景，从而提高模型的泛化能力。

使用方法

使用UFBA-UESC Dental Dataset时，研究者可以通过提供的Jupyter笔记本进行数据标注生成、模型训练和测试。例如，使用yolov8_train.ipynb进行YOLOv8模型的训练，或使用unet_training.ipynb进行U-Net模型的训练。此外，数据集的详细描述文件（Dataset_description.pdf）提供了标注和图像组织的详细信息，有助于用户更好地理解和利用数据集。

背景与挑战

背景概述

UFBA-UESC Dental Dataset，由巴西巴伊亚联邦大学（UFBA）和乌埃斯卡大学（UESC）联合创建，旨在推动全景X光片中的牙齿实例分割与分类研究。该数据集包含425张全景X光片，每张图像均经过人工标注，涵盖牙齿、修复体和牙科器械等多种类别。其核心研究问题在于通过深度学习技术，实现对全景X光片中牙齿的精确分割与分类，从而提升牙科诊断的准确性与效率。该数据集的发布，为牙科影像分析领域提供了宝贵的资源，推动了相关技术的进步与发展。

当前挑战

UFBA-UESC Dental Dataset在构建过程中面临多项挑战。首先，全景X光片的复杂性使得图像中的牙齿、修复体和牙科器械等目标的分割与分类任务异常艰巨。其次，数据集的标注工作需要高度专业化的知识，确保标注的准确性与一致性。此外，数据集的多样性，包括不同类型的牙齿异常和牙科器械的存在，增加了模型训练的难度。最后，如何在有限的标注数据下，实现高效的模型训练与验证，也是该数据集面临的重要挑战。

常用场景

经典使用场景

在牙科医学领域，UFBA-UESC Dental Dataset 以其丰富的全景X光片和详细的标注信息，成为实例分割和牙齿分类任务的经典数据集。该数据集不仅涵盖了32颗牙齿的识别，还包括了修复体和牙科器械的检测，为研究人员提供了多层次的分析素材。通过这些数据，研究者可以训练和验证各种深度学习模型，如Mask R-CNN、U-Net等，以实现高精度的牙齿分割和分类。

解决学术问题

UFBA-UESC Dental Dataset 解决了牙科影像分析中的多个关键学术问题。首先，它提供了高质量的全景X光片标注，使得牙齿的实例分割和分类研究得以深入进行。其次，数据集中包含的多种牙齿异常情况，如牙科植入物和多于32颗牙齿的病例，为异常检测和分类提供了宝贵的数据支持。这些研究成果不仅提升了牙科影像分析的准确性，也为牙科疾病的早期诊断和治疗提供了科学依据。

衍生相关工作

基于UFBA-UESC Dental Dataset，研究者们开展了一系列相关工作。例如，有研究利用该数据集训练的Mask R-CNN模型，实现了高精度的牙齿分割和分类，显著提升了牙科影像分析的准确性。此外，U-Net和YOLOv8等模型的结合应用，也为牙齿异常检测和分类提供了新的解决方案。这些研究不仅丰富了牙科影像分析的理论基础，也为实际应用提供了技术支持。