口腔疾病图像分类数据集

摘要本研究使用的口腔疾病图像数据集共包含 12498 张有效图像其中训练集 11965 张、验证集 533 张数据类别包括牙结石、龋 齿、牙龈炎、先天缺牙、口腔溃疡和牙齿变色六类。该数据集为系统模型训练、分类识别及实验结果分析提供了可靠的数据基础。数据集简介本项目数据集为口腔疾病图像数据集共包含 12498 张图像划分为训练集和验证集涵盖牙结石、龋齿、牙龈炎、先天缺牙、口腔溃疡和牙齿变色六个类别。数据集概述本研究所使用的数据集为口腔疾病图像数据集共包含 12498 张有效图像。该数据集围绕常见口腔疾病图像分类任务进行整理与 标注能够为口腔图像的自动识别、辅助分类及实验分析提供较为可靠的数据支撑。按照模型训练与验证需求本文将数据集划分为训练集和验证集其中训练集包含 11965 张图像验证集包含 533 张图像。该数据划分方式能够为模型参数学习、性能评估以及后续实验分析提供基础支持。在类别设置方面数据集共包含牙结石Calculus、龋齿Caries、牙龈炎Gingivitis、先天缺牙Hypodontia、口腔溃疡MouthUlcer和牙齿变色ToothDiscoloration六个类别。所有图像均按照统一的目录结构进行整理并结合类别映射、图像预处理及数据增强等操作为后续深度学习模型训练、分类识别和结果分析提供了可靠的数据基础。数据集来源本研究所使用的数据集为自主整理构建的口腔疾病图像数据集经筛选、分类与预处理后共获得 12498 张有效图像其中训练集 11965 张、验证集 533 张。所有图像均依据疾病类别进行人工归类与整理定义了牙结石Calculus、龋齿Caries、牙龈 炎Gingivitis、先天缺牙Hypodontia、口腔溃疡MouthUlcer和牙齿变色ToothDiscoloration共 6 个类别并按照统一的数据目录结构和类别映射规则完成数据组织从而保证了数据标注、分类管理和模型训练过程的一致性。类别定义标注规范图1 标注规范图性能评测模型在 533 张验证集图像上取得了较好的分类效果准确率Accuracy、宏平均 F1 值Macro F1和加权 F1 值Weighted F1等指标均达到较好水平。结合混淆矩阵与分类结果分析可以看出系统对口腔溃疡、牙齿变色和先天缺牙等类别具有较高的识别能力整体分类性能较为稳定。这表明本文设计的口腔疾病图像辅助分类识别系统在常见口腔疾病识别任务中具有一定的实用价 值和应用前景。训练集与验证集准确率、损失变化曲线图2 训练集与验证集准确率、损失变化曲线模型分类结果热力图图3 模型分类结果热力图应用案例案例1基于深度学习的口腔疾病自主诊断系统设计与实现UI界面训练代码数据集图7 应用案例基于深度学习的口腔疾病自主诊断系统免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。 如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)数据大小230M原创声明本项目为原创作品