多类骨折X射线图像数据集:用于自动骨折检测与分类

该数据集是经精心整理的骨X射线图像集合,按骨折类型分为正常、简单骨折和重大骨折三类。为贴近真实场景,每张图像均包含模拟光照、方向和成像条件变化的增强版本

google_dataset
2025-10-27 更新
浏览 7
医学影像分类肌肉骨骼系统疾病骨折检测骨折分类X射线图像图像分割深度学习数据增强
A Multi-Class Bone Fracture X-Ray Image Dataset for Automatic Fracture Detection and Classification

基本信息

模态
医学影像
大小
1.812054017 GB
任务类型
分类
创建/更新时间
2025-10-27
版本
v1

资源简介

多类骨折X射线图像数据集:用于自动骨折检测与分类

A Multi-Class Bone Fracture X-Ray Image Dataset for Automatic Fracture Detection and Classification

该数据集是经精心整理的骨X射线图像集合,按骨折类型分为正常、简单骨折和重大骨折三类。为贴近真实场景,每张图像均包含模拟光照、方向和成像条件变化的增强版本。数据集面向机器学习和深度学习研究,可用于骨折检测、自动分类和图像分割等任务,为医学影像、骨科诊断和临床决策支持提供可靠基础(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2025-10-27。

【数据内容】

源站描述(机器翻译,仅供参考):数据集描述:该数据集是经精心整理的骨X射线图像集合,按骨折类型分类,包括正常、简单骨折和重大骨折。为更好地反映真实场景,每张图像均包含模拟光照、方向和成像条件变化的增强版本。它面向从事机器学习和深度学习应用(如骨折检测、自动分类和图像分割)的研究人员和开发者。凭借其丰富且结构良好的内容,该数据集为开发支持医学影像、骨科诊断和临床决策的创新诊断与分析解决方案提供了可靠基础,最终有助于实现更准确、更高效的患者护理。数据内容:骨折类别:正常:来源:直接采集自医院 re

【数据结构与技术规格】

文件数 1 个,合计 1.81 GB。数据集 DOI:10.17632/czvd3sdymh.1。

【主题与分类】

主题标签:肌肉骨骼系统疾病、骨折检测、骨折分类、X射线图像、图像分割、深度学习、数据增强。本站分类:肌肉骨骼系统疾病。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/czvd3sdymh

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/czvd3sdymh

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据集大小约 1.81 GB。

数据说明

(2025). A Multi-Class Bone Fracture X-Ray Image Dataset for Automatic Fracture Detection and Classification [Dataset]. http://doi.org/10.17632/czvd3sdymh.1

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案