骨折检测：计算机视觉项目数据集
该数据集由 Parisa Karimi Darabi 于 2024 年 7 月发布在 Kaggle，包含 20 个文件，以 X-ray 图像为核心，面向骨折自动检测的计算机视觉研究
基本信息
资源简介
骨折检测：计算机视觉项目数据集
Bone Fracture Detection: Computer Vision Project
该数据集由 Parisa Karimi Darabi 于 2024 年 7 月发布在 Kaggle，包含 20 个文件，以 X-ray 图像为核心，面向骨折自动检测的计算机视觉研究。图像按骨折类型划分为 Elbow Positive、Fingers Positive、Forearm Fracture、Humerus Fracture、Shoulder Fracture 和 Wrist Positive 等类别，每张图像均带有边界框或像素级分割掩码标注，用于指示骨折位置与范围。该数据可用于训练和评估骨折检测算法，适合目标检测、深度学习及 yolov8 等方向的研究与开发（来源 Kaggle，Attribution 4.0 Intern。
【数据集背景】
源站首次发布：2024-07-15。
【数据内容】
源站描述（机器翻译，仅供参考）：骨折检测 一个全面的 X-ray 图像数据集被创建用于 骨折检测，专为 计算机视觉项目 设计。该数据集的主要目标是帮助开发和评估 自动化骨折检测 算法。数据集包含按不同类别分类的图像，每个类别代表一种特定类型的骨折。这些类别包括 Elbow Positive、Fingers Positive、Forearm Fracture、Humerus Fracture、Shoulder Fracture 和 Wrist Positive。数据集中的每张图像都标注了边界框或像素级分割掩码，以指示检测到的骨折的位置和范围。这有助于骨折检测算法的训练和评估。该骨折检测数据集对研究人员和开发者来说是一个有用的资源
【数据结构与技术规格】
文件数 20 个，合计 341.36 KB。
【主题与分类】
主题标签：computer science、health、computer vision、deep learning、object detection、yolov8。本站分类：肌肉骨骼系统疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/pkdarabi/bone-fracture-detection-computer-vision-project
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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。
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://kaggle.com/datasets/pkdarabi/bone-fracture-detection-computer-vision-project
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 92.6 MB。
数据说明
Parisa Karimi Darabi (2024). Bone Fracture Detection: Computer Vision Project [Dataset]. https://www.kaggle.com/datasets/pkdarabi/bone-fracture-detection-computer-vision-project
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
