髋部骨折分类机器学习优于临床专家数据集
包含3659张髋部X光片，用于训练和评估机器学习模型对髋部骨折进行分类，模型准确率92%，超越人类专家。
基本信息
资源简介
髋部骨折分类机器学习优于临床专家数据集
【一句话概览】
本数据集是 LSHTM Data Compass 公开的影像数据集，收录 5 个文件、合计 396.02 MB，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 许可开放获取。
【数据集背景】
本数据集源站标题为《Dataset for "Machine learning outperforms clinical experts in classification of hip fractures"》。源站首次发布：2022-02-08。
【数据内容】
源站原始描述：Hip fractures are a major cause of morbidity and mortality in the elderly, and incur high health and social care costs. Given projected population ageing, the number of incident hip fractures is predicted to increase globally. As fracture classification strongly determines the chosen surgical treatment, differences in fracture classification influence patient outcomes and treatment costs. We aimed to create a machine learning method for identifying and classifying hip fractures, and to compare i…
中文译文（机器翻译，仅供快速理解，请以原文为准）：髋部骨折是老年人发病和死亡的主要原因，并带来高昂的医疗和社会护理成本。鉴于预计的人口老龄化，全球新发髋部骨折的数量预计将增加。由于骨折分型在很大程度上决定了所选择的手术治疗，骨折分型的差异
文件 Readme.txt 为文本内容，开头为：Data and MATLAB scripts for figures 2 and 4 Data is provided as CSV files and as MAT files. The MATLAB scripts use the MAT files and produce the figures.
【数据结构与技术规格】
文件数 5 个，合计 396.02 MB。data_files.zip：application/zip，500.81 KB。Readme.txt：text/plain，155 B。
【主题与分类】
源站学科分类：dept_mech_eng、dept_math_sci。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://researchdata.bath.ac.uk/id/eprint/1011/
使用许可：CC BY。
【使用注意】
· 源站最后修改于 2024-07-09，引用时请注意版本时效。
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。
暂未开放有偿下载
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://researchdata.bath.ac.uk/id/eprint/1011
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。
