X射线骨折与非骨折骨骼检测数据集
该数据集包含人体骨骼的X射线图像，用于骨折与非骨折病例的二分类任务。数据源自Mendeley Data，经过去除损坏和重复图像、统一转换为JPG格式、调整至224×224分辨率、平衡类别分布，并划分为训练、验证和测试集，同时提供元数据CSV文件便于加载分析
基本信息
资源简介
X射线骨折与非骨折骨骼检测数据集
X-Ray Detecting Fractured vs. Non-Fractured Bones
该数据集包含人体骨骼的X射线图像，用于骨折与非骨折病例的二分类任务。数据源自Mendeley Data，经过去除损坏和重复图像、统一转换为JPG格式、调整至224×224分辨率、平衡类别分布，并划分为训练、验证和测试集，同时提供元数据CSV文件便于加载分析。适用于计算机视觉和深度学习中的骨折检测模型开发与评估（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2026-01-01。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含人体骨骼的X射线图像，用于骨折与非骨折病例的二分类。数据集设计为Kaggle就绪，适用于计算机视觉和深度学习任务。来源：该数据集源自最初发表在Mendeley Data上的“用于检测骨折与非骨折骨骼的X射线成像数据集”。DOI：10.17632/cd6jjsxz44.3 网站： 修改与增值：- 移除了损坏和重复的图像 - 将所有图像转换并标准化为JPG格式 - 将图像调整为224×224分辨率 - 平衡了类别分布 - 将数据划分为训练/验证/测试集 - 添加了元数据CSV文件以便于加载和分析 结构：processed_dataset/ ├── train/ │ ├── fractured/ │ └── non_fractured/ ├── val/ │ ├── fractured/ │ └── non_fractured/ └── test/ ├── fractured/ └─
【数据结构与技术规格】
文件数 20 个，合计 1.85 MB。
【主题与分类】
主题标签：health、health conditions、healthcare、diseases、hospitals and treatment centers。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/mohadesehemamipour/human-bones-fractured-vs-non-fractured-dataset
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/mohadesehemamipour/human-bones-fractured-vs-non-fractured-dataset
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 59.8 MB。
数据说明
Mohadeseh Emamipour (2026). X-Ray Detecting Fractured vs. Non-Fractured Bones [Dataset]. https://www.kaggle.com/datasets/mohadesehemamipour/human-bones-fractured-vs-non-fractured-dataset
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
