XR-bones 骨折检测数据集
XR-bones 是一个面向骨骨折检测研究的 X 射线图像数据集，图像按解剖部位与有无骨折划分为负类（无骨折）和正类（有骨折）两大类，覆盖肘部、手指、前臂、手部和肩部五个部位，每个部位均包含 negative 与 positive 两个类别
基本信息
资源简介
XR-bones 骨折检测数据集
XR-bones Dataset for Bone Fracture Detection
XR-bones 是一个面向骨骨折检测研究的 X 射线图像数据集，图像按解剖部位与有无骨折划分为负类（无骨折）和正类（有骨折）两大类，覆盖肘部、手指、前臂、手部和肩部五个部位，每个部位均包含 negative 与 positive 两个类别。数据以 YOLO 格式组织，文件样例位于 YOLODataSet/images/train 目录下。该数据集可用于基于计算机视觉与深度学习方法的骨折检测模型训练和评估，主题涉及 image、health、deep learning、cnn 与 yolo（来源 Kaggle，MIT 许可）。
【数据集背景】
源站首次发布：2024-07-28。
【数据内容】
源站描述（机器翻译，仅供参考）：XR-bones 骨折检测数据集 概述 XR-bones 数据集是一个全面的 X 射线图像集合，旨在促进使用计算机视觉技术进行骨骨折检测的研究与开发。该数据集包含分为两个主要类别的 X 射线图像：负类（无骨折）和正类（存在骨折）。数据进一步按特定解剖区域组织，确保对骨骨折的多样且详细的表示。 类别 数据集划分为以下类别： - 负类（无骨折）： - XR_ELBOW_negative - XR_FINGER_negative - XR_FOREARM_negative - XR_HAND_negative - XR_SHOULDER_negative - 正类（存在骨折）： - XR_ELBOW_positive - XR_FINGER_positive - XR_FOREARM_positive - XR_HAND_positive - XR_SHOULDER_positive 标签与标注 每张图像关联有
【数据结构与技术规格】
文件数 20 个，合计 1.38 MB。
【主题与分类】
主题标签：image、health、deep learning、cnn、yolo。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/japeralrashid/xr-bones-dataset-for-bone-fracture-detection
使用许可：MIT。
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://kaggle.com/datasets/japeralrashid/xr-bones-dataset-for-bone-fracture-detection
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 2.03 GB。
数据说明
AlRashid Issa (2024). XR-bones Dataset for Bone Fracture Detection [Dataset]. https://www.kaggle.com/datasets/japeralrashid/xr-bones-dataset-for-bone-fracture-detection
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。
