多区域骨折X线数据集
Bone Fracture Multi-Region X-ray Data 是与骨不连（Nonunion）相关的公开数据资源，主要包含多解剖区域骨折与非骨折X线图像分类数据，数据模态为图像，适合用于分类、模型训练、基准评测或临床特征分析。
基本信息
资源简介
多区域骨折X线数据集
【数据集背景】
本数据集源站标题为《Bone Fracture Multi-Region X-ray Data》。源站首次发布：2024-04-23。
【数据内容】
源站原始描述：# **Overview** This dataset comprises fractured and non-fractured X-ray images covering all anatomical body regions, including lower limb, upper limb, lumbar, hips, knees, etc. The dataset is categorized into train, test, and validation folders, each containing fractured and non-fractured radiographic images. Click this link [ to access the dataset. #**Dataset Contents:** This dataset contains **10,580** radiographic images (X-ray) data. **Training Data** *Number of Images: 9246* **Validation Da…
【数据结构与技术规格】
文件数 20 个，合计 15.16 MB。
【主题与分类】
主题标签：classification、health、computer vision、image classification、binary classification。
【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://www.kaggle.com/datasets/bmadushanirodrigo/fracture-multi-region-x-ray-data
使用许可：ODC Public Domain Dedication and Licence (PDDL)。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("bmadushanirodrigo/fracture-multi-region-x-ray-data")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d bmadushanirodrigo/fracture-multi-region-x-ray-data
unzip fracture-multi-region-x-ray-data.zip -d fracture-multi-region-x-ray-data/
数据说明
多区域骨折X线数据集包含多解剖区域骨折与非骨折X线图像分类数据，可用于骨不连相关的分类研究。
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。
许可
ODC PDDL
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。
