摘要：膝关节炎检测标注数据集（KneeArthroScan）包含高分辨率医学影像和专家标注，分为五个疾病阶段（正常、可疑、轻度、中度、重度），符合 Kellgren-Lawrence 临床分级标准。数据集支持膝关节炎自动检测、严重程度分级、早期筛查和计算机辅助诊断系统开发
数据集简介
数据集概述
膝关节炎检测标注数据集（KneeArthroScan Dataset）是一个用于膝关节炎检测和分类的高分辨率医学影像和专家标注数据集。数据集将图像分为五个疾病阶段：正常（normal）、可疑（doubtful）、轻度（mild）、中度（moderate）和重度（severe）关节炎。这个综合性数据集支持骨科健康和关节炎诊断领域的高级 AI 研究和开发，为构建鲁棒的关节炎诊断工具提供全面的影像资源。数据集的五级分期设计符合临床关节炎评估标准（如 Kellgren-Lawrence 分级），涵盖从无症状到严重退化的完整疾病谱，特别适用于疾病严重程度分类、早期筛查、病程监测以及计算机辅助诊断系统开发。
数据结构与模态特征
数据集采用五级分期分类结构，覆盖膝关节炎的完整疾病进展过程。正常（Normal） 包含健康膝关节影像，关节间隙正常、无骨刺或软骨损伤迹象；可疑（Doubtful） 包含早期可疑征象的影像，可能显示轻微关节间隙变窄或极小骨刺，是早期筛查的关键阶段；轻度（Mild） 显示明确但轻微的关节炎特征，如小骨刺和轻度关节间隙变窄；中度（Moderate） 表现为显著的骨刺形成、明显关节间隙变窄和可能的软骨损伤；重度（Severe） 显示严重关节退化，包括大量骨刺、严重关节间隙变窄、骨硬化和明显的骨骼变形。这种细粒度分期使数据集能够支持从二元分类（有/无关节炎）到多级严重程度评估的各种诊断任务，为序数回归、细粒度分类和疾病进展预测研究提供理想平台。
应用价值与研究方向
该数据集为骨科医学 AI、关节炎研究和诊断工具开发提供核心数据支撑，主要应用包括膝关节炎自动检测与分级、疾病进展预测、早期筛查系统开发、计算机辅助诊断工具构建以及深度学习模型训练。研究人员可以开发多分类模型自动评估关节炎严重程度，训练早期检测算法识别可疑阶段的细微变化（这对临床干预至关重要），构建疾病进展预测系统支持治疗决策，或设计可解释 AI 系统标注和解释关键诊断特征（骨刺、关节间隙、软骨状态、骨硬化）。数据集的高分辨率影像和专家标注确保了训练模型的质量和临床可信度，五级分期设计使其适用于研究不同阶段的诊断挑战和类别间的细微差异。通过支持鲁棒的关节炎诊断工具开发，数据集有助于改善骨科疾病筛查效率、降低漏诊率（特别是早期可疑阶段）、支持基层医疗诊断能力提升以及推动关节炎精准医疗和个性化治疗方案的发展。
数据集来源
该数据集（KneeArthroScan）包含膝关节的高分辨率医学影像和专家标注，分为五个关节炎阶段（正常、可疑、轻度、中度、重度），专为膝关节炎检测、严重程度分级和鲁棒诊断工具开发而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-69
文件大小：58M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)