医学X光骨肿瘤检测数据集（YOLO标注格式）

摘要：医学X光骨肿瘤检测数据集（YOLO标注格式）是一个专门用于骨科肿瘤智能诊断的医学影像数据集，采用YOLO目标检测标注格式，通过边界框精确标注X光片中的肿瘤病灶位置和类别。

数据集简介

数据集概述

医学X光骨肿瘤检测数据集（YOLO标注格式）是一个专门用于骨科肿瘤智能诊断的医学影像数据集，采用YOLO目标检测标注格式，通过边界框精确标注X光片中的肿瘤病灶位置和类别。数据集包含九个临床常见的骨肿瘤类型，分别为：巨细胞瘤（giant cell tumor, 类别0）、多发性骨软骨瘤（multiple osteochondromas, 类别1）、骨软骨瘤（osteochondroma, 类别2）、骨纤维瘤（osteofibroma, 类别3）、骨肉瘤（osteosarcoma, 类别4）、其他良性肿瘤（other bt, 类别5）、其他恶性肿瘤（other mt, 类别6）、单纯性骨囊肿（simple bone cyst, 类别7）和滑膜骨软骨瘤（synovial osteochondroma, 类别8）。数据来源于权威医学研究文献（Nature Scientific Data, 2024），按训练集和验证集进行科学划分，每张X光图像配有专业标注文件，为放射科医生和骨科医生提供可靠的AI辅助诊断工具，助力骨肿瘤的早期发现和精准治疗。

数据结构与关键特征

数据集采用YOLO标准目标检测格式，每张X光图像文件（.jpg/.jpeg格式）对应一个文本标注文件（.txt格式），标注文件包含肿瘤类别编号（0-8，共九类）和归一化边界框坐标（中心点坐标、宽度、高度）。九个类别涵盖了从良性到恶性的完整肿瘤谱系：类别0-3和7-8主要为良性病变，类别4为高度恶性肿瘤（骨肉瘤），类别5-6为兜底分类以覆盖临床罕见或混合型肿瘤。关键特征包括：多样化的肿瘤影像学表现（溶骨性破坏、成骨性硬化、混合型病变、骨膜反应等）、不同解剖位置的病灶分布（长骨干骺端、骨骺、骨干以及扁骨等）、多尺度肿瘤大小范围（从早期微小病灶到晚期大面积侵袭性肿瘤）、以及不同成像条件下的图像质量变化。数据集特别强调了良恶性肿瘤的鉴别诊断特征，如骨肉瘤（类别4）的”日光射线”征和Codman三角、巨细胞瘤（类别0）的”肥皂泡”样改变、骨软骨瘤（类别2）的菜花状骨性突起等典型影像学表现，所有标注均经过专业影像科医生审核验证，确保临床诊断的准确性和一致性。

应用价值与研究方向

该数据集在智能医疗影像诊断、骨肿瘤早期筛查和临床辅助决策领域具有重要应用价值，可用于构建骨肿瘤智能检测平台、远程影像诊断系统和基层医院AI辅助筛查工具。九分类体系使模型能进行精细的病理类型判别，为临床治疗方案制定提供关键依据。研究方向包括：多类别骨肿瘤自动检测算法、良恶性肿瘤智能鉴别模型、类不平衡问题处理、多模态医学影像融合、少样本学习在罕见肿瘤诊断中的应用，以及可解释性AI技术用于诊断依据可视化。此外，该数据集还可支持计算机辅助手术规划、疗效评估等临床应用，并扩展至骨折检测、骨质疏松评估等其他骨科AI场景，为推动骨科智能诊断技术普及、提升基层医疗诊断能力提供重要的数据支撑和技术基础。

数据集来源

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-181
文件大小：340M
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。