足跟骨X射线数据集

摘要：足跟骨X射线数据集是一个专门用于足跟骨疾病检测和分类的医学影像数据集，包含3,956张足部X射线图像，主要聚焦于足跟骨疾病的诊断。

数据集概述

足跟骨X射线数据集是一个专门用于足跟骨疾病检测和分类的医学影像数据集，包含3,956张足部X射线图像，主要聚焦于足跟骨疾病的诊断。该数据集来源于伊拉克基尔库克综合医院，原始图像以医学标准的DICOM格式采集，后使用MicroDicom工具转换为JPG格式便于机器学习应用。数据集被标注为三个不同的类别：正常（1,842张图像）、足跟骨刺（1,316张图像）和严重型（足跟骨刺并发症，798张图像）。所有标签均由骨科和创伤学专家分配，并经过放射学专家的交叉验证，确保了标注的高质量和临床准确性。该数据集已被应用于学术研究，包括基于胶囊网络的自动化足跟疾病诊断系统HeCapsNet的开发。

数据结构与关键特征

该数据集采用分类目录结构，包含all_category总目录，下设heelspur（足跟骨刺）、normal（正常）和sever（严重型）三个子类别文件夹，并配有boundingbox.csv文件用于目标定位标注。其核心特征在于数据的临床真实性和专业标注质量——所有图像均来自真实临床诊疗场景，经过双重专家验证（骨科专家+放射科专家）确保诊断标签的可靠性。数据集呈现一定的类别不平衡：正常样本占比最高（约46.5%），足跟骨刺次之（约33.3%），严重型样本相对较少（约20.2%），这种分布一定程度上反映了真实疾病流行病学特征。数据集采用侧位足部X射线图像，标准化的拍摄角度有利于模型学习稳定的病理特征。

应用价值与研究方向

该数据集在骨科医学影像诊断、远程医疗和智能辅助诊断系统领域具有重要的应用价值，可用于开发自动化足跟骨疾病筛查系统，帮助基层医疗机构进行初步诊断，减轻放射科医生的工作负担。在研究方向上，该数据集支持多个前沿课题的探索，包括胶囊网络（CapsNet）在医学图像分类中的应用、卷积神经网络的优化、迁移学习在小样本医学数据上的效果以及类别不平衡问题的处理策略（如重采样、损失函数调整、代价敏感学习等）。该数据集已被成功用于HeCapsNet模型的训练，证明了增强型胶囊网络在足跟疾病自动诊断中的有效性。此外，该数据集还可用于研究多任务学习（同时进行分类和定位）、可解释性AI（通过热图可视化模型关注的病理区域）、以及跨模态学习（结合患者临床信息和影像数据），为骨科智能诊断技术的发展和临床应用提供数据基础。

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-304
文件大小：150M
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。