摘要：该数据集主要面向腰椎医学影像分析任务，结合多视图腰椎图像、目标检测标注、像素级分割掩膜以及椎间盘高度、Pfirrmann 分级和结构化临床描述等信息，可用于腰椎结构识别、椎间盘退变评估、椎体与椎间盘分割以及医学影像辅助诊断研究。
数据集概述
数据集以腰椎多视图医学影像为核心，同时提供多种形式的监督信息，包括图像级、目标级、像素级以及结构化临床特征。数据不仅包含原始腰椎图像，还同时提供 YOLO 格式检测标签、索引式分割掩膜、质量控制可视化结果，以及椎间盘高度和 Pfirrmann 退变等级等量化指标，因此能够支持从基础的结构检测与分割，到椎间盘退变程度评估和多任务学习等多种医学人工智能任务。
数据结构与关键特征
数据集主要由 images_png、labels_yolo、masks_indexed、qc_visuals、IVDHeights.csv、PfirrmannGrade.csv 和 structured_notes.csv 等部分组成。其中，images_png 保存腰椎多视图图像；labels_yolo 提供适用于 YOLO 系列模型的目标检测标注；masks_indexed 保存像素级索引分割掩膜，可用于椎体或椎间盘分割；qc_visuals 用于质量控制与标注检查；IVDHeights.csv 记录椎间盘高度等定量测量指标；PfirrmannGrade.csv 保存椎间盘退变的 Pfirrmann 分级结果；structured_notes.csv 则提供结构化临床或影像描述信息。整体属于典型的多模态、多任务腰椎医学影像数据集。
应用价值与研究方向
该数据集适合用于腰椎目标检测、椎体与椎间盘分割、椎间盘高度测量、椎间盘退变分级以及多模态辅助诊断等研究方向。算法方面可使用 YOLOv8、YOLO11、Faster R-CNN 等模型进行结构检测，采用 U-Net、DeepLabV3+、SegFormer 等网络开展语义分割，并结合 ResNet、EfficientNet、Vision Transformer 等模型完成 Pfirrmann 分级。进一步还可以研究检测—分割—分级联合学习、多视图特征融合、影像与结构化临床信息融合、椎间盘高度自动测量以及可解释医学人工智能，用于腰椎退行性疾病的智能分析与辅助诊断。
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-768
文件大小：2.58G
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)