摘要：该数据集是一个面向颈椎骨折自动识别与医学影像辅助诊断研究构建的CT影像分类数据集。
数据集概述
该数据集是一个面向颈椎骨折自动识别与医学影像辅助诊断研究构建的CT影像分类数据集。数据集中选取了颈椎CT检查中的二维切片图像，并依据对应切片是否存在骨折划分为骨折与正常两类。其中，检测到颈椎骨折的切片作为阳性样本，其余未检测到明显骨折的切片作为阴性样本。该数据集可用于训练深度学习分类模型，自动学习骨皮质连续性、椎体形态以及局部骨结构异常等影像特征，从而实现颈椎骨折的智能识别。
数据结构与关键特征
数据集主要划分为 train 和 val 两个子集，每个子集中进一步包含 fracture 和 normal 两个类别。其中，fracture 表示存在颈椎骨折的CT切片，normal 表示未发现明显骨折的正常切片，整体属于典型的医学影像二分类数据集。数据以二维CT切片为主要输入形式，可以直接用于 CNN、ResNet、DenseNet、EfficientNet 等图像分类网络训练。在实际建模过程中，还可以结合窗宽窗位调整、灰度归一化、随机旋转、裁剪和翻转等预处理与数据增强方法，提高模型对不同扫描条件和骨折形态的泛化能力。
应用价值与研究方向
该数据集适用于颈椎骨折检测、创伤CT智能分析、医学影像分类以及计算机辅助诊断等研究方向。模型方面可以采用 ResNet、DenseNet、EfficientNet、ConvNeXt、Vision Transformer 等网络进行骨折与正常切片分类，也可以进一步引入注意力机制和多尺度特征融合，提高对细小骨折、隐匿性骨折及复杂骨结构区域的识别能力。此外，还可结合 Grad-CAM 等可解释性方法分析模型关注区域，并进一步研究多切片联合分析、3D CNN、Transformer、类别不平衡处理和迁移学习，为颈椎创伤影像的自动筛查与临床辅助诊断提供技术支持。
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-830
文件大小：290M
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)