摘要：该数据集面向脊柱侧弯识别、椎体定位以及正常脊柱结构检测任务，采用 YOLO 标注格式，可直接用于 YOLOv5、YOLOv8 等目标检测模型训练。
数据集概述
该数据集由经过筛选和预处理的脊柱 X 射线影像组成，主要用于基于深度学习的脊柱侧弯与椎体检测研究。每张影像中可以包含多个目标框，用于标注不同椎体结构以及脊柱整体状态。数据集中既包含具有明显侧弯或形态异常的脊柱影像，也包含正常脊柱样本，能够支持椎体局部定位与脊柱异常状态识别等任务，适合医学影像智能分析与辅助诊断研究。
数据结构与关键特征
数据集划分为 train、valid 和 test 三个子集，对应路径分别为 train/images、valid/images 和 test/images，标注采用标准 YOLO .txt 格式，即 class_id x_center y_center width height。数据集共包含 3 个类别：Vertebra、scoliosis spine 和 normal spine，分别表示单个椎体、脊柱侧弯影像区域以及正常脊柱区域。图像格式主要为 .jpg 和 .png，并进行了随机旋转、亮度与对比度调整、水平翻转、随机缩放裁剪以及高斯噪声等数据增强处理，以提高模型泛化能力。
应用价值与研究方向
该数据集适用于脊柱侧弯检测、椎体定位、正常与异常脊柱分类、医学目标检测以及可解释人工智能研究。在模型方面，可以采用 YOLOv5、YOLOv8、YOLO11、RT-DETR 等目标检测网络，也可以结合注意力机制、多尺度特征融合和迁移学习提高对小尺寸椎体和轻度侧弯的识别能力。进一步还可结合 Grad-CAM、关键点检测、Cobb 角估计以及姿态分析，构建更加完整的脊柱侧弯辅助诊断系统。
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-847
文件大小：220M
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)