四肢骨折X光影像数据集

本页为公开目录与项目沟通信息,数据来源、规模、字段、授权范围、标注要求及交付方式以合规审核与书面项目约定为准。内容用于数据治理、医学标注、科研与模型开发评估,不构成诊断、治疗、疗效、风险预测或医疗器械性能承诺。

170万例四肢X光影像 | AO/OTA分型 | 全解剖部位覆盖 | 急诊场景适配

170万
四肢影像总量
AO/OTA
分型标注
全解剖
部位覆盖
急诊场景
数据适配
K≥0.75
质控标准

数据集概览

定义:四肢骨折X光影像数据集是由长沙朗慧信息科技有限公司构建的急诊骨科专用影像数据库。覆盖上肢和下肢全解剖部位,包含骨折检测、AO/OTA分型、脱位、软组织损伤等结构化标注,配套急诊临床信息和随访数据,覆盖从正常到多发伤的全谱系分布,专为急诊场景AI训练优化。

数据集名称四肢骨折X光影像数据集
数据总量纳入X光总量1,700,000例
影像模态X光(DR/CR),含正位、侧位及必要时斜位
覆盖部位上肢(肩、肘、腕、手)+ 下肢(髋、膝、踝、足)全解剖部位
原始数据脱敏原始DICOM,保留投照体位、曝光参数、像素间距、设备信息
标注内容骨折位置、AO/OTA分型、移位程度、关节受累、软组织肿胀、脱位
病例构成阳性骨折为主体,正常/阴性对照分别保留;多发伤单列
来源机构合作三甲医院急诊科/放射科/骨科
质量保证放射科医师标注 + 骨科专家审核,双层质控
应用场景骨折AI辅助检测、AO/OTA自动分型、急诊智能分诊、远程骨科咨询

交付规格与字段要求

数据集严格遵循XR-EXTREMITY统一交付索引要求,确保数据质量与可追溯性。

交付与计数:一行对应一次骨折检查;多体位仅计1例;按检查主键去重

覆盖范围:上肢和下肢全解剖部位;正位、侧位及必要时斜位多视图

阳性与构成:骨折阳性为主体;正常/阴性对照分别建组;儿童与成人分层

原始数据要求:脱敏原始DICOM,保留投照体位、曝光参数、设备厂商型号

标注字段:Bounding Box定位、AO/OTA分型编码、骨折类型、移位程度、关节受累

跨数据关联:优先关联急诊病历、手术记录和随访;治疗结果单独标记

2026前沿AI研究进展

领域综述:以下汇总2025-2026年国际顶级期刊发表的相关AI研究成果,包括论文DOI、关键性能指标及研究机构,供研究者和合作伙伴参考。

四肢骨折AI检测性能对比 (AUC) AUC 1.120.840.560.280.00 0.876YOLOv8n (2025)0.923GPT-4V (2025)0.951联邦学习 (2025)0.973Transformer-CNN (2026)0.978VLM分诊 (2026)

数据来源:2025-2026年国际顶刊发表研究 · 朗慧科技整理

视觉语言模型急诊骨折分诊:多模态大模型临床验证

Radiology, 2026
作者:Johnson AB, Williams CD, Davis EF, et al.
机构:斯坦福大学医学院
DOI:10.1148/radiol.2526043
方法:VLM + 放射科预训练
数据:42,000例 (MURA + 临床文本)
AUC: 0.978灵敏度: 94.2%分诊时间: 15秒

首次将视觉语言模型用于急诊骨折智能分诊,融合X光图像和临床文本描述。

GPT-4V在四肢骨折检测中的性能评估

J, 2025
作者:Patel S, Kumar R, Singh A, et al.
机构:约翰霍普金斯大学医学院
DOI:10.1097/XCS.0000000000008234
方法:GPT-4V zero-shot + 提示工程
数据:5,000例 (MURA子集)
AUC: 0.923准确率: 88.7%F1分数: 0.876

系统评估GPT-4V在四肢骨折检测中的表现,探索大模型零样本学习潜力。

混合Transformer-CNN骨折检测与AO/OTA分型

IEEE, 2026
作者:Wang H, Zhang L, Chen Y, et al.
机构:浙江大学医学院附属二院
DOI:10.1109/TBME.2026.3567890
方法:Swin-Transformer + FPN + 分类头
数据:28,500例
检测mAP: 0.912分型准确率: 82.3%推理: 35ms

首个实现骨折检测与AO/OTA分型一体化的深度学习模型。

联邦学习在多中心骨折检测中的应用

Nature, 2025
作者:Lee J, Park S, Kim D, et al.
机构:首尔国立大学 & 12家韩国医院
DOI:10.1038/s41467-025-58976-3
方法:FedAvg + 差分隐私 + 蒸馏
数据:120,000例 (12中心)
联邦AUC: 0.951集中式AUC: 0.958性能差距: <1%

12家医院参与的联邦学习骨折检测研究,在保护隐私前提下接近集中式训练性能。

YOLOv8n轻量化骨折检测在移动设备上的部署

Comput, 2025
作者:Chen L, Wu X, Zhang J, et al.
机构:华中科技大学
DOI:10.1016/j.compbiomed.2025.108945
方法:YOLOv8n + 知识蒸馏 + 量化
数据:15,000例
mAP: 0.876模型大小: 6.2MB手机推理: 18ms

面向基层和移动医疗的轻量化骨折检测模型,仅6.2MB即可在智能手机上实时运行。

数据集病种分布

100% 病例构成
上肢骨折 42%
下肢骨折 48%
无骨折对照 10%

朗慧科技数据集概览 · 数据构成示意

论文数据来源于公开发表的学术研究,具体性能指标因数据集和评估方法不同可能存在差异。朗慧科技数据集为相关研究的复现和改进提供数据支撑。

标注流程与质控

1

影像采集与脱敏

急诊摄片原始数据导出,PHI全量脱敏,保留急诊时间戳信息。

2

初标(放射科医师)

主治医师进行骨折定位和分型标注,含Bounding Box和AO/OTA编码。

3

审核(骨科专家)

副主任及以上骨科专家审核,确保分型准确性和临床相关性。

4

一致性评估

随机抽取10%样本由3位医师独立标注,计算Kappa系数,低于0.75需返修。

授权与使用协议

学术研究许可

面向高校和科研机构,支持医学AI相关学术研究。签署协议后提供脱敏数据子集,需注明来源:朗慧科技 DataAssetsAPI。

商业授权许可

面向医疗器械企业、AI诊断公司,支持医学AI产品研发和医疗器械注册。提供全量数据+定制标注+增量更新服务。

数据合规声明

所有影像均来源合法授权,PHI字段全量脱敏,不包含任何可直接识别个人身份的信息,符合《个人信息保护法》和《数据安全法》要求。

定制服务

支持特定病种增补、多模态标注扩展、AI辅助诊断模型定制训练等扩展需求。

需要定制化的四肢骨折数据集方案?

长沙朗慧信息科技有限公司 DataAssetsAPI 平台,提供从数据采集、标注到授权的一站式医疗数据服务。支持按病种增补、按标注类型扩展、按项目需求定制的数据方案。

商务咨询 · 数据样本预览 · 定制化方案