摘要胫骨和腓骨骨折数据集包含 X 射线图像PNG 格式总大小 319 MB来源于埃塞俄比亚贡德尔大学医学专家验证和 MURA 肌肉骨骼放射影像数据集。数据经过标准化处理流程多种滤波增强median、gaussian、mean、max、质量评估PSNR、MSE、SSIM、图像处理和 CNN 特征提取训练多个分类器SVM、RF、AdaBoost80/20 划分支持胫腓骨骨折分类、定位和计算机辅助诊断系统开发。数据集简介数据集概述胫骨和腓骨骨折数据集Tibia and Fibula Fracture Dataset是一个专为胫腓骨骨折分类和定位的机器学习模型开发而设计的医学影像数据集包含 X 射线图像PNG 格式总大小 319 MB。数据集旨在支持胫腓骨骨折的自动诊断、深度学习在骨科放射学中的应用、医学影像研究和临床决策支持系统开发。所有图像经过专业验证和质量增强处理部分图像由埃塞俄比亚贡德尔大学的医学专家验证其余图像来自公共医学影像库 MURA肌肉骨骼放射影像数据集。数据集的准备遵循设计科学方法经过图像增强、质量评估、图像处理和特征提取等标准化流程确保图像质量和机器学习任务的可用性。数据结构与类别特征数据集经过系统化的预处理和增强流程。数据收集阶段从贡德尔大学转诊医院和 MURA 数据集采集 X 射线图像。图像增强阶段应用多种滤波技术中值滤波 median、高斯滤波 gaussian、均值滤波 mean、最大值滤波 max改善图像质量并使用多个质量评估指标验证增强效果PSNR峰值信噪比、MSE均方误差、SSIM结构相似性指数和余弦相似度。图像处理阶段应用增强和分割技术提取感兴趣区域。特征提取与分类阶段使用卷积神经网络CNN进行特征提取训练多个分类器包括支持向量机SVM、随机森林RF和 AdaBoost采用 80/20 的训练集/测试集划分比例。所有图像以 PNG 格式存储便于机器学习框架直接加载和处理。应用价值与研究方向该数据集支持多个骨科医学 AI 和计算机辅助诊断应用方向主要用途包括训练医学图像分类的机器学习模型、评估骨折检测算法性能、支持计算机辅助诊断系统开发以及骨科放射学研究。研究人员可以开发深度学习模型自动识别胫骨和腓骨骨折、训练目标检测模型定位骨折位置、构建骨折严重程度分级系统或设计多模态诊断系统整合影像特征和临床信息。数据集的多滤波增强和质量评估流程使其适用于研究图像预处理技术对模型性能的影响多分类器训练记录SVM、RF、AdaBoost为算法对比研究提供基准。通过支持胫腓骨骨折的自动化检测和分类数据集有助于缩短放射科医生的诊断时间、降低漏诊率、改善急诊骨折筛查效率并推动计算机辅助骨科诊断技术在资源有限地区的应用。数据集来源数据集来源 该数据集包含胫骨和腓骨的 X 射线图像PNG 格式总大小 319 MB来源于两个渠道埃塞俄比亚贡德尔大学转诊医院医学专家验证和 MURA 肌肉骨骼放射影像公共数据集。数据经过系统化处理流程应用多种滤波技术median、gaussian、mean、max进行图像增强使用质量评估指标PSNR、MSE、SSIM、余弦相似度验证增强效果应用增强和分割技术进行图像处理使用 CNN 进行特征提取并训练多个分类器SVM、RF、AdaBoost80/20 划分专为胫腓骨骨折分类、定位和计算机辅助诊断系统开发而构建。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-73文件大小310M原创声明本数据集为整理作品