
-
生物通官微
陪你抓住生命科技
跳动的脉搏
股骨颈骨折Garden分型多视角CT影像数据集:面向人工智能辅助分类的公开基准资源
《Scientific Data》:A multi-view imaging dataset for Garden classification of femoral neck fractures
【字体: 大 中 小 】 时间:2026年10月09日 来源:Scientific Data 7.2
编辑推荐:
摘要股骨颈骨折的Garden分型准确分类对于临床决策和治疗规划至关重要。然而,缺乏公开、经专家标注的多视角影像数据集,限制了可复现的人工智能(AI)模型的開發和跨机构验证研究。本文提出了一个完全匿名化、经临床验证的股骨颈骨折Garden分型多视角影像数据集,该数据集包含来自1
股骨颈骨折的Garden分型准确分类对于临床决策和治疗规划至关重要。然而,缺乏公开、经专家标注的多视角影像数据集,限制了可复现的人工智能(AI)模型的開發和跨机构验证研究。本文提出了一个完全匿名化、经临床验证的股骨颈骨折Garden分型多视角影像数据集,该数据集包含来自1,579名患者的19,940张CT衍生图像,分布于六个图像类别:轴位CT视图、冠状位CT视图以及三维容积渲染(3D VR)视图,每类均提供原始图像与去除内固定物遮挡图像的配对形式。该数据集基于伦理批准编号No. 2024(Research)-024下收集的回顾性螺旋CT检查数据构建,采用标准化的纳入与排除标准、基于患者层面的数据划分以防止数据泄露,并由两位高级骨科医师独立标注,标注分歧由骨科主任医师裁定。我们系统记录了影像采集方案、标注流程、预处理步骤及技术验证,包括高标注者间一致性(Cohen's κ = 0.82,95% CI:0.78–0.86)、数据集划分间队列特征的均衡性、准确的遮挡区域分割(Dice = 0.962),以及所有去遮挡图像的解剖学合理性均经专家确认。在冠状位去遮挡子集上的基准分类实验表明,代表性的卷积神经网络和基于Transformer的架构均取得了超过0.96的受试者工作特征曲线下面积(AUC)值,证实了该数据集在自动化Garden分型中的判别效用。完整数据集已通过Zenodo以CC BY 4.0许可证公开发布1。该资源填补了公开骨科影像数据的关键空白,并为AI辅助股骨颈骨折分型系统的开发、基准测试和临床转化提供了标准化基础。