摘要：智能髋关节诊断数据集是一个多模态髋关节疾病数据集，包含三类 X 光图像（骨关节炎、正常、髋部骨折）和结构化临床元数据 CSV 文件（9 个字段：患者 ID、年龄、性别、图像名称、标签、严重程度、临床发现、影像学印象、治疗建议）。数据集通过 image_name 字段实现影像-临床数据映射，支持纯影像和混合建模，适用于疾病分类、严重程度预测、临床报告生成和可解释 AI 研究。
数据集简介
数据集概述
智能髋关节诊断数据集（Smart Hip Diagnosis Dataset）是一个综合性多模态髋关节疾病数据集，专为高级医学影像和临床分析而设计。数据集包含三类髋关节 X 光图像：骨关节炎（OA）、正常（Normal）和髋部骨折（Hip Fractured），按类别文件夹组织为高质量影像分类任务。除影像数据外，数据集包含结构化临床文件 final_clinical_dataset.csv（52.99 KB），提供患者级详细信息，包含 9 个属性：患者 ID、年龄、性别、图像名称、标签、严重程度、临床发现、影像学印象和治疗建议。数据集支持纯影像和混合（影像 + 临床）建模，适用于疾病分类、严重程度预测、临床报告生成和可解释 AI 研究，特别适合开发集成视觉特征与真实临床洞察的鲁棒诊断系统，应用于计算机辅助诊断、医疗分析和智能医疗决策支持系统。
数据结构与模态特征
数据集采用影像文件夹加临床元数据 CSV 的双模态架构。影像数据分为三个文件夹：OA/ 包含骨关节炎髋关节 X 光图像，Normal/ 包含健康髋关节 X 光图像，Hip_Fractured/ 包含髋部骨折 X 光图像，图像格式为 PNG/JPG。临床数据（final_clinical_dataset.csv）包含 9 列：患者 ID（唯一标识符）、年龄、性别（男/女）、图像名称（对应影像文件）、标签（OA/Normal/Hip_Fractured）、严重程度（疾病严重等级）、临床发现（观察到的临床表现）、影像学印象（放射科医生解读）和治疗建议（建议的医疗措施）。CSV 文件中的每行通过 image_name 字段与影像直接映射，实现多模态学习（影像 + 临床特征）的无缝整合。
应用价值与研究方向
该数据集支持髋关节疾病分类、严重程度预测、临床报告自动生成、多模态融合研究以及可解释 AI 开发等多个应用方向。研究人员可以训练纯影像分类模型识别骨关节炎、正常和骨折三类髋关节状态，开发融合影像特征和临床特征（年龄、性别、临床发现）的混合诊断模型提升准确率，或构建从影像自动生成临床报告（findings、impression、recommendation）的生成模型。数据集的严重程度标注支持细粒度疾病分期研究，临床元数据为可解释 AI 提供了验证和解释基础，使模型预测能够与放射科医生的解读进行对比。通过集成真实世界的临床洞察，数据集为开发符合临床实践的计算机辅助诊断系统、改进放射学工作流程、支持医疗决策以及推动骨科和放射学领域的 AI 应用提供了高质量的研究平台。/p>
数据集来源
该数据集包含三类髋关节 X 光图像（骨关节炎、正常、髋部骨折）和结构化临床元数据 CSV 文件（9 个字段：患者 ID、年龄、性别、图像名称、标签、严重程度、临床发现、影像学印象、治疗建议），通过 image_name 字段实现影像-临床数据映射，专为髋关节疾病诊断、多模态学习和临床决策支持研究而构建。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-67
文件大小：56M
原创声明：本数据集为整理作品