膝关节骨肿瘤数据集

原创于 2026-08-19 11:27:19 发布 · 127 阅读

3 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

数据集

摘要：Knee Cancer Classification 数据集是一个面向膝关节骨肿瘤智能诊断研究的 MRI 医学影像数据集，共包含 732 个膝关节 MRI 病例和 15,047 张影像切片，涵盖骨肉瘤、软骨肉瘤和非肿瘤三类。

数据集概述

Knee Cancer Classification 数据集是一个面向膝关节骨肿瘤智能诊断研究的 MRI 医学影像数据集，共包含 732 个膝关节 MRI 病例和 15,047 张影像切片，涵盖骨肉瘤、软骨肉瘤和非肿瘤三类。其中骨肉瘤包含 11 个病例、110 张切片，软骨肉瘤包含 34 个病例、1,154 张切片，非肿瘤包含 687 个病例、13,783 张切片。数据来源于 Radiopaedia.org 的匿名化放射学病例，可用于研究基于医学影像的膝关节骨肿瘤自动识别与分类。

数据结构与关键特征

数据以病例为基本组织单位，每个三维 MRI 病例经过切片处理后保存为 N×224×224 的 NumPy 数组，数据类型为 uint16，其中 N 表示对应病例包含的 MRI 切片数量，并采用 Python Pickle（.pck）格式存储。该数据集具有明显的类别不平衡特征，非肿瘤病例约占全部病例的 94%，而骨肉瘤和软骨肉瘤样本相对较少，因此能够较好地模拟真实医学诊断中恶性骨肿瘤病例稀缺的情况，同时也对模型的小样本学习能力和少数类别识别能力提出了较高要求。

应用价值与研究方向

该数据集可用于膝关节骨肿瘤的自动分类、辅助诊断和医学影像人工智能算法评估，重点研究骨肉瘤、软骨肉瘤与非肿瘤病例之间的智能鉴别。在研究方向上，可进一步开展基于 CNN、ResNet、EfficientNet、Vision Transformer 等模型的 MRI 分类研究，以及迁移学习、数据增强、加权交叉熵、Focal Loss、重采样等类别不平衡处理方法研究；同时还可探索病例级多切片特征融合、注意力机制、自监督学习和模型可解释性分析，为提高罕见骨肿瘤的识别准确率及临床辅助诊断能力提供数据基础。