KhalfounMehdi/mura_dataset_processed_224px_train_val

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': abnormal
'1': normal
splits:
- name: train
num_bytes: 897597369.6548932
num_examples: 36004
- name: test
num_bytes: 99746891.34510686
num_examples: 4001
- name: validation
num_bytes: 99746891.34510686
num_examples: 4001
download_size: 1097353191
dataset_size: 1097091152.3451068
---
# Dataset Card for "mura_dataset_processed_224px_train_val"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 拆分（split）：train，路径：data/train-*
- 拆分：test，路径：data/test-*
- 拆分：validation，路径：data/validation-*
数据集信息：
特征：
- 名称：图像（image），数据类型：图像
- 名称：标签（label），数据类型：分类标签（class_label），其类别名称为：
'0': 异常（abnormal）
'1': 正常（normal）
数据集拆分：
- 拆分名称：train，字节数：897597369.6548932，样本数：36004
- 拆分名称：test，字节数：99746891.34510686，样本数：4001
- 拆分名称：validation，字节数：99746891.34510686，样本数：4001
下载总大小：1097353191
数据集总大小：1097091152.3451068

---
# "mura_dataset_processed_224px_train_val" 数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 数据文件：
    • 训练集（train）：data/train-*
    • 测试集（test）：data/test-*
    • 验证集（validation）：data/validation-*

数据集信息

• 特征：

  • 图像（image）：数据类型为图像
  • 标签（label）：数据类型为类别标签，包含两个类别：
    • 0：abnormal
    • 1：normal

• 分割：

  • 训练集（train）：
    • 字节数：897597369.6548932
    • 样本数：36004
  • 测试集（test）：
    • 字节数：99746891.34510686
    • 样本数：4001
  • 验证集（validation）：
    • 字节数：99746891.34510686
    • 样本数：4001

• 下载大小：1097353191

• 数据集大小：1097091152.3451068

搜集汇总

数据集介绍

构建方式

该数据集基于MURA（Musculoskeletal Radiographs）原始影像资料构建而成，旨在为骨骼肌肉系统X光片的异常检测提供标准化训练与评估资源。构建过程中，所有图像均被统一缩放至224×224像素的分辨率，以适配主流卷积神经网络的输入需求。数据划分遵循严格的随机分层抽样原则，最终形成包含36,004张训练样本、4,001张验证样本及4,001张测试样本的均衡分布，确保模型在训练与评估阶段具备统计意义上的可靠性。

使用方法

使用者可通过HuggingFace Datasets库直接加载该数据集，并依据预定义的“train”、“validation”与“test”三组划分进行模型训练与性能验证。图像字段以PIL格式返回，便于直接接入PyTorch或TensorFlow的数据流水线。建议在加载时利用数据集的图像尺寸一致性优势，省去额外的预处理步骤，从而简化实验流程并提升开发效率。

背景与挑战

背景概述

在医学影像分析领域，骨骼肌肉系统疾病的准确诊断一直是临床实践中的核心挑战。MURA（Musculoskeletal Radiographs）数据集由斯坦福大学研究团队于2017年提出，旨在通过深度学习技术自动检测上肢骨骼X光片中的异常情况。该数据集涵盖了肩、肘、腕、手等七个解剖部位，总计超过4万张标注图像，成为评估医学图像分类算法性能的重要基准。KhalfounMehdi团队对该数据集进行了预处理，将图像统一调整为224×224像素，并划分出训练、验证和测试子集，显著提升了模型训练的便捷性与标准化程度。这一工作推动了计算机辅助诊断在骨科领域的应用，为减少放射科医师的误诊率提供了数据基础。

当前挑战

当前数据集面临的核心挑战集中于领域问题与构建过程两个层面。在领域问题方面，骨骼X光片中的异常区域往往呈现细微纹理变化，且不同解剖部位的病理特征差异显著，导致模型在跨部位泛化时性能下降。此外，正常与异常样本的类不平衡问题加剧了分类难度，容易使模型偏向多数类。在构建过程中，原始MURA数据集的标注依赖多位放射科医师，存在主观差异和标注噪声，预处理阶段虽统一了图像尺寸，但未能完全消除光照不均、设备差异等成像条件带来的干扰。这些挑战要求后续研究在数据增强、鲁棒特征提取及噪声标签处理等方向持续突破。

常用场景

经典使用场景

在医学影像分析领域，骨骼肌肉异常检测一直是临床诊断的关键挑战。MURA数据集作为大规模上肢X光片集合，其处理版本KhalfounMehdi/mura_dataset_processed_224px_train_val将图像统一缩放至224×224像素，并划分了训练、验证与测试子集，为深度学习模型提供了标准化基准。该数据集最经典的使用场景是训练卷积神经网络（如ResNet、DenseNet）进行二分类任务，即区分正常与异常骨骼影像，从而辅助放射科医生快速筛查骨折、关节炎等病变。研究人员常利用该数据集评估模型在高度类不平衡和噪声环境下的泛化能力，其标准化尺寸也便于迁移学习与多模态融合实验的开展。

解决学术问题

该数据集核心解决了医学图像分析中标注数据稀缺与模型可重复性不足的学术痛点。通过提供大规模、高质量且划分清晰的X光片样本，它使研究者能够系统性地探索弱监督学习、注意力机制及数据增强策略在骨骼异常检测中的效能。MURA数据集推动了从传统手工特征到端到端深度学习的范式转变，其公开基准促进了不同算法间的公平对比，显著提升了异常分类的准确率与召回率。此外，它还为解决类别不平衡问题提供了实验平台，催生了针对医学影像的损失函数优化与难例挖掘方法，对提升诊断系统的鲁棒性具有里程碑意义。

实际应用

在实际临床场景中，基于该数据集训练的模型可部署于放射科辅助诊断系统，自动标记可疑异常区域，减少医生阅片负担并降低漏诊率。例如，整合到医院PACS（影像归档与通信系统）后，模型能实时对腕关节、肘关节等部位X光片进行初筛，优先处理高风险病例。这类应用在急诊创伤评估中尤为关键，可缩短重症患者的诊断周期。同时，该数据集也支持远程医疗平台，使基层医疗机构借助AI获得专家级解读能力，缓解医疗资源分布不均的问题。其标准化处理流程还为移动端轻量化模型（如MobileNet）的落地提供了训练基础，推动边缘计算在便携式诊断设备中的普及。

数据集最近研究

最新研究方向

在医学影像分析领域，骨骼肌肉异常检测一直是计算机辅助诊断的前沿热点。MURA数据集作为斯坦福大学发布的标准化上肢X光片基准，近年来被广泛用于深度学习模型的训练与评估。该数据集经过224像素预处理后，其训练集包含36004张图像，测试与验证集各含4001张，保持了二分类（正常/异常）的平衡设计。当前研究趋势聚焦于利用Vision Transformer、自监督学习及多任务联合训练等先进架构，以突破传统卷积神经网络在骨骼异常识别上的性能瓶颈。尤其随着大模型迁移学习技术的成熟，MURA数据集已成为验证医学图像泛化能力的关键测试床，其研究成果直接推动着AI辅助放射科医生诊断的临床落地进程，对提升骨骼疾病筛查效率具有重要意义。