摘要：MTDDH（Pediatric Pelvic X-ray Dataset）是一个专门用于儿童髋关节疾病研究的高质量骨盆X射线图像数据集，聚焦于发育性髋关节发育不良（Developmental Dysplasia of the Hip, DDH）的AI辅助诊断。

数据集概述

MTDDH（Pediatric Pelvic X-ray Dataset）是一个专门用于儿童髋关节疾病研究的高质量骨盆X射线图像数据集，聚焦于发育性髋关节发育不良（Developmental Dysplasia of the Hip, DDH）的AI辅助诊断。数据集包含两个子集：数据集1包含1,250张骨盆X射线图像，标注了四个区域用于X射线质量评估（左右闭孔、左右髂骨）以及八个DDH诊断关键点；数据集2包含906张骨盆X射线图像，标注了相同的八个关键点（在股骨头未完全发育的病例中标注六个关键点）。DDH是儿童骨科最常见的髋关节疾病之一，早期诊断和干预对于避免长期功能障碍至关重要，该数据集通过提供标准化的解剖关键点标注和影像质量评估标签，为开发自动化DDH筛查、诊断严重程度评估和影像质量控制的深度学习模型提供了临床级数据支撑。

数据结构与关键特征

数据集采用双层结构组织，数据集1包含完整的影像质量评估标注（四个解剖区域：左右闭孔foramen、左右髂骨ilium）和八个DDH诊断关键点，数据集2专注于关键点标注但涵盖更多股骨头发育不全的病例（此类病例标注六个可见关键点）。八个关键点通常包括髋臼顶点、Y型软骨中心点、股骨头中心、泪滴底点等用于计算Acetabular Index（髋臼指数）、Center-Edge Angle（中心边缘角）和其他DDH诊断指标的解剖标志点。影像质量评估区域标注支持自动化质量控制模型开发，可识别不合格X射线（患儿体位不正、骨盆旋转、曝光不足等）并在诊断流程前端进行过滤。数据集涵盖不同年龄段的儿科患者（股骨头发育程度差异）、不同DDH严重程度（正常、轻度、中度、重度发育不良）以及多种影像采集设备和协议，关键点标注精度达到亚像素级别，支持高精度角度测量和几何分析算法的训练与验证。

应用价值与研究方向

该数据集为儿童髋关节疾病的早期筛查和精准诊断提供了AI技术路径，可显著降低对儿童骨科专家依赖并缩短诊断周期，特别是在基层医疗机构和新生儿筛查场景中具有重要应用价值。技术应用层面支持多任务学习模型开发（同时进行关键点检测、影像质量评估和DDH分级）、解剖标志点自动定位算法训练（U-Net、HRNet等姿态估计架构）以及几何测量自动化（基于关键点坐标计算诊断角度和距离）。研究方向包括：弱监督和半监督学习方法应对标注成本问题、小样本学习适应罕见DDH亚型、跨年龄段域适应研究（不同骨化程度的股骨头形态变异）、影像质量自动评分系统构建（支持临床工作流程前端过滤）、可解释性AI技术生成诊断依据可视化（热图标注异常区域）、以及多中心数据融合研究提升模型泛化性，该数据集还可扩展至髋关节三维重建、生长预测模型开发（基于序列X射线预测发育轨迹）和治疗方案推荐系统构建，其标准化标注规范和临床相关性为医学影像AI研究、儿科骨科教学和计算机辅助诊断系统的临床转化奠定了数据基础。

数据集来源

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-279
文件大小：1.7G
原创声明：本数据集为整理作品