胸部CT扫描+合成非洲电子健康记录（肺癌）
该数据集是一个多模态医学数据集，包含1000张胸部CT扫描图像（图像模态）以及与之配对的合成非洲电子健康记录（表格模态），专门针对肺癌研究，旨在反映非洲人群的流行病学特征，如较年轻的诊断年龄、较高的非吸烟者比例以及HIV和肺结核负担，主要用途包括开发与评估适用于非洲临床环境的多模态人工智能模型，以弥补现有西方数据在泛化性上的不足。
基本信息
资源简介
胸部CT扫描+合成非洲电子健康记录（肺癌）
【数据集背景】
本数据集源站标题为《electricsheepafrica/chest-ctscan-african-ehr》。源站首次发布：2026-04-08。
【数据内容】
源站原始描述：# Chest CT Scans + Synthetic African EHR (Lung Cancer) | Africa (Electric Sheep Africa metadata inventory) **Size category:** `1K<n<10K` - **Formats:** `imagefolder` - **Sector:** health - *Engineered by Electric Sheep Africa !size !sector !downloads !license ## TL;DR This dataset is part of the Electric Sheep Africa catalog on Hugging Face. It is indexed for African data discovery with standardized metadata, loading guidance, provenance notes, and analyst-oriented context. ## Wha…
文件 SYNTHETIC_NOTICE.md 为文本内容，开头为：# SYNTHETIC EHR — Important Notice **The Electronic Health Record (EHR) fields in this dataset are entirely SYNTHETIC.** - No real patient was used to genera…
主表 data_dictionary.csv 含 4 列、样本前 74 行结构完整。
主表 ehr_only.csv 含 70 列、样本前 1001 行结构完整。
【数据结构与技术规格】
文件数 982 个，合计 121.50 MB。
【主题与分类】
主题标签：task_categories:image-classification、multilinguality:monolingual、language:en、license:odbl、size_categories:1K<n<10K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、region:us。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://huggingface.co/datasets/electricsheepafrica/chest-ctscan-african-ehr
使用许可：odbl。
【使用注意】
· 源站最后修改于 2026-08-12，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("electricsheepafrica/chest-ctscan-african-ehr")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/electricsheepafrica/chest-ctscan-african-ehr
数据说明
该数据集是一个多模态肺癌数据集，包含1000张去标识化的胸部CT扫描图像，并与针对撒哈拉以南非洲和北非人群校准的类别条件合成电子健康记录（EHR）配对。每个CT图像都关联到一个独特的合成患者，其EHR包含约60个临床、人口统计学、暴露史和实验室字段，这些字段的设计旨在匹配非洲肺癌的流行病学特征。CT图像来源于公开的Kaggle数据集，而EHR则是基于已发表的非洲流行病学文献通过确定性算法生成的合成数据。该数据集主要用于支持针对非洲人群的肺癌多模态人工智能研究，包括图像分类、表格分类、多模态融合、模型泛化性评估以及医疗AI在资源有限环境下的应用探索。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
完整数据卡：huggingface.co/datasets/electricsheepafrica/chest-ctscan-african-ehr
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
