肺水肿放射学特征检测与分割数据集
该数据集是一个包含1000张胸部X光图像的医学影像数据集，专门用于肺水肿相关放射学特征的检测与分割研究。数据模态为X光图像及对应的边界框与掩码标注，涵盖头向分布、Kerley线、支气管周围袖套征、胸腔积液、蝙蝠翼征和浸润等六类特征，并附有水肿严重程度分级标签。该数据集主要应用于医学影像分析、深度学习模型训练与评估，支持肺水肿的自动化诊断与定量分析研究。
基本信息
资源简介
肺水肿放射学特征检测与分割数据集
【数据集背景】
本数据集源站标题为《Dataset for Detection and Segmentation of the Radiographic Features of Pulmonary Edema》。源站首次发布：2023-10-02。
【数据内容】
源站原始描述：Objectives: This comprehensive dataset is well suited for training, evaluating, and using machine learning models to detect, segment, and analyze radiological features associated with pulmonary edema in chest X-ray images. Description: This dataset consists of a collection of chest X-rays extracted from the MIMIC database, carefully collected at the Beth Israel Deaconess Medical Center. In total, it comprises 1000 chest X-rays obtained from 741 patients with features suggestive of edema. These X…
【数据结构与技术规格】
文件数 5 个，合计 10.44 GB。数据集 DOI：10.17632/m3n5sjxtjy.3。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/m3n5sjxtjy
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
源站：https://data.mendeley.com/datasets/m3n5sjxtjy
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
该数据集是一个专门用于肺水肿放射学特征分析与机器学习建模的胸部X光图像数据集。它包含从MIMIC数据库中提取的1000张胸部X光图像，来源于贝斯以色列女执事医疗中心的741名具有水肿特征的患者。数据集提供了丰富的人工标注，涵盖肺水肿相关的放射学特征，包括头向分布、Kerley线、支气管周围袖套征、胸腔积液、蝙蝠翼征和浸润等。每个图像还标注了水肿严重程度等级，分为无水肿、血管充血、间质性水肿和肺泡性水肿四类。所有特征均以边界框形式标注，部分特征还提供了Base64编码的掩码。该数据集适用于医学影像分析、深度学习模型训练与评估，以及肺水肿的自动检测与分割研究。
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。
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。
