医学影像数据集|深度学习数据集
肺炎医学影像数据集包含正常与肺炎两类胸部X光图像，并划分训练集和测试集，类别标注明确且图像质量统一，属于图像数据，主要用于肺炎图像分类、模型评估和辅助筛查系统开发。
基本信息
模态
图像
大小
2.29 GB
数据量
5856
任务类型
图像分类
许可
MIT
创建/更新时间
2025-12-22
资源简介
该数据集来自Kaggle，包含正常和肺炎两类胸部X光图像，共约5,863张影像，分为训练集和测试集。数据集具有清晰的类别标注、良好的图像质量，适用于二分类任务。主要用于训练和评估深度学习模型在医学影像中自动检测肺炎的应用，助力辅助诊断系统开发，提升疾病筛查效率。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/K-Ashik/Pneumonia-Detection-using-Deep-Learning.git
curl -L -o repo.zip https://github.com/K-Ashik/Pneumonia-Detection-using-Deep-Learning/archive/refs/heads/main.zip
unzip repo.zip
数据集大小约 2.29 GB。
源站 README 摘录（使用方式）
Usage
To use the project:
- Install the necessary dependencies listed in
requirements.txt. - Train the model using
Pneumonia.py. - Evaluate model performance and visualize training history using the generated plots.
- Make predictions on new images using
Test.py.
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。
完整仓库：github.com/K-Ashik/Pneumonia-Detection-using-Deep-Learning
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 肺炎 的高质量、多模态真实临床数据定制解决方案。
