COVID-19后前位胸部X光融合数据集（CPCXR）
融合COVID-19、RSNA和MC三个公开数据集的胸部X光图像，标注了COVID-19、结核病、其他肺炎和正常类别。
基本信息
资源简介
该数据集由COVID-19胸部X光图像、北美放射学会(RSNA)和美国家医学图书馆(USNLM)收集的蒙哥马利县-NLM(MC)三个公开数据集融合而成。数据集包含标记为COVID-19、结核病、其他肺炎(SARS、MERS等)和正常的样本，主要用于肺炎检测和分类任务。
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/nspunn1993/COVID-19-PA-CXR-fused-dataset.git
curl -L -o repo.zip https://github.com/nspunn1993/COVID-19-PA-CXR-fused-dataset/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
COVID-19 Posteroanterior Chest X-Ray fused (CPCXR) dataset
The dataset is genrated by the fusion of three publicly available datasets: COVID-19 cxr image [1], Radiological Society of North America (RSNA) [2], and U.S. national library of medicine (USNLM) collected Montgomery country - NLM(MC) [3]. The dataset consists of samples of diseases labeled as COVID-19, Tuberculosis, Other pneumonia (SARS, MERS, etc.), and Normal.
The dataset can be utilized to train an evaulate deep learning and machine learning models as binary and multi-class classification problem.
The complete dataset is available here.
Dataset description
| Class | Label | Samples |
|---|---|---|
| Normal | 0 | 533 |
| COVID-19 | 1 | 108 |
| Other pneumonia | 2 | 515 |
| Tuberculosis | 3 | 58 |
Citation
@article{Punn_2020,
title={Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks},
ISSN={1573-7497},
DOI={10.1007/s10489-020-01900-3},
journal={Applied Intelligence},
publisher={Springer Science and Business Media LLC},
author={Punn, Narinder Singh and Agarwal, Sonali},
year={2020}
}
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。
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 新冠病毒感染 的高质量、多模态真实临床数据定制解决方案。
