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
COVID-19后前位胸部X光融合数据集（CPCXR）
【数据内容】
源站原始描述：The dataset is genrated by the fusion of three publicly available datasets: COVID-19 cxr image, Radiological Society of North America (RSNA), and U.S. national library of medicine (USNLM) coll
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://github.com/nspunn1993/COVID-19-PA-CXR-fused-dataset
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
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。
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。
