COVID-19肺部图像数据集
COVID-19胸部X光图像数据集，经U-Net分割肺部后划分为训练、测试和验证集，用于肺部图像分割任务。
基本信息
资源简介
该数据集包含从多个互联网来源（如Kaggle肺炎检测竞赛、RSNA数据集、covid-chestxray-dataset等）下载的胸部X光图像，使用Unet分割肺部后，将整个数据集分为训练、测试和验证集，并详细列出了各类别图像的数量。主要用于COVID-19肺部图像的分割任务。
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/amitlohan/covid_lungs_dataset.git
curl -L -o repo.zip https://github.com/amitlohan/covid_lungs_dataset/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
covid_lungs_dataset<br>
Images from various internet sources were downloaded and after segmenting the lungs with a Unet, whole dataset was split among tain-test-val:<br>
Following are the sources of dataset:<br>
-Kaggle Pneumonia Detection Competition<br>
-Kaggle RSNA dataset<br>
-https://github.com/ieee8023/covid-chestxray-dataset<br>
-A source from spain on twitter<br>
-A source from italy<br><br><br>
The images in Train, Test and Val for Covid Positive class are from completely different sources. Also Images in Train-Normal and Test-Normal are from completely different sources and VAl-Normal has images mixed from source of Train-Normal and Test-Normal.<br><br>
Following are the number of images in various categories:<br>
- Train<br>
-Normal : 3199<br>
-Mild Opacity(noop_ab) : 2807<br>
-Lung Opacity or Pneumonia : 5192<br>
-Covid Positive : 152<br> - Val:<br>
-Normal : 1035<br>
-Mild Opacity(noop_ab) : 786<br>
-Lung Opacity or Pneumonia : 1587<br>
-Covid Positive : 92<br> - Test:<br>
-Normal : 1341<br>
-Mild Opacity(noop_ab) : 407<br>
-Lung Opacity or Pneumonia : 752<br>
-Covid Positive : 116<br>
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。
