COVID-19胸部X光数据集
包含COVID-19、细菌性肺炎和正常胸部X光图像的分类数据集。
基本信息
模态
医学影像
创建/更新时间
2024-03-18
资源简介
该数据集包含COVID-19确诊患者、细菌性肺炎患者和正常人的胸部X光图像，分为训练集和测试集，可用于肺炎分类任务。
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/AntonisMakris/COVID19-XRay-Dataset.git
curl -L -o repo.zip https://github.com/AntonisMakris/COVID19-XRay-Dataset/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
COVID19-XRay-Dataset
Chest X-Ray Images of COVID-19, Pneumonia (Bacterial) and Normal incidents
Dataset
The dataset contains chest X-Ray images from patients with:
- confirmed COVID-19 disease
- common bacterial pneumonia
- normal incidents (no infections)
chest_xray_dataset/
├── test
│ ├── covid [30 samples]
│ ├── normal [30 samples]
│ └── pneumonia [30 samples]
└── train
├── covid [112 samples]
├── normal [112 samples]
└── pneumonia [112 samples]
8 directories, 426 files
Dataset Source
The dataset combines two different publicly available datasets:
Cite Us
COVID-19 detection from chest X-Ray images using Deep Learning and Convolutional Neural Networks
@inproceedings{makris2020covid,
title={COVID-19 detection from chest X-Ray images using Deep Learning and Convolutional Neural Networks},
author={Makris, Antonios and Kontopoulos, Ioannis and Tserpes, Konstantinos},
booktitle={11th Hellenic Conference on Artificial Intelligence},
pages={6066},
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。
