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
资源简介
COVID-19胸部X光数据集
【数据集背景】
本数据集源站标题为《Efficient-Computing-Lab/COVID19-Dataset》。源站首次发布：2020-05-15。
【数据内容】
源站原始描述：Chest X-Ray Images of COVID-19, Pneumonia (Bacterial) and Normal incidents # 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) ## Dataset Source The dataset combines two different publicly available datasets: - COVID-19 image data collection - Chest X-Ray Images (Pneumonia) ## Cite Us COVI…
【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/Efficient-Computing-Lab/COVID19-Dataset
【使用注意】
· 源站最后修改于 2024-03-18，引用时请注意版本时效。
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/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。
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。
