ERYON数据管道数据集
该数据集是一个经过系统处理的医学影像数据集，核心内容源自公开的LIDC-IDRI胸部CT扫描数据库，包含肺部结节的标注信息，数据模态为从DICOM格式转换而来的PNG图像及配套的JSONL管理清单。它主要用于支持基于深度学习的计算机辅助诊断（CAD）模型开发，特别是在肺结节检测与分类这一医学影像分析研究方向，其设计强调严格的数据管理流程，包括患者级数据分割和完整性验证，以确保模型训练的稳健性。
基本信息
资源简介
ERYON数据管道数据集
【数据集背景】
本数据集源站标题为《Chucks90/eryon-data-pipelines》。源站首次发布：2026-05-10。
【数据内容】
源站原始描述：# ERYON Data Pipelines Official ERYON ingestion and preprocessing repository. **Bucket storage:** `hf://buckets/Chucks90/eryon-datasets` **This repo:** `Chucks90/eryon-data-pipelines` - ## Storage Architecture ``` eryon-datasets/ (bucket) ├── raw/ ← raw DICOM / WSIs / genomics archives ├── interim/ ← converted PNGs, tiles, embeddings ├── checkpoints/ ├── inference/ └── simulations/ eryon-data-pipelines/ (this repo) ├── scripts/ ← ingestion + preprocessing scripts ├── manifests/ ← per-dataset J…
主表 annotations/lidc_diagnosis.csv 含 2 列、样本前 233 行结构完整。
主表 annotations/lidc_nodule_counts.csv 含 6 列、样本前 1020 行结构完整。
文件 configs/ingestion/lidc.yaml 为文本内容，开头为：# LIDC-IDRI ingestion config collection: LIDC-IDRI batch_size: 30 bucket: raw: "hf://buckets/Chucks90/eryon-datasets/raw/lidc/" interim: "hf://buckets/Chu…
【数据结构与技术规格】
文件数 34 个，合计 378.83 MB。
【主题与分类】
主题标签：size_categories:n<1K、format:json、modality:tabular、library:datasets、library:pandas、library:polars、library:mlcroissant、region:us。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://huggingface.co/datasets/Chucks90/eryon-data-pipelines
【使用注意】
· 源站最后修改于 2026-07-09，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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Chucks90/eryon-data-pipelines")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Chucks90/eryon-data-pipelines
数据说明
该数据集是ERYON数据管道项目的核心组成部分，专注于处理和转换LIDC-IDRI（肺部影像数据库联盟图像数据库资源计划）数据集。LIDC-IDRI是一个公开的大型胸部CT扫描数据库，包含肺部结节的专家标注。原始DICOM格式的医学影像通过管道转换为PNG格式的图像文件，并由JSONL格式的清单文件进行管理，清单中包含文件的SHA256校验和、数据分割信息（训练集、验证集、测试集）以及标签信息。数据集规模较大，按原始、中间、处理等阶段组织存储，强调严格的数据管理实践，包括患者级别的数据分割以防止数据泄漏，以及强制性的数据验证和泄漏审计。该数据集专为医学影像分析任务设计，特别是用于训练基于肺部CT扫描的计算机辅助诊断（CAD）模型，如肺结节的检测与分类研究。
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。
