胸部X光图像（正常与肺炎）
影像选自广州妇女儿童医疗中心一至五岁儿科患者回顾性队列，摄于常规临床护理。影像经质量控制筛除低质或不可读扫描，诊断由两名专家医师标注，评估集另由第三名专家复核
基本信息
资源简介
胸部X光图像（正常与肺炎）
Chest X-Ray Images (Normal and Pneumonia)
Chest X-Ray Images 数据集含 5,863 张 JPEG 胸部 X 光片，分肺炎与正常两类，按 train、test、val 及类别子文件夹组织。影像选自广州妇女儿童医疗中心一至五岁儿科患者回顾性队列，摄于常规临床护理。影像经质量控制筛除低质或不可读扫描，诊断由两名专家医师标注，评估集另由第三名专家复核。文件共20个，许可 MIT（来源 Kaggle，MIT 许可）。
【数据集背景】
源站首次发布：2025-09-22。
【数据内容】
源站描述（机器翻译，仅供参考）：# 胸部 X 射线图像（正常与肺炎） 内容 该数据集分为 3 个文件夹（train、test、val），并包含每个图像类别（Pneumonia/Normal）的子文件夹。共有 5,863 张 X 射线图像（JPEG） 和 2 个类别：肺炎和正常。 胸部 X 射线图像（前后位）选自 Guangzhou Women and Children’s Medical Center, Guangzhou 的 1 至 5 岁儿科患者的回顾性队列。所有胸部 X 射线成像均作为患者常规临床护理的一部分进行。 对胸部 X 射线图像的分析： - 所有 X 光片最初均经过质量控制筛查，移除低质量或无法读取的扫描图像。 - 这些图像的诊断由两名专家医师评定，之后才获准用于训练 AI 系统。 - 为考虑评定误差，评估集还由第三名专家进行了检查。 --- 文件信息： 文件类型：JPEG 图像（.jpeg、.jpg） - 目录结构： train/Normal – 正常胸部 X 射线的训练图像 train/Pneumonia – 肺炎病例的训练图像 test/Normal – 正常胸部 X 射线的测试图像 test/Pneumonia – 肺炎病例的测试图像 val/Normal – 正常胸部 X 射线的验证图像 val/Pneumonia – 肺炎病例的验证图像 --- 首选文件格式 图像分析 / 深度学习工作流程：进行预处理时，通常更倾向于使用 PNG（.png）或 TIFF（.tif），以获得无损质量。 存储与共享：由于文件大小更小，JPEG（.jpeg、.jpg）仍是所提供的默认格式。
【数据结构与技术规格】
文件数 20 个，合计 7.57 MB。
【主题与分类】
主题标签：classification、computer vision、categorical、cnn、torchvision。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/ghost5612/chest-x-ray-images-normal-and-pneumonia
使用许可：MIT。
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。
需登录公开下载
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。
暂未开放有偿下载
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
源站：https://kaggle.com/datasets/ghost5612/chest-x-ray-images-normal-and-pneumonia
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.24 GB。
数据说明
GHOST2513（2025）。胸部X光图像（正常与肺炎）[数据集]。https://www.kaggle.com/datasets/ghost5612/chest-x-ray-images-normal-and-pneumonia
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。
