COVID-19、肺炎、正常胸部X光图像
研究使用需引用所列文献（来源 Mendeley Data）。这是一个医学图像目录结构，分为 3 个子文件夹（COVID、NORMAL、PNEUMONIA），其中包含胸部 X 射线（CXR）图像
基本信息
资源简介
COVID-19、肺炎、正常胸部X光图像
Covid19-Pneumonia-Normal Chest X-Ray Images
Covid19-Pneumonia-Normal数据集含COVID、NORMAL、PNEUMONIA三个子文件夹的CXR图像，均预处理为256×256 PNG。COVID-19、NORMAL、PNEUMONIA分别有1626、1802、1800张，用于深度学习检测和分类COVID-19与肺炎。文件数1，总字节290862263。研究使用需引用所列文献（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2022-06-14。
【数据内容】
源站描述（机器翻译，仅供参考）：- 这是一个医学图像目录结构，分为 3 个子文件夹（COVID、NORMAL、PNEUMONIA），其中包含胸部 X 射线（CXR）图像。 - 所有图像均已预处理，并调整为 256x256 的 PNG 格式。 - 它有助于研究人员和医学界利用深度学习从胸部 X 射线图像中检测和分类 COVID19 和肺炎。 COVID-19：1626 张图像 NORMAL：1802 张图像 PNEUMONIA：1800 张图像 参考文献： - 如果您将该数据集用于研究目的，请引用以下文章： 1. Shastri, S., Kansal, I., Kumar, S. et al. CheXImageNet: a novel architecture for accurate classification of Covid-19 with chest x-ray digital images using deep convolutional neural networks. Health Technol. 12, 193–204 (2022). https://doi.org/10.1007/s12553-021-00630-x 2. Kumar S, Shastri S, Mahajan S, et al. LiteCovidNet: A lightweight deep neural network model for detection of COVID-19 using X-ray images. Int J Imaging Syst Technol. 2022;1‐17. DOI: https://doi.org/10.1002/ima.22770
【数据结构与技术规格】
文件数 1 个，合计 290.86 MB。数据集 DOI：10.17632/dvntn9yhd2.1。
【主题与分类】
主题标签：COVID-19。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/dvntn9yhd2
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
源站：https://data.mendeley.com/datasets/dvntn9yhd2/1
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 290.9 MB。
数据说明
Sachin Kumar (2022). Covid19-肺炎-正常胸部X光图像 [数据集]. http://doi.org/10.17632/dvntn9yhd2.1
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。
