高频增强与双模型集成语言引导COVID-19肺炎病灶分割数据包

数据集获取

源站：https://doi.org/10.5281/zenodo.23295801

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 579.6 KB。

数据说明

本仓库包含手稿《高频增强与双模型集成用于语言引导的COVID-19肺炎病灶分割》（稿件编号：BPEX-106821，投稿至Biomedical Physics & Engineering Express）的配套资源。该资源包共包含5个项目，以支持实验的完整复现：临床文本标注（text_annotations/）：针对QaTa-COV19和MosMedData+数据集的病人级临床描述标注，按训练/验证/测试子集组织（最初由LViT项目发布）。数据划分列表（splits/）：报告中实验所使用的训练/验证/测试划分的精确文件名列表，确保完全可复现。格式化提示文件（prompt_csv/）：规范的（图像文件名，临床描述）CSV文件，可直接用于模型训练与评估流程。预处理脚本（preprocessing/）：用于数据集组装、图像预处理、文本分词以及PyTorch/MONAI数据加载器的Python脚本。

完整文档（README.md）：提供详细指导，说明如何下载原始数据、组装完整数据集以及复现完整的预处理流程。由于再分发许可条款的限制，本软件包不包含原始医学图像和真实分割掩膜。可通过README.md文件中提供的链接，从各自的官方公共存储库获取这些数据。

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。