COVID-19阳性与阴性肺炎患者CT图像数据集

数据集获取

源站：https://doi.org/10.17632/kk6y7nnbfs

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 3.08 GB。

数据说明

我们将本研究中每位患者（包括阳性和阴性）由放射科医生标记的疑似COVID-19肺炎征象的CT切片上传，以确保所有患者的图像都能在此容量内上传。其中，来自一家医院的CT图像（训练集）可划分为训练、验证和测试数据集，存储在“Data_For_Training_Validation_Test.hdf5”文件中。每层CT图像的形状为（256, 256），从（512, 512）下采样以节省空间。来自另一家医院用于外部验证数据集的CT图像存储在“ExternalValidationData.hdf5”文件中。每层CT图像的形状为（256, 256, 3）。使用BigBiGAN框架提取图像语义特征时，数据维度应扩展为三维。在此数据集中，为了节省空间，我们未对训练数据集进行扩展。BigBiGAN训练可使用我们提供的源代码实现：https://github.com/MI-12/BigBIGAN-for-COVID-19。with h5py.File(“TrainData.hdf5”, ‘r’) as record: keys = list(record.keys()) 以上两行代码用于获取每张图像的键，即每张图像的名称。

CT图像的名称与所提供的Excel文件中的图像名称相对应。如使用此数据集，请引用以下参考文献：Jiangdian Song, Hongmei Wang, Yuchan Liu, Wenqing Wu, Gang Dai, Zongshan Wu, Puhe Zhu, Wei Zhang, Keisten W. Yeom, Kexue Deng. End-to-end automatic differentiation of the coronavirus disease 2019 (COVID-19) from viral pneumonia based on chest CT. European journal of nuclear medicine and molecular imaging (2020): 1-9.

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。