X 射线肺炎检测数据集
胸部 X 射线数据集包含 112,120 张正位 X 射线图像，来自 30,805 名唯一患者，并带有通过自然语言处理从相关放射报告中挖掘出的十四种疾病图像标签（每张图像可具有多标签）
基本信息
资源简介
X 射线肺炎检测数据集
PNEUMONIA DETECTION IN X-RAYS 是一个面向胸部 X 射线影像的公开数据集，本站将其归入呼吸系统疾病下的肺炎类别，来源站为 doi.org。该数据集共包含 112,120 张正位胸部 X 射线图像，覆盖 30,805 名唯一患者，并为图像提供十四种胸部疾病的标签。这些标签通过自然语言处理技术从相关放射报告中挖掘得到，每张图像可以同时具有多个标签。数据集由 RN Summers 贡献，机构为 DANS Data Station Life Sciences，发布时间为 2018 年。十四种常见胸部病理包括肺不张、实变、浸润、气胸、水肿、肺气肿、纤维化、积液、肺炎、胸膜增厚、心脏增大、结节、肿块和疝。该数据集可用于肺炎及其他胸部疾病的影像识别研究，尤其适合多标签分类、弱监督学习和医学影像人工智能模型的训练与评估。
【数据集背景】
胸部 X 射线检查是临床中常用的影像学手段之一，能够用于观察肺部、胸膜、心脏及纵隔等胸部结构。随着医学影像数据规模的扩大和自然语言处理技术的发展，从放射报告中自动提取疾病标签成为构建大规模影像数据集的重要途径。PNEUMONIA DETECTION IN X-RAYS 正是在这一背景下发布的数据集，其来源站为 doi.org，机构为 DANS Data Station Life Sciences，发布时间为 2018 年，作者为 RN Summers。该数据集将胸部 X 射线图像与从放射报告中挖掘出的疾病标签相结合，为胸部疾病尤其是肺炎的自动检测研究提供了数据基础。
【数据内容】
该数据集包含 112,120 张正位胸部 X 射线图像，来自 30,805 名唯一患者。每张图像可具有多个疾病标签，标签总数为十四种常见胸部病理，具体包括：肺不张、实变、浸润、气胸、水肿、肺气肿、纤维化、积液、肺炎、胸膜增厚、心脏增大、结节、肿块和疝。这些标签并非人工逐张标注，而是通过自然语言处理技术从相关放射报告中挖掘得到。由于每张图像允许多标签共存，该数据集适合多标签分类任务。本站将其分类为呼吸系统疾病下的肺炎类别，因此肺炎相关图像和标签是该数据集的重要关注点之一。
【采集与来源】
该数据集的来源站为 doi.org，机构为 DANS Data Station Life Sciences，发布时间为 2018 年，作者为 RN Summers。图像为胸部正位 X 射线图像，标签来源于相关放射报告，并通过自然语言处理技术进行文本挖掘。关于图像的具体采集设备、采集地点、采集时间范围、患者人口学分布、放射报告的语言及文本挖掘的具体方法等细节，源站未提供。
【适用场景】
该数据集可用于胸部 X 射线影像的肺炎检测研究，也可用于十四种胸部病理的多标签分类任务。由于每张图像可具有多个标签，该数据集适合训练和评估能够同时识别多种胸部异常的深度学习模型。此外，该数据集还可用于弱监督学习、标签噪声研究、医学影像特征提取以及计算机辅助诊断系统的开发。对于呼吸系统疾病尤其是肺炎的影像学研究，该数据集提供了较大规模的图像和标签资源。关于具体的适用场景验证、临床部署条件及任务基准，源站未提供。
【使用方法】
该数据集以胸部正位 X 射线图像和对应的十四种疾病标签为基本内容，每张图像可具有多标签。使用者可根据研究目标进行多标签分类、肺炎二分类或特定病理的检测任务。由于标签来自自然语言处理挖掘，使用时需注意标签的生成方式。关于数据的具体加载方式、文件格式、目录结构、预处理步骤、训练集与测试集划分、评估指标及代码示例，源站未提供。
【质量与限制】
该数据集的图像数量为 112,120 张，来自 30,805 名唯一患者，标签为十四种胸部病理，且通过自然语言处理从放射报告中挖掘得到。每张图像可具有多标签。由于标签来源于文本挖掘而非全部人工标注，可能存在标签噪声或不完整的情况。此外，数据集未提供患者人口学信息、采集设备信息及报告细节。关于数据质量评估、标注一致性、偏差分析及外部验证结果，源站未提供。
【引用与许可】
该数据集的作者为 RN Summers，机构为 DANS Data Station Life Sciences，发布时间为 2018 年，来源站为 doi.org。关于该数据集的具体引用格式、许可协议、使用限制、商业使用条件及数据访问权限，源站未提供。
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://doi.org/10.17026/dans-x5u-3zdf
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:
数据说明
ChestX-ray数据集包含30,805名独特患者的112,120张正位X射线图像，这些图像通过自然语言处理从相关的放射学报告中挖掘出十四种疾病图像标签（每张图像可有多个标签）。十四种常见的胸部病理包括肺不张、实变、浸润、气胸、水肿、肺气肿、纤维化、积液、肺炎、胸膜增厚、心脏肥大、结节、肿块和疝。
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。
