SIIM-ACR气胸数据集
该数据集是一个包含胸部X光影像及气胸区域标注的医学影像数据集，数据模态为图像数据及其分割掩码，主要用于气胸自动检测的计算机辅助诊断研究，通过深度学习模型实现胸部X光片中气胸区域的精准识别与定位，为临床诊断提供辅助工具。
基本信息
资源简介
SIIM-ACR气胸数据集
【数据集背景】
本数据集源站标题为《SIIM-ACR-Pneumothorax》。源站首次发布：2025-01-29。
【数据内容】
源站原始描述：## **⭐ Dataset characteristics [Important information about the dataset]:** 1. Total number of images (chest X-rays) : 2669 2. Total number of masks (lung segmentation masks) : 2669 3. Number of images (chest X-rays) in **training split** : 2379 4. Number of masks (lung segmentation masks) in **training split** : 2379 5. Number of images (chest X-rays) in **testing split** : 290 6. Number of masks (lung segmentation masks) in **testing split** : 290 7. Image characteristics (chest X-ray image ch…
【数据结构与技术规格】
文件数 20 个，合计 10.73 MB。
【主题与分类】
主题标签：health conditions、computer vision、science and technology、healthcare、image segmentation。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/srimanthdhondy/siim-acr-pneumothorax
使用许可：Other (specified in description)。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("srimanthdhondy/siim-acr-pneumothorax")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d srimanthdhondy/siim-acr-pneumothorax
unzip siim-acr-pneumothorax.zip -d siim-acr-pneumothorax/
数据说明
该数据集是一个专门用于气胸（Pneumothorax）检测的医学影像数据集，由医学影像信息学会（SIIM）和美国放射学会（ACR）联合构建。数据集主要包含胸部X光影像及其对应的气胸区域标注，用于训练和评估计算机辅助诊断模型。数据来源于真实的临床影像，经过专业放射科医生标注，适用于医学影像分析、深度学习辅助诊断等研究方向，特别是在胸部疾病自动检测领域具有重要应用价值。
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。
