用于肺病学的胸部X光数据集（已划分数据）

资源简介

用于肺病学的胸部X光数据集（已划分数据）

Chest X-Ray for Pulmonology (Splitted Data) 是一个面向呼吸系统疾病医学图像分类的公开数据集，来源于 Kaggle 平台，由 Aris Afriyanto 发布，当前版本为 v2，发布时间为 2024-05-18。该数据集汇集了多个在 Kaggle 上可获取的胸部 X 射线图像数据集，覆盖正常、肺炎、肺结核和 COVID-19 四类样本。原始汇总数据共 18813 张图像，经过平衡处理后每类各保留 1889 张，形成类别均衡的数据集合。数据以图像文件形式组织，包含训练与测试目录结构，文件总量为 20 个，合计约 9.26 MB，适用于医学图像分类与呼吸系统疾病自动识别相关研究。该数据集许可状态为 Unknown，使用时需注意相关授权问题。

【数据集背景】

该数据集旨在为呼吸系统疾病的胸部 X 射线图像分类研究提供整合性数据资源。源站描述显示，数据集作者从 Kaggle 上多个已有数据集中收集图像，汇总时间截至当年四月底。原始汇总数据涵盖四类标签：正常（Normal）、肺炎（Pneumonia）、肺结核（Tuberculosis）和 COVID-19。由于各类别样本数量差异较大，作者进一步进行了数据平衡处理，使每类样本量统一为 1889 张，从而降低类别不平衡对分类模型训练的影响。数据集主题标签包括 image、classification、computer science、health conditions 和 diseases，本站分类归入呼吸系统疾病 / 其他。

【数据内容】

数据集以图像文件形式提供，文件样例包括 Chest X-Ray Dataset from Kaggle/test/COVID19/ 目录下的 JPEG 与 PNG 图像，例如 7C69C012-7479-493F-8722-ABC29C60A2DD.jpeg、7D2CF6CE-F529-4470-8356-D33FFAF98600.jpeg、7E335538-2F86-424E-A0AB-6397783A38D0.jpeg 以及 7EF28E12-F628-4BEC-A8C5-E6277C2E4F60.png 等。文件组织包含训练与测试目录，按类别划分子目录。文件数量为 20 个，合计约 9.26 MB。数据格式包括 JPEG 图像和 PNG 图像。平衡后的数据规模为每类 1889 张，四类合计 7556 张。

【采集与来源】

源站描述列出了构成该数据集的多个来源数据集及其类别分布：Paul Mooney 提供正常 1583 张、肺炎 4273 张，合计 5856 张；Rahman 提供正常 3500 张、肺结核 700 张，合计 4200 张；Chowbury 提供 COVID-19 262 张；Amir 提供肺结核 230 张、COVID-19 111 张，合计 341 张；Amanullah 提供 COVID-19 1525 张；JTIPTJ 提供 COVID-19 576 张；Gaurah 提供正常 3393 张、肺结核 2660 张，合计 6053 张。汇总后正常类 8476 张、肺炎类 4273 张、肺结核类 3590 张、COVID-19 类 2474 张，总计 18813 张。数据集机构标注为 Aris Afriyanto，来源站为 kaggle.com。

【适用场景】

该数据集适用于医学图像分类任务，尤其是呼吸系统疾病的自动识别研究。四类标签覆盖正常、肺炎、肺结核和 COVID-19，可用于训练和评估图像分类模型，支持疾病筛查辅助、分类算法对比以及医学影像机器学习教学等用途。主题标签中的 computer science 与 health conditions 也表明其跨学科应用属性。由于数据经过平衡处理，适合需要类别均衡的实验设计。

【使用方法】

使用时可先下载数据文件，按文件格式读取 JPEG 与 PNG 图像。建议先在小样本上核对字段与编码，确认无误后再批量接入。数据目录包含训练与测试划分，可按目录结构加载图像并对应类别标签。源站描述中提及数据集附有链接信息，但具体链接内容未完整给出。

【质量与限制】

该数据集由多个来源数据集汇总而成，各来源的采集条件、设备与标注标准可能不一致，源站未提供统一的质控说明。许可状态为 Unknown，使用与再分发存在授权不确定性。数据经过平衡处理，每类各 1889 张，但平衡过程的具体方法源站未提供。文件总量为 20 个、约 9.26 MB，与平衡后 7556 张图像的规模之间的关系源站未提供说明。图像分辨率、患者人口学信息及临床元数据源站未提供。

【引用与许可】

数据集英文名为 Chest X-Ray for Pulmonology (Splitted Data)，发布机构为 Aris Afriyanto，发布时间为 2024-05-18，版本 v2，来源站为 kaggle.com。许可状态为 Unknown，源站未提供具体的引用格式与授权条款，使用前应向来源方确认许可条件。