CoronaHack 呼吸音数据集
2019 年冠状病毒病（COVID19）大流行构成重大全球挑战，数百万人感染，数百万人丧生。本研究提出一种隐私敏感的 COVID19 早期检测方法，采用呼吸音和胸部 X 射线图像
基本信息
资源简介
CoronaHack 呼吸音数据集
CoronaHack-Respiratory-Sound-Dataset 是一个面向呼吸系统疾病研究的公开数据集，其英文名称直接体现了与呼吸音数据及 CoronaHack 相关活动的关联。该数据集在分类上归属于呼吸系统疾病下的“其他”类别，来源站为 doi.org，由 Thandu, Asha Latha 与 Gera, Pradeepini 共同发布，发布机构为 IEEE DataPort，发布时间为 2024 年。数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名条件下进行共享与再利用。从整体定位看，该数据集服务于 COVID-19 早期检测研究，结合呼吸音与胸部 X 射线图像，并强调隐私保护、区块链与优化神经网络等技术路径，旨在为相关方法提供数据支撑与验证基础。
【数据集背景】
2019 年冠状病毒病（COVID-19）大流行构成重大全球挑战，数百万人感染，数百万人丧生。在这一背景下，早期检测成为防控疫情、降低传播风险与改善患者预后的关键环节。该数据集正是在这一现实需求下提出，其研究背景聚焦于利用呼吸音和胸部 X 射线图像进行 COVID-19 的早期检测。源站描述指出，该研究引入了一种隐私敏感的方法，并借助区块链与优化神经网络来保障数据安全与准确性。因此，该数据集不仅承载呼吸系统疾病相关的数据资源，也体现了在公共卫生危机中融合多模态数据与隐私保护技术的探索方向。
【数据内容】
该数据集涉及的数据类型包括呼吸音与胸部 X 射线图像两类模态。源站描述提到，胸部 X 射线图像会经过预处理、分割与特征提取，并采用先进技术完成这些步骤；与此同时，呼吸音则通过 tri-gaussian 滤波器处理，并提取梅尔频率倒谱系数（MFCC）特征。音频特征与图像特征的融合通过 progressive split deformable field fusion 模块实现。此外，研究提出了 Dual Sampling dilated Pre-activation residual Attention convolution Neural Network（DSPANN），用于提升分类准确率并降低计算复杂度。关于数据的具体样本数量、受试者人数、呼吸音时长、图像分辨率、文件格式、目录结构等细节，源站未提供。
【采集与来源】
该数据集的来源站为 doi.org，发布机构为 IEEE DataPort，作者为 Thandu, Asha Latha 与 Gera, Pradeepini，发布时间为 2024 年。源站描述提及数据涉及呼吸音与胸部 X 射线图像，但关于采集地点、采集设备、受试者招募方式、伦理审批信息、数据收集时间范围等具体采集细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于 COVID-19 早期检测相关研究，尤其是结合呼吸音与胸部 X 射线图像的多模态分类任务。其设计思路涉及隐私敏感方法、区块链与优化神经网络，因此也可用于探索数据安全与模型准确性并重的医学人工智能研究。此外，胸部 X 射线图像的分割与特征提取、呼吸音的滤波与 MFCC 特征提取，以及音频与图像特征的融合，均可作为相关方法研究的实验对象。关于该数据集是否适用于其他呼吸系统疾病、是否可用于临床诊断或公共卫生监测等更广泛场景，源站未提供。
【使用方法】
源站描述提到，胸部 X 射线图像需经过预处理、分割与特征提取；呼吸音需经过 tri-gaussian 滤波器处理并提取 MFCC 特征；随后通过 progressive split deformable field fusion 模块融合音频与图像特征；最终使用 DSPANN 进行归类。关于数据的具体加载方式、标注格式、训练测试划分、评价指标、代码或工具链等操作细节，源站未提供。
【质量与限制】
源站描述强调该方法旨在确保数据安全与准确性，并通过 DSPANN 提升分类准确率、降低计算复杂度。该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。然而，关于数据规模、类别平衡性、标注一致性、噪声水平、泛化能力、潜在偏差等质量与限制的具体信息，源站未提供。
【引用与许可】
该数据集的作者为 Thandu, Asha Latha 与 Gera, Pradeepini，发布机构为 IEEE DataPort，发布时间为 2024 年，来源站为 doi.org。许可协议为 Creative Commons Attribution 4.0 International。关于具体的引用格式、DOI 编号、版本更新记录等，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/10.21227/z6eq-hw49
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
2019年冠状病毒病(COVID19)大流行构成了重大的全球挑战，数百万人受到影响，数百万人丧生。本研究介绍了一种隐私意识方法，用于通过呼吸音和胸部X光图像早期检测COVID19。利用区块链和优化的神经网络，所提出的方法确保了数据的安全性和准确性。胸部X光图像经过预处理、分割和使用先进技术进行特征提取。同时，呼吸音通过三高斯滤波器和梅尔频率倒谱系数特征进行处理。音频和图像特征的融合是通过渐进式分裂可变形场融合模块实现的。所提出的双采样扩张预激活残差注意力卷积神经网络(DSPANN)通过增强蛇优化提高了分类准确性，同时降低了计算复杂度。此外，还实现了一种以隐私为中心的基于区块链的加密密码哈希联邦算法，用于安全的全局模型训练。
这种综合方法不仅解决了COVID-19检测难题，还优先考虑了医疗应用中的数据隐私。所提出的框架展示了98%的识别准确率、97.02%的特异性和98%的灵敏度。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
