肺部疾病基因-疾病关联数据集

资源简介

肺部疾病基因-疾病关联数据集

Lung disease — Gene-Disease Associations 是一个发布于 Kaggle 平台的肺部疾病相关数据集，由 Jakhotiya Pranav 于 2025 年 11 月 25 日发布，当前版本为 v1。数据集共包含 20 个文件，总体积约 653.77 KB，文件类型涵盖纯文本与 PNG 图像两类。从文件组织方式看，数据以 processed 目录为核心，其中既有汇总说明性质的文本文件，也有按训练集子目录归类的图像样本，例如 train/covid19 路径下的多张 COVID 相关 PNG 图片。该数据集在本站归入呼吸系统疾病 / 其他分类，主题指向肺部疾病与基因-疾病关联方向，适合作为呼吸系统疾病图像样本与关联信息的小规模参考数据。

【数据集背景】

该数据集来源于 Kaggle 平台，源站标题为 lung disease dataset，作者为 Jakhotiya Pranav，发布时间为 2025 年 11 月 25 日，版本号为 v1。数据集英文名称体现了其主题定位，即肺部疾病与基因-疾病关联。就呼吸系统疾病研究而言，此类数据通常用于支撑疾病识别、样本分类或关联分析等任务，但该数据集的具体研究背景、立项动机与目标用途，源站未提供。

【数据内容】

数据集共 20 个文件，合计约 653.77 KB。文件样例包括 processed/dataset_summary.txt，以及 processed/train/covid19/ 目录下的多张 PNG 图像，如 covid_COVID-1.png、covid_COVID-10.png、covid_COVID-100.png、covid_COVID-1000.png、covid_COVID-1001.png、covid_COVID-1002.png 等。由此可知，数据以 processed 目录为顶层组织，文本文件承担汇总说明作用，图像文件按训练集与疾病类别（如 covid19）分层存放。图像文件命名带有类别前缀与序号，便于按序检索与批量读取。除上述文件外，其余文件的具体名称与内容，源站未提供。

【采集与来源】

数据集的来源站为 kaggle.com，源站描述中给出的引用信息为 Jakhotiya Pranav (2025). lung disease dataset [Dataset]，并附有对应网址。发布机构署名为 Jakhotiya Pranav。关于原始数据的采集方式、采集时间、采集地点、样本来源人群以及图像获取设备等信息，源站未提供。

【适用场景】

结合文件构成，该数据集可用于肺部疾病相关图像样本的读取与分类实验，例如按 covid19 类别组织训练样本、验证图像加载与预处理流程；dataset_summary.txt 可用于快速了解数据整体概况。名称中的基因-疾病关联提示其可能服务于疾病与基因关联方向的探索性分析。但具体适用的模型、任务与评价方式，源站未提供。

【使用方法】

使用时可先下载全部 20 个文件，按纯文本与 PNG 图像两种格式分别读取。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。图像可按 processed/train/covid19/ 路径批量加载，文本汇总文件可先行阅读以掌握数据组织方式。关于具体的读取代码、字段定义与编码格式，源站未提供。

【质量与限制】

数据集体积较小（约 653.77 KB，20 个文件），图像样本数量有限，可能限制其在大规模训练中的适用性。许可信息标注为 Unknown，使用前需自行确认授权范围。数据仅见 covid19 一个类别的图像目录样例，类别覆盖是否完整，源站未提供。数据标注质量、图像分辨率与重复情况，源站未提供。

【引用与许可】

引用信息为：Jakhotiya Pranav (2025). lung disease dataset [Dataset]. https://www.kaggle.com/datasets/pranav2008/lung-disease-dataset。许可状态为 Unknown，具体许可条款与使用限制，源站未提供。