肺部X射线图像与临床文本数据集
该数据集来自 Kaggle，包含 80,000 张标注 X 射线图像及配套临床文本，按八种肺部疾病分为八个子文件夹，每类 10,000 张
基本信息
资源简介
肺部X射线图像与临床文本数据集
lung x-ray image+clinical text dataset
该数据集来自 Kaggle，包含 80,000 张标注 X 射线图像及配套临床文本，按八种肺部疾病分为八个子文件夹，每类 10,000 张。主数据集文件夹中每张图像附有含标签临床文本的 CSV 文件；合并数据文件夹则提供将 X 射线图像与编码临床文本融合的复合图像。数据可用于肺部疾病分类研究，支持图像与文本联合建模（来源 Kaggle，MIT 许可）。
【数据集背景】
源站首次发布：2024-06-25。
【数据内容】
源站描述（机器翻译，仅供参考）：描述： 该数据集是利用 X 射线图像和临床文本数据研究和分类肺部疾病的丰富资源。它分为两个主要文件夹：标注图像与临床文本（主数据集文件夹）：该文件夹包含 80,000 张标注 X 射线图像，按不同肺部疾病组织为八个子文件夹。每个子文件夹有 10,000 张图像。每张图像附带一个 CSV 文件，其中包含带标签的临床文本，为每张 X 射线图像提供详细背景。复合图像数据（合并数据（图像+文本）文件夹）：该文件夹结构与第一个文件夹相同，但没有 CSV 文件。取而代之的是复合图像，将 X 射线图像与编码临床文本数据合并。这些复合图像通过将文本信息直接嵌入视觉数据提供了一种独特方法。该数据集涵盖
【数据结构与技术规格】
文件数 20 个，合计 153.73 KB。
【主题与分类】
主题标签：health、health conditions。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/ghostbat101/lung-x-ray-image-clinical-text-dataset
使用许可：MIT。
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://kaggle.com/datasets/ghostbat101/lung-x-ray-image-clinical-text-dataset/discussion
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:
数据集大小约 1.41 GB。
数据说明
Kamruzzaman Uzzal (2024). lung x-ray image+clinical text dataset [Dataset]. https://www.kaggle.com/datasets/ghostbat101/lung-x-ray-image-clinical-text-dataset/discussion
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
