数据集获取

源站：https://doi.org/10.5281/zenodo.23627483

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 4.07 GB。

数据说明

PAX-Ray++ (PAXRayPP) 本版本DOI：10.5281/zenodo.23627483 概念DOI（解析至最新版本，论文中引用）：10.5281/zenodo.16920312 ## 标题 PAX-Ray++ (PAXRayPP)：源自计算机断层扫描的、带有密集解剖分割掩膜的合成胸部X线片 ## 关键词 PAXRayPP；PAX-Ray++；胸部X线片；胸部X射线；解剖分割；语义分割；计算机断层扫描；合成X线片；数字重建X线片；医学影像 ## 许可协议 CC BY-NC 4.0 ## 描述 PAX-Ray++ (PAXRayPP) PAX-Ray++ 是一个合成胸部X线片数据集，包含159个解剖类别的密集像素级掩膜。这些X线片是对来自五个公开数据集（RSNA-PE、LIDC-IDRI、CT Images in COVID-19、COVID-19-AR 和 RibFrac）的胸部CT体积的投影。掩膜是对体积伪标签的投影，这些伪标签由在公开CT分割数据集上训练的分割模型生成，并经基于规则的后处理和质量控制进行精修。该数据集支持胸部X线片解剖分割模型的开发与评估。

目录 - 7，187 个 CT 体数据，每个包含一个正位和一个侧位投影（共 14，374 张图像，512 × 512 像素）。 - 159 个解剖类别，其中 54 个直接分割，105 个通过固定规则派生（例如肺区、编号肋骨段），共有 1，605，727 个标注实例。 - 密集掩码以布尔数组（paxray_labels.zip）和 COCO 风格游程编码标注（paxray_train_val.json、paxray_test.json）形式提供。 - 按患者级别划分为训练/验证集和测试集。 - 一个标签表（labels.csv），描述每个类别、其派生方式以及定义该类别所在的视图。 - 一个逐体数据元数据文件（metadata.csv），列出每个所列源体数据的来源集合、公共来源标识符、划分、质量控制状态和原生体素间距，以便每张发布的图像都能追溯到其源扫描。 - 来源致谢和所需 c

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。