COVID-19 CT 扫描的肺叶分割数据集

该数据集选取了 8 例 COVID-19 阳性患者的公开 CT 体数据,使用 3D Slicer 对 512×512 尺寸的影像生成五个肺叶的体素级标注,包括右上叶、右中叶、右下叶、左上叶和左下叶

IEEE DataPortIEEE DataPort
datacite
浏览 8
医学影像图像分割Artificial IntelligenceComputer VisionMedical ImagingCOVID-19
Pulmonary lobe segmentation of COVID-19 CT scans

基本信息

模态
医学影像
任务类型
图像分割
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-12

资源简介

COVID-19 CT 扫描的肺叶分割数据集

Pulmonary lobe segmentation of COVID-19 CT scans

该数据集选取了 8 例 COVID-19 阳性患者的公开 CT 体数据,使用 3D Slicer 对 512×512 尺寸的影像生成五个肺叶的体素级标注,包括右上叶、右中叶、右下叶、左上叶和左下叶。所有标注均由具有 15 年以上经验的放射科医生验证。该数据可用于训练和评估肺叶分割算法,支持 COVID-19 的定量分析与诊断相关研究,面向医学影像处理与人工智能应用(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2020。

【数据内容】

源站描述(机器翻译,仅供参考):我们选取了 8 例 COVID-19 阳性患者的公开 CT 体数据,这些数据可从 获取,并使用 3D slicer 为 5 个肺叶(即右上叶、右中叶、右下叶、左上叶和左下叶)生成 512*512 尺寸的体素级标注。这些标注由一位拥有 15 年以上经验的放射科医生验证。

【主题与分类】

主题标签:Artificial Intelligence、Computer Vision、Medical Imaging。本站分类:呼吸系统疾病/其他。

【获取与许可】

源站页面:https://ieee-dataport.org/open-access/pulmonary-lobe-segmentation-covid-19-ct-scans

使用许可:Creative Commons Attribution 4.0 International。

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://doi.org/10.21227/3qe9-e178

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。

数据说明

我们选取了8例COVID-19阳性患者的公开CT影像数据,这些数据可从https://doi.org/10.5281/zenodo.3757476获取,并利用3D Slicer软件生成了512*512维度的体积注释,涉及5个肺叶,即右肺上叶、右肺中叶、右肺下叶、左肺上叶和左肺下叶。这些注释由一位拥有超过15年经验的放射科医生验证。

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。