X-ray肺部疾病图像（9类）
该数据集为胸部X光图像集合，按最相关特征划分为9个类别，涵盖正常、炎症过程（肺炎）、高密度病变（胸腔积液、肺不张性实变、胸水、脓胸）、低密度病变（气胸、纵隔气肿、气腹）、阻塞性肺疾病（肺气肿、支气管肺炎、支气管扩张、栓塞）、退行性感染性疾病（结核、结节病、蛋白沉积症、纤维化）、包裹性病变（脓肿、结节
基本信息
资源简介
X-ray肺部疾病图像（9类）
X-ray Lung Diseases Images (9 classes)
该数据集为胸部X光图像集合，按最相关特征划分为9个类别，涵盖正常、炎症过程（肺炎）、高密度病变（胸腔积液、肺不张性实变、胸水、脓胸）、低密度病变（气胸、纵隔气肿、气腹）、阻塞性肺疾病（肺气肿、支气管肺炎、支气管扩张、栓塞）、退行性感染性疾病（结核、结节病、蛋白沉积症、纤维化）、包裹性病变（脓肿、结节、囊肿、肿瘤块、转移瘤）、纵隔改变（心包炎、动静脉畸形、淋巴结肿大）及胸部改变（肺不张、畸形、发育不全、发育不良）。数据库经合成增强，图像不含任何患者信息，由放射科医生报告并提供用于研究目的。可用于医学影像分类模型训练与评估（来源 Kaggle，Apache 2.0 许可）。
【数据集背景】
源站首次发布：2023-02-16。
【数据内容】
源站描述（机器翻译，仅供参考）：一组胸部X光片，根据其最相关特征分为9个不同类别，即：正常、炎症过程（肺炎）、较高密度（胸腔积液、肺不张性实变、胸水、脓胸）、较低密度（气胸、纵隔气肿、气腹）、阻塞性肺疾病（肺气肿、支气管肺炎、支气管扩张、栓塞）、退行性感染性疾病（结核、结节病、蛋白沉积症、纤维化）、包裹性病变（脓肿、结节、囊肿、肿瘤块、转移瘤）、纵隔改变（心包炎、动静脉畸形、淋巴结肿大）和胸部改变（肺不张、畸形、发育不全、发育不良）。合成增强数据库。图像不含任何类型的患者信息，由放射科医生报告并提供用于研究目的。
【数据结构与技术规格】
文件数 20 个，合计 769.71 KB。
【主题与分类】
主题标签：image、health、image classification。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/fernando2rad/X-ray-lung-diseases-images-9-classes
使用许可：Apache 2.0。
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/fernando2rad/X-ray-lung-diseases-images-9-classes/code
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 194.7 MB。
数据说明
Fernando Feltrin (2023). X-ray Lung Diseases Images (9 classes) [Dataset]. https://www.kaggle.com/datasets/fernando2rad/X-ray-lung-diseases-images-9-classes/code
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。
