COVID-19 image data collection

我们正在构建一个包含COVID-19病例的胸部X光或CT图像的数据库，同时也在寻找MERS、SARS和ARDS病例。所有图像和数据将公开发布在此GitHub仓库中。

We are constructing a database comprising chest X-ray or CT images of COVID-19 cases, while also seeking cases of MERS, SARS, and ARDS. All images and data will be publicly released in this GitHub repository.

原始信息汇总

数据集概述

数据集名称

• COVID-19 image data collection

数据集内容

• 图像类型: 胸部X光或CT图像
• 目标疾病: COVID-19, MERS, SARS, ARDS
• 图像来源: 来自已发表的文献
• 图像及数据公开: 通过GitHub仓库公开

数据集统计

• COVID19_Dataset num_samples=136 views=[PA]
  • 标签分布: 包括ARDS, Bacterial Pneumonia, COVID-19等多种疾病的阳性（1）和阴性（0）样本数量统计。
• COVID19_Dataset num_samples=28 views=[AP, AP Supine]
  • 标签分布: 同样包括多种疾病的阳性（1）和阴性（0）样本数量统计。

数据集使用

• 目的: 用于开发基于AI的方法来预测和理解感染
• 任务:
  • 健康 vs 肺炎
  • 细菌性 vs 病毒性 vs COVID-19肺炎
  • 患者生存预测

数据集贡献

• 图像提取: 从文献中提取图像，特别是未包含的文献
• 数据提交: 提交数据至Radiopaedia或SIRM，以便从这些平台抓取数据
• 图像标注: 提供已收集图像中问题区域的边界框/掩码

数据集格式

• 胸部X光: 首选格式为dcm, jpg, png
• CT: 首选格式为nifti（gzip格式），也接受dcm格式

联系方式

• 联系人: Joseph Paul Cohen, Postdoctoral Fellow, Mila, University of Montreal
• 联系链接: Joseph Paul Cohens website

数据集引用

• 论文: COVID-19 image data collection, arXiv:2003.11597, 2020

• GitHub仓库: COVID-ChestXray-Dataset

• 引用格式:

  @article{cohen2020covid, title={COVID-19 image data collection}, author={Joseph Paul Cohen and Paul Morrison and Lan Dao}, journal={arXiv 2003.11597}, url={https://github.com/ieee8023/covid-chestxray-dataset}, year={2020} }

搜集汇总

数据集介绍

构建方式

COVID-19 image data collection数据集的构建主要通过收集经发表的COVID-19病例的胸部X射线或CT图像，旨在构建一个包含COVID-19以及其他如MERS、SARS和ARDS病例的数据库。目前，该数据库的图像来源于已发表的文献，这些图像是公开可得的。

使用方法

使用该数据集时，用户可以从GitHub获取当前的图像和元数据。数据集支持多种格式的图像，如X射线的dcm、jpg或png格式，以及CT的nifti（gzip格式）或dcm。用户可根据需要提交数据、提供问题区域的边界框/掩码，或利用数据集提供的元数据模式进行更深入的数据处理和分析。

背景与挑战

背景概述

COVID-19 image data collection数据集是在2019年新型冠状病毒（COVID-19）疫情背景下创建的，由Joseph Paul Cohen、Paul Morrison和Lan Dao等研究人员共同构建。该数据集旨在收集并公开胸部X射线或CT图像，以供医学研究之用，涵盖了COVID-19病例以及其他如MERS、SARS和ARDS等疾病的病例。这一数据集的构建，对于提高COVID-19的诊断效率和精确度具有重要意义，为相关研究提供了宝贵的数据资源，对医学影像分析和人工智能辅助诊断领域产生了显著影响。

当前挑战

该数据集在构建过程中面临的挑战主要包括：一是确保收集到的图像数据的多样性和代表性，以适应不同患者群体的诊断需求；二是图像标注的准确性和一致性，这对于后续的模型训练和验证至关重要；三是数据集的动态更新和维护，随着新病例的出现和研究进展，需要不断扩充和更新数据集内容；四是数据集的开放性和可用性，如何确保数据的安全性和隐私保护，同时便于研究者和开发者使用。

常用场景

经典使用场景

在医学影像分析领域，COVID-19 image data collection 数据集的经典使用场景主要集中于辅助诊断COVID-19及其他相关肺炎病例。该数据集提供了胸部X射线和CT图像，可用于训练和验证深度学习模型，以识别和区分各类肺炎病例，从而辅助医生进行更快速、准确的诊断。

解决学术问题

该数据集解决了传统PCR检测在速度和便捷性上的局限，提供了可视化的影像学资料，有助于学术研究中对COVID-19的早期发现、确诊和疾病进展的跟踪。它降低了误诊和漏诊的风险，对于提高医疗效率和降低系统负担具有重要意义。

实际应用

在实际应用中，该数据集可被用于开发和部署人工智能辅助诊断系统，这些系统可在医疗资源有限的情况下，帮助基层医生对疑似病例进行快速筛选，为疫情防控提供技术支持，同时减轻医疗工作者的压力。

数据集最近研究

最新研究方向

COVID-19图像数据集的最新研究方向主要集中于利用胸部X射线和CT图像来诊断和区分COVID-19与其他类型的肺炎，如细菌性肺炎、病毒性肺炎等。这一研究方向的目的是发展人工智能辅助诊断工具，以减轻临床诊断的压力，提高诊断效率和准确性。当前研究不仅关注于肺炎的识别，还包括了对患者生存率的预测。近期的研究成果已经在Chester AI Radiology Assistant平台上得到应用，并且通过开源的方式，为全球的医疗需求提供计算支持。该数据集的构建和使用，对于提升COVID-19早期检测能力、优化医疗资源配置具有重要的现实意义和深远的影响。