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图像的公开数据库。我们正在寻找COVID-19病例以及MERS、SARS和ARDS的病例。所有图像和数据将在此GitHub仓库中公开发布。目前，我们正在从已有的出版物中收集图像来构建数据库。

We are constructing a publicly accessible database comprising chest X-ray or CT images of COVID-19 cases. We are seeking cases of COVID-19 as well as MERS, SARS, and ARDS. All images and data will be publicly released in this GitHub repository. Currently, we are gathering images from existing publications to build the database.

原始信息汇总

COVID-19 影像数据集概述

数据集内容

• 数据类型: 胸部X光或CT图像
• 目标疾病: COVID-19、MERS、SARS、ARDS
• 图像格式: 胸部X光图像支持dcm, jpg, png格式；CT图像支持nifti (gzip格式) 和dcm格式

数据集统计

• COVID-19: 阳性56例，阴性23例
• MERS: 全部为阴性
• SARS: 阳性11例，阴性68例
• ARDS: 阳性4例，阴性75例
• 其他疾病: 包括细菌性肺炎、无发现、肺炎、链球菌、病毒性肺炎，各有不同数量的阳性及阴性样本

数据集用途

• 目标: 开发基于AI的方法来预测和理解感染情况
• 应用: 用于训练和测试AI模型，以区分健康与肺炎、细菌性与病毒性肺炎、COVID-19肺炎，以及预测患者生存率

数据集贡献方式

• 图像来源: 从已发表的文献中提取图像
• 数据提交: 可提交至https://radiopedia.org/或https://www.sirm.org/category/senza-categoria/covid-19/
• 图像处理: 提供图像中问题区域的边界框/掩码

联系方式

• 负责人: Joseph Paul Cohen, 博士后研究员，Mila, 蒙特利尔大学
• 个人网站: Joseph Paul Cohen

搜集汇总

数据集介绍

构建方式

COVID-19 image data collection数据集的构建主要依托于已发表的论文中的图像资源，这些图像资源本身是可获取的。数据集收集了COVID-19病例以及MERS、SARS和ARDS的胸部X射线或CT图像，旨在构建一个公开的数据库，以供研究者使用。

特点

该数据集的特点在于其收集了多种与COVID-19相关的病例图像，包括胸部X射线和CT图像，涵盖了COVID-19、MERS、SARS和ARDS等不同的病症。数据集采用标签形式标注图像，包括正常和异常两种标签，便于分类研究和模型训练。

使用方法

用户可以通过GitHub页面查看当前数据集的图像和元数据。数据集的加载器可在torchxrayvision的datasets.py文件中找到。数据贡献者可以通过提取未包含的出版物中的图像、提交数据至指定网站或提供图像中问题区域的边界框/蒙版来参与数据集的完善。对于胸部X射线图像，推荐使用dcm、jpg或png格式；对于CT图像，推荐使用nifti格式（gzip压缩）或dcm格式。

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等研究人员构建。该数据集旨在收集COVID-19病例的胸部X光或CT图像，同时包含MERS、SARS和ARDS的病例。此数据集的构建，不仅为研究人员提供了一个宝贵的资源，而且对于开发自动化的COVID-19诊断工具具有重要意义，对相关领域产生了深远的影响。

当前挑战

该数据集在研究领域面临的挑战主要包括：1) 如何提高影像诊断的准确性，特别是在区分COVID-19与其他类型肺炎方面；2) 构建过程中遇到的挑战，如从出版物中提取图像的版权问题，以及确保数据质量的一致性和标注的准确性。此外，随着疫情的发展，数据集的实时更新和维护也是一个持续的挑战。

常用场景

经典使用场景

COVID-19 image data collection数据集收集了COVID-19病例的胸部X射线或CT图像，其经典使用场景在于，通过训练深度学习模型，实现对COVID-19及其他如MERS、SARS、ARDS等病例的自动识别与分类，辅助医生进行病情判断。

衍生相关工作

基于该数据集，已衍生出多项相关工作，包括但不限于开发Chester AI Radiology Assistant平台，该平台利用开源模型，可以在本地进行计算，满足全球范围内的需求，提高对COVID-19感染的预测和理解能力。

数据集最近研究

最新研究方向

在当前COVID-19疫情背景下，胸部X射线或CT图像的数据库构建成为医学研究领域的一项重要任务。COVID-19 image data collection数据集的建立，旨在通过公开已发表的病例图像，推进人工智能在COVID-19及其它如MERS、SARS、ARDS等相关疾病诊断中的应用。该数据集的最新研究方向聚焦于通过深度学习算法提高影像诊断的准确性，特别是在区分细菌性、病毒性与COVID-19肺炎方面，以及预测患者生存率。近期研究不仅关注算法模型的开发与优化，也着重于开源工具的普及，以辅助全球医疗系统应对疫情挑战。