COVID-19 image data collection

构建一个公开的开放数据集，包含COVID-19阳性或疑似患者的胸部X光和CT图像，以及其他病毒性和细菌性肺炎的图像。数据来源于公共资源以及医院和医生的间接收集，所有图像和数据将在GitHub仓库中公开发布。

Construct a publicly accessible open dataset comprising chest X-ray and CT images of COVID-19 confirmed or suspected patients, along with images of other viral and bacterial pneumonias. The data is sourced from public resources as well as indirect collections from hospitals and physicians. All images and data will be publicly released in a GitHub repository.

原始信息汇总

数据集概述

数据集名称

COVID-19 image data collection

数据集目的

构建一个公开的胸部X光和CT图像数据集，包含COVID-19阳性或疑似患者以及其他病毒性和细菌性肺炎（如MERS、SARS、ARDS）的图像。

数据来源

数据来源于公共资源以及医院和医生的间接收集。

数据内容

• 图像类型：胸部X光和CT图像。
• 标签：0=无，1=有。
• 样本统计：
  • COVID19_Dataset num_samples=244 views=[PA, AP]
  • COVID19_Dataset num_samples=38 views=[AP Supine]

数据集使用

数据集用于开发AI模型，以预测和理解感染情况，特别是用于健康与肺炎的区分及预测患者的生存、插管需求和氧气补充需求。

数据集贡献

• 数据可以直接提交给项目。
• 帮助识别未包含的出版物。
• 提供图像中问题区域的边界框/掩码。

数据格式

• 胸部X光：dcm, jpg, png
• CT：nifti（gzip格式）或dcm

数据集批准

该项目已获得University of Montreals Ethics Committee的批准，批准号为CERSES-20-058-D。

联系方式

PI: Joseph Paul Cohen, Postdoctoral Fellow, Mila, University of Montreal

数据集引用

Joseph Paul Cohen and Paul Morrison and Lan Dao COVID-19 image data collection, arXiv:2003.11597, 2020 https://github.com/ieee8023/covid-chestxray-dataset

<meta name="citation_title" content="COVID-19 image data collection" /> <meta name="citation_publication_date" content="2020" /> <meta name="citation_author" content="Joseph Paul Cohen and Paul Morrison and Lan Dao" />

搜集汇总

数据集介绍

构建方式

COVID-19 image data collection数据集的构建，旨在公开收集胸部X射线和CT图像，这些图像来自于COVID-19阳性或疑似病例，以及其他病毒性和细菌性肺炎患者。数据主要通过公共资源获取，同时通过医院和医生的间接收集。所有图像和数据将通过GitHub仓库向公众发布，确保了数据来源的多样性和广泛性。

特点

该数据集的特点在于其包含了大量的COVID-19相关病例的胸部X射线和CT图像，涵盖了多种视角（包括PA、AP和AP Supine）。数据集的标签分为‘有’或‘无’，便于分类任务。此外，数据集还包括了由ImageAnnotation.AI, Inc.提供的肺部边界框注释，为研究提供了进一步的便利。

使用方法

使用该数据集时，用户可以从GitHub仓库直接获取图像和元数据。数据集支持多种格式，如X射线的dcm、jpg或png格式，以及CT的nifti（gzip格式）或dcm格式。用户可以通过项目提供的data loader进行数据加载，并根据需要提交数据、提取出版物中的图像或提供图像注释，以丰富数据集内容。

背景与挑战

背景概述

在COVID-19疫情这一全球性公共卫生危机背景下，为提升预后预测以优化病患分类与管理，高质量的数据集构建成为关键第一步。COVID-19 image data collection数据集应运而生，由蒙特利尔大学Mila实验室的博士后研究员Joseph Paul Cohen领衔，旨在创建一个公开的胸部X光和CT影像数据库，涵盖COVID-19及其他病毒性和细菌性肺炎病例。该数据集的构建已获得蒙特利尔大学伦理委员会的批准，并通过公开渠道及医院间接采集的方式收集数据，其影像及元数据均在此GitHub仓库公开。该数据集的建立不仅填补了COVID-19相关影像数据的空白，也为相关领域研究提供了宝贵资源，推动了基于影像的AI辅助诊断工具的开发与应用。

当前挑战

构建COVID-19 image data collection数据集的挑战主要体现在两个方面：一是领域问题解决的挑战，即如何通过胸部X光和CT影像准确预测并理解COVID-19感染，为临床决策提供辅助；二是数据集构建过程中的挑战，包括影像数据的收集、标注质量控制、数据隐私保护以及跨机构协作等。具体而言，数据集在区分COVID-19与其他类型肺炎方面存在一定困难，且数据集的多样性和代表性亦需不断优化以适应不同的临床场景和模型需求。

常用场景

经典使用场景

在COVID-19疫情全球蔓延的背景下，该数据集的经典使用场景主要集中于医疗影像分析领域，尤其是用于构建和训练深度学习模型，以辅助诊断和预测COVID-19及其他类型肺炎的病例。通过对胸部X光和CT图像的分析，模型能够识别出病变区域，为临床决策提供支持。

实际应用

在实际应用场景中，该数据集已被用于开发和验证医学影像辅助诊断工具，如Chester AI Radiology Assistant平台。这些工具能够为医生提供第二意见，增强他们在等待放射科医师分析结果时的信心，并为患者提供量化的健康评分，有助于临床研究的开展。

衍生相关工作

基于该数据集，衍生出了许多相关工作，包括但不限于构建更为精确的肺炎诊断模型、开展预后严重性预测研究，以及开发自动化的影像分析工具。这些工作进一步扩展了数据集的应用范围，为抗击疫情提供了有力的技术支持。