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。此外，我们还寻找MERS、SARS和ARDS病例的图像。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. Additionally, we are seeking images of MERS, SARS, and ARDS cases. 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

• 包含COVID-19病例的胸部X光或CT图像。
• 同时收集MERS、SARS和ARDS的病例图像。

数据集结构

• 图像数据存储于GitHub仓库中，可通过链接查看当前图像和元数据。
• 元数据包括PA、AP和AP Supine视图的统计信息，标签为0（无）或1（有）。

数据集样本统计

• COVID19_Dataset num_samples=201 views=[PA, AP]
• COVID19_Dataset num_samples=28 views=[AP Supine]

数据集用途

• 用于开发AI模型，预测和理解感染情况。
• 目标任务包括健康与肺炎的区分、细菌性与病毒性肺炎与COVID-19肺炎的区分、患者生存预测。

数据集贡献方式

• 提取图像来自已发表的文献。
• 提交数据至特定网站，如Radiopaedia、SIRM、EURORAD。
• 提供图像中问题区域的边界框/掩码。

数据格式

• 胸部X光图像偏好格式：dcm, jpg, png。
• CT图像偏好格式：nifti（gzip格式）或dcm。

联系方式

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

数据集引用信息

• 作者：Joseph Paul Cohen, Paul Morrison, Lan Dao
• 论文：COVID-19 image data collection, arXiv:2003.11597, 2020
• 链接：COVID-19 Chest X-ray 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，主要通过对已发表的医学影像资料进行搜集整理，并在此基础上，通过开源平台GitHub进行数据的公开。该数据集包含了胸部X射线和CT扫描图像，旨在为研究者提供诊断COVID-19的影像学资料。

使用方法

用户可以通过GitHub页面的链接访问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。用户需要遵守数据使用规范，如对数据集的使用不得声称未经验证的诊断性能，并且在使用数据时应正确引用数据来源。

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等研究人员构建。该数据集旨在收集含有胸透X射线或CT扫描图像的COVID-19病例，同时还包括MERS、SARS和ARDS等其他相关病例。数据集的构建基于已发表的论文中的图像，这些图像是公开可用的。该数据集对于医学影像诊断领域具有重要的研究价值，特别是在开发人工智能辅助诊断工具方面，对相关领域产生了显著影响。

当前挑战

该数据集在构建和应用过程中面临的挑战主要包括：1) 诊断性能的验证挑战，需通过临床研究来确认模型的诊断性能，而不是仅依赖于数据集；2) 数据集构建的挑战，包括从出版物中提取图像，并确保数据的多样性和代表性；3) 数据标注和分类的挑战，需要准确标注出图像中的异常区域，并正确分类各种病例；4) 数据隐私和伦理的挑战，确保在收集和使用患者数据时遵守相关的隐私法规和伦理标准。

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在于辅助诊断。该数据集包含了COVID-19病例的胸部X射线或CT图像，以及MERS、SARS和ARDS等其他病例的图像，可用于训练和验证深度学习模型，从而提高对COVID-19及相关疾病的识别准确度。

解决学术问题

该数据集解决了学术研究中对于精准识别COVID-19病例的需求。通过提供大量带有标签的医学图像，研究人员能够开发出高效的自动诊断模型，这对于减少误诊和漏诊，优化医疗资源配置，以及提高公共卫生应对能力具有重要意义。

实际应用

在实际应用中，COVID-19 image data collection数据集可被用于医院和诊所的日常诊断流程中，辅助医生快速准确地识别患者是否感染了COVID-19。此外，该数据集还可以用于开发和部署基于人工智能的诊断工具，为全球抗击疫情提供技术支持。

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聚焦于利用 chest X-ray 或 CT 图像进行深度学习模型的训练，以实现肺炎、尤其是COVID-19的自动识别与分类。该数据集通过不断收集和公开病例的影像资料，为研究者提供了宝贵的资源，推动了医学影像分析领域的发展。目前，研究者们正致力于提升模型的诊断准确性，减少假阴性和假阳性率，以辅助临床决策，特别是在疫情高发时期，对快速、准确诊断的需求尤为迫切。此外，该数据集的应用还扩展到了对疾病进展和预后的研究，如通过影像学特征预测患者的生存率，这为精准医疗和患者个体化管理提供了新的视角。