COVID-19 image data collection

该项目旨在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和医院及医生的间接收集，所有图像和数据将在此GitHub仓库中公开发布。

This project aims to construct a publicly accessible open dataset, encompassing chest X-ray and CT images of COVID-19 positive or suspected patients, as well as images of other viral and bacterial pneumonias. The data is sourced from public resources and indirectly collected from hospitals and physicians. 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阳性患者或疑似患者的图像，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
• 图像视图：PA, AP, AP Supine
• 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

用于开发AI模型，预测和理解感染情况，包括健康与肺炎的区分、预后/严重性预测等。

数据集贡献

• 直接提交数据（即将开放）
• 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），dcms

伦理批准

该项目已获得蒙特利尔大学伦理委员会的批准（CERSES-20-058-D）。

联系信息

• 主要研究者：Joseph Paul Cohen, 蒙特利尔大学博士后研究员

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

@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，旨在搜集并公开确诊或疑似COVID-19以及其他病毒性和细菌性肺炎患者的胸部X光和CT影像。数据来源于公开渠道以及通过与医院和医生的间接收集，所有图像和数据均在此GitHub仓库中公开发布，旨在为研究提供基础数据支撑。

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dcm、jpg、png和nifti（gzip格式）。用户可以通过项目提供的data loader进行数据加载，并利用公开的元数据模式和边界框标注进行模型训练和验证。此外，项目还鼓励用户贡献数据，包括直接提交数据、识别未包含的出版物、提供图像的边界框标注等，以丰富数据集内容。

背景与挑战

背景概述

在2019新型冠状病毒（COVID-19）疫情全球蔓延的背景下，为提升预后预测以优化患者分流与管理，数据成为了开发任何诊断/预后工具的起点。COVID-19图像数据集的构建，旨在公开 chest X-ray 和 CT影像资料，这些资料来源于COVID-19阳性或疑似患者，以及其他病毒性和细菌性肺炎患者。该数据集由蒙特利尔大学Mila实验室的博士后研究员Joseph Paul Cohen领衔，获得了蒙特利尔大学伦理委员会的批准。该数据集的出现填补了公开可用于计算分析的COVID-19胸片或CT扫描集的空白，对于相关领域研究具有里程碑意义。

当前挑战

构建COVID-19图像数据集的挑战包括：一是确保收集到的影像资料在临床和研究中的代表性；二是整合来自不同来源的数据，保持数据质量和一致性；三是处理隐私和伦理审查的问题；四是构建高效的数据标注和分类体系，以支持后续的机器学习模型开发。在所解决的领域问题上，该数据集面临识别COVID-19与其他类型肺炎之间的细微影像差异的挑战，这要求高精度的影像分析和分类算法。

常用场景

经典使用场景

在COVID-19疫情全球肆虐的背景下，该数据集提供了一个宝贵的公共开放资源，包含经胸片和CT影像确诊或疑似患有COVID-19及其他病毒性和细菌性肺炎的病例。其经典使用场景在于，通过这些影像资料，研究人员和开发者能够训练和验证深度学习模型，以自动识别和区分COVID-19与其他类型的肺炎，从而辅助临床诊断与病情评估。

解决学术问题

该数据集解决了学术研究中缺乏专门针对COVID-19胸片和CT扫描的公共数据集的问题。它为医学影像分析、机器学习模型开发以及疫情相关研究提供了基础数据，有助于推动相关算法的进步，提高诊断效率和准确性，对于疫情控制和患者救治具有重要意义。

实际应用

在实际应用中，该数据集的支持使得快速开发出能够提供医生第二意见的AI工具成为可能，这些工具能在放射科医生分析结果出来之前，为医生提供对病人状况的评估确认，从而加速决策过程，提高医疗响应速度。

数据集最近研究

最新研究方向

COVID-19图像数据集的构建旨在提升预后预测，以便更好地分拣和管理患者护理。近期研究方向聚焦于利用该数据集开发人工智能辅助的放射学诊断工具，通过胸部X光或CT图像输入，预测患者是否健康、是否患有肺炎，以及进行预后严重性预测，如生存率、是否需要插管、是否需要补充氧气等。这些研究不仅为医生提供了一个在等待放射科医师分析期间进行数字二次评估的手段，而且为机器学习模型的并行开发和快速本地验证提供了丰富的图像数据和临床相关属性。该数据集的构建对于应对COVID-19疫情，提高临床决策的准确性和效率具有重要意义。