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病例。所有图像和数据将在此GitHub仓库中公开发布。

We are constructing an open-access 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.

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

• 图像和数据公开发布于GitHub仓库。
• 当前图像和元数据可通过链接查看：图像 和 元数据。

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

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

数据集贡献方式

• 从已发表的文献中提取图像。
• 提交数据至特定网站。
• 提供图像中问题区域的边界框/掩码。

数据格式

• 胸部X光：首选dcm, jpg, png格式。
• CT：首选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 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，是通过搜集并公开发布胸部X射线或CT图像，涵盖COVID-19病例以及其他如MERS、SARS和ARDS等病例。数据集目前主要从已发表的文献中获取图像，这些图像是已经可用的资源。

特点

该数据集的特点在于其包含了多种病例的胸部X射线或CT图像，不仅限于COVID-19，还包括MERS、SARS和ARDS等。数据集以公开形式发布，允许研究者们进行疾病的诊断、预测和理解。此外，数据集的构建考虑了不同视角的图像，如PA、AP和AP Supine视图，以及对应的标签信息，为研究提供了丰富的样本和元数据。

使用方法

使用该数据集时，用户可以从GitHub获取图像和元数据。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格式（gzip压缩）。用户可以根据需要，利用提供的数据加载器对数据进行加载，进而开展相关的研究工作。此外，数据集的元数据模式在SCHEMA.md文件中有详细描述，便于用户理解和应用。

背景与挑战

背景概述

COVID-19 image data collection数据集是在2019新型冠状病毒（COVID-19）疫情背景下创建的，旨在构建一个包含胸部X射线或CT图像的COVID-19病例数据库。该数据集由Joseph Paul Cohen博士后、Paul Morrison和Lan Dao共同构建，并通过GitHub平台公开。该数据集的研究背景主要针对COVID-19的及时诊断问题，利用胸部影像学技术在病毒检测中的应用，为临床诊断提供辅助。数据集的创建对于提高病毒检测效率和准确性具有重要意义，对相关领域产生了广泛影响。

当前挑战

该数据集在构建过程中面临的挑战主要包括：1）确保图像数据的质量和诊断价值，特别是在从已发表的文献中提取图像时；2）提高数据集的多样性和广泛性，涵盖不同类型和阶段的COVID-19病例；3）数据集构建过程中的隐私保护和伦理问题；4）数据集在应用于实际临床诊断时的准确性和可靠性验证。此外，数据集在解决领域问题方面的挑战包括：如何利用人工智能技术准确区分不同类型的肺炎，以及如何在保证低假阴性率的同时降低假阳性率，以避免对医疗资源的不必要占用。

常用场景

经典使用场景

在当前全球公共卫生领域，COVID-19 image data collection 数据集的构建旨在为研究者提供一份详尽的COVID-19病例影像资料，其中包括胸透X射线及CT扫描图像。该数据集的经典使用场景在于，通过影像资料辅助诊断，研究人员可借此开发人工智能模型，以辅助临床诊断，提高对COVID-19及其他类似病症如MERS、SARS、ARDS的识别准确性。

衍生相关工作

基于该数据集，已衍生出多项相关工作，包括但不限于开发自动化诊断模型、疾病进展预测工具，以及结合临床信息的综合分析模型。这些相关工作不仅加速了COVID-19的诊断和治疗研究，还为未来可能出现的类似疫情提供了宝贵的经验和数据基础。

数据集最近研究

最新研究方向

COVID-19 image data collection数据集的近期研究方向主要集中于利用胸部X射线和CT图像进行新型冠状病毒肺炎的诊断与鉴别诊断。该数据集的构建旨在服务于人工智能辅助诊断系统，通过深度学习模型对图像进行分析，以区分COVID-19与其他类型的肺炎，如细菌性肺炎、病毒性肺炎等。近期研究不仅关注于提高诊断的准确性，还致力于模型的泛化能力，以适应不同的临床场景。此外，研究者们也在探索如何通过这些图像数据预测患者的生存情况，为临床决策提供支持。这一研究方向对于优化医疗资源配置、减轻医护人员工作负担具有重要的现实意义。