COVID-19 image data collection

github2020-03-27 更新2024-05-31 收录

下载链接：

https://github.com/danangwijaya750/covid-chestxray-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

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，同时也在寻找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, while also seeking images of MERS, SARS, and ARDS cases. All images and data will be publicly released in this GitHub repository.

创建时间：

2020-03-27

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

图像类型：胸部X光或CT图像
病例类型：COVID-19、MERS、SARS、ARDS

数据集结构

图像存储：所有图像和数据公开发布于GitHub仓库
当前状态：数据库正在建设中，主要使用已发表的图像

数据集统计

COVID19_Dataset num_samples=99
- 视图类型：[PA]
- 标签统计：
  - ARDS: {0.0: 95, 1.0: 4}
  - Bacterial Pneumonia: {0.0: 93, 1.0: 6}
  - COVID-19: {0.0: 23, 1.0: 76}
  - MERS: {0.0: 99}
  - No Finding: {0.0: 98, 1.0: 1}
  - Pneumonia: {0.0: 2, 1.0: 97}
  - SARS: {0.0: 88, 1.0: 11}
  - Streptococcus: {0.0: 93, 1.0: 6}
  - Viral Pneumonia: {0.0: 12, 1.0: 87}
COVID19_Dataset num_samples=24
- 视图类型：[AP, AP Supine]
- 标签统计：
  - ARDS: {0.0: 24}
  - Bacterial Pneumonia: {0.0: 24}
  - COVID-19: {1.0: 24}
  - MERS: {0.0: 24}
  - No Finding: {0.0: 24}
  - Pneumonia: {1.0: 24}
  - SARS: {0.0: 24}
  - Streptococcus: {0.0: 24}
  - Viral Pneumonia: {1.0: 24}

数据集贡献方式

从已发表的文献中提取图像
提交数据至https://radiopedia.org/或https://www.sirm.org/category/senza-categoria/covid-19/
提供已收集图像中的问题区域边界框/掩码

数据集格式

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

数据集目标

使用图像开发基于AI的方法来预测和理解感染
发布模型，使用开源的Chester AI Radiology Assistant平台

数据集任务

健康与肺炎的区分
细菌性与病毒性与COVID-19肺炎的区分
患者生存预测

联系方式

联系人：Joseph Paul Cohen, Postdoctoral Fellow, Mila, University of Montreal
网址：Joseph Paul Cohen

搜集汇总

数据集介绍

构建方式

COVID-19 image data collection数据集的构建主要基于已公开的学术论文中的胸透X射线或CT影像。这些图像来源广泛，易于收集，并且已经在数据集中进行了分类和标注，以适应不同类型肺炎（如细菌性、病毒性、COVID-19等）的识别需求。

特点

该数据集的特点在于其开放性和多样性，不仅包含COVID-19病例的影像，还涵盖了MERS、SARS、ARDS等其他类型肺炎的病例。所有图像及数据均以公开形式发布在GitHub仓库中，便于研究者和开发者使用。数据集目前包含99例PA视图和24例AP及AP Supine视图的影像资料，标注详细，有利于模型的训练和验证。

使用方法

使用该数据集时，用户可以从GitHub仓库直接下载图像和元数据。数据集提供了不同视图的影像，以及相应的标签，方便用户进行肺炎类型的分类和识别任务。此外，数据集支持贡献新的影像资料和元数据，以便不断完善和扩充数据集内容。

背景与挑战

背景概述

COVID-19 image data collection数据集的构建旨在应对2019年新型冠状病毒（COVID-19）的迅速传播及其诊断挑战。该数据集由Mila实验室的Joseph Paul Cohen博士后及其团队于2020年创建，收集了包含胸透X射线和CT扫描图像的COVID-19病例数据库。其核心研究问题是通过放射学图像分析来提高对COVID-19的诊断准确性和效率，这对于减轻医疗系统的压力和及时提供必要的医疗支持至关重要。该数据集的发布对相关领域产生了显著影响，推动了基于人工智能的医学图像分析研究，为全球抗击疫情提供了重要的开源资源。

当前挑战

该数据集在构建过程中面临的挑战主要包括：1）确保收集的图像质量和标注准确性，以满足临床诊断的需求；2）整合跨机构的图像数据，保持数据的一致性和标准化；3）处理数据隐私和伦理问题，确保患者信息的安全。在研究领域问题上，数据集需解决如何提高对COVID-19病例的识别准确性，尤其是在区分COVID-19与其他类型肺炎方面的挑战。此外，数据集的扩展和持续更新也是一个挑战，需要不断地从出版物中提取新的图像，并鼓励社区贡献新的数据。

常用场景

经典使用场景

COVID-19 image data collection数据集，作为医学影像领域的重要资源，其经典使用场景主要集中于辅助临床诊断。通过分析胸部X射线或CT图像，该数据集助力研究人员和医生准确识别COVID-19及其他相关疾病的特征，进而提高诊断效率和精确性。

衍生相关工作

基于COVID-19 image data collection数据集，衍生出了众多相关工作，包括但不限于开发新的诊断算法、疾病预测模型以及影像数据的增强和预处理方法。这些工作进一步推动了医学影像分析技术的发展，对未来的医疗保健产生了深远影响。

数据集最近研究