arudaev/chest-xray-14-320

--- dataset_info: features: - name: image dtype: image - name: labels dtype: string - name: filename dtype: string splits: - name: train num_examples: 77967 - name: validation num_examples: 8557 - name: test num_examples: 25596 configs: - config_name: default data_files: - split: train path: data/train-*.parquet - split: validation path: data/validation-*.parquet - split: test path: data/test-*.parquet task_categories: - image-classification task_ids: - multi-label-image-classification language: - en tags: - medical - chest-xray - radiology - deep-learning - big-data - parquet - data-only license: unknown size_categories: - 100K<n<1M pretty_name: NIH Chest X-ray14 (320x320, Processed for CheXVision) --- # NIH Chest X-ray14 - 320x320 Processed for CheXVision This dataset repackages the raw NIH Chest X-ray14 source dataset from [alkzar90/NIH-Chest-X-ray-dataset](https://huggingface.co/datasets/alkzar90/NIH-Chest-X-ray-dataset) into a data-only Parquet dataset for the CheXVision project. ## Dataset Summary - Source format: 12 ZIP archives of original chest X-ray images plus CSV manifests - Output format: data-only Parquet shards under `data/` - Resolution: 320x320 RGB - Columns: `image`, `labels`, `filename` - Split contract: `train`, `validation`, `test` - Approximate local Parquet size produced in this run: `7.4 GB` ## Splits | Split | Images | |-------|-------:| | Train | 77,967 | | Validation | 8,557 | | Test | 25,596 | ## Schema - `image`: 320x320 RGB image payload - `labels`: pipe-delimited pathology labels, or `No Finding` - `filename`: original NIH image filename ## Processing Notes - Source split manifests come from `train_val_list.txt` and `test_list.txt` - Validation membership uses the same stable hash-bucket logic as the live `HlexNC/chest-xray-14` dataset - Hidden `__MACOSX` ZIP entries and non-image members are ignored - Truncated-but-readable images are kept; truly unreadable files are skipped - This repo intentionally ships no `load_dataset.py` script so it remains a data-only dataset that works with the modern HF dataset viewer ## Usage ```python from datasets import load_dataset dataset = load_dataset("HlexNC/chest-xray-14-320") print(dataset) ``` ## Provenance Built by the Kaggle kernel `hlexnc/chexvision-resize-320` for the [CheXVision](https://github.com/arudaev/chexvision) project.--- 数据集信息： 特征字段： - 字段名：image（图像），数据类型：图像 - 字段名：labels（标签），数据类型：字符串 - 字段名：filename（文件名），数据类型：字符串 数据集拆分： - 拆分名称：train（训练集），样本数量：77967 - 拆分名称：validation（验证集），样本数量：8557 - 拆分名称：test（测试集），样本数量：25596 配置项： - 配置名称：default（默认配置），数据文件路径： - 对应拆分：train，路径：data/train-*.parquet（Parquet格式文件） - 对应拆分：validation，路径：data/validation-*.parquet（Parquet格式文件） - 对应拆分：test，路径：data/test-*.parquet（Parquet格式文件） 任务类别： - 图像分类 任务子类别： - 多标签图像分类 语言： - 英语 标签： - 医学（medical） - 胸部X射线（chest-xray） - 放射学（radiology） - 深度学习（deep-learning） - 大数据（big-data） - Parquet格式（parquet） - 纯数据（data-only） 授权协议：未知 样本规模类别：10万<样本数<100万 美观名称：美国国立卫生研究院（National Institutes of Health，NIH）胸部X射线14数据集（320×320，适配CheXVision的预处理版本） --- # 美国国立卫生研究院（National Institutes of Health，NIH）胸部X射线14数据集（320×320，CheXVision项目适配预处理版） 本数据集将来自[alkzar90/NIH胸部X射线数据集](https://huggingface.co/datasets/alkzar90/NIH-Chest-X-ray-dataset)的原始NIH胸部X射线14源数据集重新打包为适配CheXVision项目的纯数据Parquet格式数据集。 ## 数据集概览 - 源数据格式：12个包含原始胸部X射线图像的ZIP压缩包及CSV清单文件 - 输出格式：`data/`目录下的纯数据Parquet分片文件 - 图像分辨率：320×320 RGB格式 - 数据列：`image`（图像）、`labels`（标签）、`filename`（文件名） - 数据集拆分：训练集（train）、验证集（validation）、测试集（test） - 本次生成的本地Parquet文件总大小约为7.4 GB ## 数据集拆分 | 数据集拆分 | 样本数量 | |----------|---------:| | 训练集 | 77,967 | | 验证集 | 8,557 | | 测试集 | 25,596 | ## 数据结构 - `image`：320×320 RGB格式图像载荷 - `labels`：以竖线分隔的病理标签，或`无异常发现（No Finding）` - `filename`：原始NIH胸部X射线图像的文件名 ## 预处理说明 - 源数据集拆分清单来自`train_val_list.txt`与`test_list.txt`文件 - 验证集样本分配采用与在线`HlexNC/chest-xray-14`数据集一致的稳定哈希分桶逻辑 - 忽略ZIP压缩包中隐藏的`__MACOSX`条目与非图像文件 - 保留虽截断但可正常读取的图像；跳过完全无法读取的文件 - 本仓库刻意未提供`load_dataset.py`脚本，以确保其作为纯数据数据集可兼容现代Hugging Face（Hugging Face）数据集查看器 ## 使用方法 python from datasets import load_dataset dataset = load_dataset("HlexNC/chest-xray-14-320") print(dataset) ## 数据集溯源 本数据集由Kaggle内核`hlexnc/chexvision-resize-320`为[CheXVision](https://github.com/arudaev/chexvision)项目构建。