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，同时也收集MERS、SARS和ARDS的相关图像。所有图像和数据将在此GitHub仓库中公开发布。

We are building a public database containing chest X-ray or CT images of COVID-19 cases, and also collecting relevant images of 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

• 图像类型: 胸部X光或CT图像
• 目标疾病: COVID-19, MERS, SARS, ARDS
• 图像来源: 来自已发表的文献
• 数据状态: 图像和数据将公开发布于GitHub仓库

数据集结构

• 图像: 可通过链接查看当前图像
• 元数据: 可通过链接查看当前元数据（metadata.csv）
• 数据标签: 使用0=No或1=Yes的标签
• 数据加载器: 数据加载器代码位于指定链接

数据集统计

• COVID19_Dataset:
  • num_samples=201
  • views=[PA, AP]
  • 疾病分类统计: 包括ARDS, Bacterial Pneumonia, COVID-19等疾病的样本分布
• COVID19_Dataset:
  • num_samples=28
  • views=[AP Supine]
  • 疾病分类统计: 包括ARDS, Bacterial Pneumonia, COVID-19等疾病的样本分布

数据集贡献

• 图像提取: 从文献中提取图像
• 数据提交: 提交数据至特定网站
• 图像标注: 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), dcm

数据集目标

• 使用图像开发AI方法: 预测和理解感染
• 模型发布: 通过开源平台发布模型
• 任务: 包括健康与肺炎的区分、细菌性与病毒性肺炎的区分、患者生存预测等

联系方式

• 联系人: Joseph Paul Cohen, Postdoctoral Fellow, Mila, University of Montreal
• 个人网站: Joseph Paul Cohen

数据集引用

• 论文: arXiv:2003.11597

• GitHub仓库: COVID-ChestXray-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，主要通过收集并公开胸部X射线或CT图像，涵盖COVID-19、MERS、SARS以及ARDS等病例。目前，该数据库的构建以已发表的图像为主，这些图像是公开可用的。

特点

该数据集的特点在于，它是一个公开的、不断更新的数据库，包含了多种病例的胸部X射线或CT图像，不仅有助于研究COVID-19，还可以用于MERS、SARS和ARDS等疾病的研究。数据集的标签分为0（无）和1（有），提供了不同视角（PA、AP和AP Supine）的图像，且数据集包含了丰富的元数据信息。

使用方法

使用该数据集时，用户可以从GitHub获取当前的图像和元数据。数据集支持从已发表的文献中提取图像，并鼓励用户通过GitHub问题来识别尚未包含的出版物。此外，用户还可以从指定的网站提交数据，或为已收集的图像提供边界框/掩码以检测问题区域。

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）疫情背景下构建的，由Joseph Paul Cohen、Paul Morrison和Lan Dao等研究人员共同发起。该数据集旨在收集并公开胸片和CT图像，以助力研究人员通过影像学方法对COVID-19及其他相关疾病如MERS、SARS和ARDS等进行诊断研究。数据集的构建对于提高COVID-19诊断的准确性和效率具有重要意义，为相关领域的研究提供了宝贵的资源，推动了医学影像分析和人工智能辅助诊断技术的发展。

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）确保图像数据的诊断性能需要通过临床研究验证，而非仅依赖模型性能；2）数据集构建过程中，图像的来源、标注质量以及数据多样性都可能影响后续研究的有效性；3）数据集的应用挑战包括如何将影像学特征与临床诊断有效结合，以及如何在保障患者隐私的同时，确保数据的开放性和可访问性。

常用场景

经典使用场景

在医学影像分析领域，COVID-19 image data collection数据集被广泛用于训练深度学习模型，以辅助诊断COVID-19及其他肺部疾病。该数据集包含胸部X射线和CT图像，其经典使用场景在于构建和优化计算机辅助诊断系统，通过图像识别技术自动检测和区分COVID-19、MERS、SARS和ARDS等疾病。

解决学术问题

该数据集解决了传统PCR检测在速度、便捷性和大规模应用上的局限性。通过提供大量的病例图像，它帮助研究者开发出能够快速识别肺部病变的算法，从而提高诊断效率和准确性，降低误诊和漏诊的风险，对学术研究具有重要的推动作用。

衍生相关工作

COVID-19 image data collection数据集催生了大量相关工作，包括但不限于开发新的图像处理和识别算法、构建多模态融合的预测模型、以及探索疾病发展趋势和预测患者生存率的模型。这些研究不仅增进了对COVID-19的理解，也为未来疫情的应对提供了宝贵的技术储备。