🛑 注意：请不要在没有临床研究的情况下声称模型的诊断性能！这不是一个 Kaggle 竞赛数据集。请阅读这篇关于评估问题的论文：https://arxiv.org/abs/2004.12823 和 https://arxiv.org/abs/2004.05405

COVID-19 影像数据收集 (🎬 项目视频)

项目摘要：构建一个公开的胸部 X 光（chest X-ray）和 CT 影像数据集，包含 COVID-19 阳性或疑似患者，以及其他病毒性和细菌性肺炎患者（MERS、SARS 和 ARDS）。数据将从公开来源收集，并通过医院和医生间接收集。所有影像和数据都将在此 GitHub 仓库中公开发布。

本项目已获得蒙特利尔大学伦理委员会批准，批准号：#CERSES-20-058-D

查看当前的影像和元数据以及数据加载器示例

标签按层级结构排列：

当前 PA、AP 和 AP Supine 视图的统计信息。标签 0=否 或 1=是。数据加载器（Data loader）位于此处

COVID19_Dataset num_samples=481 views=['PA', 'AP']
{'ARDS': {0.0: 465, 1.0: 16},
 'Bacterial': {0.0: 445, 1.0: 36},
 'COVID-19': {0.0: 162, 1.0: 319},
 'Chlamydophila': {0.0: 480, 1.0: 1},
 'E.Coli': {0.0: 481},
 'Fungal': {0.0: 459, 1.0: 22},
 'Influenza': {0.0: 478, 1.0: 3},
 'Klebsiella': {0.0: 474, 1.0: 7},
 'Legionella': {0.0: 474, 1.0: 7},
 'Lipoid': {0.0: 473, 1.0: 8},
 'MERS': {0.0: 481},
 'Mycoplasma': {0.0: 476, 1.0: 5},
 'No Finding': {0.0: 467, 1.0: 14},
 'Pneumocystis': {0.0: 459, 1.0: 22},
 'Pneumonia': {0.0: 36, 1.0: 445},
 'SARS': {0.0: 465, 1.0: 16},
 'Streptococcus': {0.0: 467, 1.0: 14},
 'Varicella': {0.0: 476, 1.0: 5},
 'Viral': {0.0: 138, 1.0: 343}}

COVID19_Dataset num_samples=173 views=['AP Supine']
{'ARDS': {0.0: 170, 1.0: 3},
 'Bacterial': {0.0: 169, 1.0: 4},
 'COVID-19': {0.0: 41, 1.0: 132},
 'Chlamydophila': {0.0: 173},
 'E.Coli': {0.0: 169, 1.0: 4},
 'Fungal': {0.0: 171, 1.0: 2},
 'Influenza': {0.0: 173},
 'Klebsiella': {0.0: 173},
 'Legionella': {0.0: 173},
 'Lipoid': {0.0: 173},
 'MERS': {0.0: 173},
 'Mycoplasma': {0.0: 173},
 'No Finding': {0.0: 170, 1.0: 3},
 'Pneumocystis': {0.0: 171, 1.0: 2},
 'Pneumonia': {0.0: 26, 1.0: 147},
 'SARS': {0.0: 173},
 'Streptococcus': {0.0: 173},
 'Varicella': {0.0: 173},
 'Viral': {0.0: 41, 1.0: 132}}

标注

肺部边界框（Lung Bounding Boxes）和胸部 X 光分割（Chest X-ray Segmentation）（许可证：CC BY 4.0）由 General Blockchain, Inc. 提供

94 张影像的肺炎严重程度评分（许可证：CC BY-SA）来自论文使用深度学习在胸部 X 光上预测 COVID-19 肺炎严重程度

生成的肺部分割（许可证：CC BY-SA）来自论文使用变分数据填补从胸部 X 光进行肺部分割

192 张影像的 Brixia 评分（许可证：CC BY-NC-SA）来自论文在胸部 X 光上对 COVID-19 严重程度进行半定量评分的端到端学习

517 张影像的肺部及其他分割（许可证：CC BY），采用 COCO 和光栅格式，由 v7labs 提供

贡献

• 直接向项目提交数据。查看我们的研究方案。请联系我们以启动流程。

• 我们可以从出版物中提取影像。请使用 GitHub issue 帮助识别尚未包含的出版物（我们已有的 DOI 列在元数据文件中）。可搜索的 COVID-19 论文数据库位于此处，不可搜索的（需要下载）位于此处。

• 向这些网站提交数据（我们可以从中抓取数据）：

  • https://radiopaedia.org/ (license CC BY-NC-SA)
  • https://www.sirm.org/category/senza-categoria/covid-19/
  • https://www.eurorad.org/ (license CC BY-NC-SA)
  • https://coronacases.org/ (preferred for CT scans, license Apache 2.0)

• 为已收集影像中的问题区域检测提供边界框/掩码。

• 有关元数据架构的更多信息，请参见 SCHEMA.md。

格式： 胸部 X 光优先使用 dcm、jpg 或 png 格式。CT 优先使用 nifti（gzip 格式）格式，但也接受 dcm 格式。如有任何问题，请联系我们。

背景

在COVID-19（新型冠状病毒肺炎）大流行的背景下，我们希望改进预后预测，以对患者进行分诊和管理护理。数据是开发任何诊断/预后工具的首要步骤。虽然目前存在来自NIH [Wang 2017]、西班牙 [Bustos 2019]、斯坦福 [Irvin 2019]、MIT [Johnson 2019] 和印第安纳大学 [Demner-Fushman 2016] 的更多典型胸部X光片（chest X-rays）大型公共数据集，但目前尚无专为计算分析而设计的COVID-19胸部X光片或CT扫描（CT scans）数据集。

2019新型冠状病毒（COVID-19）具有几个独特特征 Fang, 2020 和 Ai 2020。虽然诊断通过聚合酶链式反应（PCR）确认，但肺炎感染患者在胸部X光片和CT图像上可能呈现出对人眼而言仅具有中等程度特征性的影像模式 Ng, 2020。一月底，一个中国团队发表了一篇详细描述COVID-19临床及辅助临床特征的论文。他们报告患者在胸部CT图像中呈现异常，大多数具有双侧受累 Huang 2020。双侧多叶和亚段实变（consolidation）区域构成了重症监护室（ICU）患者入院时胸部CT图像的典型发现 Huang 2020。相比之下，非ICU患者在胸部CT图像中显示双侧磨玻璃影（ground-glass opacity）和亚段实变区域 Huang 2020。在这些患者中，后续的胸部CT图像显示双侧磨玻璃影伴实变消退 Huang 2020。

目标

我们的目标是使用这些图像开发基于人工智能（AI）的方法来预测和理解感染。我们的团队将致力于使用我们的开源Chester AI放射学助手平台发布这些模型。

任务如下，使用胸部X光片或CT（优先X光片）作为输入来预测：

• 健康 vs 肺炎（原型已在Chester中实现，AUC（Area Under Curve，曲线下面积）约为74%，验证研究见此处）

• 细菌性 vs 病毒性 vs COVID-19肺炎（与临床工作流程相关性不足）

• 预后/严重程度预测（生存率、插管（intubation）需求、补充氧气（supplemental oxygen）需求）

预期成果

工具影响：这将为医生提供支持，使他们在等待放射科医生分析的同时，能够更有信心地采取行动，通过数字化第二意见来确认其对患者病情的评估。此外，这些工具可以提供定量评分以供考虑并在研究中使用。

数据影响：图像数据与临床相关属性相关联，并包含在专为机器学习（ML）设计的公共数据集中，将使这些工具的并行开发和模型的快速本地验证成为可能。此外，这些数据可用于完全不同的任务。

联系方式

项目负责人（PI）：Joseph Paul Cohen，蒙特利尔大学Mila博士后研究员

引用

第二篇论文可在此获取，基线源代码见此处

COVID-19 Image Data Collection: Prospective Predictions Are the Future
Joseph Paul Cohen and Paul Morrison and Lan Dao and Karsten Roth and Tim Q Duong and Marzyeh Ghassemi
arXiv:2006.11988, https://github.com/ieee8023/covid-chestxray-dataset, 2020

@article{cohen2020covidProspective,
  title={COVID-19 Image Data Collection: Prospective Predictions Are the Future},
  author={Joseph Paul Cohen and Paul Morrison and Lan Dao and Karsten Roth and Tim Q Duong and Marzyeh Ghassemi},
  journal={arXiv 2006.11988},
  url={https://github.com/ieee8023/covid-chestxray-dataset},
  year={2020}
}

论文可在此获取

COVID-19 image data collection, arXiv:2003.11597, 2020
Joseph Paul Cohen and Paul Morrison and Lan Dao
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}
}

许可证

每张图像的许可证在metadata.csv（元数据文件）中指定。包括Apache 2.0许可证、CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0）、CC BY 4.0（知识共享署名4.0）。

metadata.csv、脚本和其他文档在CC BY-NC-SA 4.0许可证下发布。企业可自由开展研究。超出此范围请与我们联系。

covid-chestxray-dataset 快速上手指南

⚠️ 重要警告：请勿在没有临床研究的情况下宣称模型的诊断性能！这不是 Kaggle 竞赛数据集。在使用数据进行评估前，请务必阅读相关评估问题论文：https://arxiv.org/abs/2004.12823 和 https://arxiv.org/abs/2004.05405。

环境准备

• 操作系统：Linux / Windows / macOS
• 编程语言：Python 3.6+
• 依赖工具：
  • Git（用于克隆仓库）
  • PyTorch（推荐使用，配合 torchxrayvision 加载器）
• 存储空间：建议预留足够空间存放 X 光及 CT 影像数据（具体大小视下载子集而定）

安装步骤

1. 克隆数据集仓库 使用 Git 将项目代码及元数据下载到本地：

   git clone https://github.com/ieee8023/covid-chestxray-dataset.git
   cd covid-chestxray-dataset
   

2. 安装数据加载依赖（可选） 若需使用官方推荐的数据加载器，请安装 torchxrayvision 库：

   pip install torchxrayvision
   

3. 获取影像数据 影像文件位于 images 目录中。部分大文件可能未直接包含在 Git 历史中，请检查仓库 releases 或根据 metadata.csv 中的来源链接获取原始影像。

基本使用

1. 查看元数据 所有影像的标签和临床信息均记录在 metadata.csv 文件中。标签采用层级结构（如 COVID-19, Pneumonia, Viral 等）。

   import pandas as pd
   metadata = pd.read_csv("metadata.csv")
   print(metadata.head())
   

2. 使用官方数据加载器 项目提供了基于 torchxrayvision 的 DataLoader 示例。您可以直接参考 Google Colab 示例运行： 🔗 DataLoader Example on Colab

   或在代码中调用（参考 torchxrayvision 实现）：

   import torchxrayvision as xrv
   # 示例：加载 COVID19 数据集
   dataset = xrv.datasets.COVID19_Dataset(root="./images", transform=None)
   

3. 数据标注与分割 如需使用肺部边界框或分割掩码，请参考 annotations 目录下的相关数据集链接（如 Lung Bounding Boxes, Chest X-ray Segmentation 等），注意各子集遵循不同的许可证（CC BY 4.0, CC BY-SA 等）。

---

许可证说明：元数据及脚本遵循 CC BY-NC-SA 4.0 许可证。每张影像的具体许可证请在 metadata.csv 中查询（包含 Apache 2.0, CC BY-NC-SA 4.0, CC BY 4.0 等）。商业用途请联系项目方。