：疑似阳性患者的CT扫描和胸部X光片)
摘要OVID-19 影像数据集COVID-19 Image Data Collection, IEEE是一个广泛的医学影像数据集专门收集由 SARS-CoV-2 病毒引起的 COVID-19 疾病相关的医学影像旨在支持研究人员开发用于 COVID-19 检测、诊断和治疗的机器学习和人工智能AI算法。数据集简介数据集概述COVID-19 影像数据集IEEE是一个全球医学影像数据集包含可能为 COVID-19 阳性患者的 CT 扫描和胸部 X 光片从全球众多医疗机构收集涵盖不同地区、种族、年龄和疾病严重程度的患者。所有图像已匿名化处理移除 PII符合 HIPAA 和 GDPR 隐私法规。相关论文发表于 arXivhttps://arxiv.org/abs/2003.11597支持 COVID-19 检测、诊断和治疗的 AI 算法开发。重要免责声明该数据集仅供研究和教育使用模型预测结果需专业医生审核不得用于临床诊断。数据结构与影像模态数据集包含两种主要医学影像模态每种模态提供不同视角和细节层次的肺部信息。(1) 胸部 X 光片Chest X-rays包括正面PA/AP和侧面胸部 X 光影像是最常用的初步筛查工具。X 光片显示肺部、心脏、纵隔和胸腔结构的二维投影影像可以检测 COVID-19 相关的肺部异常包括磨玻璃影Ground-Glass Opacity, GGO肺组织密度轻度增加但仍可见支气管血管纹理、肺实变Consolidation肺泡内充满液体或细胞导致的致密影、间质性肺炎肺间质增厚和炎症、双侧斑片状阴影以及胸腔积液等。X 光片具有快速、低成本、广泛可及的优势适合大规模筛查和基层医疗机构使用。(2) CT 扫描Computed Tomography包括胸部 CT 横断面轴位影像提供更详细的肺部三维结构信息和更高的诊断灵敏度。CT 影像能够更精确地识别 COVID-19 的特异性影像学特征包括双侧多发磨玻璃影最常见的早期表现通常呈周围分布和胸膜下分布、铺路石征Crazy-Paving Pattern磨玻璃影叠加小叶间隔增厚和小叶内间质增厚、肺实变和条索影、小叶间隔增厚、支气管充气征、胸膜下线以及胸膜增厚等。CT 对于疾病早期检测、严重程度评估和预后判断具有重要价值但成本较高且辐射剂量较大。数据集可能包含标签信息如 COVID-19 阳性/阴性/疑似、疾病严重程度轻度/中度/重度/危重、影像学特征标注GGO 位置、肺实变范围、受累肺叶等、患者基本信息年龄、性别已匿名化以及临床结局康复/死亡/住院时长等如果可用。数据集从全球多个医疗机构收集确保数据的地理多样性和人口代表性涵盖不同医疗资源水平的地区为开发鲁棒的全球化 AI 诊断模型提供基础。应用价值与研究方向该数据集为 COVID-19 诊断、医学影像 AI、公共卫生和临床研究提供全面数据支撑支持多个关键应用方向和研究领域。COVID-19 自动检测与筛查训练深度学习模型CNN、ResNet、DenseNet、EfficientNet、Vision Transformer从胸部 X 光或 CT 影像中自动识别 COVID-19 阳性病例实现快速大规模筛查减轻医疗系统负担特别适用于疫情高峰期和医疗资源紧张地区。疾病严重程度评估与预后预测开发 AI 模型评估 COVID-19 病情严重程度轻度、中度、重度、危重预测患者预后康复、需要 ICU、死亡风险辅助临床分层管理、资源优化分配和治疗决策制定。COVID-19 特异性影像特征识别训练模型自动识别和量化 COVID-19 特异性影像学表现磨玻璃影面积、肺实变范围、受累肺段数量、铺路石征、胸膜下线等提高诊断准确率和客观性减少观察者间差异。鉴别诊断与多类别分类开发多类别分类模型区分 COVID-19 肺炎、其他病毒性肺炎流感、腺病毒等、细菌性肺炎、非感染性肺部疾病和正常肺部减少误诊和漏诊支持精准治疗方案制定。多模态融合研究结合 X 光和 CT 两种影像模态的互补信息融合临床数据症状、实验室检查、病史和影像数据构建综合诊断模型提高检测灵敏度、特异性和诊断置信度。迁移学习与少样本学习利用 ImageNet 预训练权重或其他医学影像数据集ChestX-ray14、CheXpert、MIMIC-CXR的预训练模型通过迁移学习加速 COVID-19 检测模型开发解决早期疫情数据稀缺问题。可解释 AI 与临床可信度使用 Grad-CAM、Grad-CAM、注意力机制、显著性图等可解释性技术可视化模型决策过程识别模型关注的关键影像区域如病灶位置、异常特征提高临床医生对 AI 系统的信任度支持 AI 辅助诊断的临床采纳。纵向研究与病程监测对于包含同一患者多时间点影像的数据集可以研究 COVID-19 病程演变、治疗效果评估和康复监测为动态临床决策提供支持。全球公共卫生监测与流行病学研究支持疫情监测、传播动力学研究、公共卫生政策制定和疫情响应优化为未来疫情防控提供数据驱动的决策支持。重要伦理与法律声明该数据集仅供研究和教育使用严禁用于以下用途(1) 未经临床验证的商业诊断产品开发和销售(2) 替代专业医生判断的自动化诊断决策(3) 未经患者知情同意的临床应用(4) 违反医疗隐私法规的数据二次使用。所有基于该数据集开发的 AI 系统必须经过严格的临床试验、监管审批和医学伦理审查后才能进入临床实践。研究人员和开发者应意识到 AI 模型的局限性包括对数据分布偏移的敏感性、对罕见病例的泛化能力不足以及潜在的算法偏见必须确保模型的安全性、有效性和公平性。数据集来源COVID-19 影像数据集IEEE包含全球收集的 COVID-19 患者 CT 和胸部 X 光影像已匿名化发表于 arXiv专为 AI 检测和诊断研究而构建仅供研究使用不得用于临床诊断。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-83文件大小520M原创声明本数据集为整理作品
摘要OVID-19 影像数据集COVID-19 Image Data Collection, IEEE是一个广泛的医学影像数据集专门收集由 SARS-CoV-2 病毒引起的 COVID-19 疾病相关的医学影像旨在支持研究人员开发用于 COVID-19 检测、诊断和治疗的机器学习和人工智能AI算法。数据集简介数据集概述COVID-19 影像数据集IEEE是一个全球医学影像数据集包含可能为 COVID-19 阳性患者的 CT 扫描和胸部 X 光片从全球众多医疗机构收集涵盖不同地区、种族、年龄和疾病严重程度的患者。所有图像已匿名化处理移除 PII符合 HIPAA 和 GDPR 隐私法规。相关论文发表于 arXivhttps://arxiv.org/abs/2003.11597支持 COVID-19 检测、诊断和治疗的 AI 算法开发。重要免责声明该数据集仅供研究和教育使用模型预测结果需专业医生审核不得用于临床诊断。数据结构与影像模态数据集包含两种主要医学影像模态每种模态提供不同视角和细节层次的肺部信息。(1) 胸部 X 光片Chest X-rays包括正面PA/AP和侧面胸部 X 光影像是最常用的初步筛查工具。X 光片显示肺部、心脏、纵隔和胸腔结构的二维投影影像可以检测 COVID-19 相关的肺部异常包括磨玻璃影Ground-Glass Opacity, GGO肺组织密度轻度增加但仍可见支气管血管纹理、肺实变Consolidation肺泡内充满液体或细胞导致的致密影、间质性肺炎肺间质增厚和炎症、双侧斑片状阴影以及胸腔积液等。X 光片具有快速、低成本、广泛可及的优势适合大规模筛查和基层医疗机构使用。(2) CT 扫描Computed Tomography包括胸部 CT 横断面轴位影像提供更详细的肺部三维结构信息和更高的诊断灵敏度。CT 影像能够更精确地识别 COVID-19 的特异性影像学特征包括双侧多发磨玻璃影最常见的早期表现通常呈周围分布和胸膜下分布、铺路石征Crazy-Paving Pattern磨玻璃影叠加小叶间隔增厚和小叶内间质增厚、肺实变和条索影、小叶间隔增厚、支气管充气征、胸膜下线以及胸膜增厚等。CT 对于疾病早期检测、严重程度评估和预后判断具有重要价值但成本较高且辐射剂量较大。数据集可能包含标签信息如 COVID-19 阳性/阴性/疑似、疾病严重程度轻度/中度/重度/危重、影像学特征标注GGO 位置、肺实变范围、受累肺叶等、患者基本信息年龄、性别已匿名化以及临床结局康复/死亡/住院时长等如果可用。数据集从全球多个医疗机构收集确保数据的地理多样性和人口代表性涵盖不同医疗资源水平的地区为开发鲁棒的全球化 AI 诊断模型提供基础。应用价值与研究方向该数据集为 COVID-19 诊断、医学影像 AI、公共卫生和临床研究提供全面数据支撑支持多个关键应用方向和研究领域。COVID-19 自动检测与筛查训练深度学习模型CNN、ResNet、DenseNet、EfficientNet、Vision Transformer从胸部 X 光或 CT 影像中自动识别 COVID-19 阳性病例实现快速大规模筛查减轻医疗系统负担特别适用于疫情高峰期和医疗资源紧张地区。疾病严重程度评估与预后预测开发 AI 模型评估 COVID-19 病情严重程度轻度、中度、重度、危重预测患者预后康复、需要 ICU、死亡风险辅助临床分层管理、资源优化分配和治疗决策制定。COVID-19 特异性影像特征识别训练模型自动识别和量化 COVID-19 特异性影像学表现磨玻璃影面积、肺实变范围、受累肺段数量、铺路石征、胸膜下线等提高诊断准确率和客观性减少观察者间差异。鉴别诊断与多类别分类开发多类别分类模型区分 COVID-19 肺炎、其他病毒性肺炎流感、腺病毒等、细菌性肺炎、非感染性肺部疾病和正常肺部减少误诊和漏诊支持精准治疗方案制定。多模态融合研究结合 X 光和 CT 两种影像模态的互补信息融合临床数据症状、实验室检查、病史和影像数据构建综合诊断模型提高检测灵敏度、特异性和诊断置信度。迁移学习与少样本学习利用 ImageNet 预训练权重或其他医学影像数据集ChestX-ray14、CheXpert、MIMIC-CXR的预训练模型通过迁移学习加速 COVID-19 检测模型开发解决早期疫情数据稀缺问题。可解释 AI 与临床可信度使用 Grad-CAM、Grad-CAM、注意力机制、显著性图等可解释性技术可视化模型决策过程识别模型关注的关键影像区域如病灶位置、异常特征提高临床医生对 AI 系统的信任度支持 AI 辅助诊断的临床采纳。纵向研究与病程监测对于包含同一患者多时间点影像的数据集可以研究 COVID-19 病程演变、治疗效果评估和康复监测为动态临床决策提供支持。全球公共卫生监测与流行病学研究支持疫情监测、传播动力学研究、公共卫生政策制定和疫情响应优化为未来疫情防控提供数据驱动的决策支持。重要伦理与法律声明该数据集仅供研究和教育使用严禁用于以下用途(1) 未经临床验证的商业诊断产品开发和销售(2) 替代专业医生判断的自动化诊断决策(3) 未经患者知情同意的临床应用(4) 违反医疗隐私法规的数据二次使用。所有基于该数据集开发的 AI 系统必须经过严格的临床试验、监管审批和医学伦理审查后才能进入临床实践。研究人员和开发者应意识到 AI 模型的局限性包括对数据分布偏移的敏感性、对罕见病例的泛化能力不足以及潜在的算法偏见必须确保模型的安全性、有效性和公平性。数据集来源COVID-19 影像数据集IEEE包含全球收集的 COVID-19 患者 CT 和胸部 X 光影像已匿名化发表于 arXiv专为 AI 检测和诊断研究而构建仅供研究使用不得用于临床诊断。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-83文件大小520M原创声明本数据集为整理作品
)
