SIIM-FISABIO-RSNA COVID-19
SIIM-FISABIO-RSNA COVID-19数据集专注于运用先进机器学习技术，实现对胸部X光片中COVID-19相关特征的精准识别与定位。该数据集包含6,334份高质量的DICOM格式胸部X光扫描影像，所有数据在纳入前均经过严格去标识化处理，确保患者隐私保护，符合最高伦理标准和隐私法规。在标注过程中，每张胸片都经过详细分析与标记。标注不仅涵盖是否存在肺炎的基础判断（即"Negative for Pneumonia/无肺炎表现"），还细致勾勒了COVID-19在胸片上的多种表现形态，包括"Typical Appearance/典型表现"——通常呈现COVID-19特有的影像学特征；"Indeterminate Appearance/不确定表现"——存在一定诊断模糊性，可能需要进一步评估或随访；以及"Atypical Appearance/非典型表现"——不符合COVID-19常见影像表现，但仍可能与疾病进程相关。
xiongbu数据集元信息
| 维度 | 2D |
| 模态 | xray |
| 任务类型 | classification |
| 解剖结构 | 肺部 |
| 解剖区域 | 胸部 |
| 类别数 | 4 |
| 数据量 | 7597 |
| 文件格式 | .jpg |
文件结构
SIIM-FISABIO-RSNA COVID-19
├── images
├──—— train
│ ├── xxx.jpg
│ ├── xxx.jpg
│ │ ...
├──—— test
│ ├── xxx.jpg
│ ├── xxx.jpg
│ │ ...
├── train.txt
├── val.txt图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | - |
[1115, 1228] |
| 中位值 | - |
[2754, 3186] |
| 最大值 | - |
[3480, 4248] |
引用
@article{lakhani20232021,
title={The 2021 SIIM-FISABIO-RSNA machine learning COVID-19 challenge: Annotation and standard exam classification of COVID-19 chest radiographs},
author={Lakhani, Paras and Mongan, John and Singhal, Chinmay and Zhou, Quan and Andriole, Katherine P and Auffermann, William F and Prasanna, PM and Pham, Theresa X and Peterson, Michael and Bergquist, Peter J and others},
journal={Journal of Digital Imaging},
volume={36},
number={1},
pages={365--372},
year={2023},
publisher={Springer}
}