摘要：该数据集源自NIH胸部X射线数据集，包含85,000张胸部X射线图像，将原始复杂的多标签分类（835个唯一标签值、100,000+图像）简化为二分类任务：正常胸部（Normal_Chest）和异常胸部（Abnormal_Chest）。
数据集概述
该数据集源自NIH胸部X射线数据集，包含85,000张胸部X射线图像，将原始复杂的多标签分类（835个唯一标签值、100,000+图像）简化为二分类任务：正常胸部（Normal_Chest）和异常胸部（Abnormal_Chest）。原始NIH数据集包含14种胸部疾病标签（肺炎、肺气肿、心脏肥大、肺结节等），标注复杂且类别不平衡，该简化版本通过合并所有异常类别为单一”异常”标签，降低了模型训练难度，适合快速原型开发、教学演示和二分类基准测试。数据集保留独立的测试数据文件夹，支持标准化的训练-测试评估流程。
数据结构与关键特征
数据集采用三文件夹结构：Normal_Chest（正常胸部图像）、Abnormal_Chest（包含各种胸部异常的图像）和Test_Data（预留测试集）。图像为标准胸部正位X射线，灰度格式，典型分辨率1024×1024像素。正常胸部呈现清晰的肺野、正常心影轮廓和肋膈角；异常胸部涵盖多种病理表现（浸润影、结节、胸腔积液、心脏扩大、气胸等），将原始14类疾病合并为单一异常类别。简化标注降低了标注噪声和类别混淆问题，但也丧失了细粒度疾病类型信息，适合健康筛查场景而非精确诊断。数据集规模较大（85,000张），支持深度学习模型训练。
应用价值与研究方向
该数据集为胸部疾病初筛和医学影像AI教学提供简化基准，可应用于社区医院快速筛查、远程医疗初步评估和大规模人群健康监测。技术层面支持二分类CNN模型训练（ResNet、DenseNet、EfficientNet）、迁移学习验证和模型轻量化研究。研究方向包括：类别不平衡学习优化（正常vs异常样本比例）、可解释性AI定位异常区域（Grad-CAM热图）、不确定性量化提供置信度评分、跨数据集泛化性研究（在其他胸部X射线数据集上的迁移性能）、以及多阶段诊断系统构建（二分类筛查+细粒度分类诊断的级联模型），为放射科工作流程优化、AI辅助诊断工具开发和医学生教育提供入门级数据资源。
数据集来源
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-299
文件大小：31G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)