NIH Chest X-Ray 数据集介绍与下载

国内网盘下载地址：迅雷网盘 

NIH Chest X-Ray 数据集 (亦称 ChestX-ray8 或 ChestX-ray14) 是医疗影像领域最具影响力的公共数据集之一。该数据集由美国国立卫生研究院（NIH）临床中心（Clinical Center）提供，旨在推动人工智能在医学影像分析，特别是胸部X光片自动解读方面的研究。

数据集概览

该数据集包含超过10万张胸部X射线检查的去标识化图像，这些图像来源于约3万名患者的正面（frontal-view）X光片。所有图像均为PNG格式，便于直接用于深度学习模型的训练。

该数据集的一大特色是其标注信息。通过自然语言处理技术从放射学报告中挖掘，它为图像提供了14种常见胸部疾病的图像级标签（一种多标签分类问题），其中包括肺不张、心脏肥大、肺实变、水肿、肺气肿、胸腔积液、肺炎、气胸等。

 

项目	描述
全称	NIH Chest X-ray Dataset (ChestX-ray8)
图像数量	超过 100,000 张
患者数量	32,717 名 (部分来源为30,000名)
图像格式	PNG
疾病标签	14种常见胸部疾病（多标签）
数据提供方	NIH Clinical Center
主要论文	Wang et al., CVPR 2017

科研价值与影响

NIH Chest X-Ray 数据集的发布，对医学影像和AI交叉领域的研究起到了极大的推动作用。

1. 大规模、标准化基准：此前，胸部X光数据集规模普遍较小，限制了深度学习模型的训练效果。NIH数据集的发布，为学术界和工业界提供了一个大规模、标准化的评测基准，使得不同算法之间的性能比较成为可能。

2. 推动弱监督学习研究：该数据集仅提供图像级的疾病标签，而没有精细的病灶位置标注。这直接催生了大量关于弱监督学习和疾病定位的研究，即训练模型在只知道图像中有某种疾病的情况下，学习去发现和定位图像中的异常区域。

3. 促进临床辅助诊断系统发展：该数据集促进了计算机辅助诊断（CAD）系统的进步。研究者们基于此开发出能够自动检测肺炎、气胸等多种疾病的算法，为临床医生提供了强大的辅助工具，尤其在医疗资源匮乏的地区具有重大意义。

获取途径与访问方式

该数据集可通过多种方式获取，以满足不同研究者的需求：

• NIH官方下载站点：可通过NIH提供的Box网盘链接直接下载原始PNG文件：https://nihcc.app.box.com/v/ChestXray-NIHCC。

• Google Cloud公共数据集：Google Cloud平台也托管了该数据集，并提供了多种便捷的访问方式，包括Cloud Storage，BigQuery以及Cloud Healthcare API。

  • Cloud Storage存储桶：gs://gcs-public-data--healthcare-nih-chest-xray 路径下同时包含了原始的PNG文件和由Google转换的DICOM格式文件。请注意，该存储桶采用“Requester Pays”模式，访问会产生少量费用。

  • BigQuery：可通过Google Cloud的BigQuery服务进行查询分析。

  • Cloud Healthcare API：可通过提交申请表单，在DICOM存储库中访问数据。

许可协议与署名要求

该数据集没有任何使用限制，但出于对数据提供者和原创工作的尊重，使用者必须遵守以下三项署名要求：

1. 提供指向NIH下载网站的链接：https://nihcc.app.box.com/v/ChestXray-NIHCC

2. 引用CVPR 2017论文：

   Xiaosong Wang, Yifan Peng, Le Lu, Zhiyong Lu, Mohammadhadi Bagheri, Ronald Summers, ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases, IEEE CVPR, pp. 3462-3471, 2017.

3. 确认NIH Clinical Center是数据提供者。

附加专家标签

除了基础的14类标签外，研究者还可通过申请获取由多位认证放射科医师为数据子集提供的专家标注（Expert Labels）。这些高质量的精细标注可用于更严格的模型验证和算法性能评估。

• 四类发现标签：源自发表在《Radiology》的研究，聚焦于空气空间实变、气胸、结节/肿块和骨折这四种关键指征。

• 完整14类标签：源自发表在《Scientific Reports》的研究，覆盖原始数据集中的全部14类发现，并增加了一个“正常/异常”的二分类标签。

 

（网盘数据来源：https://hyper.ai/cn/datasets/16729）