该数据集的实用性已得到中国武汉同济医院一位高级放射科医师的证实，他在 1 月至 4 月期间对大量 COVID-19 患者进行了诊断和治疗。

发布此数据集后，我们收到了一些反馈，表达了对该数据集可用性的担忧。主要关注点总结如下。首先，当将原始 CT 图像放入论文中时，这些图像的质量会下降，这可能会降低诊断决策的准确性。质量下降包括： Hounsfield unit (HU) 值丢失；每个像素的位数减少；图像的分辨率降低。其次，原始CT扫描包含一系列CT切片，但在投入论文时，仅选择了几个关键切片，这也可能对诊断产生负面影响。

我们就这两个问题咨询了上述同济医院的放射科医师。据放射科医生称，这些担忧中提出的问题不会显着影响诊断决策的准确性。首先，有经验的放射科医生能够从低质量的 CT 图像中做出准确的诊断。例如，给定一张由智能手机拍摄的原始 CT 图像的照片，有经验的放射科医师只看照片就可以做出准确的诊断，尽管照片中的 CT 图像质量远低于原始 CT 图像。同样，论文中的CT图像与原始CT图像之间的质量差距不会在很大程度上影响诊断的准确性。其次，虽然最好阅读一系列 CT 切片，但通常单个 CT 切片包含足够的临床信息以做出准确的决策。

Data Description

1、COVID-CT-Dataset 有 349 张 CT 图像，其中包含来自 216 名患者的 COVID-19 临床发现。它们位于 ./Images-processed/CT_COVID.zip

2、非 COVID CT 扫描位于 ./Images-processed/CT_NonCOVID.zip

我们在 ./Data-split 中提供数据拆分。数据拆分信息参见 DenseNet_predict.md 的 README

元信息（例如，患者 ID、患者信息、DOI、图像说明）在 COVID-CT-metaInfo.xlsx 中

这些图像是从 medRxiv、bioRxiv、NEJM、JAMA、Lancet 等的 COVID19 相关论文中收集的。通过阅读论文中的图形说明来选择包含 COVID-19 异常的 CT。数据的所有版权属于这些论文的作者和出版商。

The dataset details are described in this preprint: COVID-CT-Dataset: A CT Scan Dataset about COVID-19

If you find this dataset and code useful, please cite:

@article{zhao2020COVID-CT-Dataset,
  title={COVID-CT-Dataset: a CT scan dataset about COVID-19},
  author={Zhao, Jinyu and Zhang, Yichen and He, Xuehai and Xie, Pengtao},
  journal={arXiv preprint arXiv:2003.13865}, 
  year={2020}
}

baseline Performance

We developed two baseline methods for the community to benchmark with. The code are in the "baseline methods" folder and the details are in the readme files under that folder. The methods are described in Sample-Efficient Deep Learning for COVID-19 Diagnosis based on CT Scans

If you find the code useful, please cite:

@Article{he2020sample,
  author  = {He, Xuehai and Yang, Xingyi and Zhang, Shanghang, and Zhao, Jinyu and Zhang, Yichen and Xing, Eric, and Xie,       Pengtao},
  title   = {Sample-Efficient Deep Learning for COVID-19 Diagnosis based on CT Scans},
  journal = {medrxiv},
  year    = {2020},
}

Contribution Guide

• To contribute to our project, please email your data to jiz077@eng.ucsd.edu with the corresponding meta information (Patient ID, DOI and Captions).

• We recommend you also extract images from publications or preprints. Make sure the original papers you crawled have different DOIs from those listed in COVID-CT-metaInfo.xlsx.

• In COVID-CT-metaInfo.xlsx, images with the form of 2020.mm.dd.xxxx are crawled from bioRxiv or medRxiv. The DOIs for these preprints are 10.1101/2020.mm.dd.xxxx.