Pneumonia Radiography Dataset
Ensemble d’images médicales de radiographies thoraciques pédiatriques, annotées par des experts pour détecter la pneumonie virale ou bactérienne.
Environ 4 929 images JPEG classées (pneumonie vs normal), organisées en train/test/val
CC0: Public Domain
Description
Le dataset Pneumonia Radiography est un jeu de données médical structuré contenant près de 5 000 radiographies thoraciques pédiatriques. Les images sont classées en deux groupes : cas normaux et cas de pneumonie (d’origine bactérienne ou virale). Les diagnostics ont été réalisés par deux radiologues, puis validés par une experte senior, assurant une haute fiabilité des annotations.
À quoi sert ce dataset ?
- Entraîner des modèles de classification pour la détection de la pneumonie sur images médicales
- Évaluer la précision de réseaux de neurones convolutifs (CNN) sur des tâches de santé publique
- Tester des pipelines d’analyse d’images médicales dans un cadre pédiatrique
Peut-on l’enrichir ou l’améliorer ?
Oui, il est possible d’augmenter ce dataset via la génération d’images synthétiques, ou en associant des métadonnées cliniques (âge, symptômes). L’ajout de segments ou de masques pourrait permettre d’entraîner des modèles de détection plus précis (segmentation ou localisation).
🔎 En résumé
🧠 Recommandé pour
- Projets de santé publique
- Apprentissage automatique appliqué à la pédiatrie
- Classification par vision médicale
🔧 Outils compatibles
- TensorFlow
- PyTorch
- Keras
- FastAI
- OpenCV
💡 Astuce
Utilisez ce dataset pour tester différentes architectures CNN (ResNet, VGG) et comparer leur sensibilité sur les cas viraux vs bactériens.
Questions fréquemment posées
Ce dataset contient-il des annotations de type segmentation ou détection ?
Non, les images sont uniquement étiquetées en classification binaire (pneumonie ou normal), sans masques ou bounding boxes.
Ce dataset est-il adapté à une utilisation clinique directe ?
Non, il est destiné à l’entraînement de modèles expérimentaux, et ne doit pas être utilisé en diagnostic sans validation médicale.
Peut-on utiliser ce dataset pour la détection multiclasses (bactérien vs viral) ?
Oui, bien que les sous-catégories soient mentionnées, elles ne sont pas séparées en dossiers distincts. Il faudra les étiqueter manuellement.
