肺炎胸片图像检测的YOLO数据集

该数据集是肺炎胸片图像检测数据集，包含细菌性肺炎、病毒性肺炎、结核病、健康肺部和生病影像。目标是通过YOLO模型自动识别并定位胸片中病灶的位置，同时输出分类标签和置信度，实现肺炎及相关疾病的智能检测与快速定位，辅助医生提高诊断效率。

数据集概览

数据图像：

图1 样本图像

数据类型：

表1 数据类型与格式

数据规模：
（1）数据集划分饼图

图2 数据集划分饼图

数据集类别

表3 类别定义

数据集来源

表4 数据集来源与说明

数据集用途

（1）智能疾病检测：于YOLO模型的肺炎及相关疾病自动检测和分类，识别并定位病灶，输出分类标签和置信度。
（2）辅助诊断：帮助医生快速识别肺炎类型和健康状态，提高医疗影像分析效率。
（3）深度学习训练：用于YOLO目标检测模型训练，开发更高效的肺炎胸片检测算法。
（4）快速筛查：实现胸片图像的快速筛查，早期发现肺炎，减轻医生工作负担。

数据集须知

（1）数据类型：包含细菌性肺炎、病毒性肺炎、结核病、健康肺部和生病影像，标注文件记录病灶位置和类型。
（2）标注格式：标注采用YOLO格式，包含类别编号、边界框中心坐标、宽度和高度（归一化到[0, 1]）。
（3）数据预处理：确保图像和标注文件命名一致，按训练集和验证集分类存储。
（4）使用限制：仅供学术研究、算法开发和医疗辅助诊断，禁止商业用途。
（5）数据集质量：数据由专业医生审核，模型输出仅供参考，最终诊断需由医生确认。
（6）版权和引用：使用时遵守版权和引用规定，合法使用数据集。

数据集性能

（1）YOLOv8改进模型训练损失与指标

图3 YOLOv8 MSAM模型训练损失与指标（mAP@0.5 = 0.979）

图中显示训练与验证过程中的损失逐渐下降、精度与召回率稳定上升，表明改进后的YOLOv8模型收敛良好且检测性能优异。

（2）精确度-召回率曲线（PR_curve）

图4 YOLOv8 MSAM模型各类别 Precision–Recall 曲线（mAP@0.5 = 0.979）

图中展示了不同类别的精确度与召回率之间的权衡，改进后的 YOLOv8 模型在所有类别上都实现了较高的精确度和召回率，特别是在细菌性肺炎和病毒性肺炎的检测上表现优异，整体 mAP@0.5 达到了 0.979，说明模型在多类肺炎识别任务中具有强大的性能。

（3）混淆矩阵（Confusion Matrix）

图5 YOLOv8 MSAM模型 混淆矩阵图（P_curve）

混淆矩阵显示改进后的 YOLOv8 模型在各类别上的预测结果较为准确，大多数样本被正确分类，仅在细菌性与病毒性肺炎间存在少量混淆，整体分类性能稳定且可靠。