背景描述

由于价格相对便宜且检查方便，因此胸透（CXR）被广泛用于多种肺部疾病（肺炎，肺结核，癌症等）的检测和诊断。 放射科专家可以根据胸透结果，依据这些疾病标识进行人工分析和检测，这是一个漫长而复杂的过程。

随着图形处理卡（GPU）硬件和用于医学图像分析的软件尤其是深度学习技术的发展，科学家们能够借助机器从CXR图像中自动检测许多肺部疾病。 其检测成功率甚至超过认证放射科医师的水平。

尽管取得了这些成功，但专家们坚信，深度学习技术对于非常大的数据集（> 10,000张图像）很有效，但是对于较小的数据集（<1000张图像）可能会产生错误的预测，可能具有（如果有的话） 低准确性。

数据说明

该数据集包含人工分割的肺部图像掩膜，在我们最近的论文中使用该肺部图像掩膜来描述肺分割技术，结合无损和有损数据增强功能，使我们能够在如此小的数据集（<1000张图像）上获得统计上可靠的预测。相关研究过程可参考"Chest X-Ray Analysis of Tuberculosis by Deep Learning with Segmentation and Augmentation"