[论文解读] So You Need Datasets for Your COVID-19 Detection Research Using Machine Learning?
本文整理并分类了2020年1月至6月间发表的96项基于机器学习的新冠肺炎检测研究中使用最频繁的数据集。识别出关键数据集如Cohen JP数据集、ChestX-ray8和COVID-CT，并按数据类型及是否包含阳性/阴性病例进行组织，提供开放获取链接和参考文献，以加速未来研究。
Millions of people are infected by the coronavirus disease 2019 (COVID19) around the world. Machine Learning (ML) techniques are being used for COVID19 detection research from the beginning of the epidemic. This article represents the detailed information on frequently used datasets in COVID19 detection using Machine Learning (ML). We investigated 96 papers on COVID19 detection between January 2020 and June 2020. We extracted the information about used datasets from the articles and represented them here simultaneously. This investigation will help future researchers to find the COVID19 datasets without difficulty.
研究动机与目标
- 解决新研究人员在识别和获取基于机器学习的新冠肺炎检测相关数据集时面临的困难。
- 系统性地收集并分析2020年1月至6月期间发表的基于机器学习的新冠肺炎检测研究论文。
- 提取并汇编这些研究中使用过的数据集信息，供公众访问和重用。
- 根据数据集中是否包含新冠肺炎阳性、阴性或两者兼有的病例对数据集进行分类。
- 为研究人员提供一个集中化、开放获取的数据集资源，以减少在数据集发现上的时间和精力投入。
提出的方法
- 采用PRISMA框架进行系统性文献综述，以识别相关的基于机器学习的新冠肺炎检测研究。
- 在四个主要数据库——Google Scholar、PubMed、Elsevier和WHO数据库中搜索2020年1月至6月期间发表的论文。
- 基于相关性和方法论严谨性，筛选出96篇高质量研究论文用于数据集提取。
- 从每篇选定论文中提取数据集信息（名称、来源、数据类型、样本数量、开放获取链接及关联论文）。
- 将数据集分为三类：仅含新冠肺炎阳性病例、仅含非新冠肺炎病例，以及同时包含阳性与阴性病例。
- 在公共存储库（Figshare）中整理并发布最终的数据集列表，附详细描述、元数据和直接访问链接。
实验结果
研究问题
- RQ1在2020年1月至6月期间，基于机器学习的新冠肺炎检测研究中，哪些数据集被最频繁使用？
- RQ2现有数据集在新冠肺炎阳性与阴性病例包含方面如何分类？
- RQ3最常使用数据集的数据类型（如X光、CT、超声、血液检测）和样本规模是什么？
- RQ4已发表研究中使用过的数据集的开放获取来源和直接链接是什么？
- RQ5研究人员如何高效地定位并访问可靠、公开可用的数据集以开展未来的新冠肺炎检测研究？
主要发现
- Cohen JP数据集使用频率最高，在96项研究中有60项使用了该数据集。
- 肺炎胸部X光图像数据集在26项研究中被使用，其次是RSNA数据集，在14项研究中被使用。
- COVID-CT数据集在13项研究中被引用，包含349张新冠肺炎CT图像和463张非新冠肺炎CT图像，并附有详细元数据。
- ChestX-ray8数据集包含2011–2015年间超过8.7万张图像，在11项研究中被使用，涵盖多种肺部疾病类别。
- Qatar-Dhaka新冠肺炎数据集和COVIDx数据集通过整合多个来源创建，可在Kaggle和GitHub上开放获取。
- IRCCS血液数据集包含279名患者的记录，含16项临床特征和rRT-PCR检测结果，已通过Zenodo公开发布。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。