choheeee22/rsna-pneumonia-day4

RSNA Pneumonia — Day 4 Subset (1,000 DICOMs)

의료AI 강의 Day 4 (DICOM 형식 이해 + PyTorch Dataset/DataLoader)용 서브셋입니다.

데이터 출처

원본: RSNA Pneumonia Detection Challenge (2018)

원본 데이터는 RSNA(Radiological Society of North America)와 NIH가 공동 공개한 흉부 X-ray DICOM 데이터셋입니다. 본 서브셋은 강의 목적을 위해 1,000장을 추출한 것이며, 모든 권리와 출처 표기 의무는 RSNA의 약관을 따릅니다.

구성

항목	값
총 장수	1,000
양성 (label=1, Lung Opacity)	500
음성 (label=0, Normal + No Lung Opacity/Not Normal)	500
영상 형식	DICOM (1024×1024, 8-bit)
Train / Val	800 / 200 (환자 단위 stratified 80:20)

파일 구조

.
├── README.md
├── day4_data.py            # 로더 헬퍼 (load_day4_dataset, load_day4_detailed)
├── labels.csv              # patient_id, image_path, label
├── labels_detailed.csv     # + detailed_class (Normal / No Lung Opacity-Not Normal / Lung Opacity) + bboxes (json)
├── splits.csv              # patient_id, split (train/val)
└── images/                 # 1,000개 DICOM
    ├── <patient_id>.dcm
    └── ...

사용 예시

!pip install -q huggingface_hub pydicom pandas
from huggingface_hub import snapshot_download
import sys

data_dir = snapshot_download(
    repo_id="<USERNAME>/rsna-pneumonia-day4",
    repo_type="dataset",
)
sys.path.append(data_dir)
from day4_data import load_day4_dataset

# 자연 분포(~22%)
df = load_day4_dataset(n=300)

# M4 — 극단 불균형(10% 양성)
df_imbalanced = load_day4_dataset(n=300, prevalence=0.1)

# M4 — Sampler 적용 후 균형(50%)
df_balanced = load_day4_dataset(n=300, prevalence=0.5)

# Val
df_val = load_day4_dataset(n=100, split="val")

라벨 정의

원본 RSNA 3-class를 이진 분류로 단순화:

label	포함 클래스
1	Lung Opacity (폐렴 양성)
0	Normal + No Lung Opacity / Not Normal

3-class 원본 정보가 필요하면 load_day4_detailed()로 detailed_class 컬럼을 함께 받을 수 있습니다.

라이선스 / 인용

본 서브셋은 RSNA Pneumonia Detection Challenge의 데이터 사용 약관을 준수합니다. 사용 시 다음과 같이 인용해 주세요:

RSNA Pneumonia Detection Challenge (2018).
Radiological Society of North America.
https://www.kaggle.com/c/rsna-pneumonia-detection-challenge

원본 데이터는 NIH ChestX-ray14 데이터셋을 기반으로 RSNA 자원 봉사 영상의학과 의사들이 폐 음영(lung opacity) 라벨을 추가하여 구축되었습니다.