metadata
language:
- es
license: cc-by-4.0
task_categories:
- image-classification
- object-detection
tags:
- medical
- x-ray
- radiografia
- biology
- yolo11
- cnn
- curso-ingeniia
size_categories:
- 1K<n<10K
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': Anomaly
'1': Normal
configs:
- config_name: default
data_files:
- split: train
path: data/train/**
- split: validation
path: data/validation/**
- split: test
path: data/test/**
🩻 Chest X-Ray: Detección de Anomalías
Dataset de imágenes de radiografías de tórax procesadas para tareas de clasificación binaria (Normal vs Anomalía). Este dataset forma parte del curso de Deep Learning de inGeniia, utilizado para enseñar Redes Convolucionales (CNN) y Transfer Learning con modelos como YOLO11 (modo clasificación).
🖼️ Descripción del Dataset
Las imágenes han sido extraídas originalmente de Kaggle y procesadas con técnicas de Data Augmentation para mejorar la robustez de los modelos educativos.
- Clases:
Normal: Radiografías sin patologías evidentes.Anomaly: Radiografías con presencia de anomalías (ej. neumonía, nódulos, etc., agrupados en una sola clase positiva).
📂 Estructura y Splits
El dataset ya viene organizado en carpetas compatibles con torchvision.datasets.ImageFolder y el formato de clasificación de YOLO:
- Train: Para entrenamiento del modelo.
- Validation: Para ajuste de hiperparámetros (extraído del split 'val' de YOLO).
- Test: Dataset de evaluación independiente (Benchmark) para medir el rendimiento final.
🛠️ Cómo usarlo
Con Hugging Face datasets
from datasets import load_dataset
dataset = load_dataset("inGeniia.co/chest-xray-classification")
# Ver una imagen de ejemplo
print(dataset["train"][0])