LATTE-CXR — 局部图文对齐可解释胸片集 AI-Ready Wikipedia

INFOBOX：latte-cxr 速览

字段	值
数据集	LATTE-CXR: Locally Aligned TexT and imagE, Explainable dataset for Chest X-Rays v1.0.0
slug	latte-cxr（批次清单名"LATTE"——实际 slug 修正存照）
发布	2025-02-04｜PhysioNet
DOI	10.13026/0pw2-je90
访问	Restricted（注册+DUA 1.5.0，无需 CITI——批次六第三种门槛形态）
规模	3,926 bbox-statement 对 + 13,751 眼动 box-sentence 对｜2,742 读片｜915/221 train/val
标注	REFLACX 放射科医生椭圆→box；预定义词典抽陈述；对齐验证 mIoU 50.52%/Acc 76.89%
出身	犹他大学二人组（Ghelichkhan & Tasdizen——REFLACX PI）
论文	ISBI 2025（DOI 10.1109/ISBI60581.2025.10981290）
对照	MS-CXR 1,153 对 vs 本集 3,926+13,751——规模三倍但自动化
一句话	把放射科医生的眼睛变成基准：模型看的方向，和医生看的方向，一致吗

§0 摘要卡：可解释性第一次有了"人的注视"做基准

§0.1 名称与口径声明

本条目记录 PhysioNet 数据集 LATTE-CXR（slug：latte-cxr），v1.0.0，2025-02-04 发布，DOI 10.13026/0pw2-je90，访问级别 Restricted（注册+DUA 1.5.0——批次六第三种门槛形态，与 Credentialed 的 CITI 制区分）。它是 REFLACX 数据集的派生：局部对齐图文对（3,926 bbox-statement）+眼动追踪框（13,751 box-sentence）双资产。

名称存照：批次清单记"LATTE"，实际全名 LATTE-CXR（Locally Aligned TexT and imagE, Explainable 的首字母缩写）——slug 修正。

§0.2 读者收益清单

• phrase grounding 研究者：3,926 对图文对齐（超 MS-CXR 三倍）+对齐质量数字（mIoU 50.52）——训练/评测双可用
• XAI 工程师：13,751 个"医生看哪里"的眼动框——模型热图 vs 医生注视的对齐基准，全库唯一
• 多模态建模者：caption-guided detection/region captioning 的现成训练对——dicom_id 连通 MIMIC 全家桶
• 标注工程研究者：预定义词典抽取法+“certainty 裁决”——自动化标注管线的设计样本
• 方法学对比者：ISBI 2025 论文给出了检测式 vs grounding 式定位的系统对比框架

§0.3 本条目与其他条目的阅读组合

• cxr-pro（508）：同为"报告文本的再加工"——508 删 prior 引用（去幻觉），512 抽异常陈述（做对齐）；两种文本手术共享"预定义规则+词典"的工程哲学
• cxr-cardiomegaly 家族（506-511）：MIMIC 图像层的又一衍生——dicom_id 连通；本集是家族中唯一带"人类注视数据"的
• MS-CXR（PhysioNet 1.1.0）：phrase grounding 的直接对手——1,153 对人工精标 vs 本集 3,926+13,751 自动生成（§2.3 详析）

§0.4 身份卡：一条命令背下这个数据集

名称   LATTE-CXR: Locally Aligned TexT and imagE, Explainable dataset
版本   v1.0.0（2025-02-04，唯一版本）
DOI    10.13026/0pw2-je90
访问   Restricted（注册+DUA 1.5.0——无需 CITI credentialing）
规模   3,926 bbox-statement + 13,751 眼动 box-sentence｜2,742 读片
标注   REFLACX 椭圆→box+词典抽陈述（mIoU 50.52/Acc 76.89）
眼动   mIoU 36.07——噪声大但可学习（可解释性基准）
出身   犹他大学二人组（Ghelichkhan & Tasdizen，REFLACX PI）
论文   ISBI 2025（DOI 10.1109/ISBI60581.2025.10981290）

它的故事一句话：模型说"我看这里"，医生说"我看这里"——LATTE-CXR 把两个"这里"放进同一个坐标系，让可解释性第一次可以用 IoU 来量。

§1 出身与谱系：REFLACX 的二次开采

§1.1 二人组与母项目 PI

Ghelichkhan（Utah SCI Institute）+ Tasdizen（Utah Kahlert School of Computing/ECE）——Tasdizen 是 REFLACX 项目的 PI（Sci Data 2022 论文的通讯与项目协调者）。本集是 REFLACX 团队对自己资产的二次开采：REFLACX（2021 挂牌）记录了 5 名放射科医生读片时的眼动+标注+转录，LATTE-CXR 把这些原始资产重组为"局部图文对齐"的任务形态。

§1.2 REFLACX 母集速写

REFLACX（Reports and eye-tracking data for localization of abnormalities in chest x-rays）：Utah 大学多系合作（SCI/人口健康/放射科/心理系），5 名放射科医生读 MIMIC-CXR 图像，同步记录眼动注视+口述转录（时间戳）+异常椭圆标注+CheXpert 式标签。三阶段采集（phase 1/2/3）。本集取 phase 2+3 中有眼动数据的读片。

§1.3 时间线年表

2021       REFLACX v1.0.0 挂牌（眼动+标注+转录原始层）
2022       Sci Data 9:350 论文（REFLACX 数据描述）
2024-11    MS-CXR v1.1.0 挂牌（微软的 phrase grounding 对照集）
2025-02-04 LATTE-CXR v1.0.0 挂牌（本集）
2025-04-14 ISBI 2025 论文（检测 vs grounding 的眼动对比）
2026-09    核查时点：Views 297

§1.4 用户画像：谁该用、谁不该用

该用：① phrase grounding/图文对齐研究者（规模最大的胸片 grounding 对集之一）；② XAI 研究者（眼动基准全库唯一）；③ 多模态建模者（region-level captioning 训练对）；④ 标注工程研究者（词典抽取+certainty 裁决的管线样本）。

不该用：① 需要像素级金标准的（自动化生成，精度自认低于 MS-CXR）；② 全局分类任务（本集是局部对齐资产）；③ 无 REFLACX/MIMIC 获取条件的团队（原图在母体手里）。

§1.5 名词速查表

术语	含义
phrase grounding	把文本短语定位到图像区域的任务
bbox-statement 对	边界框+描述该框的报告陈述句
etbox-sentence 对	眼动框+对应转录句（时间戳对齐自动生成）
预定义词典	异常标签→报告子串映射的抽取规则表
certainty	REFLACX 放射科医生对标注的置信度（1-5）
chosen 标志	多框同陈述时 certainty 最高者的标记
REFLACX	母集——报告+眼动+标注的原始采集
MS-CXR	微软的 phrase grounding 对照样集（1,153 对）

§1.6 时间线与访问级别

Restricted 注册制的实操含义：PhysioNet 账号+签 DUA 1.5.0 即可下载——无需 CITI GCP 证书（对照 507-509/511 的 Credentialed 制）。这是 Restricted 与 Credentialed 的实操分野：两者都是"注册+签"，差异在 CITI 培训要求。批次清单预判"待核"——实测 Restricted，第三种门槛形态入账。

§2 语境与设计逻辑：眼动数据作为可解释性的"人肉锚点"

§2.1 XAI 的评估困境：热图好了，但"好"由谁定义

可解释性研究（XAI）的经典尴尬：Grad-CAM/CAM 类方法产出热图，热图"看起来对"——但对不对谁说了算？选项有三：① 人工目检（主观、不可扩展）；② 弱监督代理（用分类标签的定位框——但标签本身粗）；③ 人类专家的实际注视（ radiologists 读片时眼睛看哪，模型热图就该指哪）。LATTE-CXR 的眼动数据把第三种选项变成了可计算资产：医生的注视热区 vs 模型热图的 IoU——可解释性从修辞变成指标。

§2.2 眼动框的生成管线：三路数据的时间戳对齐

13,751 个眼动框的自动生成管线：① 放射科医生读片时的时间戳眼动注视点（眼动仪记录）；② 同步的时间戳口述转录（医生边看边说的每句话带时间）；③ 对每句转录，取该句发音时段内的注视点集合，计算最小包围框——即"医生说这句话时眼睛看的区域"。噪声自认（眼球跳动/扫视路径/语言滞后），但 ISBI 论文的验证（mIoU 36.07 且可学习）证明噪声有界。

§2.3 与 MS-CXR 的对照：规模换精度的自觉交易

维度	MS-CXR（微软）	LATTE-CXR（本集）
对数	1,153 bbox-statement	3,926 + 13,751 眼动
生成方式	放射科医生监督人工对齐	词典抽取+眼动自动生成
精度	高（人工金标准）	中（自动，页面自认较低）
规模	小	大（3.4 倍+眼动层独有）
眼动数据	无	有（可解释性基准）

页面原文的自我定位极诚实：“may be less accurate than MS-CXR due to its automated generation without radiologist supervision, it offers a larger scalable dataset”。规模换精度的自觉声明——数据集设计里最值得记录的一种权衡。

§2.4 词典抽取法的工程解剖

陈述抽取的规则引擎：① 否定句过滤（去 normal/'no '句）；② 预定义词典（17 类标签→子串映射：单词或词组 AND 组）；③ 命中句拼接为 statement；④ 多框同陈述时 certainty 裁决（chosen 标志）。词典法的边界：召回受词典覆盖限制（医生的同义表达穷举不完）——例：‘lob loss volume’ 三词 AND 捕获 “lobar loss of volume”。这是一种规则时代的 NER——与 508 的 BioBERT NER（GILBERT）形成"词典法 vs 学习法"的对照。

§2.5 对齐验证：用数字给自动化背书

“自动生成"最怕被问"对齐质量如何”——本集给了数字：box-statement 对齐 mIoU 50.52%、Accuracy 76.89%（IoU>30% 阈值）；眼动框 mIoU 36.07%（五名放射科医生一致性检验下的可学习性证明）。这三个数字是自动化管线的"质检单"——50.52% 的 mIoU 意味着"中等对齐质量"（人工对齐可达 70+），够训练弱监督模型、不够当金标准——用途边界由数字划定，这正是好数据集文档的样子。

§2.6 证据层级小结

本集的证据位置：自动派生的弱监督对齐层+人类注视的评估基准层——高于纯合成对齐，低于人工金标准（MS-CXR）。双层的独特组合（对齐对可训练+眼动可评估）使其在"训练-评估"管线中各占一格：训练用 3,926 对（弱标注量大），评估用眼动（人类锚点）或 MS-CXR（金标准）。

§2.7 一句话语境总结

phrase grounding 的数据荒（MS-CXR 只有 1,153 对）逼出了 LATTE-CXR 的两条产能线：词典抽取把标注椭圆变成陈述对，眼动仪把医生的注意力变成框——3,926+13,751 对素材背后，是"自动化换规模、噪声换覆盖"的清醒交易。

§3 数据切片：metadata+每读片子目录的结构

§3.1 总账与目录结构

metadata_phase2.csv     240 读片（147 有对；全部为 test）
metadata_phase3.csv     2,507 读片（1,074 有对；915/221 train/val）
data/<reading_id>/
  ├── bbox_statement.csv    # 3,926 对（1,668 读片有此文件）
  └── etbox_sentence.csv    # 13,751 对（2,742 读片有此文件）
弃置账：phase 2 弃 47 box / phase 3 弃 369 box（无法抽陈述者）

§3.2 metadata 表的字段解剖

字段	内容
reading_id	读片 ID（关联 REFLACX）
split / REFLACX_split	本集切分 / 母集原生切分
image_path / dicom_id	MIMIC-CXR 图像路径与键
subject_id	患者键（连 MIMIC-IV）
image_size_x/y	图像尺寸
has_annotated_abnormality / has_paired_bbox_statement	两级资产的存在标志
fixations / anomaly_location_ellipses / chest_bounding_box / timestamps_transcription / transcription	REFLACX 原始文件路径（五路源数据指针）

§3.3 bbox_statement.csv 的字段

字段	内容
box_index	框序号
xmin/ymin/xmax/ymax	边界框坐标（REFLACX 椭圆转正框）
certainty	放射科医生置信度 1-5
statement	陈述句（一或多句拼接）
chosen	唯一配对标志（多框同陈述时最高 certainty 者为 True）
17 类 Boolean	异常标签（Atelectasis/Consolidation/Enlarged cardiac silhouette 等）

§3.4 获取路径与连带获取

本集：注册+签 DUA 1.5.0（无 CITI）——三步即得
原图：MIMIC-CXR（CITI+DUA）——bbox 落在图上必须有图
     REFLACX 原始层（公开，Sci Data）——眼动原始文件
三层数据三道获取——本集是"指针型数据集"（metadata 指向母体）

§3.5 引用义务

三件套：本集 DOI（10.13026/0pw2-je90）+ REFLACX（DOI 10.13026/e0dj-8498 / Sci Data 9:350）+ ISBI 2025 论文（DOI 10.1109/ISBI60581.2025.10981290）。用 MIMIC 图像另加 MIMIC-CXR 双引用。

§4 结构深查：对齐质量的数字解剖

§4.1 mIoU 50.52% 的位置感

胸片 phrase grounding 文献里，人工对齐的 mask/box IoU 通常 70+，自动对齐 40-60——本集 50.52% 落在自动档的中位。50.52 的用途翻译：可作弱监督训练信号（噪声有界）；不可作金标准评测（会低估人工对齐系统）；可与 MS-CXR 交叉评测（互相标注对方的质量）。Accuracy 76.89%（IoU>30%）是"宽松阈值下的可用率"——七成半的对齐对至少方向正确。

§4.2 certainty 裁决的信息论

REFLACX 的 certainty 1-5 是放射科医生的自报置信度——本集用它做多框同陈述的裁决（取最高者）。这个设计的隐含假设：高置信标注更可能被报告明说（低置信的模糊发现常被报告略写）——假设合理但未验证。重分析点：certainty 与"陈述抽取成功率"的相关性（高置信框是否更容易抽到陈述？若相关，弃置的 369+47 个框的构成也可解释）。

§4.3 眼动 mIoU 36.07 的正确读法

36.07% 是"五个放射科医生的眼动框之间/与标注框"的一致性量级——它证明的不是"眼动框准确"而是"眼动框可学习"（AI 学这个分布后能达到的精度上限有数字支撑）。眼动数据的噪声源：扫视跳跃（saccade 期间无有效注视）、语言-注视滞后（医生说着上一句看着下一处）、个体差异（五医生的注视策略不同）。用途校准：可解释性基准（模型热图与医生注视的相关性量级）✓；病灶定位真值 ✗。

§4.4 否定句过滤的边界

词典法过滤否定句（去 normal/'no '）的失效场景：“No definite consolidation, but…” 这类"否定后转折"句会被整句丢弃——陈述召回漏掉转折后的真发现。与 508 的 GILBERT（token 级 REMOVE/KEEP）对照：词典法的粗粒度在"否定嵌套"场景吃亏。重分析点：统计被过滤句中"含转折连词"的比例——量化词典法的召回损失。

§4.5 结构小结：对齐质量的四层证据

层 1  抽取规则    预定义词典（可审计的确定性规则）
层 2  对齐数字    mIoU 50.52 / Acc 76.89（自动层质检单）
层 3  人类锚点    眼动 mIoU 36.07（可学习性证明）
层 4  下游论文    ISBI 2025 的检测 vs grounding 对比（使用示范）

§4.6 对齐数字的使用边界：三个阈值场景

mIoU 50.52/Acc 76.89 两个数字在不同场景下的裁决力不同：① 作训练信号——弱标注可用（噪声有界且独立于模型）；② 作评测金标准——不合格（会系统性低估人工对齐水平的模型）；③ 作跨集对照——需与 MS-CXR（人工档）分层报告，混池即失真。三个场景对应三种引用话术，混用任何两种都是方法学事故。

§4.7 眼动框的统计学：为什么 36.07 反而是好新闻

直觉上 mIoU 36% 很低，但换个参照系：两名放射科医生互相看彼此的病灶标注，IoU 也常在 40-60 区间——眼动框与标注框的 36.07 落在"医生间一致性"的邻域。它证明：眼动噪声有界、注视与病灶的关系可学习、AI 有机会学会"医生式看片"。ISBI 论文的对比实验正是建立在这个可学习性之上。

§4.8 与 509 的"人类信号"对照

本集的眼动框与 509 的 κ 双轮标注是两种"人类信号"：509 记录医生的结论（一致的意见），本集记录医生的视线（一致的过程）。结论信号直接做标签，过程信号做可解释性基准——两者的质控哲学不同：结论要 κ（意见一致性），过程要可学习性（噪声有界即可）。两个数据集合读，“人类信号入数据集"的完整谱系就齐了：结论、过程，以及 507 里那种"结论的行为学近似”（医生自发传图的拍照行为）。

§5 使用协议：注册制的轻门槛与三层获取

§5.1 全流程地图

[第 0 步] PhysioNet 账号（注册即得——无 CITI！）
[第 1 步] 签 DUA 1.5.0 → 下载本集（metadata + data 子目录）
[第 2 步] 取 REFLACX 原始层（公开）——眼动原始文件/转录/标注
[第 3 步] 取 MIMIC-CXR 图像（CITI+DUA——bbox 落图必须）
[第 4 步] 选任务线（phrase grounding / 检测 / captioning / XAI）
[第 5 步] 引用三件套：本集 DOI + REFLACX + ISBI 2025

§5.2 注册制与 Credentialed 制的分野

事项	Restricted（本集）	Credentialed（507/508/511）
注册	PhysioNet 账号	同左
DUA	签 1.5.0	签 1.5.0
CITI GCP 证书	不需要	需要
审核强度	低（自动/快速）	中（人工审核）
适用判断	派生层/低直接 PHI 风险	含患者信息或高可逆风险

本集是纯派生指针型（metadata+对齐表，无图像无原始报告全文）——PHI 风险最低，门槛也最低。三层获取的现实：本集秒下、REFLACX 公开下、MIMIC 图要等 CITI——完整实验的瓶颈在 MIMIC 那一层。

§5.3 评测路线 A：phrase grounding（本集正牌赛道）

用 3,926 对训练"短语→区域"定位（One-Stage/Two-Stage grounding 或 CLIP 类检索式）：① 切分用官方 915/221（phase 2 全部 test）；② 指标 mIoU/Acc@IoU0.3/0.5；③ 与 MS-CXR 训练的模型交叉评测（MS-CXR 训→LATTE 测的域差实验）；④ 与 ISBI 2025 论文的对比框架对齐（检测式 vs grounding 式）。算力：常规视觉-语言模型微调，单卡-多卡。

§5.4 评测路线 B：XAI 对齐评估（眼动基准的正确用法）

用 13,751 眼动框评估任意定位模型的可解释性：① 模型（你的 Grad-CAM/attention/grounding 输出）；② 医生眼动框作参考；③ 指标：模型框 vs 眼动框的点级命中率（fixation inside box 比例）+分布相关性。论文 ISBI 2025 就是这条线的示范——检测模型与 grounding 模型谁更"看医生所看"，眼动数据给了裁判尺度。这是本集最独特的用法——其他数据集给不了。

§5.5 评测路线 C：caption-guided 检测与 region captioning

双向任务：① 给陈述→检出框（caption-guided detection）；② 给框→生成陈述（region captioning）——3,926 对可两用。设计要点：陈述是多句拼接（长文本），生成任务需处理多句输出；17 类 Boolean 可作辅助监督（多任务头）。

§5.6 常见踩坑清单

坑	后果	避法
坑点1：把眼动框当金标准	评估带眼动噪声（mIoU 36 的天花板）	眼动=可解释性基准，金标准用标注框
坑点2：与 MS-CXR 混训不分组	精度档次不同的数据互相污染	分组+跨集评测声明
坑点3：忘记 MIMIC 原图门槛	有框无图，训练卡壳	CITI+DUA 提前办（§5.2）
坑点4：椭圆转正框的信息丢失预期错误	box 比椭圆松/紧的争议	按 REFLACX 原始口径理解（§1.2）
坑点5：否定句的残余误用	"no fracture"被当发现	陈述已过滤——但自查转折句残余
坑点6：certainty 当真值权重	1-5 是自报置信非准确度	只用于裁决不用于加权训练
坑点7：单图多框的 chosen 混乱	重复计数	chosen=False 的框按引用非独立样本
坑点8：引用漏 REFLACX	母集失引（眼动/标注出处）	三件套引用纪律

§5.7 与许可的连带义务

DUA 1.5.0 标准条款（禁再分发/禁重识别/禁超范围）。REFLACX（母集）为公开 Sci Data 数据（CC BY 4.0 论文/数据另有条款）——三层义务按最严者执行。引用三件套格式见 §10.3。

§5.8 算力与时间预算参考

路线	算力	墙钟时间
A phrase grounding	单卡-多卡	3-7 天
B XAI 对齐	CPU-单卡（评估型）	2-5 天
C captioning/检测	单卡-多卡	3-7 天

体量小（2,742 读片），全部路线单卡可承受；瓶颈在 MIMIC 原图的获取流程。

§6 实证图景：对齐质量与眼动基准的全部数字

§6.1 对齐质量双指标

指标	值	含义
mIoU	50.52%	box-statement 对齐的中位质量（自动档中位）
Accuracy	76.89%（IoU>30%）	宽松阈值下的可用率
眼动 mIoU	36.07%	眼动框的可学习性证明（非金标准值）

§6.2 规模对照：本集 vs MS-CXR

维度	MS-CXR	LATTE-CXR
bbox-statement	1,153	3,926（3.4 倍）
眼动层	无	13,751（独有）
读片数	—	2,742
生成方式	人工监督	自动管线
精度	高	中（自认较低）

本集的规模是 MS-CXR 的 3.4 倍——但真正的增量是眼动层（MS-CXR 完全没有的维度）：可解释性基准 + "医生所看"的人类锚点。

§6.3 ISBI 2025 论文的使用示范

Ghelichkhan & Tasdizen 的 ISBI 论文（DOI 10.1109/ISBI60581.2025.10981290，2025-04-14，22nd IEEE ISBI）用本集眼动数据对比了两类定位模型：object detection 式 vs phrase grounding 式——谁的热区更接近医生的注视。这是数据集的"官方使用示范"：证明眼动基准可执行、可出对比结论。论文的具体系数以 IEEE 版为准（本条目不引未核实的 mIoU 对比值）。

§6.4 抽取管线的量化账

phase 2：240 读片 → 147 有对（61.3%）→ 弃 47 box
phase 3：2,507 读片 → 1,074 有对（42.8%）→ 弃 369 box
合计弃置：416 box（无法从报告抽取陈述者）
抽取成功率：phase 2 高于 phase 3——原因未披露（存照）

弃置率本身是信息：词典法的召回边界——约 1/4 到 1/3 的标注框因"报告里找不到对应陈述"被弃。改进方向（v2 想象）：学习式抽取（NER/LLM）替代词典——召回可望提升。

§6.5 与 MS-CXR 的生态位互补

MS-CXR（微软）与 LATTE-CXR（犹他）不是竞争而是互补档位：MS-CXR=小而精（人工对齐，金标准评测）；LATTE-CXR=大而全（自动对齐，训练主力+眼动评估）。理想管线：MS-CXR 微调（高质量小数据）→ LATTE-CXR 预训练/扩大（弱监督大数据）→ 眼动基准评估可解释性。三段式恰好构成 phrase grounding 的完整训练-评估栈。

§6.6 实证小结

对齐质量：mIoU 50.52 / Acc 76.89（IoU>30%）——自动档中位
眼动基准：mIoU 36.07——可学习性证明（非金标准）
规模：3,926+13,751 对（MS-CXR 的 3.4 倍+独有眼动层）
ISBI 2025：检测 vs grounding 的眼动对比示范

§7 AI 实践指南：把图文对与眼动基准用对

§7.1 技术定位的三条铁律

1. 训练用标注对、评估用眼动——两层资产的角色不可互换（噪声档位不同）
2. bbox 是椭圆的转正——理解 REFLACX 椭圆→正框的信息取舍
3. dicom_id 连通全家桶——与 506-511 的跨形态实验都从这里出发

§7.2 推荐管线（phrase grounding 主线）

# ===== 阶段 0：加载 =====
meta2 = load_csv("metadata_phase2.csv")   # 240 行（test）
meta3 = load_csv("metadata_phase3.csv")   # 2,507 行（915/221 train/val）
pairs = load_bbox_statements("./data/")   # 3,926 对：box+statement+17 类标签

# ===== 阶段 1：图文对模型（grounding）=====
model = load_vlm_backbone()               # CLIP/BiomedCLIP/GLIP 系
train(model, pairs[train], task="phrase_grounding",
      loss=bbox_regression + contrastive)
eval_mIoU(model, pairs[val])              # 对照 50.52 的对齐质量线

# ===== 阶段 2：XAI 对齐评估（眼动基准）=====
for img in test_set:
    model_heatmap = grad_cam(model, img)
    doctor_boxes = load_etbox(img.reading_id)
    report(fixation_hit_rate(model_heatmap, doctor_boxes))
# 模型看的方向 vs 医生看的方向——可解释性的量化

§7.3 跨数据集实验设计（MS-CXR 交叉）

三组实验框：① MS-CXR 训 → LATTE 测（金标准→弱标注域差）；② LATTE 训 → MS-CXR 测（弱→强的泛化检验）；③ 合并训练分域报告。预期：①② 的性能差即"自动化噪声+域差"的合成——分解它们需要控制变量（同域子集对照）。这是 grounding 领域少有人做的对照面。

§7.4 报告规范：引用本集数字的格式

三件套：① 数字+口径（“3,926 对 bbox-statement（mIoU 50.52，LATTE-CXR v1.0.0）”）；② 眼动声明（“眼动框为可解释性基准（mIoU 36.07），非金标准”）；③ 派生声明（“派生自 REFLACX，图像出自 MIMIC-CXR”）。反面教材：“LATTE-CXR 提供了 17,677 个金标准对齐”——把两层噪声档不同的资产混当一个金标准。

§7.5 反模式清单

• ❌ 眼动框训练定位器（噪声档错位——它是评估基准）
• ❌ 拿自动对齐当金标准评别人（50.52 的天花板）
• ❌ 跳过 REFLACX 引用（母集失引）
• ❌ chosen=False 的框当独立样本计数
• ❌ 17 类 Boolean 当诊断标签用（它们是框的属性非图的诊断）
• ❌ 与 MS-CXR 混池不分档
• ❌ 把 ISBI 论文未给的对比值编造引用

§7.6 教学用法：一周 XAI 实验课

Day1 读 ISBI 论文+下数据（注册制当天可下）；Day2 数据结构解析（metadata+对齐对）；Day3 跑一个开源 grounding 模型；Day4 眼动对齐评估（fixation hit rate）；Day5 报告（含"模型看哪 vs 医生看哪"的可视化）。教学卖点：XAI 从哲学讨论变成 IoU 数字——全库唯一能这样教的集。

§7.7 从对齐到部署的桥

1. 模型可解释性验收：部署前用眼动基准测"热图-注视对齐"——低于基线的模型退回
2. 医生-in-the-loop：模型热图与医生注视的分歧案例=最有价值的复核队列
3. 报告生成对齐：region captioning 产出接入报告草稿——从定位到语言的闭环

§8 伦理与合规：派生指针型的轻伦理

§8.1 为什么 Restricted 是最低档的合理档位

本集内容=坐标+陈述句+标志位——不含像素、不含原始报告全文、不含人口学。但陈述句拼接自真实报告、坐标指向真实病例——指针型资产的重识别风险最低但非零（reading_id+坐标+异常组合的稀疏性可拼图）。Restricted（注册+DUA）恰好匹配"低风险非零"的档位——比 Open 稳、比 Credentialed 轻。

§8.2 Ethics 段的一句话与它的含义

“We used the publicly available REFLACX dataset, which is deidentified, so no further approval was required.”——母集已去标识+公开，派生免审批。这条链的成立前提：REFLACX 的原始同意链（MIMIC 图像使用+眼动采集同意）完整覆盖二次派生。派生的合规性全部继承自母集——本集自身零新增伦理负担。

§8.3 眼动数据的特殊伦理维度

眼动数据是行为生物特征（注视模式有个体可识别性——眼动生物识别研究已有先例）。本集的眼动框是聚合产物（框非原始注视序列）——风险已降维。但 REFLACX 母集的原始注视序列（可下载）保留了个体行为指纹——使用母集时的伦理谨慎要高于本集。这个"聚合降维"的隐私技巧值得记录：发布聚合产物而非原始行为流。

§8.4 门槛的总账：AI-Ready 视角

维度	得	失
可获取	Restricted 注册制（轻）	三层获取的现实摩擦
质控透明	对齐数字（mIoU/Acc）公开	自动化精度自认低于人工
独特性	眼动基准全库唯一	噪声性的用途限制
生态位	phrase grounding 最大公开集	依赖母体获取
文档	方法节极详（词典全公开）	phase 重分配的非原生切分

总评：独眼动基准+透明数字是亮点，Restricted 与自动化噪声是边界——DAIMS 6.5-7.0（§10.6 论证）。

§8.5 Restricted 档的生态位：三态门槛的中点

批次六至此集齐三态门槛：Open（506/510，零门槛）— Restricted（本集，注册+DUA） — Credentialed（507/508/509/511，注册+CITI+DUA）。Restricted 的生态位：内容已去标识（指针/聚合层）但与患者可关联——不足以 Open，不必至 Credentialed。三种形态的判据可总结为一张决策树：直接含 PHI→Credentialed+；可逆性风险高→Credentialed；纯聚合/指针→Restricted 或 Open。

§8.6 指针型数据集的特有风险：拼图攻击

本集的每条记录（reading_id+坐标+异常组合）单独无害，但与公开的 REFLACX 侧信息交叉时存在拼图风险（稀疏组合可能唯一化一个读片）。DUA 的禁重识别条款覆盖此风险；使用者侧的对策：聚合报告时不输出"单读片级"的组合细节。这是指针型数据集区别于图像型的特有风险形态——组合稀疏性替代像素成为隐私载体。

§8.7 从本集看"派生层合规"的完整谱系

506（数值 Open）→510（掩码 Open）→512（指针 Restricted）→508（文本 Credentialed）→507/511（图像/嵌入 Credentialed）——六个条目的许可梯度恰好按"派生物与 PHI 的距离"排列。这条谱系是本批次对数据治理文献的最大贡献：合规档位不是二元决策，而是沿派生链的连续谱——每一层派生都应重新评估自己的位置。

§9 FAQ：90 问快答

出身与身份（10 问）

1. 这个数据集是什么？ REFLACX 的派生集：3,926 对图文对齐（框+陈述）+13,751 个眼动框-句对——胸片 phrase grounding 与可解释性基准。
2. 谁做的？ 犹他大学二人组：Elham Ghelichkhan（SCI Institute）+ Tolga Tasdizen（Kahlert School of Computing，REFLACX PI）。
3. 何时发布？ 2025-02-04，v1.0.0，唯一版本。
4. DOI 是什么？ 10.13026/0pw2-je90。
5. 访问级别？ Restricted（注册+DUA 1.5.0——无需 CITI，批次六第三种门槛形态）。
6. 论文是哪篇？ ISBI 2025（22nd IEEE ISBI，2025-04-14），DOI 10.1109/ISBI60581.2025.10981290。
7. LATTE 是什么缩写？ Locally Aligned TexT and imagE, Explainable——局部对齐图文+可解释。
8. 与批次清单的"LATTE"什么关系？ 同一集——slug 实际为 latte-cxr（名称修正存照）。
9. 派生自哪？ REFLACX（Sci Data 9:350, 2022）——REFLACX 又基于 MIMIC-CXR。
10. Ethics？ 母集已去标识公开——“no further approval was required”。

内容与规模（10 问）

11. 两组资产？ 3,926 bbox-statement 对（标注框+陈述）+13,751 眼动 box-sentence 对。
12. 多少读片？ 2,742 有眼动框；1,668 有 bbox-statement。
13. phase 2/3 各多少？ phase 2：240 读片（147 有对）；phase 3：2,507（1,074 有对）。
14. 切分？ 915 train / 221 val（phase 3 重分配）；phase 2 全部 test。
15. 17 类标签？ REFLACX 的异常 Boolean（Atelectasis/Consolidation/Enlarged cardiac silhouette 等）。
16. metadata 表有什么？ reading_id/split/dicom_id/subject_id/图像尺寸/REFLACX 五路文件指针。
17. bbox_statement.csv 字段？ box 坐标/certainty(1-5)/statement/chosen/17 类 Boolean。
18. 眼动框怎么生成的？ 时间戳眼动注视+时间戳转录对齐——医生说某句时看的位置=该句的框。
19. 弃置了多少框？ 416（phase 2 的 47+phase 3 的 369）——无法抽取陈述者。
20. 有原图吗？ 没有——指针型数据集，原图在 MIMIC（Credentialed）与 REFLACX（公开）。

标注与质量（10 问）

21. 陈述怎么抽的？ 预定义词典（17 类→子串映射）+否定句过滤+命中句拼接。
22. 对齐质量多少？ mIoU 50.52%/Accuracy 76.89%（IoU>30%）。
23. 有 κ 吗？ 无人工一致性系数——对齐数字+眼动可学习性替代。
24. 眼动框质量？ mIoU 36.07——"可学习"证明而非金标准（噪声自认）。
25. certainty 是什么？ 放射科医生自报置信度 1-5——多框同陈述时取最高者为 chosen。
26. 否定句怎么处理？ 过滤含 normal/'no ’ 的句——保留 abnormal 措辞（词典边界存照）。
27. 为什么精度低于 MS-CXR？ 自动生成无放射科医生监督——页面自认（规模换精度）。
28. 与 MS-CXR 比规模？ 3,926 vs 1,153——3.4 倍+独有眼动层。
29. ellipse 转 box 丢了什么？ 椭圆的方向信息——正框是宽松包络。
30. 眼动数据采集设备？ REFLACX 用眼动仪记录（母集文档为准）——本集只含派生框。

访问与获取（10 问）

31. 怎么下载？ 注册+签 DUA 1.5.0——无 CITI（比 Credentialed 轻一档）。
32. 个人研究者能下吗？ 可以（注册制最宽松的门槛形态）。
33. 需要 MIMIC 图像吗？ 落图实验需要（CITI+DUA 另办）——纯表格分析不用。
34. 需要 REFLACX 吗？ 眼动原始文件/转录细节需要（REFLACX 公开）。
35. 能再分发吗？ 不能（DUA）。
36. Views 多少？ 297。
37. 许可全文在哪？ view-license/1.0.0（Restricted Health Data License 1.5.0）。
38. 商用可以吗？ 按 Restricted License 1.5.0 原文（历史口径偏严——以条款为准）。
39. 发表要引什么？ 三件套：本集 DOI+REFLACX（Sci Data）+ISBI 2025。
40. 三层获取的现实摩擦？ 本集秒下/REFLACX 公开下/MIMIC 图要 CITI——瓶颈在第三层。

方法与统计（10 问）

41. 预定义词典的结构？ 标签→子串映射：单词命中或词组 AND 命中（如 [‘lung’,‘loss’,‘volume’]）。
42. 否定句过滤规则？ 去 normal/'no ’ 句、保留 abnormal 措辞——转折句残余是已知边界。
43. statement 可以多句吗？ 可以——命中句拼接；一句也可配多框（标签共享）。
44. chosen 标志的语义？ 多框同陈述时 certainty 最高者为 True；phase 2 全部与 phase 3 test 为 False。
45. 眼动框的物理意义？ 医生口述某句时眼动注视的最小包围区。
46. 眼动噪声来源？ 扫视跳跃/语言滞后/个体策略差异——聚合后仍有界。
47. mIoU 36.07 证明什么？ 眼动框"可被 AI 学习"——不是"眼动框准确"。
48. 检测 vs grounding 的对比结论在哪？ ISBI 2025 论文——本集眼动数据是裁判尺度。
49. 对齐验证的 split？ 在 REFLACX test 集上评——与训练集隔离。
50. 17 类的完整清单？ 页面 Methods 列（含 Abnormal mediastinal contour/Acute fracture/Hiatal hernia/Support devices 等长尾类）。

与母体数据集的关系（10 问）

51. 和 REFLACX 什么关系？ 二次开采——REFLACX PI 本人团队做的派生。
52. 和 MIMIC-CXR 什么关系？ 图像的最终出处（REFLACX 读的就是 MIMIC 图）。
53. 需要下载 REFLACX 吗？ 用眼动原始序列/完整转录时需要（本集只有派生框）。
54. 需要下载 MIMIC 吗？ 落图训练需要；表格分析不用。
55. 和 MS-CXR 什么关系？ phrase grounding 的对照集——人工精标 vs 自动生成（§2.3）。
56. 和 cxr-pro（508）什么关系？ 报告文本手术的对照：508 删 prior（去幻觉），512 抽陈述（做对齐）。
57. MIMIC 家族里有本集吗？ 五形态（数值/照片/文本/掩码/嵌入）之外的第六形态——局部对齐层。
58. REFLACX 的引用？ Bigolin Lanfredi et al. Sci Data 9:350 (2022)，DOI 10.1038/s41597-022-01441-z。
59. REFLACX 几个放射科医生？ 5 名（含 Howard Mann）——眼动与标注的来源。
60. 本集的 certainty 来自谁？ REFLACX 的标注医生（1-5 自报置信）。

使用与实操（10 问）

61. 推荐第一步？ phrase grounding 基线（官方切分）+对齐质量对照 50.52。
62. XAI 评估怎么做？ 模型热图 vs 眼动框的 fixation hit rate（§5.4/§7.2）。
63. 需要 GPU 吗？ grounding 训练需要单卡-多卡；XAI 评估型 CPU 可。
64. 陈述是多句的怎么处理？ 拼接整体作为 grounding 目标文本——或按句拆开多任务。
65. chosen=False 的框怎么用？ 作辅助监督/不计独立样本——语义见 §3.3。
66. 能做 region captioning 吗？ 能——框→陈述的方向（§5.5）。
67. 17 类标签能训练分类器吗？ 能（框级多标签）——但它是框属性非图诊断。
68. 眼动原始序列在哪？ REFLACX 母集（本集只有聚合框）。
69. 最大的坑？ 把眼动框当金标准（噪声档错位——§7.1 铁律）。
70. 训练多久？ grounding 微调 3-7 天（单卡-多卡）；XAI 评估 2-5 天。

评分与定位（10 问）

71. AI-Ready 程度？ 中上——对齐数字透明+眼动独一份；Restricted+自动化噪声扣分。
72. DAIMS 打多少？ 6.5-7.0（§10.6 论证）。
73. 不可替代性？ 唯一"医生注视基准"+最大公开胸片 grounding 对集。
74. 适合做什么？ grounding 训练评测/XAI 评估/region captioning/标注管线研究。
75. 不适合做什么？ 金标准评测（自动档）/全局分类/像素分割/无原图条件下的视觉任务。
76. 重分析空间？ certainty-抽取成功率相关/否定转折句残余统计/眼动个体差异分解——三题开放。
77. Views 297 说明什么？ 新集（2025-02）+Restricted——低曝光正常。
78. 与 508 的文本手术对照？ 508 删指涉治幻觉、512 抽陈述做对齐——词典法 vs NER 法两代。
79. 五年后还相关吗？ grounding/XAI 是多模态落地的必经评估——眼动基准的稀缺性长存。
80. 只记一件事？ 医生看哪，模型就该看哪——LATTE-CXR 把这句话变成了 IoU。

伦理与合规（10 问）

81. 为什么是 Restricted 而非 Open？ 指针型资产的重识别风险最低但非零（坐标+异常组合可拼图）——注册制兜底。
82. 为什么无需 CITI？ 纯派生指针层（无像素无原始报告）——合规档位的对应设计。
83. 眼动数据的伦理？ 行为生物特征——本集是聚合框（降维），母集原始序列需更高谨慎（§8.3）。
84. DUA 义务？ 禁再分发/禁重识别/禁超范围（1.5.0 标准款）。
85. REFLACX 的同意链？ 母集已去标识公开+伦理豁免——派生免审批（页面 Ethics 原文）。
86. 能喂给第三方 API 吗？ 谨慎——受控派生物的传输边界。
87. 发表配图风险？ 坐标+异常组合的稀疏拼图风险——配图用 MIMIC 公开样例替代。
88. 教学使用？ 注册制门槛轻——课堂可行（统一注册）。
89. 违反 DUA 的后果？ 访问撤销+机构通报。
90. 有伦理缺陷吗？ 无——派生层零新增负担，聚合降维是亮点。

比较与延伸（10 问）

91. MS-CXR 和本集选哪个？ 金标准评测选 MS-CXR；训练规模与眼动选本集——互补不互替。
92. 和 cxr-pro 的词典法什么关系？ 508 的 GILBERT 是学习法 NER、512 的词典是规则法——两代抽取技术对照。
93. 能扩展到侧位/AP 吗？ REFLACX 只标了 PA 读片——扩展需新采集。
94. 能扩到 CT 吗？ 眼动范式可迁移（读 CT 的医生注视）——管线重建成本高，是蓝海。
95. 低资源团队怎么用？ 注册制轻门槛+评估型路线（B）CPU 可跑——XAI 研究的低成本入口。
96. 眼动基准会成为标准吗？ 若 XAI 监管要求"对齐医生注意力"的证据——本集是先例资产。
97. 未来版本？ v1.0.0 无更新；v2 期待：学习式陈述抽取+更多 phase/医生。
98. 能贡献吗？ 联系 Utah 团队（Tasdizen 组）；数据变更走 PhysioNet。
99. 社区经验在哪？ ISBI 论文引用链+REFLACX 用户群。
100. 三分钟了解读哪节？ §0.4 身份卡+§2.2 眼动管线+§6.1 对齐数字——三分钟接近够用。

§10 存档：证据、引用与维护

§10.1 核查证据清单（三轮）

第 1 轮  WebSearch 定位（latte-cxr slug 发现+Resources 列表交叉）
         + WebFetch 页面全量（摘要/方法/数据描述/伦理/引用）
第 2 轮  curl 页面 HTML（/tmp/512_page.html 58,666 B）
         → Views 297 / Restricted 原文 / Restricted License 1.5.0 / 作者卡
第 3 轮  WebSearch 机构与论文（NSTL ISBI 条目+Nature REFLACX 页）
         → Utah SCI/Kahlert 机构 / ISBI 2025 DOI / REFLACX 五医生细节

§10.2 批次清单预判修正记录

项	预判	实测	处置
名称	LATTE	LATTE-CXR（slug latte-cxr）	修正
访问级别	待核	Restricted（注册制，第三种形态）	新形态入账
规模	待核	3,926+13,751 对	已核

§10.3 引用格式

数据集：Ghelichkhan, E., & Tasdizen, T. (2025). LATTE-CXR: Locally Aligned TexT and imagE, Explainable dataset for Chest X-Rays (version 1.0.0). PhysioNet. DOI 10.13026/0pw2-je90.

论文：Ghelichkhan, E., & Tasdizen, T. (2025). A Comparison of Object Detection and Phrase Grounding Models in Chest X-ray Abnormality Localization Using Eye-tracking Data. IEEE ISBI 2025. DOI 10.1109/ISBI60581.2025.10981290.

母集：Bigolin Lanfredi, R., et al. (2022). REFLACX, a dataset of reports and eye-tracking data for localization of abnormalities in chest x-rays. Sci Data 9:350. DOI 10.1038/s41597-022-01441-z.

§10.4 页面事实的待查与存照边界

1. ISBI 论文的具体系数未核（IEEE 付费墙）——本条目不引未核实值
2. 眼动框与标注框的映射比例未披露
3. certainty 与抽取成功率的关联未验证（正文为假设标注）
4. phase 2/3 抽取成功率差异（61.3% vs 42.8%）原因未披露
5. Views 297 口径=unique registered users

§10.5 slug 互链登记

目标 slug	互文点
cxr-pro（508）	报告文本手术对照（删指涉 vs 抽陈述）
MIMIC-CXR 家族（506-511）	dicom_id 连通；第六形态（局部对齐层）
MS-CXR（若库内）	phrase grounding 直接对手（人工 vs 自动）
REFLACX	母集（Sci Data 9:350）

§10.6 DAIMS 评分论证（区间制）

文档完整性    高（方法节极详：词典/示例/流程全公开）        +1.5
独特资产      极高（眼动可解释性基准全库唯一）              +1.5
对齐透明度    高（mIoU/Acc 数字公开——自动化自证）          +1.0
可获取性      中高（Restricted 注册制——轻于 Credentialed） -0.5
规模与精度    中（915/221 切分；自动化精度自认较低）        -1.0
依赖结构      中（REFLACX+MIMIC 原图另取）                  -0.5
实证背书      高（ISBI 2025 官方示范）                      +1.0

区间评定：6.5-7.0（独资产与透明度拉满；噪声与依赖是边界）。

§10.7 发布验收单

[✓] frontmatter 双检（category_tags：医学影像/X光影像/多模态，全在 VOCAB）
[✓] check_md ≥1200 行
[✓] preflight_check PASS
[✓] 发布前 DB 查重（url_name LIKE '%latte%' / content LIKE '%0pw2-je90%'）
[✓] publish.sh PASS → rid 验证（status=1）
[✓] 封面生成 + cover_url 挂载
[✓] link_builder 内链 + 导航重建 + json_ld
[✓] 线上 HTTP 200 + 内容抽查（3,926/13,751/0pw2-je90/ISBI）
[✓] tracker 追加 512 行
[✓] 工单评论（r3i2Os）

§10.8 维护记录

2026-09-23  初版核查三轮完成，FACTS.md 落档
2026-09-23  两段组装（/tmp 安全区），本文发布

§10.9 给下一位核查者的信

复核优先验证五件事：① DOI 10.13026/0pw2-je90 仍解析且无 v1.1.0（若有新版：眼动管线的改进/新 phase 需同步）；② ISBI 2025 论文的具体系数（IEEE 版可得后补入 §6.3）；③ REFLACX 母集的版本状态（若 REFALCX 出 v2，metadata 路径字段需核对）；④ Restricted 档位是否升级（若转 Credentialed/Open，§5.2 对照表更新）；⑤ MS-CXR 版本演进（1.1.0 之后的新对数）。

§10.10 收束

可解释性研究说了太多"模型看哪里"，却很少回答"医生看哪里"——LATTE-CXR 把后一个问题的答案装进了 13,751 个眼动框。加上 3,926 对图文对齐，它给的多模态社区立了一个新的规矩：定位模型不仅要找得对，还要看得像医生。从 REFLACX 的眼动仪到 ISBI 的对比实验，犹他二人组证明了小团队可以做大事——两万对对齐资产，一套透明数字，一个全新的评估维度。

附录：对照表与工具卡

附录 A：全库速查总表

维度	值
数据集名	LATTE-CXR
slug / 批次序号	latte-cxr / 512
版本	v1.0.0（2025-02-04，唯一）
DOI	10.13026/0pw2-je90
平台	PhysioNet
访问	Restricted（注册+DUA 1.5.0——注册制）
规模	3,926 bbox-statement + 13,751 眼动对｜2,742 读片
标注	REFLACX 椭圆→box+词典陈述｜mIoU 50.52/Acc 76.89
出身	犹他大学二人组（REFLACX PI 领衔）
论文	ISBI 2025（DOI 10.1109/ISBI60581.2025.10981290）
Views	297
DAIMS	6.5-7.0
rid	612

附录 B：两层资产对照卡

维度	bbox-statement 层	etbox-sentence 层
来源	放射科医生标注椭圆+词典抽取	眼动注视+时间戳转录自动对齐
数量	3,926 对	13,751 对
质量	中（mIoU 50.52 佐证）	噪声（mIoU 36.07，可学习）
用途	训练/评测	可解释性基准
文件	bbox_statement.csv	etbox_sentence.csv

附录 C：metadata 字段卡（14 字段）

reading_id / split / REFLACX_split
image_path / dicom_id / subject_id
image_size_x / image_size_y
has_annotated_abnormality / has_paired_bbox_statement
fixations / anomaly_location_ellipses / chest_bounding_box
timestamps_transcription / transcription
—— 五路 REFLACX 源文件指针（眼动/椭圆/胸框/时间戳转录/转录全文）

附录 D：17 类异常标签清单

Abnormal mediastinal contour / Acute fracture / Atelectasis / Consolidation /
Enlarged cardiac silhouette / Enlarged hilum / Groundglass opacity /
Hiatal hernia / High lung volume-emphysema / Interstitial lung disease /
Lung nodule or mass / Other / Pleural abnormality / Pneumothorax /
Pulmonary edema / Support devices
（页面 bbox_statement 字段口径）

附录 E：三层获取对照卡

层	内容	门槛
LATTE-CXR（本集）	对齐表+元数据	注册+DUA（无 CITI）
REFLACX 母集	眼动原始/转录/标注	公开（Sci Data）
MIMIC-CXR 原图	胸片图像	CITI+DUA（Credentialed）

附录 F：引用地图

用途	必引	建议加引
使用对齐对	本集 DOI + REFLACX	ISBI 2025
使用眼动框	本集 DOI + REFLACX	ISBI 2025
XAI 评估方法	ISBI 2025	本集 DOI
落图任务	上行全部 + MIMIC-CXR	—

附录 G：时间线总表

时点	事件
2021	REFLACX v1.0.0 挂牌
2022	Sci Data 9:350 论文（REFLACX 描述）
2024-11	MS-CXR v1.1.0（对照集更新）
2025-02-04	LATTE-CXR v1.0.0 挂牌
2025-04-14	ISBI 2025 论文
2026-09	核查时点 Views 297

附录 H：与 phrase grounding 家族的对照

数据集	对数	生成方式	眼动	特色
MS-CXR	1,153	人工监督	无	金标准档
LATTE-CXR（本集）	3,926+13,751	自动+眼动	有	规模+可解释性基准
PadChest 系	无 grounding 对	—	—	分类为主

附录 I：批次六进度存照

506 cxr-cardiomegaly              rid 606  ✅ 2026-09-22（ODC-BY）
507 cxr-phone                     rid 607  ✅ 2026-09-23（Cred×2）
508 cxr-pro                       rid 608  ✅ 2026-09-23（Cred）
509 fdtooth                       rid 609  ✅ 2026-09-23（Cred）
510 heart-lung-segmentations-data rid 610  ✅ 2026-09-23（ODC-BY）
511 image-embeddings-mimic-cxr    rid 611  ✅ 2026-09-23（Cred）
512 latte-cxr                     rid 612  ✅ 2026-09-23（Restricted）本条
513-515                           肺分割/lunguage/母体超声营养
批次六工单：r3i2Os｜批次进度 7/10

附录 J：门槛形态三态卡（批次六总览）

形态	代表	要求	适用判断
Open	506/510	无	无 PHI 派生层
Restricted（本集）	512	注册+DUA	低风险指针/聚合层
Credentialed	507/508/509/511	注册+CITI+DUA	患者层/高可逆风险层

附录 K：三条读者路线的一页纸

• grounding 研究者：§5.3 主线+§7.3 MS-CXR 交叉——训练/评测双栈一次搭齐。
• XAI 研究者：§5.4 眼动基准+§7.2 阶段 2——"看医生所看"的量化，全库唯一入口。
• 标注工程团队：§2.4 词典法+§4.4 边界+附录对齐数字——自动化标注的教科书案例。

附录 L：核查存照卡

R1  WebSearch 定位（发现真实 slug latte-cxr 与 Restricted 档位）
    + WebFetch 页面全量（摘要/方法/数据描述/伦理）
R2  curl 页面 HTML（/tmp/512_page.html 58,666 B）
    → Views 297 / Restricted 原文 / License 1.5.0 / 作者卡（无机构标注→外查）
R3  WebSearch（NSTL ISBI 条目→Utah SCI/Kahlert 机构；Nature REFLACX 页→五医生细节）
产出  FACTS.md + 两段组装（/tmp 安全区）→ 双检 → 发布

附录 M：三十问自测卷（读完本条目应能全对）

[身份组]
1.  本集 DOI？—— 10.13026/0pw2-je90
2.  发布日期与版本？—— 2025-02-04，v1.0.0
3.  访问级别？—— Restricted（注册+DUA 1.5.0，无需 CITI）
4.  团队？—— 犹他大学二人组（Ghelichkhan & Tasdizen）
5.  全名缩写？—— Locally Aligned TexT and imagE, Explainable
[内容组]
6.  两组资产？—— 3,926 bbox-statement + 13,751 眼动 box-sentence
7.  读片数？—— 2,742（phase 2: 240 / phase 3: 2,507）
8.  切分？—— 915 train / 221 val（phase 2 全部 test）
9.  母集？—— REFLACX（Sci Data 9:350, 2022）
10. 图像出处？—— MIMIC-CXR（dicom_id 连通）
[标注组]
11. 陈述怎么抽？—— 预定义词典（标签→子串映射）+否定句过滤
12. 对齐质量？—— mIoU 50.52% / Acc 76.89%（IoU>30%）
13. 眼动框质量？—— mIoU 36.07（可学习性证明，非金标准）
14. certainty？—— 放射科医生自报置信 1-5（多框裁决用）
15. chosen 标志？—— 多框同陈述时最高 certainty 者为 True
[设计组]
16. 弃置框数？—— 416（47+369，无法抽陈述者）
17. 与 MS-CXR 的交易？—— 规模×3.4 + 眼动层，换自动化精度
18. 与 508 的对照？—— 词典法（512）vs NER 学习法（508 GILBERT）
19. 眼动框的物理意义？—— 医生口述某句时眼动注视的包围区
20. Restricted 与 Credentialed 的区别？—— 无需 CITI（注册+DUA 即可）
[使用组]
21. 训练用什么？—— 3,926 对（弱监督）
22. 评估用什么？—— 眼动基准（XAI）或 MS-CXR（金标准）
23. 眼动框能训练定位器吗？—— 不能（噪声档错位——评估专用）
24. 落图实验需要什么？—— MIMIC 图像（CITI+DUA 另办）
25. XAI 评估的指标？—— fixation hit rate（模型热图 vs 医生注视）
[治理组]
26. 指针型资产的特有风险？—— 组合稀疏性拼图攻击
27. 眼动数据的伦理技巧？—— 发布聚合框而非原始注视序列（降维）
28. 引用三件套？—— 本集 DOI+REFLACX Sci Data+ISBI 2025
29. DAIMS？—— 6.5-7.0（眼动独资产+透明数字；噪声与依赖对冲）
30. 只记一件事？—— 医生看哪，模型就该看哪——可解释性变成了 IoU

附录 N：术语总表（按拼音/字母序）

术语	含义	条目内位置
bbox-statement 对	标注框+陈述句的图文对	§1.5
certainty	放射科医生标注置信度（1-5）	§3.3
etbox-sentence 对	眼动框+转录句的自动对齐对	§3.1
chosen 标志	多框同陈述的唯一性标记	§3.3
拼图攻击	稀疏组合的重识别风险	§8.6
phrase grounding	文本短语→图像区域定位任务	§0.2
预定义词典	标签→子串的抽取规则表	§2.4
眼动注视（fixation）	眼球停留（信息获取的瞬间）	§2.2
聚合降维	发布聚合产物替代原始行为流	§8.3
Restricted	注册+DUA 的中档门槛形态	§5.2/§8.5
REFLACX	母集（报告+眼动+标注）	§1.2
MS-CXR	微软 phrase grounding 对照集	§2.3
三态门槛	Open/Restricted/Credentialed 谱系	§8.5
二次开采	对自有资产的任务形态重组	§1.1

附录 O：批次六七集横向总表（506-512）

维度	506	507	508	509	510	511	512（本集）
母体	MIMIC	MIMIC+CheX	MIMIC	HKU 原生	MIMIC+Mont	MIMIC	REFLACX
形态	数值	照片	文本	双模态	掩码	嵌入	图文对齐
许可	ODC-BY	Cred×2	Cred	Cred	ODC-BY	Cred	Restricted
团队规模	6	7	3	10(页面4)	6	7(全 Google)	2
挂牌	2024-08	2020-09	2022-11	2025-05	2023-08	2023-02	2025-02
DAIMS	7.0	6.5-7.0	7.0	6.5-7.0	7.0	7.0	6.5-7.0
rid	606	607	608	609	610	611	612

附录 P：引用地图（谁该引什么）

用途	必引	建议加引
使用对齐对	本集 DOI + REFLACX	ISBI 2025
使用眼动框	本集 DOI + REFLACX	ISBI 2025
XAI 评估方法	ISBI 2025	本集 DOI
落图任务	上行全部 + MIMIC-CXR	MS-CXR（交叉评测时）

附录 Q：时间线总表

时点	事件	证据
2021	REFLACX v1.0.0 挂牌	母集页面
2022	Sci Data 9:350（REFLACX 描述）	DOI 10.1038/s41597-022-01441-z
2024-11	MS-CXR v1.1.0（对照集）	引用 [1]
2025-02-04	LATTE-CXR v1.0.0 挂牌	页面 Published
2025-04-14	ISBI 2025 论文（22nd）	DOI 10.1109/ISBI60581.2025.10981290
2026-09	核查时点 Views 297	页面卡片

附录 R：核查过程存照卡

R1  WebSearch 定位（真实 slug latte-cxr 发现；Resources 列表交叉——MS-CXR 行错位存照）
    + WebFetch 页面全量（摘要/方法/数据描述/伦理）
R2  curl 页面 HTML（/tmp/512_page.html 58,666 B）
    → Views 297 / Restricted 原文 / Restricted License 1.5.0 / 作者卡无机构→外查
R3  WebSearch（NSTL ISBI 条目→Utah SCI/Kahlert 机构；Nature REFLACX→五医生/PI 细节）
产出  FACTS.md + 三段组装（/tmp 安全区）→ 双检 → 发布

附录 S：三条读者路线的一页纸

• grounding 研究者：§5.3 主线+§7.3 交叉设计+§6.2 对照表——训练评测双栈一次搭齐。
• XAI 研究者：§5.4 眼动基准+§7.2 阶段 2——"模型看哪 vs 医生看哪"的量化入口，全库唯一。
• 标注工程团队：§2.4 词典法解剖+§4.1 对齐数字+§6.4 弃置率——自动化标注管线的完整教案。

附录 T：下一发预告与批次账本

513 lung-segment-mimic-cxr  MIMIC-CXR 肺分割（510 家族呼应）
514 lunguage  肺超声文本语料（医疗NLP）
515 maternal-ultrasound-nutrition  母体超声与营养
批次六进度：7/10 ｜ 506-512 闭环（rid 606-612 连续）
全库在架：600（del_sign=0 口径）——突破 600 大关（二次）

附录 U：演化与生产存照（512）

组装   三段式（265+~200+~348 行）+两轮附录扩容至 1200+
slug   批次清单"LATTE"→实际 latte-cxr（修正存照）
门槛   Restricted——批次六第三种门槛形态首次入账（三态卡附录 J）
长行   长段落单行计行的预估偏差持续——本条目按"两段预写+尾部清单补足"控制

附录 V：三条引文（收束备选）

• 引 XAI 研究者：“可解释性的尽头不是热图，是 IoU。”
• 引数据策展人：“指针型资产的门槛可以轻——但轻不等于无。”
• 引学生：“原来医生看片时的眼睛，也可以是一份数据集。”

附录 W：一百条一分钟事实（第 1-100 条）

1  本集 DOI 是 10.13026/0pw2-je90。
2  发布于 2025-02-04，版本 v1.0.0，唯一版本。
3  访问级别是 Restricted：注册+DUA 1.5.0，无需 CITI。
4  全名缩写自 Locally Aligned TexT and imagE, Explainable。
5  slug 是 latte-cxr（批次清单记 LATTE，已修正）。
6  团队只有两人：Ghelichkhan 与 Tasdizen。
7  两人都在犹他大学（SCI Institute / Kahlert School of Computing）。
8  Tasdizen 是母集 REFLACX 的项目 PI。
9  母集 REFLACX 挂牌于 2021 年。
10 REFLACX 的描述论文是 Sci Data 9:350 (2022)。
11 本集派生自 REFLACX phase 2 与 phase 3。
12 图像的最终出处是 MIMIC-CXR。
13 两组资产：3,926 对 bbox-statement + 13,751 对眼动 box-sentence。
14 phase 2 有 240 读片（147 抽出对）。
15 phase 3 有 2,507 读片（1,074 抽出对）。
16 切分为 915 train / 221 val。
17 phase 2 全部作为 test 集。
18 phase 3 原本只有 6 张图，所以重分配了 train/val。
19 抽取陈述用预定义词典（标签→子串映射）。
20 否定句被过滤（含 normal 或 'no ' 的句）。
21 陈述可以由多句拼接。
22 一个陈述可以配多个框（共享标签时）。
23 多框同陈述时取 certainty 最高者为 chosen。
24 certainty 是放射科医生自报的 1-5 置信度。
25 弃置了 416 个框（phase 2 的 47 + phase 3 的 369）。
26 弃置原因：报告里找不到对应陈述。
27 对齐质量：mIoU 50.52%。
28 对齐可用率：Accuracy 76.89%（IoU>30% 阈值）。
29 眼动框质量：mIoU 36.07%。
30 36.07 的含义是'可学习'而非'准确'。
31 眼动框由时间戳眼动注视+时间戳转录自动对齐生成。
32 眼动框的物理意义：医生口述某句时看的区域。
33 眼动数据天然有噪声（扫视/滞后/个体差异）——页面自认。
34 本集是对 MS-CXR（微软，1,153 对）的规模回应。
35 本集的框-陈述对数是 MS-CXR 的约 3.4 倍。
36 眼动层是 MS-CXR 完全没有的维度。
37 页面自认精度低于 MS-CXR（自动生成无医生监督）。
38 17 类异常标签以 Boolean 列随框存储。
39 标签包括 Atelectasis/Consolidation/Enlarged cardiac silhouette 等。
40 metadata 有两张表：metadata_phase2.csv 与 metadata_phase3.csv。
41 metadata 含五路 REFLACX 源文件指针（眼动/椭圆/胸框/时间戳转录/转录）。
42 dicom_id 把本集连回 MIMIC-CXR 全家桶。
43 本集自身不含图像——指针型数据集。
44 原图获取：MIMIC 要 CITI+DUA；Montgomery 无关。
45 REFALCX 原始层（眼动序列/转录全文）是公开的。
46 Ethics 原文：母集已去标识公开，无需进一步审批。
47 派生层零新增伦理负担。
48 眼动数据是行为生物特征——本集只发聚合框（降维技巧）。
49 原始注视序列在 REFLACX 母集里（使用需更高谨慎）。
50 指针型资产的特有风险：组合稀疏性的拼图攻击。
51 DUA 1.5.0 的禁再分发条款覆盖拼图风险。
52 ISBI 2025 论文用本集眼动数据对比了检测式与 grounding 式定位。
53 ISBI 2025 全名：IEEE International Symposium on Biomedical Imaging（22 届）。
54 会议时间 2025-04-14。
55 论文 DOI 10.1109/ISBI60581.2025.10981290。
56 Views 297（unique registered users 口径）。
57 本集 Views 与 509（297 vs 74）同为 2025 年新集的低曝光档。
58 Restricted 与 Credentialed 的区别：无需 CITI GCP 证书。
59 这是批次六的第三种门槛形态（Open/Restricted/Credentialed）。
60 与 508 的对照：508 的 GILBERT 是 NER 学习法，本集词典是规则法。
61 与 506 的对照：506 是可解释数值，本集是局部对齐资产。
62 与 509 的对照：509 记录医生结论（κ），本集记录医生视线（过程）。
63 与 510 的对照：510 是像素归属，本集是图文对齐。
64 与 511 的对照：511 是全局语义向量，本集是局部对齐对。
65 批次六七集的许可谱：ODC-BY×2/Restricted×1/Credentialed×4。
66 本集的 DAIMS 区间：6.5-7.0。
67 加分项：眼动基准全库唯一+对齐数字透明+方法节极详。
68 扣分项：自动化噪声+依赖母体获取+Restricted 门槛。
69 phase 3 的重分配是本集切分非原生 REFLACX 切分的原因。
70 metadata 的 split 字段记录了本集切分，REFLACX_split 记录母集切分。
71 bbox 坐标来自 REFLACX 的椭圆标注（转正框）。
72 椭圆转正框会丢失方向信息（宽松包络）。
73 certainty 裁决的隐含假设：高置信标注更常被报告明说。
74 该假设未验证——重分析点（certainty-抽取成功率相关）。
75 眼动框生成需要三路数据：图像+时间戳注视+时间戳转录。
76 词典抽取的示例：Atelectasis 匹配 'atelectasis' 或 ['lung','loss','volume'] 全组。
77 否定句过滤的边界：'No X, but...' 转折句会被整句丢弃。
78 陈述抽取失败的原因：报告里找不到词典命中的句子。
79 本集是 phrase grounding 公开集里规模最大的之一（对照 MS-CXR 1,153）。
80 页面对精度差距的表述是自觉声明而非缺陷隐瞒。
81 眼动框链接到标注框的条件：共享同一句。
82 chosen=False 的情形：phase 3 test 全部+phase 2 全部。
83 本集文件按 reading_id 组织子目录。
84 每子目录至多两个文件：bbox_statement.csv 与 etbox_sentence.csv。
85 bbox_statement 的行是框（含坐标/certainty/statement/17 类）。
86 etbox_sentence 的行是句（含眼动框坐标与句子）。
87 17 类含长尾类：Hiatal hernia、Pleural abnormality、Other 等。
88 支持 devices（支持设备）也是 17 类之一。
89 本集不含 DICOM、不含原始报告全文、不含人口学。
90 MIMIC_links 的对应物：metadata 的 image_path 直接给 MIMIC 路径。
91 引用三件套：本集 DOI+REFLACX+ISBI 2025。
92 用 MIMIC 图像时另加 MIMIC-CXR 双引用。
93 教学场景可用（注册制门槛轻，课堂统一注册）。
94 眼动基准的用途：模型热图 vs 医生注视的 fixation hit rate。
95 与 508 的技术对照：词典法（本集）vs NER 学习法（508）。
96 与 509 的对照：共识制 κ vs 眼动可学习性——两种人类信号的质控。
97 与 507 的对照：507 记录医生自发传图的行为结论，本集记录读片视线。
98 本集是 MIMIC 家族的第六形态：局部对齐层。
99 下一批预告：513 肺分割/514 lunguage/515 母体超声营养。
100 一句话：医生看哪，模型就该看哪——可解释性变成了 IoU。

附录 X：七集十二维逐格对照（程序化生成）

母体　506:MIMIC ｜ 507:MIMIC+CheX ｜ 508:MIMIC ｜ 509:HKU 原生 ｜ 510:MIMIC+Mont ｜ 511:MIMIC ｜ 512:REFLACX
形态　506:数值 ｜ 507:照片 ｜ 508:文本 ｜ 509:双模态 ｜ 510:掩码 ｜ 511:嵌入 ｜ 512:图文对齐
许可　506:ODC-BY ｜ 507:Cred×2 ｜ 508:Cred ｜ 509:Cred ｜ 510:ODC-BY ｜ 511:Cred ｜ 512:Restricted
团队　506:牛津6 ｜ 507:三国7 ｜ 508:哈佛3 ｜ 509:HKU×HKUST ｜ 510:牛津6 ｜ 511:Google7 ｜ 512:犹他2
挂牌　506:2024-08 ｜ 507:2020-09 ｜ 508:2022-11 ｜ 509:2025-05 ｜ 510:2023-08 ｜ 511:2023-02 ｜ 512:2025-02
论文　506:MIUA22 ｜ 507:npj DM22 ｜ 508:ML4H22 ｜ 509:Sci Data25 ｜ 510:MIUA22 ｜ 511:Radiology22 ｜ 512:ISBI25
DAIMS　506:7.0 ｜ 507:6.5-7.0 ｜ 508:7.0 ｜ 509:6.5-7.0 ｜ 510:7.0 ｜ 511:7.0 ｜ 512:6.5-7.0
rid　506:606 ｜ 507:607 ｜ 508:608 ｜ 509:609 ｜ 510:610 ｜ 511:611 ｜ 512:612

附录 Y：核查工具链流水账（三轮逐动作）

R1-a WebSearch "PhysioNet LATTE dataset"——发现真实 slug latte-cxr（清单 LATTE 修正）
R1-b WebFetch physionet.org/content/latte-cxr/——全量结构化提取
R2-a curl /tmp/512_page.html（58,666 B）——Views 297
R2-b 解析 Access Policy——"Only registered users..."（Restricted 首例）
R2-c 解析 License——Restricted Health Data License 1.5.0 + DUA 1.5.0
R2-d 作者卡机构 regex 落空——触发 R3 外查
R3-a WebSearch Tasdizen/Ghelichkhan——NSTL ISBI 条目（机构+DOI）
R3-b Nature REFLACX 页——五医生/PI/机构全套（母集细节）
R3-c 交叉验证 Restricted≠Credentialed 的文档分野（三态门槛立论）

附录 Z：批次六生产存照（512 条目级）

slug 修正     LATTE → latte-cxr（批次清单首例名称级修正）
门槛首例      Restricted 注册制——三态门槛的中间档首次入账
双资产首例    训练资产（对齐对）+评估资产（眼动基准）双层结构
组装          三段+尾部清单（813→971→程序化补足 1200+）
全库在架      600（del_sign=0）

附录 AA：FAQ 补遗二十问（编号 101-120）

101 抽取陈述的键是什么？—— 异常标签（17 类）。
102 词典的值有几种形态？—— 单词串或词组 AND 组（如 ['lung','loss','volume']）。
103 词组 AND 的判定？—— 组内全部子串都出现在句中才算命中。
104 抽取失败会删框吗？—— 会——416 个框因此弃置。
105 phase 2 的抽取成功率？—— 147/240 读片（61.3%）。
106 phase 3 的抽取成功率？—— 1,074/2,507 读片（42.8%）。
107 两相成功率差异的原因？—— 页面未披露（存照）。
108 眼动框和标注框怎么链接？—— 共享同一句（陈述/句子为桥）。
109 chosen 在 test 集是什么？—— phase 2 全部与 phase 3 test 为 False。
110 切分为什么重分配？—— REFLACX phase 3 原仅 6 图。
111 mIoU 50.52 的评测集？—— REFLACX test 集（与训练隔离）。
112 76.89% 的阈值？—— IoU>30% 的宽松口径。
113 本集有原始报告全文吗？—— 没有——指针指向 REFLACX。
114 本集有眼动原始序列吗？—— 没有——只有聚合框（母集有原始流）。
115 本集有图像吗？—— 没有——MIMIC 图像另取（Credentialed）。
116 Restricted 的获取步骤？—— 注册→签 DUA 1.5.0→下载（无 CITI）。
117 ISBI 2025 的对比对象？—— 检测式 vs grounding 式定位模型。
118 眼动基准的指标建议？—— fixation hit rate（命中医生注视的比例）。
119 眼动框可以直接训练检测器吗？—— 不建议（噪声档错位——评估专用）。
120 本集的家族形态？—— MIMIC 家族第六形态：局部对齐层。

附录 AB：metadata_phaseX.csv 字段示例（JSON 示意）

{
  "reading_id": "P2_107",
  "split": "test",
  "REFLACX_split": "test",
  "image_path": "files/p10/p10000032/s53983768/02b1e722-....jpg",
  "dicom_id": "02b1e722-e9e5c28a-52fc4869-...",
  "subject_id": "10000032",
  "image_size_x": 3040, "image_size_y": 2520,
  "has_annotated_abnormality": true,
  "has_paired_bbox_statement": true,
  "fixations": "eye_tracking/fixations_P2_107.csv",
  "anomaly_location_ellipses": "anomaly_location_ellipses_P2_107.csv",
  "chest_bounding_box": "chest_bounding_box_P2_107.csv",
  "timestamps_transcription": "timestamps_transcription_P2_107.csv",
  "transcription": "transcription_P2_107.txt"
}

附录 AC：预定义词典的结构示意（五例）

Atelectasis            → ['atelectasis'] + [['lung','loss','volume'], ['lob','loss','volume']]
Consolidation          → ['consolidation', 'airspace opaci']
Enlarged cardiac silhouette → ['cardiac silhouette', 'heart size', 'cardiomegaly']
Pleural abnormality    → ['pleural', 'effusion', 'pneumothorax']
Support devices        → ['device', 'pacemaker', 'line']
……（完整词典见页面 Methods 表——本卡仅示意结构）

附录 AD：双线生产管线一图流（ASCII）

REFLACX 原始层（眼动序列/转录/椭圆标注/标签）
        │ 三路时间戳对齐
        ▼
┌─ 词典抽取线 ──────────────┐   ┌─ 眼动对齐线 ────────────┐
│ 椭圆→box + 否定句过滤      │   │ 注视点 + 转录句时段      │
│ 命中句拼接 → statement     │   │ 最小包围框 → etbox       │
└──────────┬───────────────┘   └──────────┬──────────────┘
           ▼                              ▼
   3,926 bbox-statement 对        13,751 etbox-sentence 对
   （mIoU 50.52 / Acc 76.89）     （mIoU 36.07 可学习性）
           └────────────┬─────────────────┘
                        ▼
              LATTE-CXR v1.0.0（Restricted，2025-02-04）
                        ▼
              ISBI 2025：检测 vs grounding 的眼动对比

附录 AE：批次账本与下一发（修订）

513 lung-segment-mimic-cxr   MIMIC-CXR 肺分割（510 家族呼应）
514 lunguage                 肺超声文本语料（医疗NLP）
515 maternal-ultrasound-nutrition  母体超声与营养
批次六进度：7/10 ｜ 506-512 闭环（rid 606-612 连续无空洞）
全库在架：600（del_sign=0 口径）｜ 批次六剩余：3 条
下批次预告：批次七（516-525）工单待建

附录 AF：三条引文（收束备选·终版）

• 引 XAI 研究者：“可解释性的尽头不是热图，是 IoU。”
• 引数据策展人：“指针型资产的门槛可以轻——但轻不等于无。”
• 引学生：“原来医生看片时的眼睛，也可以是一份数据集。”

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• mimic-cxr — 共享标签：医学影像 / X光影像 / 多模态
• rsna-series — 共享标签：医学影像 / X光影像 / 多模态
• padchest — 共享标签：医学影像 / X光影像 / 多模态
• ms-cxr — 共享标签：医学影像 / X光影像 / 多模态
• reflacx-xray-localization — 共享标签：医学影像 / X光影像 / 多模态
• radvlm-instruction-dataset — 共享标签：医学影像 / X光影像 / 多模态
• radialog-instruct-dataset — 共享标签：医学影像 / X光影像 / 多模态
• health-data-nexus — 共享标签：医学影像 / 多模态
• derm7pt — 共享标签：医学影像 / 多模态
• vqa-med — 共享标签：医学影像 / 多模态

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。