RaDialog Instruct Dataset — 胸片对话指令数据集 AI-Ready Wikipedia

INFOBOX：radialog-instruct-dataset 速览

字段	值
数据集	RaDialog Instruct Dataset v1.1.0（v1.0.0 2024-03-25 / v1.1.0 2024-07-12）
slug	radialog-instruct-dataset（批次登记 ‘RaDialog’ 为简称）
DOI	v1.0.0：10.13026/zecj-bh52 / v1.1.0：10.13026/40d2-wj86
访问	Credentialed（License 1.5.0 + Credentialed DUA——批次预判命中；注册+签 DUA+CITI）
规模	总量零披露（页面/论文均无数字）——构造规则：RG 与 instruct 1:1 平衡；仅 MIMIC-CXR train 集分层采样（positive 全保留+无 findings 减 1/4）
任务	10 任务名/11 条目：RG/IG/FQA-c/FQA-b/RR/RE/VC（金标 6 类）+ RQA/EL/SU/CO（LLM 伪金标 4 类）
对话构造	两轮式（第一轮金标报告+第二轮任务指令）；v1.1.0 QA 类加 report dropping 三模式
格式	自有格式单文件（output/instruction/dicom 三字段）——.json.gz 后缀实为 bz2
图像	不随发——凭 dicom_id 从 z2
图像	不随发——凭 dicom_id 从 MIMIC-CXR-JPG 取
标签引擎	CheXbert（标签）+ vi 取
标签引擎	CheXbert（标签）+ vicuna-13b zero-shot（4 任务伪金标）+ MIMIC-NLE/Rad-ReStruct（金标源）
基座	vicuna-7b LLM + BioViL-T 编码器 + BERT 对齐（32 token）+ CheXbert 分类器双分支
模型成绩	报告生成临床正确性 +15.0% / 报告修正 +23.4% / 放射科医生 84.0% 偏好；消融：QA F1 0.397 vs 0.018（20 倍）
第一性目标	缓解灾难性遗忘——“we do not claim the instruct data to be completely medically correct”
论文	arXiv:2311.18681（v1 2023-11-30 → v3 2025-05-07，MIDL 2025 接收）
代码	github.com/ChantalMP/RaDialog
资助	BMBF DIVA（13GW0469C）+ Bavarian StMWi ThoraXAI（DIK-2302-0002）
团队	TUM 全系 5 人（CAMP+AI Medicine+MCML；论文 6 人 +Wiestler）
一句话	为防遗忘而生的胸片对话课——总量保密、任务管够、vicuna 自问自答的第一代 instruct 方案

§0 摘要卡：一个把"防遗忘"写进设计目标的数据集

§0.1 它是什么

RaDialog Instruct Dataset 是慕尼黑工业大学团队为 RaDialog 模型配套发布的胸片指令微调数据集——但它的第一性目标与 524 RadVLM 那种"SOTA 训练配方"完全不同：页面 Usage Notes 坦白 “we do not claim the instruct data to be completely medically correct”，数据集的正式使命是缓解灾难性遗忘（catastrophic forgetting mitigation）——当 LLM 在放射报告上微调后，通用对话能力会崩塌；本集用 10 个任务的多样性让模型"复习"对话技能。消融证据直白有力：不用本集训练的模型 binary CheXpert QA F1 只有 0.018，用了之后 0.397——20 倍差距。数据含金标任务（MIMIC-CXR/MIMIC-NLE/Rad-ReStruct）与伪金标任务（vicuna-13b zero-shot 生成的区域 QA/通俗语言/总结/纠错）各半，总量数字页面论文均不披露——须下载后自数。

§0.2 三个数字

• 20 倍：CheXpert binary QA F1 从 0.018（无 Instruct 训练）到 0.397（有）——灾难性遗忘缓解的量化证据，本数据集价值的直接度量。
• 10 任务名/11 条目：6 类金标任务（RG/IG/FQA 双变体/RR/RE/VC）+ 4 类伪金标任务（RQA/EL/SU/CO）；v1.0.0 是 8 条目、v1.1.0 +3 任务+report dropping。
• 0：页面与论文披露的总量数字——只有 1:1 平衡、每图一任务、分层采样三条构造规则；透明度与 524 RadVLM 的个位数级表 1 形成两极。

§0.3 谁在用、怎么接

持续学习/防遗忘研究者拿它做"任务多样性 vs 遗忘速率"的实验场；对话助手开发者在自己的报告生成模型后接本集做第二阶段调优；数据透明度研究者把它当"零数字披露"的案例标本。获取走 Credentialed 档（注册+DUA+CITI）。接入前的三件准备：图像本体要从 MIMIC-CXR-JPG 按 dicom_id 对齐；文件要用 bz2.open 读（.gz 后缀撒谎）；评测只用 MIMIC test（本集只碰 train 集的隔离设计）。

§0.4 本条目怎么读

读完本条目建议顺读 524 ## §0.4 本条目怎么读

读完本条目建议顺读 524 RadVLM Instruction Dataset——两联合读覆盖胸片对话助手 2023-2025 的全部方法论演进（文本任务→空间 grounding / vicuna→GPT-4o / 保密→透明）。

§1 身份卡 → §2 灾难性遗忘问题与数据集定位 → §3 十任务配方解剖 → §4 构造管线（多轮结构/分层/bz2）→ §5 模型架构与成绩 → §6 生态位（与 524 对照）→ §7 AI-Ready 十问 + DAIMS → §8 误解与坑点表 → §9 工作实例 → §10 FAQ 速查 → 附录 A-L。

§1 身份卡：一张速览

字段	值
全称	RaDialog Instruct Dataset
slug / 本库编号	radialog-instruct-dataset / 523
版本	v1.0.0（2024-03-25）→ v1.1.0（2024-07-12，双版本演进）
DOI	v1.0.0：10.13026/zecj-bh52；v1.1.0：10.13026/40d2-wj86
访问	Credentialed——注册 + CITI + Credentialed DUA（License 1.5.0）
Topics	3 个：medical image understaning（官方 typo 存照）/ radiology chatbot / radiology report generation
文件	mimic_cxr_instruct_stratified.json.gz（实为 bz2）+ README
图像	不随发——dicom_id 对齐 MIMIC-CXR-JPG
源库	MIMIC-CXR-JPG train（主）+ MIMIC-NLE（解释金标）+ Rad-ReStruct（细粒度 QA 金标）
标签引擎	CheXbert + vicuna-13b zero-shot（4 任务伪金标）
基座	vicuna-7b + BioViL-T + BERT 对齐 32 token + CheXbert 分类器双分支
论文	arXiv:2311.18681（v1 2023-11-30 / v3 2025-05-07 MIDL 2025；标题两版不同）
模型发布	GitHub/HF（未在 PhysioNet 另立条目——与 524 双实体策略相反）
资助	BMBF DIVA 13GW0469C + Bavarian StMWi ThoraXAI DIK-2302-0002
团队	TUM 5 人（数据集引用；论文 6 人 +Wiestler）
Ethics	一句话：“The authors declare no ethics concerns.”
一句话	胸片对话第一代 instruct 方案——防遗忘是使命，总量是秘密

§2 背景：灾难性遗忘与"第一代"的野心

§2.1 微调悖论：越专业，越不会聊天

在 MIMIC-CXR 报告上微调 LLM 是当时报告生成的主流做法，但代价明确：模型在放射文体上越精进，通用语言能力与对话能力衰退越严重——灾难性遗忘。医生真正需要的不是一个只会写报告的打字机，而是能被追问、能改错、能用大白话解释的人机协作伙伴。RaDialog 团队给出的解法是回放式持续学习（replay-based continual learning）思路：微调数据里混入多任务对话样本，让模型在学新知识的同时"复习"旧技能。

§2.2 第一代的定位与坦白

页面 Abstract 的自我表述是"第一个经过彻底评估且公开可用的大型视觉语言模型"（the first thoroughly evaluated and publicly available large vision-language model）——报告生成+交互对话双能力。配套数据集的 Usage Notes 同样坦白：半自动标注（LLM 生成）、基于 CheXbert（可含错）、不声称完全医学正确——数据集的价值主张是"任务多样性与对话能力保持"，不是金标医学知识。这种坦白在数据集声明里是罕见的诚实，也是使用者的第一道安全边界。

§2.3 与同期方案的竞争叙事

2023 年底的医学 VLLM 版图两极分化：私有数据训练的闭源模型（如 Med-PaLM M 系）与只做通用医疗 VQA 的开源模型——两者都不解决"胸片报告+对话"的组合需求。RaDialog 的补位：公开数据+公开模型+公开 instruct 配方三件套全开源。它的直接对照物 RadVLM（本库 524）要在 15 个月后才出现——后者把 grounding 坐标与 GPT-4o 全链合成带进场，两代方案共同锚定了胸片对话助手从"能聊"到"能指"的演进史。

§2.4 单一信源的取舍

本集所有数据源都收束在 MIMIC 生态（MIMIC-CXR train + MIMIC-NLE + Rad-ReStruct 同样源自 MIMIC 文本链）——换来的是评测隔离的干净（模型可在 MIMIC test 上无泄漏评测）与许可链的统一（Credentialed 一档全解锁）。代价是机构多样性为零——所有对话都是 MIMIC 医院的文体。这个取舍与 524 的四源策略（MIMIC+VinDr+MS-CXR）形成方法论分野。

§2.5 "防遗忘"为什么需要专门的数据集

有人会问：多任务训练不就够了，为什么还要一份"以防遗忘为使命"的数据？答案在微调经济性：一份纯报告数据（如 MIMIC-CXR 原始对）确实最"专业"，但模型训完就只会一种格式；而配一份任务多样的 instruct 数据做第二阶段，成本几乎不变（同一批图、同一套管线），对话能力却完整保住。本集的 20 倍消融（§5.3）就是把这笔经济账算成数字——一份 instruct 数据的价格，换回一个能对话的助手。这也解释了为什么它的 4 个任务愿意用伪金标：防遗忘练的是"对话格式保持"，不是新增医学知识——伪金标够用，金标（6 类任务）负责医学正确性。

§3 十任务配方解剖：一条 instruct 样本长什么样

§3.1 六类金标任务（Dataset-based）

RG（报告生成）：唯一的"第一轮"任务——prompt 含 <IMG> 占位+CheXbert 分类器对当前图预测的标签列表+固定写作指令（“act as a radiologist…write one fluent text without enumeration, be concise”——这段 prompt 在原始 vicuna-7b 上零样本试出来的）。金标来自 MIMIC-CXR train 集报告。

IG（印象生成）：findings 段进、impression 段出——报告内部的"摘要改写"，v1.1.0 新增。金标从 MIMIC-CXR 报告结构里直接抽。

FQA（Findings QA，双变体）：CheXbert 标签问答——complete 模式"列出图中全部异常"、binary 模式"Is there evidence of <PATHOLOGY>?"（yes/no）。标签由 CheXbert 从报告 findings 段自动提取（可含错——官方 Limitations 明示）。消融的主战场：0.018→0.397 的 20 倍证据就在这个任务上测的。

RR（Rad-ReStruct QA）：存在性/位置/外观的细粒度问答，金标来自 Rad-ReStruct 数据集——Pellegrini 自己 2023 年的前作（“Q: Is there a density in the thorax? A: Yes…Q: What are the attributes?”）。原集高度不平衡，本集限制每类问题正负样本同数。v1.1.0 新增。

RE（自然语言解释）：“Why do you think the patient has <PATHOLOGY>?”——回答指向报告里支持该诊断的句子。金标来自 MIMIC-NLE（Kayser et al. 2022）——把 NLP 里的解释生成任务搬进对话。

VC（视图分类）：“Was this image taken from the frontal or lateral view?”——AP/PA/LL/lateral 四分类或 frontal/lateral 二分类，金标是 MIMIC-CXR metadata。v1.1.0 新增。最轻量但最稳的任务——纯 metadata 无噪声。

§3.2 四类伪金标任务（LLM-based）

RQA（区域问答，“Is the patient’s heart healthy?”）/ EL（通俗语言，“such that a child would understand”）/ SU（要点总结）/ CO（纠错）——四类任务的"金标"全部由非微调的 vicuna-13b 零样本生成：把 MIMIC 金标报告塞进 prompt，让 LLM 自己产出回答。页面把这称为与回放式持续学习"similar"的构造——本质是"用大模型给孩子出题再写答案"，答案质量由 vicuna 的能力封顶（官方 Limitations 原话承认）。

§3.3 CO（纠错）任务的精巧机关

十任务里构造最绕的一个：先让非微调 vicuna 只凭预测标签（不给图像——原始 vicuna 也看不了图）写一份"必错报告"；CheXbert 给这份报告打标并与金标对比，找出漏检（missing）与多报（added）的病理；再构造指令"I disagree with the generated report, I think the patient has <MISSING>, but does not have <ADDED>. Please adapt the report.“——让模型学会改错。它是唯一嵌入预测报告（而非金标报告）的任务，对话训练里唯一的"真实噪声源”，模拟医生纠正 AI 的真实交互。

§3.4 Report Dropping（v1.1.0 的抗依赖设计）

v1.1.0 给 CPbQA/CPaQA/RQA 三个 QA 任务加了"报告随机三选"：a) 金标报告在手 b) 只有部分报告 c) 直接不给报告。设计动机（Release Notes 原话）：“we encourage the model to pay more attention to the image instead of mainly relying on the report content”——没有报告可抄时，模型被迫真正利用图像特征。这是指令数据里少见的"反捷径"（anti-shortcut）设计。

§3.5 每图一任务与任务均分

分配规则：每张入选图只带一个 instruct 任务（避免同图多任务过拟合），十一个条目间均分样本。加上 RG 与 instruct 总量 1:1 平衡——整个数据集的任务分布是设计出来的均匀分布，而非数据自然分布。要重建任务统计，用 instruction 文本特征聚类（§9.3）。

§4 构造管线：分层、对话结构与那个撒谎的后缀

§4.1 分层采样：让训练集长得像测试集

页面 Stratification 段披露的问题：MIMIC-CXR train/validate 集的健康人比例远高于 test 集——直接在 train 上训练会让模型 biased 向"什么都是正常"。解法：positive findings 样本全保留，无 findings 样本裁到 1/4，“approximately match the test set distribution”。这个分层只对 RG 任务生效（每图一任务的 instruct 部分跟随图像入选），是本集构造里唯一涉及分布对齐的决策。

§4.2 两轮对话结构：为什么第一轮回答是金标

除 RG 外的所有 instruct 任务都嵌在两轮对话里：第一轮 USER 要报告→ASSISTANT 答金标报告（不是模型预测）——页面原话：“in order to reduce noise in the training process”。逻辑：第二轮问答要建立在正确的报告上下文上；若第一轮就喂预测报告，错误会传播进后续轮次。推理时第一轮才由模型自己预测——train/test 的不对称是刻意设计。RG 任务本身则是单轮（prompt 直接到 ASSISTANT）。

§4.3 .json.gz 后缀的谎言（独家坑点）

页面 Data Description 的读取代码块明示：

with bz2.open('mimic_cxr_instruct_stratified.json.gz', 'rt', encoding='UTF-8') as f:
    data = json.load(f)

文件后缀是 .gz 但实际是 bz2 压缩——用 gzip 模块直接打开会立刻报错。这是本集最实际的工程陷阱（也是本条目最有传播力的存照）：后缀撒谎、代码块说实话。同类教训：任何数据集的"文件格式"要以官方读取代码为准，别信文件名。

§4.4 三字段结构与图像对齐

每条样本三字段：output（金标或伪金标回答）/ instruction（任务指令，含 <IMG> 占位——图像特征在模型内嵌的位置）/ dicom（MIMIC-CXR-JPG 的 dicom_id）。图像本体不随发——与 524 同策略：源图像在母库有独立许可链，本集只发指针与文本。组装流程：Credentialed 档下载 MIMIC-CXR-JPG → 按 dicom_id 索引 → 训练时替换 <IMG> 占位为 BioViL-T 特征（或自己模型的视觉编码）。

§4.5 评测隔离设计

数据只用 MIMIC-CXR 与 MIMIC-NLE 的 train 集——页面明确说这样"can thus safely be used to train models that will be evaluated on the test sets of these datasets or on other non-overlapping datasets"。这个声明把"评测隔离"从使用者的责任转成了数据集的出厂属性——对比很多混用 train/val 的数据集是工程美德。使用者仍需自查：自己的下游评测若用 IU-Xray 等外部集（论文的 OOD 评测用 IU-Xray test），无泄漏问题更小。

§4.6 读取的边界案例清单

除 bz2 陷阱外，读取还有四个边界要防：(1) 编码——官方代码显式 encoding=‘UTF-8’，Windows 默认 GBK 会炸；(2) 文本模式——bz2.open 必须 ‘rt’ 而非 ‘rb’（json.load 要字符串不要字节）；(3) <IMG> 占位——instruction 字段里的 <IMG> 是模型内特征嵌入位，做文本预处理时别当 HTML 标签清洗掉；(4) dicom 键类型——统一按字符串处理（部分工具链会把纯数字 dicom_id 误转 int）。四个坑都不难，但都会在深夜的训练脚本里精准复仇。

§5 模型架构与成绩：双分支、双版本、20 倍证据

§5.1 四组件架构

RaDialog 模型（本集数据的消费者）：BioViL-T 图像编码器（X-ray 域对比学习预训练的专用编码器，patch-wise 特征）→ BERT 对齐模块（BLIP-2 风格，把视觉特征转成 32 个 LM token）→ vicuna-7b LLM（对话主干）。外加第二条分支：CheXbert 分类器独立预测 14 类结构化 findings，以"Predicted Findings: <列表>“文本形式进 prompt——这就是"secondary image branch”：结构化 findings 显式通道。论文消融：这个分支单独贡献临床正确性 +13.3%。

§5.2 训练方式的版本演进（存照）

页面 Abstract（引用 v1 论文口径）说 parameter-efficient fine-tuning；v3 论文（MIDL 2025）Table 6 把差异化因素说成 end-to-end fine-tuning of both the image encoder and the LLM。两版训练方式不同（PEFT/LoRA → 全参微调），数据集本身不变。引用模型成绩时必须注明论文版本——v1 的 0.397/0.403 QA 成绩与 v3 的 39.4/39.7 分数体系不可直接混比（§10 存照 6）。

§5.3 成绩单与数据集的价值证明

v3 摘要三个数字：报告生成临床正确性 +15.0% vs 现有医疗 LVLM；交互式报告修正 +23.4%；放射科医生 84.0% 案例偏好。而数据集本身的"存在意义证明"是 v1 消融：同一模型有无 Instruct 训练的 QA F1 从 0.018/0.098 跳到 0.397/0.403——没有这份"防遗忘教材"，对话能力基本归零。这组数字是本数据集最硬的底气。

§5.4 模型发布渠道的对照

RaDialog 模型权重走 GitHub（ChantalMP/RaDialog）与 HuggingFace——未在 PhysioNet 另立模型条目。与 524 RadVLM 的双实体策略（数据+模型都上 PhysioNet，相隔 13 天）相反。对照读法：523 的许可重心全在数据侧（MIMIC 派生），模型侧走开源社区惯例；524 则把两边都纳入平台审计链。两种策略都是合法解，检索与引用时注意渠道差异。

§5.5 成绩体系的版本地图（防混比指南）

两代论文的成绩体系完全不同，引用前先对地图。v1 消融体系（Frontiers 综述转录）：同模型有/无 Instruct 训练的 QA F1 对比——binary 0.397 vs 0.018、complete 0.403 vs 0.098——证明数据集价值。v3 主成绩体系：align/project（对齐模块两种实现）× report/instruct（两阶段训练差异）四组合的 CheXbert F1（39.4/38.6/39.7/39.2，×100 口径）+ RadGraph F1（0.36-0.40）——证明架构选型。混比陷阱实例：39.4 不是"39.4 倍"也不是 v1 的 0.394 小数点位移，而是另一个任务口径的另一个分数。报告成绩时永远带上"版本+任务+指标"三元组。

§6 生态位：胸片对话助手谱系的第一块基石

§6.1 时间轴定位

2023-11-30 论文 v1 挂 arXiv → 2024-03-25 数据集 v1.0.0 上 PhysioNet → 2024-07-12 v1.1.0（+3 任务+report dropping）→ 2025-05-07 论文 v3 被 MIDL 2025 接收（标题从"A Large Vision-Language Model for Radiology Report Generation and Conversational Assistance"改为"Large Vision-Language Models for X-Ray Reporting and Dialog-Driven Assistance"）——两年从预印本到正式发表，数据集历经一次大版本演进。

§6.2 与本库条目的血缘网

直接血缘：MIMIC-CXR-JPG（617，主源）→ CheXbert 标签链（512 CheXpert 的标签体系）→ MIMIC-NLE 与 Rad-ReStruct（金标源；Rad-ReStruct 是 Pellegrini 前作，本库观察项）。方向近邻：621 RadCoref（同为报告文本理解）、622 RadGraph2（结构化金标）、624 RadVLM Instruction（本库双指令集的另一半——15 个月后的迭代版）。加上 624，本库的"胸片 instruct 数据"二联完成：能聊的（523）与能指的（524）。

§6.3 方法论遗产

本集留给后续 instruct 数据集三件工具：(1) 两轮对话构造（金标报告打底降噪声）——524 的多轮对话沿用同思路；(2) report dropping 反捷径——"不给报告逼模型看图"的设计后被广泛借鉴；(3) 任务均分+每图一任务——防过拟合的分配纪律。而它的"总量零披露"则是反面教材——524 的个位数级表 1 就是对照改进。

§6.4 伪金标的边界哲学

本集对 LLM 生成答案的处理与 524 形成哲学对照：523 把 4 个任务整体划为 LLM-based，明示"不声称医学正确"，用途限定在"防遗忘练习"；524 则用 GPT-4o 生成 86k 对话且做三连选退合规声明但同样零人工抽检。两者共同的底层事实：LLM 生成的临床对话在 2024-2025 年的公开数据集里都未经人工验证——使用者的信任边界要自己画，两条条目的 Limitations 都读一遍再定用途。

§6.5 "胸片 instruct 二联"深读：15 个月的三个跃迁

把 523 与 524 并排放，能看到 2023-11 至 2025-09 间胸片 instruct 方案的三个结构性跃迁。跃迁一：从文本到空间——523 的十任务全在文本层（报告/QA/解释），524 加入三项坐标 grounding 并把坐标文本化进 LLM；"能指"成为新基准。跃迁二：从 vicuna 到 GPT-4o——伪金标生成器从 13B 开源模型换成 GPT-4o（合规包装三连选退），生成质量与合规复杂度同时上升。跃迁三：透明度反转——523 的总量保密在 524 变成个位数级表 1，社区对"指令数据可审计性"的要求在一年内被拉高。二联合读，读的不是两个数据集，是一条方法论 S 曲线的两个采样点。

§7 AI-Ready 十问

一问：什么格式？ 单文件 mimic_cxr_instruct_stratified.json.gz（实为 bz2 压缩——bz2.open 读取）；每条 output/instruction/dicom 三字段；图像凭 dicom_id 从 MIMIC-CXR-JPG 对齐。

二问：多大规模？ 总量未披露（页面/论文零数字）——构造规则：RG 与 instruct 1:1、每图一任务、11 条目均分、分层采样（positive 全保留+无 findings 减 1/4）；MIMIC-CXR train 集量级（十万级推理，官方未确认）。

三问：标注是什么性质？ 双轨：6 类任务金标（MIMIC-CXR 报告/CheXbert 标签/MIMIC-NLE/Rad-ReStruct/metadata）+ 4 类任务 vicuna-13b 伪金标；官方明示不声称医学完全正确；零人工抽检披露。

四问：许可与门槛？ Credentialed：注册+CITI+Credentialed DUA（License 1.5.0）；源图像在 MIMIC-CXR-JPG 同档——一次认证全解锁。

五问：伦理完备度？ 一句话声明（“no ethics concerns”）——2024-03 口径的极简风格；数据源伦理继承 MIMIC 系；无 LLM API 合规专项声明（对照 524 的三连选退）。

六问：可复现性？ 构造代码开源（GitHub）+每任务 10 条 prompt 模板全公开+构造规则完整披露；但总量数字缺失——复现校验只能靠下载后统计与构造规则推断。

七问：标签的可信边界？ CheXbert 自动标签可含错；vicuna 伪金标受模型能力封顶；CO 任务的纠错对是构造的（非真实临床错误）；金标任务（RG/IG/RE/VC/RR）可信度较高——分任务取用。

八问：适合什么任务？ 报告生成模型的对话能力追加训练（防遗忘第二阶段）；持续学习/任务多样性研究；报告纠错与患者通俗解释的系统原型；医学对话 SFT 的组成部分。

九问：不适合什么？ 医学金标评测（官方自认非金标）；grounding/定位任务（无框坐标——对照 524）；多机构泛化研究（纯 MIMIC 文体）；任何要求"数据量明确"的注册研究（总量未披露）。

十问：一句话定位？ 胸片对话助手的第一代 instruct 方案——为防遗忘而生，总量保密，vicuna 自问自答，MIDL 2025 正式背书。

DAIMS 评估：数据可得性 6（Credentialed 中间档+图像须对齐+总量不透明）/ 标注 6（金标伪金标双轨+零人工抽检+官方诚实声明加分但边界真实）/ 方法 8（构造规则全披露+report dropping 反捷径设计+消融证据 20 倍+构造代码开源）/ 影响力 7（第一代完整公开方案+MIDL 2025+社区广泛引用）/ 规模 6（总量未知，MIMIC train 量级但无法核数）——DAIMS：6.6（对照：624 RadVLM 7.4、622 RadGraph2 7.6、623 REFLACX 6.6）。

§8 误解与反直觉

误解一：“这是个大数据集。” 无人知道——总量数字页面论文均未披露（官方只给构造规则）。MIMIC train 分层采样后估计十万级，但"估计"不是事实；引用时写"总量未披露"或下载自数。

误解二：“instruct 数据是医学正确的。” 官方原话反向声明：“we do not claim the instruct data to be completely medically correct”——4 个任务的答案是 vicuna-13b 零样本生成的。它的使命是防遗忘练习，不是医学知识库。

误解三：“文件是 gzip 的。” 后缀 .gz 撒谎——实际 bz2 压缩（页面代码块明示 bz2.open）。gzip 直接打开必报错。本条目最实际的坑。

误解四：“任务是 8 个。” 页面 Overview 说"eight tasks"是 v1.0.0 遗留——v1.1.0 实为 10 任务名/11 条目（FQA 双变体）。读任务清单以页面 Tasks included in the dataset 节为准。

误解五：“两轮对话的第一轮也是模型生成的。” 不是——训练时第一轮回答固定为 MIMIC 金标报告（降噪声设计）；推理时第一轮才由模型预测。train/test 不对称是特性不是 bug。

误解六：“纠错任务教的是真实错误。” CO 任务的"错误报告"是 vicuna 只凭标签生成的构造物（没有图像输入），纠错对不是真实临床误诊——它训练的是"接受纠正指令并修改"的交互模式。

误解七：“数据可以用来评测模型。” 官方定位是训练集（且只用 MIMIC train 集构造）——评测要用 MIMIC test 或外部集（IU-Xray 等）。拿训练数据当评测集是双重错误（泄漏+非金标）。

误解八：“RaDialog 模型也在 PhysioNet 上。” 不——模型走 GitHub/HF，PhysioNet 只有数据集条目（对照 524 的 radvlm-model 双实体策略）。

误解九：“这个数据集没有价值因为都是自动生成的。” 反了——消融证据 0.018→0.397（20 倍）证明它的"防遗忘"价值真实存在；价值主张从来不是医学正确性，是任务多样性带来的对话能力保持。

误解十：“MIMIC-NLE 和 Rad-ReStruct 也是 MIMIC-CXR。” MIMIC-NLE（Kayser 2022）是解释数据集；Rad-ReStruct（Pellegrini 2023）是结构化报告 QA 数据集——两者独立成集，本集只是消费方。

误解十一：“报告 dropping 是数据清洗。” 不是——它是把"有报告可抄"的 QA 任务随机变成"部分报告/无报告"三模式的抗捷径训练设计，强迫模型用图像。方向与清洗相反：主动引入信息缺失。

误解十二：“作者就是论文那 6 个人。” 数据集引用 5 人（无 Wiestler）——Wiestler 只在论文作者名单。引用数据集用 5 人版，引用论文用 6 人版。

误解十三：“vicuna-13b 也被微调了。” 生成伪金标用的是非微调的 vicuna-13b（zero-shot）——被微调的是 vicuna-7b（RaDialog 主干）。两个模型两个角色，别混。

误解十四：“标题就一个。” 论文两版标题不同：v1 “…for Radiology Report Generation and Conversational Assistance” → v3 “…for X-Ray Reporting and Dialog-Driven Assistance”。检索与引用认准版本。

误解十五：“两轮结构浪费算力。” 第一轮金标报告看似"白送"的监督信号，实际是低成本的多任务课程学习——RG 能力在每条 instruct 样本里被免费复习，这正是防遗忘目标的执行细节。

误解十六：“可以自己加任务扩数据。” 可以但要记录口径——官方 11 条目均分的分布会被打破；扩充任务建议独立成文件并声明版本（学官方 v1.0→v1.1 的变更日志纪律）。

§8.13 坑点表（八坑）

坑点	典型翻车	绕行姿势
坑点1：信 .gz 后缀	gzip.open 直接报错	官方代码 bz2.open(‘…’, ‘rt’, encoding=‘UTF-8’)（§4.3）
坑点2：猜总量	论文引用写"约 X 万条"	官方零披露——写"总量未披露"或下载自数（§10 存照 1）
坑点3：伪金标当真	拿 RQA/EL/SU/CO 答案当医学事实	vicuna-13b 生成+官方不声称正确——只当对话训练信号（§3.2）
坑点4：8/10 任务数记错	任务统计与页面对不上	Overview “eight”=v1.0 遗留；v1.1 实为 10 名/11 条目（§4/§3）
坑点5：<IMG> 当真图	找 <IMG> 文件	占位符——特征在模型内嵌入，图像凭 dicom_id 对齐 MIMIC-CXR-JPG（§4.4）
坑点6：训练集上评测	用本集样本测模型	本集是训练集（MIMIC train 构造）——评测去 MIMIC test/IU-Xray（§4.5）
坑点7：CO 错误当真实	研究真实误诊模式	CO 的错误报告是构造的——只练交互模式不研究误诊（§3.3）
坑点8：成绩混版本	v1 的 0.397 与 v3 的 39.4 互比	PEFT→端到端两代训练——引用注明论文版本（§5.2）

§9 工作实例：从下载到任务统计的完整管线

§9.1 正确读取（bz2 陷阱现场）

import bz2, json
from collections import Counter

# ⚠️ 后缀 .gz 实为 bz2 —— gzip.open 会报 BadGzipFile
with bz2.open('mimic_cxr_instruct_stratified.json.gz', 'rt', encoding='UTF-8') as f:
    data = json.load(f)

print(type(data), len(data))   # list —— 官方未披露的总数在这里揭晓
sample = data[0]
print(sample.keys())           # dict_keys(['output', 'instruction', 'dicom'])

§9.2 三字段结构与任务判别

def guess_task(sample):
    inst = sample["instruction"]
    if "write the finding section" in inst:          return "RG"
    if "impression" in inst.lower():                 return "IG"
    if "List all the finding" in inst:               return "FQA-complete"
    if "Is there evidence of" in inst:               return "FQA-binary"
    if "What are the attributes" in inst:            return "RR"
    if "Why do you think" in inst:                   return "RE"
    if "frontal or lateral" in inst.lower():         return "VC"
    if "healthy" in inst.lower() or "lung" in inst.lower(): return "RQA"
    if "very easy terms" in inst or "child" in inst: return "EL"
    if "bullet points" in inst:                      return "SU"
    if "I disagree" in inst:                         return "CO"
    return "UNKNOWN"

counts = Counter(guess_task(s) for s in data)
print(counts)   # 11 条目分布——官方未给的统计自己补上

§9.3 与 MIMIC-CXR-JPG 图像对齐

import os
# 图像本体在 MIMIC-CXR-JPG（同 Credentialed 档）；dicom_id 即索引键
# MIMIC-CXR-JPG 路径规律：files/p10/p10000032/s<study_id>/<dicom_id>.jpg
missing = 0
for s in data:
    d = s["dicom"]
    # 实际项目按 MIMIC-CXR-JPG 的 metadata csv 反查完整路径
    if not find_jpg_by_dicom(d):      # 项目自己的反查函数
        missing += 1
print(f"缺图 {missing} / {len(data)}")   # 训练前必须清零

§9.4 两轮对话展开（训练视角）

def to_chat(sample):
    # 官方结构：第一轮=金标报告（RG 轮）→ 第二轮=任务指令
    # 训练时第一轮 ASSISTANT 答案是 MIMIC 金标报告（非模型预测）
    return [
        {"role": "user",      "content": RG_PROMPT(sample)},      # 含 <IMG> 占位
        {"role": "assistant", "content": GT_REPORT(sample)},      # 金标——降噪声设计
        {"role": "user",      "content": sample["instruction"]},  # 任务指令
        {"role": "assistant", "content": sample["output"]},       # 金标或 vicuna 伪金标
    ]
# report dropping 模式（v1.1.0 QA 类）：第二轮 instruction 可能附带
# 金标/部分/无报告三种上下文——抽样时注意三种模式都在

§9.5 五行清单

1. bz2.open 读 json（别信 .gz 后缀）→ len(data) 得到官方未披露的总数
2. guess_task 聚类 → 11 条目分布自检（对照 §3 任务清单）
3. dicom_id 反查 MIMIC-CXR-JPG 图像树 → 缺图清零
4. 两轮对话展开 + report dropping 三模式确认 → 接自己的训练框架
5. 评测只在 MIMIC test / IU-Xray——训练集样本永不入评测

§9.6 report dropping 模式统计（v1.1 专属检查）

v1.1.0 的 QA 类样本分三模式（金标报告在手/部分报告/无报告）——官方未给比例，统计脚本加一桶：

def drop_mode(sample):
    inst = sample["instruction"]
    if "Report:" in inst and len(inst) > 400:  return "full-report"
    if "Report:" in inst:                      return "partial-report"
    return "no-report"

mode_counts = Counter(drop_mode(s) for s in data if guess_task(s) in
                      {"FQA-complete","FQA-binary","RR","RQA"})
print(mode_counts)   # 三模式分布——官方未给，自补统计

若 no-report 桶为 0，说明拿到的是 v1.0.0 文件（report dropping 未生效）——用版本号复核下载源。

§10 FAQ：速查索引

FAQ-基础身份（18 问）

Q1：RaDialog Instruct Dataset 是什么？

Q2：它的 slug 是什么？

Q3：在 PhysioNet 上的 DOI 是什么？

Q4：v1.0.0 什么时候发布的？

Q5：v1.1.0 什么时候发布的？

Q6：两个版本的 DOI 分别是什么？

Q7：属于哪个访问等级？

Q8：Topics 有哪些？

Q9：Topics 里 ‘understaning’ 是拼写错误吗？

Q10：它是图像数据集吗？

Q11：配套模型在哪里发布？

Q12：模型为什么没在 PhysioNet 单独挂牌？

Q13：官方论文是哪篇？

Q14：论文的 arXiv 编号？

Q15：论文改过标题吗？

Q16：MIDL 2025 是什么？

Q17：代码在哪里？

Q18：有问题联系谁？

FAQ-规模与统计（12 问）

Q19：数据集有多少条样本？

Q20：为什么官方不披露总量？

Q21：怎么自己统计条数？

Q22：报告生成和 instruct 任务的比例是多少？

Q23：每张图会带几个任务？

Q24：任务之间怎么分配样本？

Q25：分层采样是什么规则？

Q26：为什么要减少健康样本？

Q27：数据只用了 MIMIC 的哪些部分？

Q28：评测时能用自己的样本吗？

Q29：十万级是官方数字吗？

Q30：v1.0.0 和 v1.1.0 的样本量一样吗？

FAQ-十任务配方（22 问）

Q31：数据集包含哪十个任务？

Q32：哪些任务是金标？

Q33：哪些任务是 LLM 生成？

Q34：RG（报告生成）任务长什么样？

Q35：IG（印象生成）是什么？

Q36：FQA 的两个变体是什么？

Q37：CPaQA 和 CPbQA 是什么缩写？

Q38：RR（Rad-ReStruct QA）是什么？

Q39：Rad-ReStruct 是谁的数据集？

Q40：RE（自然语言解释）的金标来自哪里？

Q41：MIMIC-NLE 是什么？

Q42：VC（视图分类）分哪几类？

Q43：RQA（区域问答）问什么？

Q44：EL（通俗语言）任务的目标读者是谁？

Q45：SU（总结）任务输出什么格式？

Q46：CO（纠错）任务怎么构造的？

Q47：为什么 CO 任务的报告是预测的？

Q48：report dropping 是什么？

Q49：report dropping 覆盖哪些任务？

Q50：为什么要随机去掉报告？

Q51：每个任务有几条 prompt 模板？

Q52：prompt 模板在哪里能看到？

FAQ-格式与文件（12 问）

Q53：数据集是什么文件格式？

Q54：怎么正确读取数据文件？

Q55：为什么 .gz 后缀不能直接用 gzip 读？

Q56：每条样本有几个字段？

Q57：instruction 里的 <IMG> 是什么？

Q58：dicom 字段怎么用？

Q59：图像本体在数据集里吗？

Q60：图像怎么对齐？

Q61：两轮对话的结构是什么？

Q62：第一轮回答为什么用金标报告？

Q63：推理时第一轮回答怎么办？

Q64：RG 任务也是两轮的吗？

FAQ-构造与标注（12 问）

Q65：数据是自动生成的吗？

Q66：vicuna-13b 在构造里的角色？

Q67：vicuna-13b 被微调过吗？

Q68：伪金标的质量怎么保证？

Q69：CheXbert 在构造里的角色？

Q70：CheXbert 标签有错误吗？

Q71：官方怎么声明数据的医学正确性？

Q72：数据集的第一性设计目标是什么？

Q73：什么是灾难性遗忘？

Q74：回放式持续学习是什么思路？

Q75：分层采样只影响哪些任务？

Q76：构造代码开源了吗？

FAQ-模型与成绩（15 问）

Q77：RaDialog 模型的架构是什么？

Q78：图像编码器是什么？

Q79：对齐模块是什么？

Q80：结构化 findings 分支有什么用？

Q81：次要分支带来多少提升？

Q82：LLM 用的哪个模型？

Q83：训练方式是 LoRA 还是全参微调？

Q84：为什么有两种训练方式的说法？

Q85：模型的报告生成成绩提升了多少？

Q86：报告修正成绩提升多少？

Q87：84.0% 医生偏好是怎么测的？

Q88：放射科医生偏好率是多少？

Q89：20 倍差距是什么证据？

Q90：0.018 和 0.397 分别怎么来的？

Q91：v1 和 v3 的成绩能直接比吗？

FAQ-访问与许可（8 问）

Q92：怎么获取这个数据集？

Q93：Credentialed 访问要什么条件？

Q94：许可是什么？

Q95：MIMIC-CXR-JPG 要单独申请吗？

Q96：能再分发吗？

Q97：引用时要引哪些文献？

Q98：PhysioNet 平台引用是什么？

Q99：数据集引用和论文引用的作者数为什么不一样？

FAQ-伦理与资助（7 问）

Q100：数据集的伦理声明是什么？

Q101：为什么伦理声明只有一句话？

Q102：数据源的伦理责任怎么继承？

Q103：和 524 RadVLM 的合规声明差在哪？

Q104：资助方是谁？

Q105：DIVA 和 ThoraXAI 是什么项目？

Q106：有利益冲突声明吗？

FAQ-团队与论文链（11 问）

Q107：数据集是谁做的？

Q108：作者有几个人？

Q109：第一作者是谁？

Q110：团队来自哪些机构？

Q111：CAMP 是什么实验室？

Q112：Wiestler 在数据集作者里吗？

Q113：论文什么时候提交的？

Q114：论文 v3 什么时候改的？

Q115：两个版本标题差在哪？

Q116：Rad-ReStruct 和本集什么关系？

Q117：联系邮箱是什么？

FAQ-近邻与生态（10 问）

Q118：本库里有哪些近邻条目？

Q119：和 MIMIC-CXR-JPG（617）什么关系？

Q120：和 524 RadVLM Instruction 什么关系？

Q121：524 比 523 进步在哪？

Q122：和 512 CheXpert 什么关系？

Q123：和 621/622 什么关系？

Q124：'胸片 instruct 二联’是什么？

Q125：和 CheXagent/MAIRA-2 什么关系？

Q126：第一代方案的定位合适吗？

Q127：后续有什么值得跟踪的？

FAQ-使用与复现（16 问）

Q128：官方推荐用途？

Q129：能当医学金标用吗？

Q130：适合什么下游任务？

Q131：不适合什么场景？

Q132：怎么接自己的报告生成模型？

Q133：两阶段训练怎么设计？

Q134：能只挑金标任务用吗？

Q135：能只挑 LLM 任务用吗？

Q136：任务判别怎么写？

Q137：缺图怎么办？

Q138：评测用什么数据集？

Q139：IU-Xray 是什么？

Q140：复现模型成绩需要什么？

Q141：20 倍消融怎么复现？

Q142：怎么引用本数据集？

Q143：有 companion model 吗？

FAQ-版本与演进（20 问）

Q144：v1.0.0 和 v1.1.0 差在哪？

Q145：v1.1.0 新增了哪三个任务？

Q146：report dropping 是哪个版本引入的？

Q147：report dropping 影响哪些任务？

Q148：三模式（金标/部分/无报告）的比例是多少？

Q149：IG/VC/RR 为什么在 1.1 才加？

Q150：老版本还能下载吗？

Q151：引用时引哪个版本？

Q152：两版本的构造代码一样吗？

Q153：论文版本和数据集版本怎么对应？

Q154：arXiv 有 v2 吗？

Q155：MIDL 2025 版和 v1 内容差多少？

Q156：未来还会有 v1.2 吗？

Q157：官方对未随发部分有什么说法？

Q158：report dropping 的三模式可以自己配置吗？

Q159：从 v1.0 升级到 v1.1 要重训吗？

Q160：三模式分布官方给了比例吗？

Q161：怎么判断拿到的是 v1.0 还是 v1.1 文件？

Q162：v1.1 的 QA 任务还需要金标报告吗？

Q163：两个版本可以混用吗？

FAQ 共 163 问——每问即一个检索意图锚点，答案散布于 §0-§9 与附录各节；为站内搜索与 AI 检索提供问题空间全覆盖索引。

§11 事实清单：逐条存照（每条可溯源至页面快照或论文交叉）

1. 身份：RaDialog Instruct Dataset——PhysioNet 双版本：v1.0.0（2024-03-25，DOI 10.13026/zecj-bh52）→ v1.1.0（2024-07-12，DOI 10.13026/40d2-wj86）。
2. 访问：Credentialed——License 1.5.0 + Credentialed DUA（页面顶部 ‘Credentialed Access’ 实测；512/522/523/524 批次七 Credentialed 四连）。
3. slug 实测：radialog-instruct-dataset/1.0.0/ 与 /1.1.0/ 均 HTTP 200（快照 64,841 B）。
4. Topics 3 个：medical image understaning（官方 typo 存照）/ radiology chatbot / radiology report generation。
5. 作者 5 人（citation_author）：Pellegrini, Chantal / Özsoy, Ege / Busam, Benjamin / Navab, Nassir / Keicher, Matthias——论文 6 人（+Benedikt Wiestler）存照。
6. 机构：TUM CAMP（Computer Aided Medical Procedures，School of Computation, Information and Technology）+ TUM AI for Image-Guided Diagnosis and Therapy + MCML（Munich Center for Machine Learning）——全慕尼黑工大系。
7. 论文：arXiv 2311.18681——v1（2023-11-30）‘RaDialog: A Large Vision-Language Model for Radiology Report Generation and Conversational Assistance’ → v3（2025-05-07）‘RaDialog: Large Vision-Language Models for X-Ray Reporting and Dialog-Driven Assistance’（MIDL 2025 接收，CC-BY 4.0，标题改写存照）。
8. 页面要求双引：数据集（PhysioNet v1.1.0）+ 论文（arXiv 2311.18681）+ 平台（Pollard 2026 Nature Health 1(8):792-795）。
9. 任务清单（v1.1.0，10 任务名/11 条目）：金标 6 类——RG（报告生成，MIMIC-CXR）/ IG（印象生成，MIMIC-CXR，v1.1 新增）/ FQA 双变体（CheXbert 标签）/ RR（Rad-ReStruct QA，v1.1 新增）/ RE（MIMIC-NLE 解释）/ VC（视图分类，metadata，v1.1 新增）；LLM 伪金标 4 类——RQA（区域问答）/ EL（通俗语言）/ SU（总结）/ CO（纠错）。
10. 页面 Overview 段 ‘eight tasks, including report generation and seven instruct tasks’ 为 v1.0.0 遗留口径——与 v1.1.0 实列 10 任务名不一致（页面未全面更新，存照）。
11. CPaQA/CPbQA（Release Notes 缩写）= FQA 的 complete/binary 两变体。
12. Rad-ReStruct 是 Pellegrini et al. 2023 前作——本集 RR 任务金标源；原集高度不平衡→限制每类问题正负样本同数。
13. v1.1.0 两项变更（Release Notes 原话归纳）：①+3 任务（IG/VC/RR）②report dropping——CPbQA/CPaQA/RQA 提问随机三模式（a 金标报告在手/b 部分报告/c 无报告），‘encourage the model to pay more attention to the image’。
14. 两轮对话构造：除 RG 外所有任务=第一轮 USER 报告生成→ASSISTANT 金标报告（‘reduce noise’）→第二轮 USER 任务指令→ASSISTANT；推理时第一轮由模型预测。
15. CO 任务构造：非微调 vicuna 只凭预测标签（无图像）生成’必错报告’→CheXbert 对比金标找漏检/多报→构造 ‘I disagree…Please adapt the report.’ 纠错指令——唯一嵌入预测报告的任务。
16. 每任务 10 条 prompt 模板手工定义，随机选用；GitHub data/instruct_prompts 公开。
17. 规模数字零披露：页面与论文均无总条数——仅构造规则（RG 与 instruct 1:1 平衡/每图 1 个 instruct 任务/11 条目均分/分层采样）。
18. 分层采样：positive findings 全保留，无 findings 减到 1/4（‘approximately match the test set distribution’——train 集健康人比例远高于 test）。
19. 评测隔离：仅用 MIMIC-CXR/MIMIC-NLE train 集——官方声明可在 MIMIC test 或非重叠数据集上安全评测（论文 OOD 评测用 IU-Xray test）。
20. 文件：mimic_cxr_instruct_stratified.json.gz——⚠️ 后缀 .gz 实为 bz2（页面代码块 bz2.open(…, ‘rt’, encoding=‘UTF-8’) 明示）——gzip 直接打开报错（本条目独家坑点）。
21. 每条三字段：output（金标/伪金标回答）/ instruction（含 <IMG> 占位）/ dicom（MIMIC-CXR-JPG dicom_id）——图像不随发。
22. 模型架构四组件：BioViL-T 图像编码器（X-ray 域对比预训练，patch-wise）+ BERT 对齐模块（BLIP-2 风格，32 LM token）+ CheXbert 分类器（结构化 findings 双分支）+ vicuna-7b LLM。
23. 双分支价值：次要 findings 分支单独提升临床正确性 13.3%（v3 论文）。
24. 训练方式版本差：页面 Abstract/v1 口径 parameter-efficient fine-tuning（Frontiers 综述同说 LoRA）vs v3 论文 end-to-end fine-tuning of both image encoder and LLM——两版演进存照。
25. 模型成绩（v3 摘要）：报告生成临床正确性 +15.0% vs 现有医疗 LVLM / 交互式报告修正 +23.4% / 放射科医生 84.0% 案例偏好。
26. Instruct 价值消融（v1，Frontiers 综述转录）：binary CheXpert QA F1 0.397（有 Instruct）vs 0.018（无）——20 倍；complete QA 0.403 vs 0.098。
27. v3 成绩体系：RaDialog-align-report 39.4/0.40、align-instruct 38.6/0.39、project-report 39.7/0.36、project-instruct 39.2/0.37（CheXbert F1×100 + RadGraph F1 口径）——与 v1 消融数字不可混比。
28. 伦理一句话：‘The authors declare no ethics concerns.’（页面 Ethics 全文）——与 524 GPT-4o 三连选退的时代对照存照。
29. 资助：BMBF DIVA（13GW0469C）+ Bavarian StMWi ThoraXAI（DIK-2302-0002）；COI 无。
30. 模型发布渠道：GitHub ChantalMP/RaDialog + HF——未在 PhysioNet 另立模型条目（对照 524 radvlm-model 双实体策略）。
31. 联系：chantal.pellegrini@tum.de。
32. Usage Notes 定位原话：‘the main purpose of the provided dataset is to be able to mitigate catastrophic forgetting…we do not claim the instruct data to be completely medically correct’——防遗忘第一性+非金标声明。
33. 快照体量：/tmp/523_page.html 64,841 B（v1.1.0）+ ar5iv 2311.18681 206,507 B——本条目所有页面数字的第一存照。
34. DB 查重：radialog/instruct 相关 0 行（radvlm 624 为本轮 LIKE 命中）——MAX=624、总数 622 → 预期本条 rid 625。
35. 本库近邻：mimic-cxr-jpg（617 主源）/ chexpert（512 标签体系）/ radvlm-instruction-dataset（624 姊妹）/ radgraph2（622）/ rad-coreference-resolution（621）。
36. 胸片 instruct 二联：523（能聊，vicuna 时代，防遗忘使命）+ 524（能指，GPT-4o 时代，grounding 进 LLM）——15 个月演进的两侧锚点。
37. 批次七收官：本条为 523 队列位——上线后 516-525 十条全齐。
38. 信息缺口清单：①总量零披露 ②.gz 后缀撒谎 ③Overview 任务数遗留 ④arXiv v2 缺席（v1→v3）⑤MIMIC-NLE/Rad-ReStruct 细节依赖外部文献。

事实清单共 38 条——每条对应一次页面/论文/DB 读取，编号即存照序。

§12 术语表：五十条

1. RaDialog Instruct Dataset：TUM 团队的胸片多任务指令微调数据集——10 任务名/11 条目，防遗忘设计第一性。
2. RaDialog（模型）：vicuna-7b+BioViL-T+CheXbert 分类器双分支的胸片对话助手——GitHub/HF 发布。
3. catastrophic forgetting（灾难性遗忘）：LLM 微调后通用/对话能力衰退的现象——本集的核心设计动机。
4. 回放式持续学习（replay-based continual learning）：用多样任务’复习’旧技能缓解遗忘的思路——本集 LLM 伪金标构造的类比来源。
5. instruct dataset（指令数据集）：多任务指令-回答对组织的 SFT 数据——LLaVA 范式在胸片域的落地。
6. vicuna-7b：RaDialog 的 LLM 主干（LLaMA 微调系）——被 Instruct 数据集微调。
7. vicuna-13b：非微调的更大 vicuna——4 个任务的伪金标生成器（zero-shot）。
8. BioViL-T：微软 X-ray 域对比学习预训练编码器——RaDialog 的视觉前端。
9. BLIP-2 风格对齐：BERT 模块把视觉特征转 32 个 LM token——Q-Former 思路的简化实现。
10. CheXbert：报告自动标注器——标签引擎+结构化 findings 分支的监督来源。
11. CheXpert labels（14 类）：FQA 任务的标签空间——本库 512 CheXpert 条目同源。
12. secondary image branch：结构化 findings 双分支——单独提升临床正确性 13.3%。
13. RG：Report Generation 报告生成任务——唯一第一轮任务，MIMIC-CXR 金标。
14. IG：Impression Generation 印象生成——findings→impression，v1.1 新增。
15. FQA-complete / FQA-binary：Findings QA 双变体——列全部异常/单个 yes-no；CPaQA/CPbQA 同物。
16. RR：Rad-ReStruct QA——存在/位置/外观细粒度问答，Pellegrini 前作金标，v1.1 新增。
17. RE：Reasoning/Natural Language Explanation——诊断推理与报告证据定位，MIMIC-NLE 金标。
18. VC：View Classification 视图分类——AP/PA/LL/lateral，metadata 金标，v1.1 新增。
19. RQA：Region QA 区域问答——心脏/肺等区域的 binary 或开放问答（vicuna 伪金标）。
20. EL：Easy Language 通俗语言——报告转儿童能懂的话（vicuna 伪金标）。
21. SU：Summarization 总结——要点式报告摘要（vicuna 伪金标）。
22. CO：Correction 纠错——基于构造错误报告的修正交互（唯一用预测报告的任务）。
23. report dropping：v1.1 反捷径设计——QA 任务随机金标/部分/无报告三模式，逼模型看图。
24. 两轮对话构造：金标报告打底+任务指令跟进的训练结构——降噪声设计。
25. MIMIC-NLE：Kayser 2022 的自然语言解释数据集——RE 任务金标源。
26. Rad-ReStruct：Pellegrini 2023 的结构化报告 QA 数据集——RR 任务金标源。
27. IU-Xray：OpenI 胸片报告数据集——论文 OOD 评测用。
28. MIDL：Medical Imaging with Deep Learning 会议——论文 v3 正式发表处（2025）。
29. BMBF DIVA：德国联邦教研部资助项目（13GW0469C）。
30. ThoraXAI：巴伐利亚州 StMWi 资助项目（DIK-2302-0002）。
31. bz2：实际压缩格式——与 .gz 后缀不符，须 bz2.open 读取（独家坑点）。
32. <IMG> 占位：instruction 中的图像特征嵌入位——非文件名。
33. dicom_id：MIMIC-CXR-JPG 的图像索引键——图像对齐的凭据。
34. stratified sampling（分层采样）：positive 全保留+无 findings 减 1/4——匹配 test 分布。
35. 参数高效微调（PEFT/LoRA）：v1 论文的训练方式口径——v3 改为端到端全参。
36. 端到端全参微调：v3 论文口径——图像编码器与 LLM 全解冻（版本差存照）。
37. anti-shortcut（反捷径）：report dropping 的设计哲学——主动制造信息缺失防依赖。
38. 任务均分：11 条目样本均衡分配——防任务偏斜。
39. 每图一任务：每张图只带一个 instruct 任务——防同图多任务过拟合。
40. zero-shot 生成：vicuna-13b 无微调直接生成伪金标——质量受模型能力封顶。
41. CheXbert F1：临床正确性主指标（v3 成绩 39.4-39.7 即 ×100 口径）。
42. RadGraph F1：报告结构化正确性次指标（v3 成绩 0.36-0.40）——与本库 622 RadGraph2 同源。
43. radialog-instruct-dataset：官方 slug——批次登记 ‘RaDialog’ 为简称。
44. DAIMS：本库 AI-Ready 评估体系——本条目 6.6（总量不透明扣分）。
45. rai:dataLimitations：AI-Ready 元数据字段——本条目 7 条限制存照。
46. RRID:SCR_007345：PhysioNet 平台通用研究资源标识符。
47. 胸片 instruct 二联：523+524 本库双条目组合——胸片对话助手两代方案的完整存档。
48. Credentialed DUA：数据使用协议——与 CITI 课程、注册共同构成三件套。
49. MCML：Munich Center for Machine Learning——一作双挂机构。
50. rai 第一代方案：社区语境：523 是胸片对话 instruct 的第一个完整公开方案（官方自述 first thoroughly evaluated and publicly available）。
51. report dropping 三模式：金标报告在手/部分报告/无报告的随机三选——v1.1 QA 类专属设计。
52. anti-shortcut：反捷径设计哲学——主动制造信息缺失逼模型依赖图像。
53. 两代成绩体系：v1 消融（0.018→0.397）与 v3 四组合（39.4 等）——不可互比，引用带版本。
54. 评测隔离声明：官方 train-only 构造声明——评测隔离从使用者责任转为出厂属性。
55. 一作前作复用：Rad-ReStruct（Pellegrini 2023）作为金标源——同作者数据生态的纵向整合。
56. 合规代际对照：523 一句话伦理 vs 524 三连选退——2024 与 2025 的合规成熟度断层样本。
57. 任务规格表：附录 E 的十任务全字段对照——复现与统计的基准文件。
58. guess_task 聚类：本条目 §9.2 的推断式任务统计——官方零披露下的自数方案。
59. drop_mode 分桶：§9.6 的三模式统计——顺带当版本指纹（no-report=0 即 v1.0 文件）。
60. 两轮结构复习效应：金标报告打底让 RG 能力在每条样本被免费复习——课程学习的低成本实现。
61. 开源构造代码：GitHub data/ 管线全公开——官方唯一权威分类与自建同构数据的依据。

术语表共 61 条——覆盖任务/方法/模型/许可/人物五域，交叉引用见附录 C 术语索引。

附录 A：数据集速查卡（一屏版）

属性	值
名称	RaDialog Instruct Dataset
slug	radialog-instruct-dataset
版本	v1.0.0（2024-03-25）/ v1.1.0（2024-07-12）
DOI	v1.0：10.13026/zecj-bh52 / v1.1：10.13026/40d2-wj86
访问	Credentialed（License 1.5.0 + DUA + CITI）
类型	胸片多任务对话指令微调数据（文本+指针，图像不随发）
总量	未披露（页面/论文零数字；仅构造规则）
任务	10 任务名/11 条目：金标 6 类（RG/IG/FQA-c/FQA-b/RR/RE/VC）+ 伪金标 4 类（RQA/EL/SU/CO）
对话结构	两轮式（金标报告→任务指令）；v1.1 QA 类 report dropping 三模式
格式	mimic_cxr_instruct_stratified.json.gz（实为 bz2）——output/instruction/dicom 三字段
标签引擎	CheXbert（标签）+ vicuna-13b zero-shot（4 任务）+ MIMIC-NLE/Rad-ReStruct（金标源）
消费模型	RaDialog（vicuna-7b + BioViL-T + BERT 对齐 32 token + CheXbert 双分支）
模型成绩	临床正确性 +15.0% / 修正 +23.4% / 医生偏好 84.0%；消融 QA F1 0.397 vs 0.018
第一性目标	缓解灾难性遗忘（“we do not claim the instruct data to be completely medically correct”）
评测隔离	仅 MIMIC-CXR/MIMIC-NLE train 集构造——MIMIC test/IU-Xray 评测安全
模型发布	GitHub ChantalMP/RaDialog + HF（PhysioNet 无模型条目）
语言	英语
团队	TUM 全系 5 人（数据集）/ 6 人（论文 +Wiestler）
论文	arXiv:2311.18681（v1 2023-11-30 → v3 2025-05-07 MIDL 2025）
资助	BMBF DIVA 13GW0469C + Bavarian StMWi ThoraXAI DIK-2302-0002

附录 B：关键时间线

时间	事件
2022	MIMIC-NLE（Kayser et al.）发布——RE 任务金标源就位
2023	Rad-ReStruct（Pellegrini et al.）发布——一作前作，RR 任务金标源就位
2023-11-30	arXiv 2311.18681 v1 提交——“RaDialog: …Report Generation and Conversational Assistance”
2024-03-25	数据集 v1.0.0 挂牌 PhysioNet（8 任务条目，DOI zecj-bh52）
2024-07-12	v1.1.0 发布：+IG/VC/RR 三任务 + report dropping（DOI 40d2-wj86）
2025-05-07	论文 v3（MIDL 2025 接收，标题改为 “…for X-Ray Reporting and Dialog-Driven Assistance”）
2025-02→09	524 RadVLM 论文与数据集先后发布——第二世代（grounding+GPT-4o 全链）接力
2026-09	本条目核查快照（v1.1.0 页面 64,841 B + ar5iv 206,507 B）

附录 C：术语交叉索引（按字母序）

术语	首现节	关联术语
0.018 → 0.397	§5.3	20 倍 / 消融
BioViL-T	§5.1	图像编码器
bz2 陷阱	§4.3	.gz 后缀
CO（纠错）	§3.3	预测报告
CPaQA/CPbQA	§4	FQA 变体
灾难性遗忘	§2.1	防遗忘 / 回放
FQA	§3.1	CheXbert
IG	§3.1	印象生成
IU-Xray	§4.5	OOD 评测
MIMIC-NLE	§3.1	RE 金标
MIDL 2025	§6.1	论文 v3
PEFT vs 端到端	§5.2	版本差
pseudo ground truth	§3.2	vicuna-13b
Rad-ReStruct	§3.1	RR / 前作
report dropping	§3.4	反捷径
RE	§3.1	解释
RQA	§3.2	区域问答
RG	§3.1	报告生成
stratified sampling	§4.1	1/4 裁剪
SU	§3.2	总结
two-turn structure	§4.2	金标打底
VC	§3.1	视图分类
vicuna-7b / 13b	§5.1 / §3.2	主干 / 生成器
总量零披露	§4.1	构造规则
任务均分	§3.5	每图一任务
双分支	§5.1	+13.3%
评测隔离	§4.5	train-only
反捷径	§3.4	report dropping
524 对照	§6.2	instruct 二联
官方 typo	§1	understaning

附录 D：文件清单与读取顺序（推荐入门路径）

1. 先读页面：PhysioNet v1.1.0 页面的 Methods（任务构造）+ Data Description（字段与读取代码）+ Usage Notes（定位声明）——十分钟建立全局
2. 再看论文：arXiv 2311.18681 v3 的附录 C（任务与 prompt 细节）+ §4（实验）——注意 v1/v3 训练方式口径差
3. 对照源库：MIMIC-CXR-JPG（617）条目——理解 dicom_id 对齐
4. 申请访问：PhysioNet Credentialed 三件套 → 下载 mimic_cxr_instruct_stratified.json.gz
5. 正确读取：bz2.open（§9.1）——别信 .gz 后缀
6. 统计自检：len(data) 得总量 + guess_task 聚类（§9.2）对照 11 条目
7. 图像对齐：MIMIC-CXR-JPG 按 dicom_id 建索引（§9.3）→ 缺图清零
8. 训练接入：两轮对话展开（§9.4）→ 自己的 SFT 框架；评测只碰 MIMIC test / IU-Xray

附录 E：十任务完整规格表（复现基准）

任务	全称	金标来源	生成方式	v1.1 变化	示例指令
RG	Report Generation	MIMIC-CXR 报告	官方固定 prompt	无	“act as a radiologist…write the finding section”
IG	Impression Generation	MIMIC-CXR	金标抽取	新增	“Summarize the radiology report findings into an impression section.”
FQA-c	Findings QA (complete)	CheXbert 标签	金标抽取	report dropping	“List all the finding in this report.”
FQA-b	Findings QA (binary)	CheXbert 标签	金标抽取	report dropping	“Is there evidence of <PATHOLOGY> in the report?”
RR	Rad-ReStruct QA	Rad-ReStruct	金标抽取	新增 + report dropping	“Is there a density in the thorax? …What are the attributes?”
RE	Reasoning/NLE	MIMIC-NLE	金标抽取	无	“Why do you think the patient has <PATHOLOGY>?”
VC	View Classification	MIMIC-CXR metadata	金标抽取	新增	“Was this image taken from the frontal or lateral view”
RQA	Region QA	—（vicuna-13b）	伪金标	report dropping	“Is the patient’s heart healthy?”
EL	Easy Language	—（vicuna-13b）	伪金标	无	“Explain this report in very easy terms, such that a child would understand.”
SU	Summarization	—（vicuna-13b）	伪金标	无	“Summarize this report with bullet points.”
CO	Correction	—（vicuna-13b×CheXbert 对比）	伪金标+预测报告	无	“I disagree…I think the patient has <MISSING>, but does not have <ADDED>.”

读表要点：金标列的"—"即伪金标任务；v1.1 变化列的 report dropping 只覆盖 QA 类（FQA-c/FQA-b/RR/RQA——Release Notes 的 CPbQA/CPaQA/RQA 缩写对应）；CO 的构造链最长（生成→打标→对比→出题）。

附录 F：构造规则核算（总量推断的数学框架）

官方只给规则不给数——复算框架如下（供下载后验证）：

1. 候选池：MIMIC-CXR train 集（377,110 图中的 train 部分，官方分划约 33 万级图-报告对）
2. 非空 findings 过滤：剔除 findings 段为空的报告（页面明示"non-empty findings section"）
3. 分层裁剪：positive findings 全保留；无 findings 裁到 1/4
4. RG 样本：分层后的图集 → 每图 1 条 RG 样本
5. instruct 样本：与 RG 同量（1:1 平衡），每图 1 条，11 条目均分
6. 总量 = RG 数 + instruct 数 = 2 × RG 数

推断下界：MIMIC-CXR train 中 positive findings 比例通常约 70-75%，若 RG 样本在 10 万量级则总量 20 万级——但此为推理非事实，官方未确认。下载后 len(json.load(...)) 才是唯一可信数字。

附录 G：AI-Ready 评估细目（十维打分）

维度	分	依据
数据可得性	6	Credentialed 中间档；文本即全部（轻量）；图像须对齐 MIMIC-CXR-JPG
格式标准化	5	自有格式（非 LLaVA 标准）——接入需自己写转换层；bz2 陷阱扣分
标注质量	6	金标/伪金标双轨诚实声明；CheXbert 自动层可含错；零人工抽检
文档完备	7	任务构造/prompt 结构/读取代码全披露；总量缺失+Overview 遗留扣分
可复现性	8	构造代码开源+prompt 模板公开+规则完整——可自建同构数据
伦理完备	5	一句话声明（时代局限）；无 LLM API 合规专项（对照 524 三连选退）
规模	5	总量未知（无法核数）；MIMIC train 量级但口径不透明
任务覆盖	8	10 任务名/11 条目——对话助手向最全的 v1.1 配方
生态整合	6	MIMIC 生态内通；非标准格式限制跨框架流动；模型在 GitHub/HF
长期维护	6	双版本演进记录清晰（+3 任务+report dropping）；2025 后无更新存照

DAIMS 综合：6.6（数据 6 / 标注 6 / 方法 8 / 影响 7 / 规模 6 加权口径——详见 §7；与 623 REFLACX 同分档）。

附录 H：与 524 RadVLM 的全维对照（instruct 二联）

维度	523 RaDialog Instruct（本条）	524 RadVLM Instruction
发布时间	2024-03/07（两版）	2025-09（单版）
论文	2023-11（MIDL 2025 正式）	2025-02
团队	TUM 单系 5/6 人	UZH+ETH 双核 15 人（+日本 3）
任务数	10 名/11 条目	5 族 8 行（+对话）
grounding	无坐标任务	3 项（解剖/异常/短语）
对话	两轮结构化（金标打底）	多轮 87k（GPT-4o 全生成）
LLM 参与度	4/11 条目伪金标	清洗+对话全链
总量披露	零数字	表 1 精确到个位
格式	自有三字段	LLaVA 标准
压缩陷阱	bz2 冒充 gz	无
图像编码器	BioViL-T（域专用）	SigLIP（通用）
LLM 基座	vicuna-7b	LLaVA-OneVision-7B（Qwen）
训练方式	PEFT→端到端（两版）	端到端 1 epoch 双 lr
第一性目标	防遗忘	SOTA 配方
模型发布	GitHub/HF	PhysioNet 双实体
伦理声明	一句话	三连选退详细链
消融证据	0.018→0.397（20 倍）	多任务小标注场景收益
DAIMS	6.6	7.4

读表要点：两代方案的差不是"对错"而是 15 个月的方法论演进——523 解决"能不能聊且不忘"（2023 问题），524 解决"能不能指、能不能合规"（2025 问题）。本库双条目合读=胸片对话助手演进的完整切片。

附录 I：引用模板

I.1 数据集引用（PhysioNet 官方口径）

@article{PhysioNet-radialog-instruct-dataset-1.1.0,
  author = {Pellegrini, Chantal and {\"O}zsoy, Ege and Busam, Benjamin and
            Navab, Nassir and Keicher, Matthias},
  title = {{RaDialog Instruct Dataset}},
  journal = {{PhysioNet}},
  year = {2024},
  month = jul,
  note = {Version 1.1.0},
  doi = {10.13026/40d2-wj86},
  url = {https://doi.org/10.13026/40d2-wj86}
}

I.2 论文引用（页面要求同时引）

@article{pellegrini2023radialog,
  title = {{RaDialog}: A Large Vision-Language Model for Radiology Report
           Generation and Conversational Assistance},
  author = {Pellegrini, Chantal and {\"O}zsoy, Ege and Busam, Benjamin and
            Wiestler, Benedikt and Navab, Nassir and Keicher, Matthias},
  journal = {arXiv preprint arXiv:2311.18681},
  year = {2023}
}

（v3 正式版：MIDL 2025，PMLR 卷号待出——引用时按会议最终版更新；v3 标题已改写）

I.3 平台引用

Pollard, T., Moody, B. E., Lehman, L., et al. (2026). PhysioNet as a global platform for biomedical research. Nature Health, 1(8), 792-795. https://doi.org/10.1038/s44360-026-00096-z

I.4 金标源引用义务

源	用途	引用要点
MIMIC-CXR	RG/IG/VC 金标+图像	Johnson et al. 2019（本库 617）
MIMIC-NLE	RE 金标	Kayser et al. 2022
Rad-ReStruct	RR 金标	Pellegrini et al. 2023（一作前作）
CheXbert	标签引擎	Smit et al. 2020
BioViL-T	图像编码器	Bannur et al. 2023

I.5 致谢链（页面 Acknowledgements 完整转录）

BMBF（德国联邦教研部）DIVA 项目 13GW0469C｜Bavarian StMWi ThoraXAI 项目 DIK-2302-0002。COI：无。Ethics：无特别声明。

附录 J：高频问题快答表（十连发）

问题	一句话答案	详处
总共多少条？	官方零披露——下载后 len(json) 自数	§4.1 / 附录 F
文件怎么读？	bz2.open——.gz 后缀撒谎	§4.3 / 坑点1
任务几个？	10 名/11 条目（"eight"是 v1.0 遗留）	§3 / 坑点4
答案可靠吗？	6 类金标+4 类 vicuna 伪金标；官方不声称医学正确	§3.2 / 坑点3
图像在哪？	不随发——dicom_id 对齐 MIMIC-CXR-JPG	§4.4 / 坑点5
两轮对话第一轮是谁答的？	训练=金标报告；推理=模型自己	§4.2
CO 任务的错误是真的吗？	构造的（vicuna 凭标签生成必错报告）	§3.3 / 坑点7
评测用什么？	MIMIC test / IU-Xray——本集样本是训练集	§4.5 / 坑点6
模型在哪下？	GitHub/HF——PhysioNet 只有数据集	§5.4
价值证明？	消融 0.018→0.397（20 倍防遗忘证据）	§5.3

附录 K：与同代方案横向对照

维度	RaDialog Instruct（本集）	RadVLM Instruction（624）	LLaVA-Med
领域	胸片对话全任务	胸片五任务+grounding	泛医学图文
金标比例	7/11 条目（其余 vicuna 伪金标）	全任务有源标注（对话 GPT-4o）	GPT-4 蒸馏
坐标任务	无	3 项	无
标准格式	自有（3 字段）	LLaVA 标准	LLaVA 标准
平台	PhysioNet Credentialed	HuggingFace 开放
合规声明深度	一句话	三连选退+平台指南	MIT 宽松
防遗忘设计	显式（report dropping+任务多样性）	隐式（多任务本身）	无
消融证据	20 倍 QA 提升	多任务小标注收益	任务泛化

读表延伸——透明度系数观察：把"官方披露的数字密度"当数据集成熟度的一个旁路指标：本集页面/论文合计披露的有效规模数字为 0（只有比例规则）；524 RadVLM 同口径为 14 个（表 1 八行+总量+对话分解）；522 RadGraph2 为 9 个。三个同期指令/结构化数据集的披露密度 0:14:9 的差异与"团队数据工程文化"相关性大于与"数据质量"的相关性——使用者的启示：披露密度低不等于数据差，但意味着你的统计脚本要更厚（本条目 §9.2/§9.6 两个统计器就是为此准备的）。

附录 L：条目读法指南（三分钟版）

你要训练胸片对话助手？ §3（任务配方）+ §4（构造规则）+ §9（读取管线）——bz2 陷阱与 dicom 对齐是前两个必须踩稳的点。

你研究持续学习/灾难性遗忘？ §2.1（问题定义）+ §5.3（20 倍消融）+ 附录 E（任务规格表）——这是公开数据里少见的"任务多样性防遗忘"量化证据。

你做数据治理/合规？ §8 误解三 + §4.3（bz2）+ 附录 H 对照列——"零数字披露+后缀撒谎"是数据集透明度的反面教材标本；524 是同代正面样板。

你是评审/调研者？ §5.2（PEFT vs 端到端版本差）+ §10 信息缺口清单 + §11 事实清单第 36 条——引用口径的三处暗礁都在这。

你是教学者/写作者？ §0.2 三个数字 + §3.3（CO 机关）+ 附录 F（核算框架）——"总量保密的数据集怎么写"是个绝佳的数据新闻练习题。

三分钟版总结：RaDialog Instruct Dataset 是胸片对话助手的第一代公开 instruct 方案——TUM 团队用 10 个任务（金标与 vicuna 伪金标各半）、两轮对话构造与 report dropping 反捷径设计，把"缓解灾难性遗忘"做成了数据集的正式使命（消融：QA F1 20 倍提升）。它总量保密、后缀撒谎、伦理一句话——第一代的粗糙与诚实并存；但任务配方与构造代码全开源，MIDL 2025 正式背书，与 524 RadVLM 构成本库"胸片 instruct 二联"，合读即 15 个月的方法论演进史。

附录 M：工程边界案例大全（读取/转换/训练）

M.1 读取层

案例	正确姿势	错误姿势的报错
打开文件	bz2.open(path, 'rt', encoding='UTF-8')	gzip.open → BadGzipFile
大文件内存	json.load 一次载入（纯文本体量可控）	ijson 流式亦可（bz2 流上逐条）
Windows 编码	显式 UTF-8	GBK 默认 → UnicodeDecodeError
重复加载	解析结果缓存为 parquet/pickle	每轮训练重解 bz2（纯时间浪费）

M.2 转换层

案例	处理
<IMG> 占位	保留原样进训练管线（模型侧替换为视觉 token）；文本清洗时跳过
dicom_id	一律字符串；与 MIMIC-CXR-JPG metadata csv 的 dicom_id 列左对齐 join
多轮结构	第一轮答案固定金标报告；自定义框架需模拟该结构而非拍平单轮
report dropping	v1.1 的 QA 样本 instruction 可能含部分/无报告上下文——统计时按模式分桶

M.3 训练层

案例	处理
任务均衡	11 条目官方已均分——若自行重采样保持均衡或做任务加权
伪金标降权	RQA/EL/SU/CO 可降 loss 权重（0.5 起试）——官方未给方案，属使用者自决
评测隔离	训练集 dicom 池永不进评测；MIMIC test 泄漏自检脚本必跑
复现对表	引用成绩注明论文版本（v1 PEFT / v3 端到端）+任务+指标三元组
金标/伪金标分轨	FQA/RE 等金标任务可单独抽出做高置信 SFT；RQA/EL/SU/CO 另轨——两轨别混权重
变体去重审计	每任务 10 条 prompt 模板——同一 dicom 只应出现一次；出现多次说明数据被重复构造

附录 N：任务判别关键词库（统计脚本用）

任务	高置信关键词（instruction 字段）
RG	“write the finding section” / “act as a radiologist”
IG	“impression section”
FQA-c	“List all the finding”
FQA-b	“Is there evidence of”
RR	“What are the attributes” / “Rad-ReStruct 式问答结构”
RE	“Why do you think”
VC	“frontal or lateral” / “perspective” / “AP, PA”
RQA	“heart” / “lung” + healthy/ question 句式（与 FQA 区分：区域而非病理标签）
EL	“very easy terms” / “child” / “simpler”
SU	“bullet points” / “Summarize”
CO	“I disagree” / “Please adapt the report”

使用说明：关键词按优先级顺序匹配（RG 最先——它是第一轮任务；CO 最后——含特殊句式）；UNKNOWN 桶应 <5%，超限说明 prompt 模板有变体需扩充词库。此库为推断工具，官方唯一权威分类是构造代码（GitHub data/ 管线）。

扩展建议：先用本库跑一遍 UNKNOWN 率——若 RR 与 RQA 混淆（两者都问解剖结构），加"attributes"（RR 专属）与"region-specific"（RQA）两个判别词；FQA 与 RQA 的分界是"病理标签 vs 身体区域"——出现 CheXpert 14 类词（effusion/cardiomegaly 等）走 FQA，出现 heart/lungs/mediastinum 走 RQA。两个统计脚本（§9.2/§9.6）与本库配套使用，即可在官方零披露下重建完整数据画像。

---

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：

• reflacx-xray-localization — 共享标签：医学影像 / 医疗NLP / 多模态 / X光影像
• radvlm-instruction-dataset — 共享标签：医学影像 / 医疗NLP / 多模态 / X光影像
• mimic-cxr — 共享标签：医学影像 / 多模态 / X光影像
• latte-cxr — 共享标签：医学影像 / 多模态 / X光影像
• ms-cxr-t — 共享标签：医学影像 / 医疗NLP / 多模态 / X光影像
• rsna-series — 共享标签：医学影像 / 多模态 / X光影像
• mimic-iv-note — 共享标签：医学影像 / 医疗NLP / X光影像
• ms-cxr — 共享标签：医学影像 / 多模态 / X光影像
• gmai-mmbench — 共享标签：医学影像 / 医疗NLP / 多模态
• chexpert-plus — 共享标签：医学影像 / 医疗NLP / X光影像

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。