RSNA Pneumonia (rsna-pneumonia) — AI-Ready Wikipedia

INFOBOX — RSNA Pneumonia 一屏速览

维度	内容
本质	RSNA 2018 年第二届年度 AI 挑战赛数据集——胸片肺炎病灶边界框检测竞赛（非单纯分类）
年份	2018（竞赛年；论文发表于 2019，二者易混——见坑 1）
主办	RSNA（北美放射学会）+ MD.ai（标注平台）+ Kaggle（竞赛托管）
数据源	NIH ChestX-ray8 / ChestX-ray14（Wang et al., CVPR 2017）公开胸片的肺炎专项增广标注
规模	30,000 张正面胸片（16,248 PA + 13,752 AP）；实际带标注发布 26,684 张（双口径见坑 2）
类别	Lung Opacity（含框）/ No Lung Opacity Not Normal / Normal 三类
标注	18 名放射科医师（16 家机构，含 12 名 STR 胸部专科医师，平均 10.6 年经验）；训练集单医师、测试集三医师裁决
评估	mAP @ IoU 0.40–0.75，步长 0.05（8 阈值平均）
参赛	训练阶段 1,400+ 队；最终阶段 346 队；奖金池 $30,000
顶尖成绩	Ian Pan & Alexandre Cadrin-Chênevert 0.25475；Dmytro Poplavskiy 0.24781；Phillip Cheng 0.23908；346 队均值 0.14124
论文	Shih et al., Radiology: Artificial Intelligence 2019;1(1):e180041（PMID 33937785）
许可	允许学术研究及其他商业/非商业用途；须署名 NIH CXR8 + Shih 2019；禁止再识别
库内互链	rsna-series(20)、nih-chest-x-ray14(15)、rsna-bone-age(426)、midrc-ricord(227)、covidx-cxr(197)

RSNA Pneumonia 是一个"把影像科医师的十年经验批量灌进胸片"的数据集：它不采集新影像，而是从 NIH 已公开的 ChestX-ray8 里挑出约三万张正面胸片，请 18 名放射科医师（其中 12 名是胸部放射学专科认证医师）逐张判定"有没有肺炎征象"，并对有病灶的图像画上边界框。它的特殊之处不在规模，而在标注协议——训练集一名医师标、测试集三名医师交叉裁决，这套"非对称"设计后来成为 RSNA 系列挑战（颅内出血、肺栓塞）的标准做法。而它最反直觉的事实是：全世界最强的队伍在这份数据上只能做到 mAP 0.25，因为"肺不张"这个标签本身带着医师之间的分歧。

导语读法三则：

1. 只想下数据训练模型：直奔 §6 获取与许可——Kaggle 竞赛页需接受规则，注意竞赛已结束但数据仍在。
2. 关心标注质量与评估口径：直奔 §3 标注协议与 §4 规模与双口径——30,000 / 26,684 / 29,684 三个数字的来龙去脉在此说清。
3. 要复现或对标成绩：直奔 §5 挑战赛结果——leaderboard 前三与 346 队均值，以及 mAP 为何"看起来很低"。

§0 导读：这个数据集解决什么问题

0.1 一个临床事实：胸片是最常见的影像检查

胸部 X 光（chest radiograph / chest X-ray，CXR）是全球使用最广、最基础的医学影像检查。它便宜、快速、辐射剂量低，是急诊、门诊、体检的第一道影像关卡。肺炎（pneumonia）作为胸片上最常见的急症之一，其影像表现是"肺部不透明度增高"——在业界术语里叫肺不张（lung opacity）。这个征象本应易识，现实中却极难标准化：不同医师对同一张片子"到底有没有肺炎"的判断经常不一致。

这正是 RSNA 选择肺炎作为 2018 年度挑战主题的原因：它不是要解决一个技术难题，而是要解决一个共识难题。

0.2 一个数据事实：NIH 已经公开了三万张胸片，但缺"框"

2017 年，NIH（美国国立卫生研究院）临床中心公开了 ChestX-ray8，随后扩展为 ChestX-ray14——约 11.2 万张正面胸片，带 14 类胸部疾病的图像级标签。这是当时最大的公开胸片数据集，但它的标签颗粒度只到"整张片子有没有某病"，不告诉你病灶在哪里。

对肺炎检测而言，这是致命的：只说"这张片子有肺炎"，无法支撑急诊分诊、也无法评估模型的定位能力。RSNA 2018 挑战赛的价值恰恰在此——从 NIH 的胸片里挑出肺炎相关子集，请专家重新标注，并补上缺失的边界框（bounding box）。

0.3 一个工程事实：MD.ai 与"三医师裁决"协议

RSNA 不是自己搭标注系统。它联合了 MD.ai（一家专注医学影像标注的创业公司）提供工具与工作流。这套工具支持的关键能力是多医师独立标注 + 交叉裁决：测试集的 4,527 张图像由 3 名独立放射科医师分别标注，取交集或多数意见作为金标准。

训练集单医师标注、测试集三医师裁决——这个不对称设计是本数据集最重要的方法论特征。它承认了一个现实：训练集规模必须优先（吞吐量），而测试集必须可信（准确性）。此后的 RSNA-IHD（2019 颅内出血）、RSNA-PED（2020 肺栓塞）挑战沿用了同一套哲学。

0.4 一个结果事实：mAP 0.25 就是世界第一

2019 年 1 月竞赛结束时，冠军队伍的 mAP 是 0.25475，全部 346 支完赛队伍的均值是 0.14124。这个数字会让很多习惯了 ImageNet 上 90%+ 准确率的读者困惑——但评估指标（mAP @ IoU 0.4–0.75 多阈值平均）与任务本质（小目标 + 高观察者变异）共同决定了它极难。§5 会拆解这个数字为何合理。

§1 数据集速览：十问十答

Q1：RSNA Pneumonia 是什么？
它是一个胸片肺炎病灶检测数据集，也是 RSNA 2018 年第二届年度 AI 挑战赛的竞赛数据。任务是对胸部 X 光片输出肺炎病灶的边界框。

Q2：它是 2018 还是 2019 的挑战赛？
2018。Kaggle 竞赛 URL 是 rsna-pneumonia-detection-challenge，RSNA 官方页名为 “RSNA Pneumonia Detection Challenge (2018)”，RSNA 新闻稿发布于 2018-11-26，AJR 综述原文写 “In 2018”。2019 是论文发表年（Shih et al., Radiology: AI，在线 2019-01-30），与本数据集的竞赛年份是两件事。任务书与部分二手资料把两者混为一谈——这是本条目要纠的第一个偏差。

Q3：数据从哪来？
底层数据是 NIH ChestX-ray8 / ChestX-ray14（Wang et al., CVPR 2017）。RSNA 从这个公开胸片库里挑出肺炎相关子集，请专家重新标注。所以它的"血缘"是 NIH，不是 RSNA 自己拍的片子。

Q4：到底多少张？
双口径：官方描述 30,000 张正面胸片（含 16,248 PA + 13,752 AP）；实际带标注进入竞赛发布的是 26,684 张。两个数字都对，指代对象不同（见 §4 与坑 2）。

Q5：任务是什么类型？
目标检测（object detection），不是图像分类。对每张片子输出肺炎病灶的边界框。但并非所有图像都有病灶——三类标签中只有 Lung Opacity 类提供边界框。

Q6：有几个类别？
三类：Lung Opacity（肺不张，有病灶，含框）、No Lung Opacity / Not Normal（无肺不张征象但片子非正常）、Normal（正常）。

Q7：谁来标的？
18 名放射科医师，来自 16 家机构，其中 12 名是 STR（Society of Thoracic Radiology，胸部放射学会）认证的胸部放射科专科医师，平均 10.6 年专科经验。

Q8：怎么评的？
mAP（mean Average Precision）@ IoU 阈值 0.40 到 0.75，步长 0.05，共 8 个阈值取平均。这个指标对定位精度要求很高。

Q9：成绩如何？
冠军 0.25475（Ian Pan & Alexandre Cadrin-Chênevert），全部 346 队均值 0.14124。奖金池 $30,000。

Q10：能商用吗？
可以。Kaggle 竞赛条款允许学术研究及其他商业/非商业用途，但必须署名 NIH CXR8（Wang et al., CVPR 2017）与 Shih et al.（Radiology: AI 2019），且禁止尝试再识别患者。详见 §6。

§2 数据构成与规格

2.1 来源与血缘：从 NIH PACS 到 RSNA 标注

RSNA Pneumonia 的图像不是新采集的。它的全部影像来自 NIH Clinical Center（美国国立卫生研究院临床中心）的临床 PACS 归档，即 ChestX-ray8 数据集（后扩展为 ChestX-ray14）。这一点的实际含义是：

• 图像是真实临床环境下产生的，包含真实的曝光差异、体位差异、设备差异、患者配合度差异——不是经清洗的研究队列。
• 患者已去标识（de-identified），仅保留匿名 PatientID。
• 使用这套数据必须同时署名 NIH 原论文（Wang et al., CVPR 2017）与 RSNA 标注论文（Shih et al., Radiology: AI 2019）。

维度	内容
影像来源	NIH Clinical Center 临床 PACS（经 ChestX-ray8/CXR14 公开）
数据奠基论文	Wang X, et al. “ChestX-ray8: Hospital-scale Chest X-ray Database…” CVPR 2017
模态	胸部 X 光平片（chest radiograph，CXR）
视野	正面（frontal view）——仅 PA 与 AP，无侧位
体位构成	16,248 PA（后前位，posterior-anterior）+ 13,752 AP（前后位，anterior-posterior）
标注论文	Shih G, et al. Radiology: Artificial Intelligence 2019;1(1):e180041

关键认知：PA 与 AP 的混排不是瑕疵，而是真实临床分布的体现。AP 位通常用于卧床、危重、无法站立的患者，其影像质量与病灶表现系统性有别于 PA 位。一个只在 PA 上训练的模型，部署到 ICU 的床旁 AP 片上会显著退化。这个数据集的这一构成，使"体位泛化"成为天然的评测维度。

2.2 三个类别：一个语义上被低估的设计

数据集将每张胸片划入三类：

类别	英文原名	全集口径张数	是否有边界框	语义
肺不张/肺部阴影	Lung Opacity	9,555	是	存在肺部不透明度增高征象，需框出病灶
无阴影但非正常	No Lung Opacity / Not Normal	11,821	否	无肺不张征象，但片子存在其他异常
正常	Normal	8,851	否	无异常

这个三分法的妙处在于第二类。如果只有"有肺炎/没肺炎"两分类，模型会学到"没肺炎 = 正常"的捷径。加入 No Lung Opacity / Not Normal 类后，模型必须区分"没有肺炎征兆"与"完全正常"——这迫使它真正理解肺野影像，而不是简单地做异常检测。

但第二类也是本数据集最大的语义模糊点：它把心衰、胸腔积液、术后改变、骨骼异常、设备伪影等全部异质情况塞进一个桶里，没有细分。研究人员在使用这类样本时必须自行判断其内部异质性对任务的影响。

2.3 标签粒度与"病理金标准"的落差

Lung Opacity 不等于"病理确诊的肺炎"。这是一个必须反复强调的点：

• Lung Opacity 描述的是影像学征象——肺野某区域的不透明度增高。
• 这个征象的病因是异质的：可能是细菌性/病毒性肺炎、可能是肺水肿、可能是肺不张（atelectasis，肺组织塌陷）、可能是肿块。
• 竞赛设定中，放射科医师是在只有影像、没有病理/微生物学结果的条件下做判断的。

因此，本数据集严格来说是**“肺炎征象检测”**数据集，而非"肺炎诊断"数据集。把它当作病理金标准使用，会在临床转化研究中引入系统性偏差。论文本身对此是自知的。

2.4 标注协议：训练集单医师、测试集三医师

这是本数据集最重要的方法论特征：

环节	标注人数	裁决方式	目的
训练集	1 名放射科医师	无（单人即金标准）	吞吐优先，覆盖规模
测试集（4,527 张）	3 名独立放射科医师	交叉裁决（交集/多数）	准确性优先，确保评测可信

为什么这样设计？ 这是资源约束下的理性权衡：三万张训练图像若每张都请三名专家，成本不可承受；但测试集是评测的标尺，一旦标错，所有队伍的排名都会失真。所以在测试集上投入三倍人力，是"把好钢用在刀刃上"。

这个设计的代价也是明确的：训练集的观察者间一致性（interobserver variability / IRR）从未被量化。我们不知道单医师标注的训练集里有多少标签是"另一位医师会不同意"的。§7 会讨论这对模型性能上限的含义。

2.5 标注队伍：18 名医师与 STR 专科认证

维度	内容
总人数	18 名放射科医师
机构数	16 家（多中心，覆盖不同地区与执业环境）
专科认证	12 名 STR（Society of Thoracic Radiology）胸部放射科专科医师
经验	平均 10.6 年专科经验
标注平台	MD.ai 定制工具（支持框选、多医师协作与裁决工作流）

STR 认证的含义：Society of Thoracic Radiology 是胸部影像学的专业学会，其会员资格代表胸部影像读片达到专科水准。18 人中 12 人具备这一资质，意味着标注队伍的主体是胸部影像的专科医师，而非通科放射科医师。这是本数据集标签质量的重要背书。

多中心（16 家机构）的价值：不同机构的读片习惯、设备条件、患者人群不同。多中心标注在理论上能降低单一机构的系统性偏倚。但需要注意，竞赛文档未披露每张图像的标注者身份，因此无法验证"多中心"是否真正转化为标注多样性——这构成本条目的一处遗留疑点（见 §10）。

2.6 图像规格与技术参数

参数	值 / 说明
格式	DICOM（原始医学影像格式）
体位	PA / AP，正面位
尺寸	不固定（原始临床采集，未统一裁切或缩放）
位深	依原始采集（通常 8 或 16 bit）
匿名化	已去标识，仅保留 PatientID
标签文件	CSV（含类别、边界框坐标、患者 ID）

尺寸不固定是实践中的重要约束：训练流水线必须自行处理 resize/letterbox，且不同尺寸处理策略会显著影响定位精度（边界框坐标需随图像变换同步调整）。这也是许多复现者的第一个坑。

2.7 图像质量的真实性与不均衡

因为图像直接来自临床 PACS，数据集中存在大量**"不完美"样本**，而这不是瑕疵，恰是它区别于经清洗研究队列的价值所在：

常见"不完美"	成因	对模型的挑战
曝光过曝/欠曝	设备参数差异、技师经验	直方图分布漂移，标准化难
体位旋转/倾斜	患者配合度、卧床状态	解剖位置先验失效
金属植入物/导线	起搏器、中心静脉导管、监护导线	产生高对比伪影，易被误判为病灶
液体/气体界面	胸膜渗出、气胸	与肺不张征象混淆
床旁 AP 片	危重患者无法站立	心影放大、肺野压缩，与 PA 分布差异大

AP 与 PA 的分布差异是一个被低估的研究议题。AP 片多为危重患者，其肺部病理负荷通常更高，而影像质量更差。模型若不能区分二者，可能学到一个"捷径"——用影像质量本身预测标签。这一混杂因素在本数据集中无法通过设计消除，因为它是真实临床分布的一部分。

2.8 患者级与图像级的层级结构

数据集的键结构是 {PatientID}/{ImageIndex}，即：

• 一个 PatientID 可能对应多张图像（同一患者多次检查，或同次检查多体位）。
• 匿名化只保留了患者级标识，不保留检查时间戳——因此无法直接判断多次检查的时间顺序。
• ImageIndex 在 NIH 原始数据中是全局图像编号，用于唯一标识单张图像。

对复现者的实际影响：

1. 数据划分必须按患者划分（patient-wise split），不能按图像划分。若同一患者的图像同时出现在训练与测试集，会造成数据泄漏（data leakage），虚高评测成绩。竞赛的官方划分是按患者做的，但复现者自行划分时必须注意。
2. 无法做纵向分析（如同一患者随时间的变化），因为缺少时间戳。
3. 患者级唯一计数未公开披露——官方只给图像数。这是本条目的一处遗留疑点。

2.9 标签文件的结构与字段

Kaggle 发布的标签文件（stage-1）主要包含：

文件	关键字段	用途
stage_1_train_labels.csv	PatientID, x, y, w, h, Target	边界框坐标与目标标记
stage_1_detailed_class_info.csv	PatientID, class	三类别明细
stage_1_sample_submission.csv	patientId, PredictionString	提交格式示例

字段语义：

• x, y：边界框左上角坐标（像素）。
• w, h：边界框宽高（像素）。
• Target：1 表示该行是一个病灶框；0 表示无框（该 PatientID 对应"无病灶"）。
• PredictionString：提交时用空格分隔的 confidence x y w h 序列，一张图多个框时连续拼接。

一个容易踩的格式坑：PredictionString 是空格分隔的变长序列，一张图有 N 个框就有 5N 个数值。解析时需按每 5 个一组切分，且置信度需降序排列。许多首次提交失败的队伍都卡在这个格式上。

§3 任务定义与标注工艺

3.1 任务定义：从图像级分类到实例级检测

任务的形式化定义：

• 输入：一张正面胸部 X 光图像。
• 输出：一组边界框（bounding box），每个框内是判定为肺炎病灶的区域。
• 必要条件：只要有病灶就必须定位到框，而不是仅输出"有/无"。

这比图像级分类难得多。分类只需要在特征空间找到一个可分超平面；检测需要同时回答"有没有"（分类）与"在哪里"（定位），且定位精度被评估指标严格惩罚。

3.2 边界框的标注工艺

对 Lung Opacity 类的图像，医师在 MD.ai 界面上：

1. 阅读整张胸片。
2. 定位所有肺不张区域。
3. 为每个区域绘制一个轴对齐矩形框（axis-aligned bounding box）。
4. 一张图可能有多个框（多灶性肺炎）或一个框（孤立病灶）。

轴对齐矩形是一个务实的选择：旋转框（rotated box）定位更贴合解剖，但标注成本高、一致性差。矩形框在"能表达位置"与"标注可重复"之间取了平衡。代价是对斜向分布的病灶，框内会包含较多背景区域。

3.3 为什么评估用 mAP @ IoU 0.40–0.75

竞赛采用的指标是 mAP（mean Average Precision），在 8 个 IoU（Intersection over Union）阈值上取平均：0.40、0.45、0.50、0.55、0.60、0.65、0.70、0.75。

IoU 的含义：预测框与真实框的交并比——交集面积除以并集面积。IoU = 0.5 表示预测框与真实框有一半重叠。

为什么从 0.40 开始而不是更常见的 0.50？

• 医学影像的目标边界本身是模糊的。肺炎病灶没有清晰的组织学边界，不同医师画的框本身就不同。
• 若以 IoU 0.75 为唯一阈值，即使医师之间也会互相"不合格"。
• 从 0.40 起算，是多阈值平均，兼顾了"大致定位对"与"精细定位对"，同时承认了标注固有的模糊性。

这个指标选择的代价：它使绝对分数看起来很低（见 §5），常让不熟悉的人误判为"这数据集很简单，模型表现很差"。

3.4 与图像级分类任务的对比

维度	图像级分类	本数据集（实例级检测）
输出	一个类别标签	一组边界框
评估	Accuracy / AUC	mAP @ 多 IoU 阈值
定位要求	无	严格（IoU 惩罚）
小目标敏感性	低	高（一个 20px 病灶的框偏 10px 就废掉）
认知难度	中	高

这解释了为什么"卡在 0.25"不是工程缺陷：任务性质决定了这个量级的分数是合理的。

3.5 评估流程的完整链路

一次完整的评测包含以下步骤，每一步都可能引入误差：

模型输出
  └─ 每张图的候选框列表（confidence, x, y, w, h）
       │
       ├─ ① 按置信度降序排序
       │
       ├─ ② 逐个框与真实框计算 IoU，判定 TP / FP
       │      ├─ IoU ≥ 阈值 且 真实框未被匹配 → TP
       │      └─ 否则 → FP
       │      （漏检的真实框 → FN，计入 Recall 分母）
       │
       ├─ ③ 累积计算 Precision-Recall 曲线
       │
       ├─ ④ 该阈值下的 AP = PR 曲线下面积
       │
       └─ ⑤ 对 8 个阈值（0.40…0.75）各算 AP，取平均 = mAP

链条中的关键细节：

• 多框匹配策略：一张图可能有多个真实框。标准 PASCAL VOC 风格的匹配是"每个真实框最多匹配一个预测框"，多余的预测框全部算 FP。
• 置信度阈值的缺失：mAP 不需要人为设置信度阈值——它评估的是全置信度区间的排序质量。这使 mAP 比"固定阈值下的 F1"更全面地反映模型能力。
• 8 个阈值平均的意义：一个模型若只在宽松阈值（0.40）表现好、在严苛阈值（0.75）崩溃，其 mAP 会被显著拉低。这惩罚了"只学到大致位置"的模型。

3.6 边界框坐标变换的常见错误

由于图像尺寸不统一，预处理阶段的坐标变换是本任务最高频的错误源：

操作	正确做法	常见错误
Resize 到固定尺寸	x' = x * (new_w / old_w), w' = w * (new_w / old_w)	只缩放图像不缩放框
中心裁剪	需扣除裁剪偏移，且裁剪掉框时须丢弃该框	忽略被裁掉的框，产生越界坐标
填充（letterbox）	需加上填充偏移量	忘记偏移，框整体错位
水平翻转增强	x' = old_w - x - w（框需镜像）	只翻转图像，框位置不变
数据增强（旋转/缩放）	需用同一变换矩阵同步变换框	框与图像不对齐

一个经验法则：任何对图像做的几何变换，都必须以完全相同的参数施加到边界框上。实践中建议使用成熟库（albumentations 的 BboxParams、torchvision 的 v2 变换）而非手写变换，以降低出错概率。

3.7 小目标问题的量化

用一个具体例子说明小目标的严苛性：

场景	真实框尺寸	预测框偏移	结果 IoU	在 8 阈值下的命运
大病灶	200×200 px	偏 20 px	≈ 0.67	通过 0.40–0.65，失在 0.70/0.75
中等病灶	80×80 px	偏 20 px	≈ 0.36	全线失败（低于 0.40）
小病灶	40×40 px	偏 10 px	≈ 0.39	全线失败
小病灶	40×40 px	偏 5 px	≈ 0.56	通过 0.40–0.55

结论：在 40×40 px 量级的病灶上，5 px 的定位偏差就是"及格"与"不及格"的分水岭。而人眼在标注时，不同医师对同一病灶边界的判断差异常超过 5 px。这就是 mAP 天花板的物理根源——不是模型不够好，而是任务的可分辨精度接近了标注精度的极限。

3.8 与 COCO / Pascal VOC 指标的差异

维度	COCO mAP	Pascal VOC mAP	RSNA Pneumonia mAP
IoU 阈值	0.50–0.95（步长 0.05，10 个）	0.50（单一）	0.40–0.75（步长 0.05，8 个）
起算点	0.50	0.50	0.40（更宽松起步）
终点	0.95	0.50	0.75（不取极严）
目标尺度加权	分档统计（small/medium/large）	无	无
设计考量	通用目标检测标准	经典基准	医学目标边界模糊，故放宽区间

从 0.40 起步、到 0.75 收尾，是一条刻意压缩的区间——它把评估焦点集中在"医学病灶定位的合理精度带"内，避开了 0.85+ 这种对模糊边界无意义的严苛要求，也避开了 0.30 这种过于宽松的阈值。这是一次"评估指标贴合领域特性"的教科书示范。

§4 规模与双口径：30,000 / 26,684 / 29,684 到底怎么来的

4.1 三个数字，三套口径

这是使用本数据集时最容易踩的坑，也是本条目重点存照的对象：

口径	数字	来源	指代对象
A	30,000	RSNA 官方页 / Kaggle 数据集描述	全部正面胸片（含无标注/被排除的图像）
B	26,684	论文 / Kaggle 竞赛实际发布	实际带标签并进入竞赛的图像
C	29,684	库内 covidx-cxr 条目引用	疑为疫情期构建 COVIDx 时的派生计数
D	30,227	本条目核算（9,555+11,821+8,851）	全集三类的算术和

4.2 口径 A 与 B 的关系：不是矛盾，是层级

30,000 是"盘子"，26,684 是"端上桌的菜"。

官方描述用 30,000 概括数据集的体量（含 16,248 PA + 13,752 AP）。但不是所有图像都进入了竞赛标注流程——部分图像可能因质量、标注难度或流程原因未被纳入最终发布。差值约 3,316 张。

这 3,316 张的确切去向，一手文档未说明。这是本条目明确列出的遗留疑点（见 §10）。

4.3 类别计数的两套账

类别	全集口径	stage-1 口径（AJR 综述）
Lung Opacity	9,555	5,659
No Lung Opacity / Not Normal	11,821	8,525
Normal	8,851	11,500
合计	30,227	25,684

两套数字都真实，差异源于划分阶段。全集口径是最终发布的全部标注；stage-1 口径是竞赛第一阶段训练/测试划分后的计数。引用时必须标明口径，否则会出现"同一数据集两个 Normal 数（8,851 vs 11,500）"的混乱。

注意一个反常：全集口径中 Normal 是 8,851（最小类），stage-1 口径中 Normal 变成 11,500（最大类）。这说明阶段划分不是按类别比例分层抽样的，而是有其独立的划分逻辑。这对复现者的数据划分有直接影响。

4.4 口径 C（29,684）的处理

库内 covidx-cxr（record_id=197）条目在其来源组件清单中引用 “RSNA Pneumonia (源自 NIH ChestX-ray14) 29,684”。这个数字无法从 RSNA 一手来源复现，推测是 COVIDx 数据集构建过程中的派生计数（可能去除了某类样本）。

本条目以 26,684 与 30,000 为主口径，并将 29,684 作为第三口径存照。引用时建议明确写"RSNA 官方口径为 26,684（带标注）/ 30,000（含全部正面胸片）"，避免以讹传讹。

4.5 测试集规模：又一个口径分歧

来源	测试集规模
RSNA 官方页	4,527
AJR 综述	stage-1：1,000；stage-2：3,000
核算	1,000 + 3,000 = 4,000 ≠ 4,527

差值 527 张无一手解释。可能原因是官方页的 4,527 包含了某阶段未使用的图像，或不同快照的计数差异。同样列为遗留疑点（见 §10）。

4.6 规模速查表（供引用时直接取用）

你要表达的意思	推荐写法
数据集整体规模	“约 30,000 张正面胸片（16,248 PA + 13,752 AP）”
竞赛实际标注规模	“26,684 张带标签胸片”
类别分布	“全集口径 Lung Opacity 9,555 / Not Normal 11,821 / Normal 8,851”
测试集	“RSNA 官方口径 4,527 张（三医师裁决）”
避免	单独抛出 “29,684” 而无出处

§5 挑战赛与成绩：0.25 为什么是世界第一

5.1 竞赛结构

维度	内容
平台	Kaggle
时段	训练阶段开放于 2018-08；最终评估 2018-11 至 2019-01
赛制	两阶段（训练阶段公开 leaderboard；最终阶段私有 leaderboard 定排名）
参赛规模	训练阶段 1,400+ 队；最终阶段 346 队完赛
奖金池	$30,000（Kaggle 竞赛奖金）
发布场合	RSNA 2018 年会（Chicago，新闻稿 2018-11-26）

1,400+ → 346 的漏斗本身说明了一件事：进入最终阶段的队伍不到训练阶段的四分之一。原因既有"冲榜失败换方向"，也有"提交代码要求"进入后期阶段的赛制门槛。

5.2 leaderboard 前三与分布

排名	团队/个人	mAP（最终私有 LB）
1	Ian Pan & Alexandre Cadrin-Chênevert	0.25475
2	Dmytro Poplavskiy	0.24781
3	Phillip Cheng	0.23908
—	346 队均值	0.14124

读这组数字的三个要点：

1. 前三名彼此差距极小（0.25475 vs 0.24781 vs 0.23908，间距约 0.007）。这说明在这个任务上，方法的边际收益递减——多种架构都能达到相近水平，冠军更多来自工程细节的精细打磨。
2. 均值 0.14124 与冠军的比值约 0.55。第一名大约是中位队伍的两倍——分布有长尾，但不像某些竞赛那样极端（第一名是均值 10 倍的竞赛并不少见）。
3. 绝对量级低：mAP 0.25 在 IoU 0.5 单阈值的语境下通常对应"很差"。但这里是 8 个阈值（含严苛的 0.75）的平均，量级不可直接类比。

5.3 为什么 mAP 0.25 是合理的

三个结构性原因：

原因	说明
高 IoU 阈值惩罚	指标含 0.70 与 0.75 两个严苛阈值。病灶边界本身模糊（无病理金标准），人工框都有分歧，模型更难对齐
小目标	肺部病灶常占整张胸片的很小比例。一个 30×30 px 的病灶，框偏差 10 px 就可能使 IoU 掉到 0.4 以下
标注固有噪声	训练集单医师标注，标签本身含未量化的观察者间变异。模型学到的上界受标签质量钳制

第四个（更少被讨论的）原因：No Lung Opacity / Not Normal 与 Lung Opacity 的边界在现实中并不清晰。一张有轻度肺水肿的片子，一位医师可能标 Lung Opacity，另一位标 Not Normal。这类"分类边界模糊"样本会同时拉低 Precision 与 Recall。

5.4 竞赛的溢出价值

RSNA 2018 挑战赛产出的不只是排名，还包括：

• 验证了"挑战赛驱动标注"的可行性：证明可以把大规模专家标注组织成公共资产。
• 确立了 RSNA 年度挑战的方法论模板：多医师裁决测试集、Kaggle 托管、公开论文总结——此后的 IHD（2019）、PED（2020）直接沿用。
• 为胸片 AI 建立了第一个"带定位"的公共基准：在它之前，公开胸片数据（NIH CXR14、CheXpert、MIMIC-CXR）大多只有图像级标签。

5.5 顶尖方案的技术共识

虽然竞赛未强制公开方案，但从赛后公开的技术讨论可以归纳出若干被反复验证的共识：

技术点	共识做法	原因
架构	两阶段检测器（Faster R-CNN 系）为主流	对小目标更友好，单阶段检测器召回不足
骨干网络	ResNet-50/101 + FPN	FPN 的多尺度特征对小病灶至关重要
Anchor 设计	需针对病灶尺度重新聚类	COCO 默认 anchor 尺寸与本任务分布不匹配
输入分辨率	相对高分辨率（如 512–1024 px）	病灶太小，低分辨率会直接丢失信号
数据增强	几何增强为主（翻转/缩放/裁剪）	颜色增强对灰度胸片意义有限
集成	多模型 / 多尺度测试时增强	前几名普遍使用集成以稳定成绩
类别不平衡	Lung Opacity 仅约 1/3，需处理	否则模型倾向预测"无病灶"

一个反直觉的观察：前几名之间的差距（0.25475 vs 0.24781）几乎全部来自工程细节——anchor 调参、NMS 阈值、测试时增强策略、集成权重。这提示：当任务的方法上限接近标注精度上限时，剩余收益只能从工程缝隙里抠。

5.6 高分方案的共性复盘

对复现者的可迁移经验：

1. 不要迷信单一架构。这个任务上，检测器家族的选择影响小于"输入分辨率 + anchor 设计"。
2. IoU 0.75 阈值是分水岭。很多方案的 AP@0.40 尚可，但 AP@0.75 接近 0——能否拿下严苛阈值，决定了排名的前段位置。
3. 标注边界模糊使"过度拟合标注"收益有限。在第一梯队中，更激进的过拟合反而可能因测试集标注分歧而受损。
4. 多尺度测试时增强几乎是必备项，且对高 IoU 阈值的改善明显大于对低阈值。

§6 获取与许可：怎么拿、能不能用

6.1 三条获取路径

路径	地址	特点
Kaggle 竞赛页（推荐）	kaggle.com/c/rsna-pneumonia-detection-challenge/data	需登录并接受竞赛规则；竞赛已结束但数据仍可下载
RSNA 官方页	rsna.org/.../rsna-pneumonia-detection-challenge-2018	提供背景与条款说明，不直接托管数据
二次镜像	社区/机构镜像（可用性随时间变化）	便捷但条款与版本不可控，不推荐用于正式研究

6.2 许可条款逐条

Kaggle 竞赛页对数据集的规定（本条目按原文归纳）：

条款	内容
使用范围	允许学术研究以及其他商业/商业外用途
署名要求	必须归属 NIH CXR8（Wang et al., CVPR 2017）与 Shih et al.（Radiology: AI 2019）
禁止事项	**禁止尝试再识别（re-identification）**任何患者
附加限制	无附加限制（no additional restrictions）
底层血缘	继承 NIH ChestX-ray8 的原始使用条款

与常见误解的澄清：

• 不是 CC 协议。它没有 CC BY / CC BY-NC 这类标准标识，而是 Kaggle 竞赛自定义条款。引用时不要写成"CC BY 4.0"之类。
• 允许商用是它相对宽松的地方，但署名义务是硬性的——商用产品仍须在文档中归属 NIH 与 RSNA 标注论文。
• 禁止再识别是伦理底线，不是可协商项。

6.3 与库内其他胸片数据集的获取方式对照

数据集	获取方式	许可特点
RSNA Pneumonia	Kaggle 竞赛页（接受规则）	学术+商用，须署名，禁再识别
NIH ChestX-ray14	NIH 官网直链	开放，须署名
CheXpert	Stanford 官网（申请）	研究用途
MIMIC-CXR	PhysioNet（需认证+培训）	严格受控
PadChest	BIMCV 官网（申请）	研究用途
VinDr-CXR	PhysioNet/官网	研究用途

RSNA Pneumonia 在可获取性光谱上偏"宽松"：不需要 IRB、不需要机构协议、不需要完成培训考试——只需 Kaggle 账号并接受规则。这是它被广泛使用的原因之一。

6.4 复现者的实操清单

1. 注册 Kaggle 账号，进入竞赛页，点击 “Late Submission” 或直接下载数据（竞赛结束后数据通常仍可获取）。
2. 下载内容包括：训练图像（DICOM）、测试图像、stage_1_train_labels.csv（类别+边界框）、stage_1_detailed_class_info.csv（三类明细）。
3. 注意：竞赛拆分（stage-1 / stage-2）与最终发布可能不一致，务必核对文件名与官方说明。
4. 在论文/产品中同时署名 NIH CXR8 与 Shih et al. 2019。
5. 不要尝试从 DICOM 元数据反推患者身份。

§7 方法学启示：这份数据集教了我们什么

7.1 训练集"单医师标注"是可用性权衡，不是质量缺陷

很多批评者会说"训练集只有一个人标，标签不可靠"。更准确的表述是：

在大规模标注场景下，用"单医师 × 高吞吐"覆盖数量，用"三医师 × 低吞吐"保障评测基准——这是一个显式的资源分配决策。

这个决策的合理性在于：模型训练对随机标签噪声有一定鲁棒性（尤其在大样本下），而评测基准对系统偏差极其敏感。把有限专家资源倾斜到测试集，是理性的。

但它有代价：标签噪声水平未知。如果你要在此基础上做"标签质量敏感性分析"或"主动学习"，必须先自己量化 IRR。

7.2 影像学征象 ≠ 病理诊断：代理终点的普遍问题

Lung Opacity 是影像学代理终点（imaging surrogate endpoint）。医学 AI 中这类代理极其常见：

• 胸片上的"肺不张" ≠ 肺炎确诊
• CT 上的"结节" ≠ 肺癌
• 眼底照的"微血管瘤" ≠ 糖尿病视网膜病变确诊

方法论警示：当一个数据集用代理终点做标签，任何声称"模型能诊断 X 病"的结论都需要额外验证。模型学到的是征象识别，不是疾病诊断。

7.3 多阈值 mAP 是承认标注模糊性的诚实做法

从 IoU 0.40 起算而非 0.50，是一种对标注模糊性的制度性承认。它传递的信号是：

“我们知道专家之间对边界不一致，所以不假装存在唯一正确答案。”

这种"把不确定性写进评估指标"的做法，比强行定义单一金标准更科学。后续的医学检测挑战（如 LUNA16 肺结节）也逐步采用类似的多阈值或容差评估。

7.4 与后续 RSNA 挑战的协议延续

挑战	年份	协议特征	与本数据集的关系
Bone Age	2017	多医师骨龄评估	前作
Pneumonia	2018	测试集三医师裁决	本条目
Intracranial Hemorrhage	2019	60+ 神经放射科医师亚型标注	直接沿用三医师裁决哲学
Pulmonary Embolism	2020	80+ 胸部放射科医师，首次要求代码提交	延续并加严

RSNA Pneumonia 是这套协议从"试验"走向"制度"的关键一环。

7.5 对教育与实践的价值

• 教学素材：真实临床分布 + 专家标注 + 明确评估协议，适合作为医学影像 AI 课程的标准案例。
• 流程示范：如何组织多中心专家标注、如何设计裁决流程，可作为机构自建数据集的模板。
• 基准价值：任何新的胸片检测模型，都可以在本数据集上与 346 支队伍的历史成绩对标。

7.6 标注成本的经济学

本数据集提供了一个可复盘的成本样本：

环节	人力投入	设计取舍
训练集标注	N 张 × 1 名医师 × 单张耗时	用人数换规模
测试集标注	M 张 × 3 名医师 + 裁决	用冗余换可信
建库（数据准备）	从 NIH 数据筛选肺炎相关子集	复用已公开数据，省去采集

核心经济学洞察：当影像本身可以复用（NIH 已公开）时，新增的边际成本几乎只有标注人力。这使"在已有公开数据上做专项精标"成为比"从头采集"更高效的建库路径。

这一模式后来被广泛复制：很多团队不再自己拍片子，而是挑选已公开数据做二次精标——RSNA 2018 是这个模式的早期成功范例之一。

7.7 三医师裁决协议的实施细节与代价

裁决（adjudication）在实操中并非简单"取多数"，而是一个需要设计的流程：

裁决策略	规则	优点	缺点
交集（intersection）	只保留 3 人都标出的框	高精度，假阳性极低	召回被压低，漏掉有争议的真病灶
多数（majority）	保留 ≥2 人标出的框	平衡	对 1:2 分歧的病例仍有争议
并集（union）	保留任一人标出的框	高召回	假阳性升高，边界框质量参差

RSNA 的公开文档对具体采用了哪种策略描述有限。这种不透明性对复现者是一个实际障碍：我们无法完全还原测试集金标准是如何从三名医师的意见合成的。这构成本条目的一处方法论疑点——它影响任何试图精确复刻 leaderboard 的尝试。

代价总结：三医师协议提高了测试集可信度，但（一）成本翻三倍，（二）裁决规则若不公开，则金标准的可复现性仍受限。

7.8 可迁移到其他医学影像任务的经验

经验	适用场景
复用公开影像 + 专项精标	任何有公开影像但标签颗粒度不足的任务
非对称标注（训练单标 / 测试多标）	大规模标注预算受限的挑战赛或建库项目
多阈值 mAP 评估	目标边界模糊的医学检测任务
多中心多医师标注	需要控制机构偏倚的研究
代理终点需显式声明	用影像征象代替病理诊断的一切数据集

7.9 本数据集在医学 AI 发展史中的坐标

把时间轴拉长看，RSNA Pneumonia 处于一个转折点上：

2015-2016  深度学习进入医学影像（ImageNet 迁移）
2017       NIH ChestX-ray14 公开 → 大规模胸片数据首次可用（仅图像级标签）
2018       RSNA Pneumonia Challenge → 首个大规模"带定位"胸片专家标注 ★
2019       CheXpert / MIMIC-CXR 公开 → 更大规模、含不确定性/报告
2020+      多模态、基础模型（RadImageNet、MedCLIP 等）兴起

它的历史地位：在"只有图像级标签"与"多模态大模型"之间，它补上了专家定位监督这一环。今天很多胸片检测模型的预训练或评测，仍以它为参照点。

7.10 与"算法上限"讨论的关系

医学 AI 中有一个反复出现的争论：当人类专家之间的一致性不高时，"超越人类"意味着什么？

RSNA Pneumonia 是这个讨论的绝佳样本：

• 若两名医师对同一个病灶画出的框 IoU 只有 0.5，那么一个模型在 IoU 0.75 上的"失败"，是否真的是失败？
• 冠军 mAP 0.25475 在绝对意义上不高，但若与医师间一致性上限比较，它可能已接近该任务的可达精度。
• 论文与后续讨论均指出：改善标签质量与改善模型同等重要，甚至前者更根本。

结论：本数据集的价值不仅在于"提供数据"，更在于它把一个抽象的认识论问题——“医学影像中的真值是什么”——变成了一个可量化、可复现的实验场。

§8 生态与上下游

8.1 上游：NIH ChestX-ray8/CXR14

RSNA Pneumonia 的直接上游是 NIH ChestX-ray8（后扩展为 ChestX-ray14）：

维度	NIH ChestX-ray14	RSNA Pneumonia
规模	约 112,120 张正面胸片	约 30,000 张（子集）
标签	14 类疾病的图像级标签（由 NLP 从报告挖掘）	3 类图像级 + Lung Opacity 的边界框
标注方法	报告文本挖掘（自动）	18 名放射科医师人工标注
定位信息	无	有（仅肺不张类）
年份	2017	2018

关系本质：RSNA 用人工精标弥补了 NIH 数据自动标注缺乏定位的缺陷。两者是"同一批影像的两种标注深度"。

8.2 下游：派生与引用

下游	关系
COVIDx CXR（库内 rid=197）	疫情期间构建的新冠胸片基准，将 RSNA Pneumonia 列为来源组件之一（口径记 29,684）
各类胸片检测模型	广泛用作预训练或基准评测数据
肺炎检测论文	常作为与 CheXpert / MIMIC-CXR 对比的定位数据集
RSNA 后续挑战	IHD（2019）、PED（2020）在方法上直接继承

8.3 库内可互链条目

核心互链（强相关）：

条目	rid	关系
rsna-series	20	上级系列伞形条目，覆盖 RSNA 年度挑战全景；本条目为其缺失的肺炎子条目
nih-chest-x-ray14	15	数据源母集，最强互链理由
rsna-bone-age	426	同级姊妹挑战（2017），同为独立子条目，标注协议参照
midrc-ricord	227	同为 RSNA 系，同源于 NIH 胸片的 COVID 挑战
covidx-cxr	197	引用本数据集的派生基准，存在 29,684 口径引用冲突

胸片生态互链：

条目	rid	关系
chestx-det10	137	胸片异常检测（含框），任务直接同类
jsrt	147	胸部 X 光肺结节检测经典基准
chexpert	5	斯坦福胸片数据集（图像级标签）
mimic-cxr	16	大规模胸片+报告多模态
mimic-cxr-jpg	617	MIMIC-CXR 结构化标签版
padchest	117	西班牙大规模胸片多标签
vindr-cxr	125	放射科医师精标胸片
chest-imagenome	330	胸片场景图与解剖定位
cxr-lt	657	胸片长尾多标签基准
vindr-pcxr	629	儿科胸片病灶标注

8.4 生态位总结

在胸片数据集的版图中，RSNA Pneumonia 占据了一个独特且至今未被取代的位置：

• 它是最早的大规模"带定位"公开胸片数据集。在它之前，公开胸片数据几乎都是图像级标签。
• 它是 RSNA 挑战系列的枢纽年份。承上（2017 骨龄）启下（2019 出血、2020 肺栓塞）。
• 它的标签口径争议（30,000 vs 26,684）本身成为"数据集引用规范"的教学案例。

一句话定位：如果你做胸片病灶检测，这个数据集是绕不开的起点；如果你做胸片分类，它提供了最高质量的定位监督子集。

§9 与库内条目的关系

9.1 家族图谱

NIH ChestX-ray14 (rid=15)  ← 原始影像来源
        │
        ├─→ RSNA Pneumonia (本条目)  ← 肺炎专项人工精标 + 边界框
        │        │
        │        └─→ COVIDx CXR (rid=197)  ← 引用为来源组件
        │
        └─→ RN 系列其他挑战共享 NIH 影像血缘

RSNA 系列伞形条目 (rid=20)
        ├─ RSNA Bone Age (rid=426)   ← 2017 独立子条目（已存在）
        ├─ RSNA Pneumonia (本条目)    ← 2018 独立子条目（本次补全）
        ├─ RSNA IHD (2019)           ← 颅内出血
        ├─ RSNA PED (2020)           ← 肺栓塞
        └─ ...

9.2 为什么本条目不与 rsna-series 构成撞库

这是本条目核验阶段的核心判定，逐条列证：

判据	证据
伞形条目自述定位	rsna-series 正文明确写"本条目聚焦系列整体架构、横向对比与生态影响"，并指引"各挑战的独立详细数据请参见对应年份的子数据集文档"
覆盖深度不足	肺炎挑战在该条目中仅占 4 段落 + 1 表格行，零细粒度数字（grep 实测无 26,684 / 29,684 / Lung Opacity / Normal / mAP 阈值 / leaderboard 任一字串）
子条目链接缺失	该条目未内链任何 rsna-pneumonia 子条目（grep -c = 0），亦无 rsna-bone-age 内链——子条目槽位空缺
库内既定先例	rsna-bone-age（rid=426）已作为独立子条目与伞形条目共存（DB + 磁盘条目齐备），pneumonia 属同类缺失补全
零竞争条目	标题含「肺炎」的库内条目为 0；url_name ILIKE '%pneumo%' 返回 0 行

结论：rsna-series 是系列级索引，本条目是数据集级详解，两者是父子互补而非重复。非撞库，本条目独立成立。

9.2.1 与 nih-chest-x-ray14(15) 的边界

本条目与 nih-chest-x-ray14 存在影像重叠（RSNA 的影像来自 NIH），但两者是不同的数据集条目，边界清晰：

维度	nih-chest-x-ray14(15)	本条目 rsna-pneumonia
影像范围	全部约 112,120 张胸片	NIH 中的肺炎相关子集约 30,000 张
标签体系	14 类疾病（NLP 自动挖掘）	3 类（专家人工标注）
定位信息	无	有（仅 Lung Opacity 类）
标签质量	弱监督（报告挖掘，含噪声）	专家精标（18 名放射科医师）
用途定位	大规模预训练/弱监督	高质量检测监督/评测基准

关系：nih-chest-x-ray14 是母集，本条目是其上的专家精标子集。二者应双向互链，而非互相替代。

9.2.2 与 rsna-bone-age(426) 的平行关系

rsna-bone-age（2017）与本条目（2018）是 RSNA 系列中的同级姊妹挑战：

维度	rsna-bone-age (2017)	rsna-pneumonia (2018)
模态	手部 X 光	胸部 X 光
任务	骨龄回归	肺炎检测
规模	~14,261 张手部 X 光	30,000 张胸片
主办	RSNA + 斯坦福/科罗拉多	RSNA + MD.ai + Kaggle
论文	Halabi et al., Radiology 2018	Shih et al., Radiology: AI 2019
库内形态	独立子条目（已存在）	独立子条目（本条目）

rsna-bone-age 的存在，正是本条目非撞库判定的最强旁证——库内已有"伞形条目 + 2017 子条目"的先例，本条目只是把 2018 这一格补上。

9.2.3 与 midrc-ricord(227) 的谱系关系

midrc-ricord 是 RSNA 2021 年 COVID-19 挑战相关数据集，同为 RSNA 系、同源于胸片影像。二者的差异在于时代背景与任务：

• 本条目（2018）：常规肺炎检测，数据源 NIH CXR8。
• midrc-ricord（2021）：COVID-19 检测，数据源含 MIDRC 与 BIMCV。

谱系意义：RSNA 在肺炎主题上跨了三年（2018 肺炎 → 2021 COVID），midrc-ricord 可视为肺炎系列在疫情时代的延伸。三者（含 covidx-cxr）构成库内的"肺炎/胸部感染影像"主题簇。

9.3 检索路径建议

你的需求	建议路径
了解 RSNA 挑战全貌	先读 rsna-series(20)，再按年份深入本条目
要肺炎检测数据与标注细节	直读本条目 §2–§4
要原始影像与更多标签	读 nih-chest-x-ray14(15)
要 COVID 相关胸片	读 covidx-cxr(197) 或 midrc-ricord(227)
要其他胸部异常检测	读 chestx-det10(137)、jsrt(147)
要骨龄姊妹任务	读 rsna-bone-age(426)

9.4 库内主题簇定位

本条目在库内同时归属三个主题簇：

主题簇	成员（rid）
RSNA 挑战系列	rsna-series(20)、rsna-bone-age(426)、本条目、midrc-ricord(227)
胸部 X 光生态	nih-chest-x-ray14(15)、chexpert(5)、mimic-cxr(16)、padchest(117)、vindr-cxr(125)、chestx-det10(137)、jsrt(147)、chest-imagenome(330)、cxr-lt(657)
肺炎/胸部感染	本条目、covidx-cxr(197)、midrc-ricord(227)
目标检测任务	本条目、chestx-det10(137)、vindr-cxr(125)、jsrt(147)

多簇归属意味着：无论用户从"RSNA 系列"“胸片数据集”"肺炎"还是"目标检测"任一路径检索，都应能触达本条目。这是互链价值最大化的一种结构。

| 要肺炎检测数据与标注细节 | 直读本条目 §2–§4 |
| 要原始影像与更多标签 | 读 nih-chest-x-ray14(15) |
| 要 COVID 相关胸片 | 读 covidx-cxr(197) 或 midrc-ricord(227) |
| 要其他胸部异常检测 | 读 chestx-det10(137)、jsrt(147) |

§10 避坑清单：八个已踩过的坑

坑 1：年份被写错成 2019。 任务书与不少二手资料把这个数据集记作 “RSNA Pneumonia Detection Challenge 2019”。竞赛实际举办于 2018 年（Kaggle URL 无年份但 RSNA 官方页为 ...-2018，新闻稿 2018-11-26，AJR 综述原文 “In 2018”）。2019 是论文发表年（Shih et al., Radiology: AI，在线 2019-01-30）。引用竞赛年份时务必写 2018；引用论文时写 2019。这是本条目纠偏的首要项。

坑 2：规模有 30,000 / 26,684 / 29,684 三个数字。 官方页写 30,000（含全部正面胸片，16,248 PA + 13,752 AP）；论文与竞赛实际发布写 26,684（带标注）；库内 covidx-cxr 引用 29,684（无一手来源可复现）。三者不是互相打假，而是指代对象不同——引用时必须标明口径，最稳妥的写法是"官方口径 30,000 张正面胸片，其中 26,684 张带标注进入竞赛"。

坑 3：类别计数有两套账。 全集口径 9,555（Lung Opacity）/ 11,821（Not Normal）/ 8,851（Normal）；stage-1 口径 5,659 / 8,525 / 11,500。同一类别两个数（如 Normal 8,851 vs 11,500），差异源于阶段划分而非错误。跨文献对比时先核对口径，否则会得出"某个类别占比矛盾"的伪结论。

坑 4：9,555 + 11,821 + 8,851 ≠ 26,684。 全集三类算术和为 30,227，比 26,684 多 3,543。差值来源无一手文档说明。不要试图用 26,684 去校验类别和——它们属于不同层级的口径。

坑 5：Lung Opacity 不是"肺炎"的病理诊断。 这个标签描述的是影像学征象（肺部不透明度增高），病因异质（肺炎、肺水肿、肺不张、肿块均可）。把模型输出表述为"诊断肺炎"是过度宣称。严谨表述应为"检测肺不张征象"或"肺炎相关影像征象检测"。

坑 6：训练集是单医师标注，且 IRR 从未量化。 训练集由 1 名放射科医师标注（吞吐优先），测试集才由 3 名医师裁决。训练集的观察者间一致性（IRR）没有任何公开数字。做标签噪声研究或主动学习前，必须自行评估。不要假设"专家标注 = 无噪声"。

坑 7：mAP 0.25 不是"模型太差"。 冠军 0.25475、346 队均值 0.14124，看起来低得离谱。原因是指标定义（mAP @ IoU 0.40–0.75 共 8 阈值平均，含 0.70/0.75 严苛阈值）与任务本质（小目标 + 标注边界模糊）。用 IoU 0.5 单阈值的经验去类比会严重误判。

坑 8：许可不是 CC 协议，且署名是硬义务。 Kaggle 竞赛条款允许学术与商业用途，但必须署名 NIH CXR8（Wang et al., CVPR 2017）与 Shih et al.（Radiology: AI 2019），且禁止再识别。不要写成 “CC BY 4.0” 之类的标准许可；商用产品遗漏署名会有合规风险。

坑 9（附加）：测试集规模也有一致性问题。 RSNA 官方页写 4,527，AJR 综述写 stage-1 测试 1,000 + stage-2 测试 3,000（合计 4,000）。差 527 张无解释。引用测试集规模时建议注明来源。

§11 总结

11.1 三句话总结

1. RSNA Pneumonia 是 2018 年 RSNA 第二届年度 AI 挑战赛数据集，把 NIH 公开胸片中的约三万张正面片（其中 26,684 张带标注）请 18 名放射科医师重新标注，补上了原数据缺失的肺炎病灶边界框。
2. 它的核心方法论贡献是非对称标注协议——训练集单医师（吞吐）+ 测试集三医师裁决（准确），这套设计成为 RSNA 后续挑战（IHD、PED）的标准。
3. 它的成绩看起来低（冠军 mAP 0.25475，346 队均值 0.14124），但这个量级由多 IoU 阈值指标 + 小目标 + 标注边界模糊共同决定，是"任务本身难"而非"模型差"。

11.2 适合谁

• 胸片目标检测研究者：需要带边界框的大规模公开胸片监督。
• 医学影像标注方法论研究者：三医师裁决 vs 单医师标注的对照样本。
• 肺炎 AI 模型开发者：作为预训练集或基准评测集。
• 医学 AI 课程教学者：真实临床分布 + 专家标注 + 明确评估协议的标准案例。
• 数据集工程实践者：多中心专家标注组织与裁决流程的模板。

11.3 不适合谁

• 需要病理确诊肺炎标签的项目：本数据集是影像学征象代理终点，非病理金标准。
• 需要细分病因的研究：No Lung Opacity / Not Normal 类内部异质性未细分。
• 需要量化的标签质量指标的研究：训练集 IRR 未公开，需自行评估。
• 需要侧位胸片或多模态（含报告）的项目：本数据集仅正面位影像，无配文报告。

11.4 30 秒决策卡

你的情况	行动
要立刻下数据跑通	Kaggle 竞赛页接受规则 → 下 stage-1 数据 + CSV，注意核对文件名（§6.4）
要引用数据规模	写"官方 30,000 张正面胸片，26,684 张带标注"（坑 2）
要引用竞赛年份	写 2018（坑 1）
要把模型说成"诊断肺炎"	停——改写为"检测肺不张征象"（坑 5）
要商用	可以，但必须在文档中署名 NIH CXR8 + Shih 2019（坑 8）
要对标成绩	冠军 0.25475 / 均值 0.14124，先读 §5.3 理解量级（坑 7）
要设计标注流程	参考 §2.4 三医师裁决协议 + §7.1 非对称权衡

11.5 一页纸速记

项	一句话
是什么	RSNA 2018 年度 AI 挑战赛胸片肺炎检测数据集
数据源	NIH ChestX-ray8/CXR14（专家重新标注 + 补边界框）
规模	官方 30,000 张正面胸片，26,684 张带标注
类别	Lung Opacity / Not Normal / Normal
标注	18 名医师（16 机构、12 名 STR）、训练单标 + 测试三医师裁决
指标	mAP @ IoU 0.40–0.75（8 阈值平均）
成绩	冠军 0.25475，346 队均值 0.14124
许可	学术+商用，须署名 NIH CXR8 与 Shih 2019，禁再识别
最大的坑	年份（2018 非 2019）、规模三口径、Lung Opacity ≠ 病理肺炎
最大价值	首个大规模"带定位"公开胸片专家标注

FAQ（高频问答 25 问）

A. 基础认知

Q1：RSNA Pneumonia 是哪一年的挑战赛？
2018 年。这是 RSNA 第二届年度 AI 挑战赛（首届为 2017 年儿童骨龄）。论文发表于 2019 年，两者年份不同。

Q2：它和 RSNA Bone Age 什么关系？
同为 RSNA 年度挑战系列，但主题、数据、任务都不同。Bone Age（2017）是手部 X 光骨龄回归；Pneumonia（2018）是胸部 X 光肺炎检测。二者是本库中的同级独立子条目。

Q3：它是分类还是检测任务？
目标检测（object detection）。输出肺炎病灶的边界框，不是整张片子的类别标签。

Q4：为什么叫 “Lung Opacity” 而不是 “Pneumonia”？
因为标签描述的是影像学征象（肺部不透明度增高）而非病理诊断。肺炎、肺水肿、肺不张等都可表现为 lung opacity。用征象命名是对诊断不确定性的诚实表达。

Q5：数据是 RSNA 自己拍的吗？
不是。影像来自 NIH Clinical Center 的临床 PACS，经 ChestX-ray8/ChestX-ray14 公开。RSNA 做的是重新标注，不是采集。

B. 数据与获取

Q6：到底有多少张片子？
双口径：官方描述 30,000 张正面胸片（16,248 PA + 13,752 AP）；实际带标注进入竞赛发布 26,684 张。引用时标明口径（坑 2）。

Q7：三个类别各多少张？
全集口径：Lung Opacity 9,555 / No Lung Opacity Not Normal 11,821 / Normal 8,851。stage-1 口径另有 5,659 / 8,525 / 11,500 一套（坑 3）。

Q8：怎么下载？
Kaggle 竞赛页 kaggle.com/c/rsna-pneumonia-detection-challenge/data，登录并接受竞赛规则。竞赛已结束但数据通常仍可下载。

Q9：需要 IRB 或机构协议吗？
不需要。只需 Kaggle 账号并接受竞赛规则。这是它相对宽松的地方（对比 MIMIC-CXR 需 PhysioNet 认证 + 培训）。

Q10：能用于商业项目吗？
可以。Kaggle 条款允许学术研究及其他商业/非商业用途，但必须署名 NIH CXR8 与 Shih et al. 2019，且禁止再识别患者（坑 8）。

Q11：是 CC 协议吗？
不是。它是 Kaggle 竞赛自定义条款，不要写成 “CC BY 4.0” 之类。

C. 标注与质量

Q12：谁标的？多少人？
18 名放射科医师，来自 16 家机构，其中 12 名 STR 胸部放射科专科医师，平均 10.6 年经验。

Q13：训练集和测试集标注方式一样吗？
不一样。训练集由1 名医师标注；测试集（4,527 张）由3 名独立医师交叉裁决。这是本数据集最重要的方法论特征（§2.4）。

Q14：训练集标签可靠吗？
训练集是单医师标注，观察者间一致性（IRR）从未公开量化。模型训练对随机噪声有鲁棒性，但做标签质量研究需自行评估（坑 6）。

Q15：No Lung Opacity / Not Normal 类里有什么？
包含一切"没有肺不张征象但片子非正常"的情况——心衰、积液、术后改变、骨骼异常、设备伪影等。竞赛文档未对其内部细分。

Q16：有侧位片吗？
没有。仅正面位（PA 与 AP）。

D. 评估与成绩

Q17：用什么指标评？
mAP（mean Average Precision）@ IoU 阈值 0.40–0.75，步长 0.05，共 8 个阈值取平均。

Q18：为什么从 IoU 0.40 起算而不是 0.50？
因为医学病灶边界本身模糊，不同医师画的框就不一致。从 0.40 起算是对标注模糊性的制度性承认。

Q19：最好成绩是多少？
冠军 0.25475（Ian Pan & Alexandre Cadrin-Chênevert）；第二 0.24781（Dmytro Poplavskiy）；第三 0.23908（Phillip Cheng）；346 队均值 0.14124。

Q20：0.25 是不是说明这任务没解？
不是。这个量级由多 IoU 阈值指标 + 小目标 + 标注边界模糊共同决定（§5.3）。用单阈值经验类比会严重误判（坑 7）。

E. 使用与工程

Q21：能直接拿来做图像分类吗？
可以，但会损失信息。三类标签可直接构成三分类任务，但这样丢弃了边界框监督——而带定位的监督正是本数据集最稀缺的价值。

Q22：怎么做训练/验证划分？
必须按患者划分（patient-wise split）。同一患者的图像若同时进入训练与验证，会造成数据泄漏。数据集的键是 {PatientID}/{ImageIndex}，划分时按 PatientID 分组（§2.8）。

Q23：多灶性肺炎怎么处理？
同一 PatientID 在标签 CSV 中会出现多行（每行一个框）。解析时需按 PatientID 聚合所有框，不能只取第一行。这是新手常见的漏检原因。

Q24：提交格式 PredictionString 怎么写？
格式为空格分隔的 confidence x y w h 序列，一张图多个框时连续拼接。须按置信度降序、按每 5 个数值一组解析/生成（§2.9）。

Q25：训练时需要注意类别不平衡吗？
需要。Lung Opacity 类约占全集三分之一，其余两类无框。若不加处理，模型会倾向预测"无病灶"以降低损失。

事实清单（硬事实 30 条）

#	事实	来源口径
1	竞赛年份为 2018	RSNA 官方页 / 新闻稿 2018-11-26 / AJR
2	是 RSNA 第二届年度 AI 挑战赛	RSNA 系列背景
3	主办为 RSNA + MD.ai + Kaggle	RSNA 官方页
4	数据源为 NIH ChestX-ray8 / CXR14	论文 / RSNA 官方页
5	官方规模 30,000 张正面胸片	RSNA 官方页
6	体位构成 16,248 PA + 13,752 AP	RSNA 数据集描述
7	带标注发布 26,684 张	论文 / Kaggle
8	类别 Lung Opacity 9,555 张	全集口径
9	类别 Not Normal 11,821 张	全集口径
10	类别 Normal 8,851 张	全集口径
11	stage-1 口径 5,659 / 8,525 / 11,500	AJR 综述
12	测试集 4,527 张（官方口径）	RSNA 官方页
13	测试集 stage-1 1,000 + stage-2 3,000	AJR 综述
14	标注团队 18 名放射科医师	论文
15	来自 16 家机构	论文
16	12 名 STR 胸部专科医师	论文
17	平均 10.6 年经验	论文
18	训练集单医师标注	论文
19	测试集三医师交叉裁决	论文
20	标注平台 MD.ai	RSNA 官方页
21	任务为目标检测（边界框）	竞赛设置
22	仅 Lung Opacity 类有边界框	竞赛设置
23	指标 mAP @ IoU 0.40–0.75（步长 0.05）	竞赛设置
24	训练阶段 1,400+ 队	RSNA 官方
25	最终阶段 346 队	竞赛结果
26	奖金池 $30,000	Kaggle
27	冠军 0.25475（Ian Pan & A. Cadrin-Chênevert）	最终 LB
28	亚军 0.24781（Dmytro Poplavskiy）	最终 LB
29	346 队均值 0.14124	竞赛结果
30	许可允许学术+商业，须署名，禁再识别	Kaggle 条款

附录

附录 A：条目信息速查卡

项	值
条目名	RSNA Pneumonia
url_name	rsna-pneumonia
类型	挑战赛数据集（目标检测）
竞赛年	2018
论文	Shih et al., Radiology: AI 2019;1(1):e180041
主办	RSNA + MD.ai + Kaggle
数据源	NIH ChestX-ray8 / ChestX-ray14
规模	30,000 张正面胸片（26,684 带标注）
类别	Lung Opacity / Not Normal / Normal
指标	mAP @ IoU 0.40–0.75
冠军成绩	0.25475
许可	Kaggle 条款（学术+商业，须署名，禁再识别）
抓取时点	2026-09-28
库内互链	rsna-series(20)/nih-chest-x-ray14(15)/rsna-bone-age(426)/midrc-ricord(227)/covidx-cxr(197)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	9	Kaggle 竞赛页 + RSNA 官方页双入口，论文可检索；“RSNA Pneumonia” 名称唯一无歧义
A 可获取性	9	Kaggle 公开下载（仅需账号+接受规则），无 IRB/机构协议门槛；竞赛结束后仍可获取——主要失分项为无 Zenodo/PhysioNet 存档
I 可互操作	8	DICOM 标准格式 + CSV 标签，通用性高；边界框坐标为像素坐标，需自行处理尺寸归一化；无官方格式转换脚本
M 元数据质量	6	标注协议（人数/机构/经验）披露充分；但规模三口径（30,000/26,684/29,684）与类别两套计数造成元数据歧义，测试集 4,527 vs 4,000 亦不一致——本条目最大失分项
S 可持续性	7	依托 Kaggle 平台（长期稳定）与 NIH 原始数据托管；但 RSNA 官方页 URL 结构可能变动，且无独立机构级存档
综合评级	7.8/10（良好）	可发现性与可获取性突出，格式标准；元数据歧义是主要拖累，但不影响实际使用

附录 C：逐项证据链自证

关键数字	来源	位置
2018 竞赛年	RSNA 官方页 / 新闻稿日期 / AJR 综述	一手
30,000 张（16,248 PA + 13,752 AP）	RSNA 官方数据集描述 PDF	一手
26,684 张带标注	论文 / Kaggle 竞赛页	一手
9,555 / 11,821 / 8,851	全集口径（Kaggle / 论文）	一手
5,659 / 8,525 / 11,500	AJR 综述 stage-1 口径	二手（综述）
29,684	库内 covidx-cxr 条目引用	库内（无一手来源）
测试集 4,527	RSNA 官方页	一手
18 名医师 / 16 机构 / 12 STR / 10.6 年	论文	一手
三医师裁决测试集	论文	一手
mAP @ IoU 0.40–0.75	竞赛评估设置	一手
冠军 0.25475 / 亚军 0.24781 / 均值 0.14124	Kaggle 最终 leaderboard	一手
1,400+ 队 / 346 队 / $30,000	RSNA 官方 / Kaggle	一手
许可条款	Kaggle 竞赛规则页	一手
论文 DOI 10.1148/ryai.2019180041 / PMID 33937785	Europe PMC 元数据	一手

附录 D：数据获取决策树

需要胸片肺炎检测数据？
├── 只要图像级标签（有没有肺炎）
│   └── 用 NIH ChestX-ray14(15) 或 CheXpert(5)——更简单
├── 要边界框定位
│   ├── 要肺炎专项 → RSNA Pneumonia（本数据集）★
│   │   ├── 学术研究 → Kaggle 下载，引用署名
│   │   └── 商业用途 → 同样可下载，但文档必须署名（坑 8）
│   └── 要其他胸部异常 → chestx-det10(137) / jsrt(147)
├── 要配文报告 → mimic-cxr(16) / mimic-cxr-jpg(617)
├── 要 COVID 相关 → covidx-cxr(197) / midrc-ricord(227)
└── 要更长尾的胸片标签 → cxr-lt(657) / vindr-cxr(125)

附录 E：口径速查表（引用规范）

事实	推荐写法	避免
年份	“2018 年竞赛（论文 2019 年发表）”	笼统写 “2019 数据集”
规模	“官方 30,000 张正面胸片，26,684 张带标注”	单独抛 “26,684” 或 “29,684”
类别计数	“全集口径 9,555/11,821/8,851”	不说口径直接给数
测试集	“官方口径 4,527 张”	与 1,000/3,000 混用
指标	“mAP @ IoU 0.40–0.75（8 阈值平均）”	只说 “mAP 0.25” 不解释
标签语义	“肺不张（lung opacity）征象”	“肺炎确诊”
许可	“Kaggle 竞赛条款”	“CC BY 4.0”

附录 F：标注协议对照速查

环节	人数	裁决	规模
训练集	1 名放射科医师	单人即金标准	26,684（全集口径含测试）
测试集	3 名独立放射科医师	交集/多数	4,527（官方口径）
医师背景	18 人 / 16 机构 / 12 STR / 均 10.6 年	—	—

附录 G：与库内胸片数据集的横向对照

数据集	rid	规模	标签粒度	定位	许可
RSNA Pneumonia	本条目	30,000	3 类+框	有	Kaggle 条款
NIH ChestX-ray14	15	112,120	14 类	无	开放
CheXpert	5	224,316	14 类+不确定	无	研究用途
MIMIC-CXR	16	377,110	报告+标签	无	PhysioNet 受控
PadChest	117	160,000+	174 类	无	研究用途
VinDr-CXR	125	18,000	22 类+框	有	研究用途
ChestX-Det10	137	3,543	10 类+框	有	研究用途
JSRT	147	247	结节+框	有	研究用途

附录 H：常见复现流程骨架

# 1. 读取标签（Kaggle stage-1 CSV）
import pandas as pd
labels = pd.read_csv("stage_1_train_labels.csv")      # PatientID, x, y, w, h, Target
detail = pd.read_csv("stage_1_detailed_class_info.csv")  # PatientID, class

# 2. 合并类别与框信息
#    注意：同一 PatientID 可能有多行（多灶性肺炎 → 多个框）
merged = labels.merge(detail, on="PatientID", how="left")

# 3. 图像尺寸归一化（关键：框坐标需同步变换）
#    本数据集图像尺寸不统一，resize 时必须按比例缩放 x,y,w,h
#    Letterbox / 直接 resize 会显著影响框的 IoU 对齐

# 4. 评估：mAP @ IoU 0.40-0.75，步长 0.05
IOU_THRESHOLDS = [round(0.40 + 0.05 * i, 2) for i in range(8)]
# -> [0.40, 0.45, 0.50, 0.55, 0.60, 0.65, 0.70, 0.75]
#    对每个阈值算 AP，再取 8 个阈值的平均得 mAP

附录 I：引用 BibTeX

@article{shih2019augmenting,
  title   = {Augmenting the National Institutes of Health Chest Radiograph Dataset
             with Expert Annotations of Possible Pneumonia},
  author  = {Shih, George and Wu, Carol C. and Halabi, Safwan S. and
             others},
  journal = {Radiology: Artificial Intelligence},
  volume  = {1},
  number  = {1},
  pages   = {e180041},
  year    = {2019},
  doi     = {10.1148/ryai.2019180041},
  pmid    = {33937785}
}

@inproceedings{wang2017chestxray8,
  title     = {ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks
               on Weakly-Supervised Classification and Localization of
               Common Thorax Diseases},
  author    = {Wang, Xiaosong and Peng, Yifan and Lu, Le and Lu, Zhiyong and
               Bagheri, Mohammadhadi and Summers, Ronald M.},
  booktitle = {CVPR},
  year      = {2017}
}

附录 J：本条目核验与存照记录

项	结果
开工锁	writing/rsna-pneumonia/.lock = agent-c-rsnapneumo 2026-09-28T15:10
开工 ps 计数	5（留痕）
slug 查重（DB）	%rsna% → rid 20 / 426 / 227；%pneumo% → 0 行
撞库判定	非撞库——rsna-series(20) 为系列伞形，肺炎子条目槽位空缺（§9.2）
年份纠偏	brief 的 “2019” → 实核为 2018（竞赛年）
双口径存照	规模 3 口径（30,000/26,684/29,684）；类别 2 套账；测试集 4,527 vs 4,000
遗留疑点	① 30,000 与 26,684 差的 3,316 张去向未知；② 训练集 IRR 未量化；③ Not Normal 类内部未细分；④ 测试集 527 张差值无解释；⑤ 论文非开放获取，未取得全文

---

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：

• 3dteethland — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
• dentex — 共享标签：医学影像 / X光影像 / 目标检测 / 挑战赛数据集
• siim-acr-pneumothorax — 共享标签：医学影像 / X光影像 / 挑战赛数据集 / 评测基准
• dental-opg-xray — 共享标签：医学影像 / X光影像 / 目标检测 / 评测基准
• tus-rec — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
• cxr-lt — 共享标签：医学影像 / X光影像 / 挑战赛数据集 / 评测基准
• heichole — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
• rsna-series — 共享标签：医学影像 / X光影像 / 挑战赛数据集
• icbhi-2017 — 共享标签：医学影像 / X光影像 / 评测基准
• rexgradient-160k — 共享标签：医学影像 / X光影像 / 评测基准

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。