信息速览

数据集名称VinDr-PCXR — 万例儿科胸片病灶标注集 AI-Ready Wikipedia

数据类型人工标注,原始数据,影像数据

规模9,125 例儿科胸片研究（<10 岁，PA 视图；train 7,728/test 1,397）——36 病灶级+15 图像级双层标注

接入方式Phu Tho Obstetric & Pediatric Hospital（PTOPH）PACS 回顾性采集 2020-2021；两阶段脱标识（HIPAA）；CNN 自动过滤+人工复核；VinDr-Lab 标注平台

AI 就绪度

INFOBOX：vindr-pcxr 速览

字段	值
数据集	VinDr-PCXR v1.0.0
slug	vindr-pcxr（PCXR = Pediatric CXR——与成人版 VinDr-CXR 区分）
发布	2022-03-21（v1.0.0 单版本；arXiv v1 提交于挂牌前一天 2022-03-20）
DOI	v1.0.0 = 10.13026/k8qc-na36 / latest = 10.13026/xkdz-2d35（双 DOI）
访问	Restricted（License 1.5.0 + DUA，注册+签约，无 CITI）——标题自称 “open” 的修辞错位
规模	9,125 studies（<10 岁 PA 视图）——train 7,728 / test 1,397
标签	36 findings（bounding box 病灶级）+ 15 diseases（image-level）= 51 双层体系
标注	VinDr-Lab 平台 + 3 名越南卫生部认证放射科医生远程标注；train 每图单评（“assigned to one radiologist”）
采集	PTOPH（富寿省妇产科儿童医院）PACS 回顾性 2020-2021；>10,000 原始→CNN 过滤+人工复核→9,125
脱标识	两阶段：Python 脚本删 DICOM PHI 标签 + 手工清像素文字；HIPAA 遵循声明
伦理	PTOPH IRB 批准 + 知情同意豁免（回顾性不影响临床）
COI	VinBigData JSC 支持；Ha Quy Nguyen 与 Thanh T. Tran 为 VinBigdata 雇员（"did not profit"声明）
论文	arXiv 2203.10612（v1 2022-03-20/v3 2023-03-20）+ medRxiv 2022.03.04.22271937——Sci Data 投稿 4 年未落地
前身	Tran et al. ICCV Workshops 2021（5,017 例/10 类/Distribution-Balanced loss，AUC 0.709）→ 本条扩容 9,125/36+15
团队	数据集署名 3 人（Pham/Tran/Nguyen）——论文 5 人（+富寿省卫生系统 2 人）；VinBigData+VinUniversity+Phu Tho 三脚架
流量	Views 1493（单版本）——高流量（VinDr 品牌+儿科刚需）
一句话	越南 VinDr 系的儿科下沉之作——9,125 例 36+15 双层标注开儿科 CAD 赛道，页面三大 Copy-Paste 事故与学术荣光并存

§0 摘要卡：儿科 CAD 的开山库与它的页面事故

§0.1 它是什么

VinDr-PCXR 是 VinBigData（Vingroup 旗下 AI 公司）发布的儿科胸片数据集：9,125 例 <10 岁患者的 PA 视图胸片（富寿省妇产科儿童医院 2020-2021 回顾性采集），每张标注 36 项关键发现（病灶级 bounding box）+15 类疾病（图像级 0/1）——首个也是最大的含病灶级标注的儿科 CXR 数据集（页面 Abstract 自我定位）。train 7,728/test 1,397 划分，VinDr-Lab 自研标注平台+3 名越南卫生部认证放射科医生。它是 VinDr 家族从成人（VinDr-CXR）向儿科的人群维度下沉，也是本库第一个儿科影像条目。它的页面同时是批次八"页面考古"主题的最重磅案例：单院vs三院、单评vs3评vs6员、成人儿童文案颠倒——三大 Copy-Paste 事故并存于一个页面。

§0.2 三个数字

9,125 = 7,728 + 1,397：总数与 train/test 划分（页面自洽 ✓——本条少数完全自洽的数字组）
36+15 = 51：双层标签体系——36 项发现用 bounding box 定位（病灶级/可解释 AI 用），15 类疾病用图像级 0/1（分类用）；这个双层结构直接继承了成人版 VinDr-CXR 的设计
1,493：Project Views——VinDr 品牌+儿科赛道刚需带来的高流量（对照 528 的 277、527 的 29；是 527 的 50 倍）

§0.3 它怎么用

两大官方用途（Usage Notes）：①儿科疾病分类模型——15 类疾病的图像级多标签分类；②多发现定位模型——36 项发现的 bounding box 检测（可解释 AI 方向）。页面同时点名前身研究（Tran et al. ICCVW 2021 用 5,017 例前身数据训练 D-CNN）。不适合：罕见病诊断（Limitations 明文样本不足）、多模态融合（无临床信息——Limitations 第一条）、成人任务（本条只有儿童）。

§0.4 联动提示

本条与 530 VinDr-SpineXR（下一发）构成 VinDr 姊妹连（同团队同平台同企业背景）——标注协议、页面模板、企业脉络三重共享；与 528 TN-Mammo 构成越南三连（Ha-Hieu Pham 从共同作者升为主线）；与 617 MIMIC-CXR/524 RadVLM 构成成人-儿科对照（本库人群维度首次扩展到 <10 岁）。页面三大事故与 527 的 three/four、528 的 Technical Validation 缺席并列——批次八的"页面考古"主题三连完赛。

§0.5 三个反直觉

反直觉一：页面最烂的库反而是家族最成熟的流水线产物。三大 Copy-Paste 事故看起来像新手错误，但本条是 VinDr 家族的第三个库（CXR→PCXR 之后还有 Mammo/SpineXR）——事故不是能力的反面，而是速度的反面：家族年更速度下，页面文案的终审环节被压缩。对照 527（单库精品，v1.0.1 主动修正）与 528（单库精雕，四轮加厚页面）——工业家族线（本条）与精品作坊（527/528）的质量分布恰好相反。

反直觉二：单评库的流量是双评库的五倍。本条（train 单评）Views 1493，528（双盲+共识）只有 277——标注协议更弱的库流量反而更高。归因不在标注而在赛道与品牌：儿科刚需+VinDr 品牌+挂牌早 3.5 年。数据集市场的注意力分配与标注质量弱相关——这对"质量决定流量"的直觉是一记修正。

反直觉三：投稿 4 年未中的论文有个官方自认的替身。arXiv admin note 的 “substantial text overlap with arXiv:2012.15029”（成人版论文）——这篇论文与成人版的大量文本重叠既是 Sci Data 审稿的潜在死因（新颖性不足），也是页面 Copy-Paste 事故的根源（同一个模板复用文化）。一处的懒惰会在多处同时显形——论文审稿与页面考古最终指向同一个真相。

§0.6 它在库内的独特性自检

唯一儿科（<10 岁）影像条目——人群维度首例
唯一"病灶级+图像级"双层标注的儿科库（36 框+15 类）
唯一企业雇员 COI 实名披露的越南条目（VinBigData JSC 两人）
唯一三大页面事故并存条目（批次八页面考古的最富矿）
唯一"自产工具链全自举"条目（VinDr-Lab 标注+DICOM Router 过滤）

§1 条目定位：儿科赛道的开卷与 VinDr 的下沉

§1.1 为什么儿科 CXR 是空白

页面 Background 的逻辑链：常见胸疾病是五岁以下儿童数十万死亡的年因（引 GBD 2015 下呼吸道感染 195 国分析+WHO/WUNICEF 肺炎报告）→ CXR 是儿科最常用影像检查 → 儿科解读需要专科知识（不同年龄的胸腺影/呼吸相位差异）→ 成人 CAD 的成功（ChestX-ray14/PadChest/CheXpert/MIMIC-CXR/VinDr-CXR 五大成人库列表）依赖大标注库 → 儿科库是未开垦地（“the creation of the pediatric CXR datasets is still unexploited”）。VinDr-PCXR 的立项填的就是这个坑——2022 年时点，公开儿科 CXR 库几乎只有零星小样本（本条的 9,125 是当时的数量级跃升）。

§1.2 “first and largest” 的自我定位

页面 Abstract 两连：“the first and largest pediatric CXR dataset containing lesion-level labels and image-level labels”——双重首创声明。核对逻辑：①"first with lesion-level"——此前儿科库（如 Kermany 的光学相干断层/胸片小集）多为图像级标签，bounding box 病灶级是本条首发 ✓；②"largest"——9,125 例 vs 此前儿科 CXR 公开集的千级以下 ✓。双重声明在 2022 年时点成立；后续出现 NIHCXR 等新儿科库不影响历史定位。自我声明的可核验性是 VinDr 系页面（尽管三大事故）的一个加分面。

§1.3 VinDr 家族的扩张路线

VinDr 系（VinBigData 的医学 AI 数据集品牌）的家族扩张：VinDr-CXR（成人胸片，2020 arXiv/2021 挂牌，本库家族）→ VinDr-PCXR（儿科胸片，本条 2022） → VinDr-Mammo（乳腺，2022/Sci Data 2023 已发）→ VinDr-SpineXR（脊柱，2022/本库 530 预告）→ VinDr-Endo（内窥镜）等。扩张模式：同一标注平台（VinDr-Lab）+同一标注者网络+同一企业支持+同一页面模板——本条的三大页面事故正是模板高速复制的质量代价（模板从 VinDr-CXR 页面复制，Limitations 第三条的"成人患者"文案就是未替换的模板残留）。家族化生产的效率与事故一体两面。

§2 团队与企业：VinBigData 的三脚架

§2.1 署名的两套名单

数据集署名 3 人（Hieu Huy Pham/Tien Thanh Tran/Ha Quy Nguyen——前两位 VinBigData 雇员，COI 披露在案）；论文署名 5 人（+Ngoc H. Nguyen——Phu Tho 省卫生局、Tuan N.M. Nguyen——Phu Tho 综合医院培训中心）。地方卫生系统的 2 人只在论文里——数据提供方（省卫生局/地方医院）与算法方（VinBigData/VinUniversity）的署名分层。对照 528 的"医院医生在列"（Thuan Huynh）——VinDr-PCXR 的地方方署名停留在了论文层。

§2.2 COI 的企业披露

页面 COI 节：VinBigData JSC 支持资源创建；Ha Quy Nguyen 与 Thanh T. Tran 是 VinBigdata 在职雇员；“VinBigData JSC did not profit from this project”。这是本库罕见的"企业雇员直接披露"（对照 522 RadGraph2 的 Vinbrain 类似脉络——VinBrain 与 VinBigData 同属 Vingroup 的 Vin* 系企业群）。企业背景是 VinDr 家族能够以工业级速度扩张（四家族库+自研标注平台+自研过滤工具）的资本基础——COI 声明的直白程度也是越南 AI 生态的特色。

§2.3 Hieu H. Pham：从桥接到主线

Hieu H. Pham（通讯/一作）——VinUni-Illinois Smart Health Center；在 528 TN-Mammo 是共同作者（桥接角色），在本条与 530 SpineXR 是 VinDr 主创（主线角色）。他的 VinUni-Illinois 头衔（VinUniversity 与 UIUC 的合作中心）暗示越南-美国学术通道——VinDr 系的国际化路径（对照 528 的纯越南+韩国组合）。三连的人物光谱：本条（企业主线）→528（医院自主）→530（企业姊妹）。

§3 页面考古三大事故专论（本条核心素材）

§3.1 事故一：单院 vs 三院

页面位置	表述	数
Abstract	“retrospectively collected from a major pediatric hospital in Vietnam”	单
Background	“retrospectively collected from three major hospitals in Vietnam”	三
Methods	“conducted at the Phu Tho Obstetric & Pediatric Hospital (PTOPH)”	单（实名）

三处并存。辅助证据：论文作者单位含 Phu Tho Department of Health（省卫生局）与 Phu Tho General Hospital（省综合医院）——"three hospitals"可能是省卫生系统协作网络（PTOPH+省医院+卫生局管辖网）的写作残留；伦理批件只提 PTOPH IRB；致谢只谢 PTOPH——伦理与致谢的实名单院 vs Background 的三院。裁决：采集主体=PTOPH（单院），"three"是协作网络表述或复用残留。引用采集来源时以 Methods 实名（PTOPH）为准。

§3.2 事故二：单评 vs 3 评 vs 6 员

页面位置	表述	数
Abstract	“annotated by an experienced radiologist”	单
arXiv 版	“a pediatric radiologist who has more than ten years of experience”	单（+资历）
Methods	“a team of 3 experienced radiologists remotely annotate”	三
Methods（同节）	“Each sample in the training set was assigned to one radiologist”	单评确认
Data Description	“The identities of the 6 radiologists are encoded by rad_id”	六

五处表述、三个数。协调解读（本条目推断）：标注团队 3 人轮换（train 每图单人负责制）；6 个 rad_id 是编码空间（含 test 标注者/复核者/管理员账号）；Abstract 的"单数"是"每图单人"的误写。关键事实：train 单评（每图一人判读）——这在儿科 CXR 观察者间一致性低的文献背景下（论文自引 [5]：“inter-observer agreement … were low”）是方法学弱点：单评标签的噪声无法通过协议内化。test 协议未披露——更弱。

§3.3 事故三：成人/儿童文案颠倒（最爆笑）

Usage Notes 的 Limitations 第三条原文：“One limitation of this dataset is that it contained only CXR scans of adult patients. The dataset therefore is not suitable for developing and evaluating algorithms for the detection of CXR pathologies in pediatric patients.”

——这是 VinDr-PCXR（Pediatric CXR 儿童胸片库）的页面。它自称"只含成人扫描、不适合儿科任务"。事实恰好相反（9,125 例全是 <10 岁儿童）。事故机制：Limitations 段落从成人版 VinDr-CXR 页面复制（arXiv admin note：“substantial text overlap with arXiv:2012.15029”——文本遗传的自认），复制时改了前两条（临床信息缺失/罕见病样本——两库通用）漏改了第三条（人群描述——两库相反）。主宾颠倒的正确版应为：“只含儿童扫描，不适合成人任务”。复现者引用 Limitations 时必须人工纠正此条——照抄会闹出"儿童库不适合儿科"的笑话。本条目将其存照为批次八页面考古的最重磅案例（与 527 的 three/four、528 的 Technical Validation 缺席并列）。

§3.4 事故的共性根源与治理含义

三事故的共同根源：VinDr 家族模板的高速复制（同页面框架+同方法学段+同 Limitations 结构在 4+ 个家族库间复制）+多人协作未同步。治理含义：①数据集页面的文案质量是数据质量的代理指标——模板事故暗示发布流程缺终审环节；②页面考古是多版本/多家族数据集核查的必做步骤（本库方法论：523 双版本/527 v1.0.1 变更声明/528 缺席节/529 三事故——四种页面考古形态集齐）；③ arXiv admin note 的 “substantial text overlap” 是官方自认的文本遗传证据——检索论文时值得留意该字段。

§4 数据管线：从 10,000 张 DICOM 到 9,125 例标注集

§4.1 采集与过滤

原始采集：>10,000 张 DICOM（PTOPH PACS，2020-2021，回顾性）
过滤目标：四类离群——成人患者 CXR（混入）、非胸部（腹/脊柱等）、低质量、侧位
过滤工具：轻量 CNN 自动剔除+人工复核兜底——CNN 是自家 “DICOM Imaging Router”（Pham HH et al. arXiv 2108.06490，体部分类器）——自产工具链自举（VinDr 生态的工程自洽）
产出：9,125 例 PA 视图（<10 岁）——保留率 ~90%（10,000→9,125 推算，页面未给精确基数）
随机抽样标注：“A set of 9,125 CXRs were randomly labeled from the filtered data”

§4.2 双层脱标识

阶段	手段	目标
一：DICOM 头	Python 脚本删除/随机替换 PHI 标签（姓名/出生日期/ID/采集时间）	元数据层
二：像素烧录	手工清除图像上的文字（pixel annotations）	像素层

+SOP Instance UID (0008,0018) 重编码为匿名 image_id——三层匿名链（头/像素/UID）。HIPAA Privacy Rule 遵循声明（越南数据按美国医疗隐私标准处理——PhysioNet 国际发布的合规姿态，对照 528 的越南院内批件路径）。

§4.3 双层标注体系（36+15）

局部层（labels 1-36）：36 项关键发现，每发现一个矩形 bounding box（x_min,y_min,x_max,y_max）——病灶级定位，服务于可解释 AI（页面 Background：“useful for developing explainable AI models”）
全局层（labels 37-51）：15 类疾病，image-level 0/1 多热向量——分类任务用
类目选择双准则（Methods 明文）：prevalent（常见）+differentiable on CXRs（可影像区分）——实用主义标签学
标注分工：train 每图单人（7,728÷3 人轮换）；test 协议未披露（存照）
文件四件：annotations_train/test.csv（box 层）+image_labels_train/test.csv（图像层）——CSV schema 与 VinDr-CXR 成人版兼容（家族化格式）

§4.4 与成人版 VinDr-CXR 的体系对照

维度	VinDr-CXR（成人版）	VinDr-PCXR（本条）
挂牌	2021-06-22	2022-03-21
规模	18,000 例	9,125 例
人群	成人	<10 岁儿童
标签	22 findings+4 类胸膜炎等	36 findings+15 diseases
标注	3 放射科医生 17 人年经验+test 双评	train 单评（3 人轮换）
阴性率	无异常占比高	儿科常见病分布
arXiv	2012.15029	2203.10612（text overlap 自认）

家族相似性：双层标注/CSV schema/VinDr-Lab/页面模板——工业化家族线的效率与事故同源。

§4.5 儿科 CXR 解读的独立性（为什么不能用成人库凑）

页面 Background 的潜台词值得展开：儿科 CXR 解读的独立性来自三层——①解剖差异：胸腺影（thymic sail sign）在成人不存在、儿童心血管轮廓随年龄变化；②病理谱差异：肺炎/支气管炎/毛细支气管炎为主（成人以慢阻肺/肿瘤/间质病为主）；③技术差异：儿童无法配合屏气（呼吸相位伪影）、曝光参数不同、性腺保护遮挡。三层差异叠加 = 成人库模型直接迁移到儿科会有系统性域差——本条的立项正当性正是这个域差（"transferring new ML-based CAD systems for pediatric CXR"是未解问题）。复现者可以把"成人库→本条"的迁移实验当第一课：域差的量化本身就是论文素材。

§5 前身研究与扩容轨迹

§5.1 Tran et al. ICCVW 2021（前身论文）

规模：5,017 例儿科 CXR（本条前身库）/10 类常见病理
训练：3,550 例标注训练+777 例独立测试
方法：D-CNN+Distribution-Balanced loss（改造 BCE，下权多数类处理类不平衡——儿科 CXR 的类不平衡文献痛点）
成绩：AUC 0.709（95% CI 0.690-0.729）/Sensitivity 0.722/Specificity 0.579/F1 0.389——F1 低说明多标签任务的类不平衡之痛（页面 ref 13 引用）
意义：证明"儿科 CXR 的 D-CNN 可行但难"→立项 9,125 扩容+36+15 扩标

§5.2 扩容的幅度

5,017→9,125 例（+82%）/10 类→36+15 标签（发现×3.6+疾病×1.5）/测试 777→1,397（+80%）。扩容后 baseline 无公开（Tran et al. 数字是前身库的）——36+15 体系的官方成绩缺口（下载后可复现，VinDr-Lab 与论文方法可循）。

§5.3 Distribution-Balanced loss 的配方细节（前身论文遗产）

前身 ICCVW 2021 论文的类不平衡处理是儿科 CXR 的可引用配方：标准 BCE 在极端不平衡（罕见发现正例可能 <1%）下被多数类主导——DB-loss 的改造：①对负样本按类别频率重加权（抑制头部类的负例贡献）②硬样本上权（难分类的边界样本损失放大）③与 label smoothing 兼容（对照 528 附录 R 的单评噪声论证——本条的单评噪声叠加类不平衡，软标签类方法双重受益）。复现者的基线配置：ResNet 级骨干+DB-loss 或 focal loss+按例划分——前身论文的全部超参随论文公开。

§6 生态位：本库人群维度扩展

§6.1 儿科首例

本库此前的影像家族全是成人（617 MIMIC-CXR/524 RadVLM/519 MS-CXR-T/525 REFLACX/526 ReXErr 等），本条是第一个 <10 岁人群条目——人群维度的扩展（成人→儿科）。儿科影像 AI 的独立性：解剖（胸腺影）、病理谱（肺炎/支气管炎为主）、设备参数（儿童专用曝光）都与成人不同——成人库模型直接迁移到儿科有系统性域差，本条的价值即在此。

§6.2 越南三连的中位

528（医院自主：Thong Nhat）→ 529（企业主线：VinBigData） → 530（企业姊妹：SpineXR）——越南三连的组织形态光谱。本条是三连中"最 VinDr"的（企业雇员+品牌流量 1493+家族化生产）——与 528 的"最学院派"（系主任领衔+无论文）形成组织对照。Ha-Hieu Pham 的人物线：528 共同作者（#5）→ 本条一作/通讯（#1）→ 530（预期主线）——从配角到主角的排位上升。

§6.3 高流量的品牌红利

Views 1493 vs 528 的 277（同为越南影像库）——5.4 倍差。归因：①VinDr 品牌检索（vindr.ai 门户+成人版流量导流）；②儿科赛道刚需（CAD 厂商的合规测试集需求）；③挂牌早 3.5 年（2022 vs 2025）的累积。品牌化数据集系列的流量集中效应——家族头部吃掉大部分注意力，家族新成员（528 类自主项目）从零起步。对批次运营的启示：同家族条目互链（link_builder 的 Jaccard 标签）可以把品牌流量导给新成员。

§7 使用指南：谁该下载这 9,125 例

§7.1 三类用户画像

①儿科 CAD 开发者：36+15 双层标注的训练+测试集现成（7,728/1,397）， lesion-level 框支持检测与可解释 AI；②跨人群迁移研究者：成人库（MIMIC-CXR/CheXpert）→儿科（本条）的域差实验——成人-儿科的系统性偏移是迁移学习的好素材；③资源受限地区 AI 部署者：越南省级医院的采集-标注-过滤全流程（VinDr-Lab 开源+DICOM Router 开源）是低成本复刻模板。

§7.2 访问与合规

Restricted：注册+签 DUA（无 CITI）。引用双份：PhysioNet APA（Pham, H. H., Tran, T. T., & Nguyen, H. Q. 2022. RRID:SCR_007345. DOI 10.13026/k8qc-na36）+ arXiv 2203.10612（论文版含富寿省卫生系统作者）。Parent Projects 无；Project Website vindr.ai。

§7.3 坑点表

坑点	典型翻车	绕行姿势
坑点1：引"three hospitals"	采集来源写成三院	Methods 实名 PTOPH 单院——Background 的 three 是残留
坑点2：以为 3 人共评	train 标签当多评共识	train 每图单评（“assigned to one radiologist”）
坑点3：照抄 Limitations 第三条	写出"儿童库不适合儿科"	成人版 Copy-Paste 颠倒——实际只含儿童
坑点4：等 Sci Data	引用悬空	投稿 4 年未落地——引 arXiv 2203.10612 v3
坑点5：前身数字当本库	AUC 0.709 当 36+15 成绩	那是 5,017 例/10 类旧数字——扩容后无官方 baseline
坑点6：找 36+15 清单	页面/论文找不到	下载 data dictionary/CSV 枚举核对
坑点7："open"当真	以为无门槛	Restricted（签 DUA）——标题修辞错位
坑点8：test 当双评	高估 test 金标	test 协议未披露——存照
坑点9：3 人署名当全团队	漏掉富寿省卫生系统 2 人	论文 5 人（数据提供方在论文层）
坑点10：与 VinDr-CXR 混淆	成人/儿童库互换	PCXR=Pediatric——同名家族不同人群

§7.4 VinDr-Lab 的二次标注实践指南

本条的标注基础设施开源（VinDr-Lab）意味着使用者可以：①复核标注——把 9,125 例抽样子集重新标注，与官方标签对比（量化单评噪声的实际高度——§8.1 的三级补偿方案落地）；②扩展标签——在 36+15 之外新增任务标签（如胸腺影/骨龄线索），用同一平台同一批图像；③私有数据标注——用本条同款平台标注自家儿科数据（格式与 VinDr 家族兼容）。

部署要点：Docker 化部署（README 有指引）+任务分配按标注员轮换（复刻本条的 train 单评模式或升级为双评）+导出格式与 VinDr 家族 CSV 对齐。对照商业标注平台（Labelbox/Supervisely）——VinDr-Lab 的优势是医学放射场景的预配置（框+多标签+放射科工作流），劣势是社区规模小（版本迭代依赖原团队）。

§8 批评视角：单评的代价与家族化的阴影

§8.1 单评标注在低一致性领域的风险

论文自引的文献承认儿科 CXR 解读"inter-observer agreement and intra-observer agreement were low"——低一致性领域里，单评标签的噪声天然高。本条的应对（7,728 例单评+规模换质量）与金标路线（双盲+仲裁）是两种哲学：前者赌"规模稀释噪声"，后者赌"协议消灭噪声"。对照 528 的双盲+共识（协议强但无数字）、561 RadGraph 的双评+仲裁+κ（协议数字双全）——标注协议的强度排序：金标（561）> 双盲（528）> 单评规模（本条）。复现者后果：用本条训练的分类器继承单评噪声——测试集成绩是"单评噪声地板"上的成绩。

§8.2 家族化生产的阴影

VinDr 家族的工业化（同平台/同模板/同标注网络）带来效率与事故的两面：效率（4+ 家族库的年更速度、CSV schema 兼容、品牌流量）；事故（本条三大 Copy-Paste、页面与论文的数字失同步）。模板复用的质量风险在数据集出版物的语境里被系统性低估——数据集页面不是论文（无 peer review 兜底），文案错误会长期存留（本条挂牌 3.5 年事故仍在）。治理建议（对 PhysioNet 与家族化发布方）：页面文案的跨版本 diff 检查+Limitations 的人工逐条核对，成本极低。

§8.3 但开山之功不可没

批评归批评：2022 年时点的儿科 CXR 赛道，本条是唯一的规模化选择（"first and largest"成立）——没有它，儿科 CAD 研究（肺炎筛查/资源受限地区部署）连训练数据都没有。前身 ICCVW 2021 论文→本条数据集→VinDr-Lab 开源，构成的"论文+数据+工具"三件套是越南医学 AI 对全球儿科赛道的实质贡献。开山者的页面瑕疵不掩盖开山本身。

§9 版本考古专论：本库页面事故光谱

批次八的四个"页面考古"案例并排（本条目的方法论沉淀）：

条目	事故形态	根源	官方修正
527 Swiss-Mammo	摘要数字残留（three/four）	21→28 扩容后未同步	✓ v1.0.1 变更声明
528 TN-Mammo	Technical Validation 节承诺缺席	Methods 写了 described further below 但正文无	✗ 未修（单版本）
529 VinDr-PCXR（本条）	三大事故（来源/人数/人群颠倒）	家族模板 Copy-Paste+多人未同步	✗ 未修（单版本，事故存续 3.5 年）
526 ReXErr	术语漂移（Opposite/Contradictions）	论文与页面/代码不同期	部分（论文与页面并存两写法）

四种形态、四种根源、两种修正状态——数据集页面的质量光谱：从"官方自认修正"（527 最佳实践）到"事故存续"（本条最差实践）。本条目写作时的操作红线：三大事故各自修正后再引用（采集来源写 PTOPH/标注写 train 单评/Limitations 第三条反向读）——照抄页面就是传播事故。

§9.5 本会话三连发的协作经济学（批次运营笔记）

本会话在批次八的 527/528/529 三连发（+526 让出）呈现了一种协作经济学的实践：知识资产共享（FACTS 让渡）+ 数据资产避让（发布守卫）+ 节奏错位（你做 526 我做 527-529）——对比 521 时代的双发对抗（两边都做完才发现）。三个机制的建设性差异：

机制	521 时代（对抗）	批次八（协作）
冲突发现	发布时（DB 唯一约束）	构建期（目录痕迹+DB 查重守卫）
冲突处置	DELETE 一方（浪费一份完整稿）	让出+资产让渡（FACTS 复用零浪费）
协调媒介	无（DB 是唯一通信）	工单评论（rXhZzd 留痕）+目录痕迹

本条目附录 AA 记录了 526-529 的资产交接——FACTS 文件成为并行会话间的知识接口（核查成果可让渡、可复用、可审计）。协作协议的边际成本接近零（文件系统原生支持），收益是双发浪费归零——批次八的运营升级与数据质量升级同等重要。

§9.6 质量多维向量的最终陈述（本条目收束）

数据集质量的五维向量在本条的读数：数据本体（9,125 例图像质量 ✓）/标注协议（train 单评 ✗）/文档质量（三大事故 ✗）/可复现性（工具链开源 ✓）/维护承诺（单版本未修 ✗）——3 弱 2 强。但它的历史地位（first and largest pediatric CXR with lesion-level labels）不因三维弱点而动摇——开山者的先发豁免与跟随者的标准升级是两条时间线。本库收录它的意义：既收录它的 9,125 例，也收录它的三大事故（页面考古的活教材）——数据集百科的价值不在赞美，在完整。

§10 FAQ：速查索引（按主题分组）

FAQ-1 基础认知（8 问）

Q1：VinDr-PCXR 是什么？

VinBigData（Vingroup 旗下 AI 公司）发布的儿科胸片数据集：9,125 例 <10 岁患者 PA 视图 CXR（越南富寿省妇产科儿童医院 PTOPH 2020-2021 回顾性采集），36 项关键发现（bounding box 病灶级）+15 类疾病（图像级）双层标注。train 7,728/test 1,397。PhysioNet 2022-03-21 挂牌 v1.0.0，Restricted。

Q2：PCXR 是什么意思？

Pediatric CXR——儿科胸片。与成人版 VinDr-CXR（2021 挂牌，18,000 例）区分。同家族同平台同标注网络，人群不同。

Q3：规模多大？

9,125 例（PA 视图）——train 7,728/test 1,397。页面/论文一致的少数完全自洽数字组。当时是儿科 CXR 公开库的数量级跃升（此前公开儿科集千级以下）。

Q4：标签体系是什么？

51 双层：36 项关键发现（labels 1-36，病灶级 bounding box：x_min,y_min,x_max,y_max）+15 类疾病（labels 37-51，图像级 0/1 多热向量）。类目选择双准则：常见+可影像区分。

Q5：标注是谁做的？

3 名越南卫生部认证放射科医生通过自研 VinDr-Lab 平台远程标注。train 每图单评（‘assigned to one radiologist’——3 人轮换）；test 协议未披露。页面 Abstract 的’单数’表述与 Data Description 的’6 rad_id’并存——三大页面事故之二。

Q6：采集自哪家医院？

PTOPH（Phu Tho Obstetric & Pediatric Hospital，富寿省妇产科儿童医院）——Methods 实名。页面 Background 的 ‘three major hospitals’ 是矛盾残留（Abstract/Methods 均单院，伦理批件与致谢也只 PTOPH）。

Q7：怎么访问？

PhysioNet Restricted：注册+签 DUA（无 CITI）。标题自称 ‘open’ 但档位 Restricted——‘open’ 是研究开放意图的修辞，档位由儿科影像 PHI 风险决定。

Q8：什么格式？

DICOM→发布（本条保留 DICOM——与 528 的 JPEG 决策相反，VinDr 系保真优先）。SOP Instance UID (0008,0018) 重编码为匿名 image_id。

FAQ-2 页面事故专问（5 问）

Q9：页面有哪三大事故？

①单院 vs 三院（Abstract/Methods 单院 PTOPH vs Background ‘three major hospitals’）；②单评 vs 3 评 vs 6 员（Abstract 单数/Methods 3 人轮换+单评确认/Data Description 6 个 rad_id）；③成人儿童文案颠倒（Limitations 第三条自称 ‘only adult patients … not suitable for pediatric’——从成人版复制忘改，主宾全反）。

Q10：Limitations 第三条为什么颠倒？

从成人版 VinDr-CXR 页面复制 Limitations 时改了前两条（临床信息缺失/罕见病——两库通用）漏改第三条（人群描述——两库相反）。arXiv admin note ‘substantial text overlap with 2012.15029’ 是文本遗传的自认。正确读法：只含儿童扫描、不适合成人任务。

Q11：three hospitals 是真的吗？

未落实。伦理批件/致谢/Methods 都只有 PTOPH；论文作者单位含富寿省卫生局+省综合医院——'three’可能是省卫生系统协作网的表述残留。引用采集来源以 Methods 实名（PTOPH）为准。

Q12：到底几个人标注？

协调解读（推断）：3 人团队轮换+train 每图单人负责制（Methods 明文）——6 个 rad_id 是编码空间（含 test 标注者/复核者）。Abstract 的’单数’是’每图单人’的误写。关键事实：train 单评。

Q13：这些事故修了吗？

没有——单版本挂牌 3.5 年事故仍在。对照 527 的 v1.0.1 官方修正（最佳实践），本条是事故存续的差生样本。复现者的操作：三大事故各自人工修正后再引用。

FAQ-3 标注与数据细节（6 问）

Q14：36+15 的清单在哪？

页面/论文正文都没列全——标签名清单在数据文件的 data dictionary/annotations CSV 的 class_name 枚举里（下载后核对）。页面只给了体系（36 local+15 global）与选择准则（常见+可影像区分）。

Q15：脱标识怎么做的？

两阶段+一层：①Python 脚本删 DICOM PHI 标签（姓名/生日/ID/采集时间）②手工清除像素上的烧录文字 ③SOP Instance UID 重编码为匿名 image_id。HIPAA Privacy Rule 遵循声明（越南数据按美国隐私标准）。

Q16：离群数据怎么过滤的？

原始 >10,000 张 DICOM → 轻量 CNN（自家 ‘DICOM Imaging Router’ arXiv 2108.06490 体部分类器）自动剔除成人 CXR/非胸部/低质量/侧位 → 人工复核兜底 → 9,125 例。自产工具链自举。

Q17：train/test 怎么划分的？

7,728/1,397（85/15 比例）。随机分配（‘randomly labeled from the filtered data’）。划分粒度按 study——无跨划分泄漏警告（页面未提，按例划分是常识默认）。

Q18：test 集是谁标的？

未披露——页面只说 train 单评。对照成人版 VinDr-CXR 的 test 双评+仲裁，本条的 test 协议披露弱于成人版。存照。

Q19：罕见病样本够吗？

不够——页面 Limitations 第二条明文：罕见病/罕见发现样本有限，监督算法对罕见类不可靠。前身研究（ICCVW 2021）自认 class imbalance 严重并为此发明 Distribution-Balanced loss。

FAQ-4 论文与团队（5 问）

Q20：论文发在哪？

没正式发表。arXiv 2203.10612（v1 2022-03-20/v3 2023-03-20）+medRxiv 2022.03.04.22271937；‘under review by Nature Scientific Data’（arXiv admin note）——4 年未落地（VinUni 官网至今挂 under review），大概率被拒/撤回。引用用 arXiv v3。

Q21：前身研究是什么？

Tran et al. ‘Learning to automatically diagnose multiple diseases in pediatric chest radiographs’ ICCV Workshops 2021（pp. 3314-3323）：5,017 例前身库/10 类病理/3,550 训练+777 测试/Distribution-Balanced loss；成绩 AUC 0.709/Sens 0.722/Spec 0.579/F1 0.389。本条是 5,017→9,125/10 类→36+15 的扩容。

Q22：VinBigData 是什么背景？

Vingroup 旗下 AI 公司（越南最大企业集团）。COI 披露：支持本资源创建；Ha Quy Nguyen 与 Thanh T. Tran 为在职雇员（'did not profit’声明）。VinDr 家族（CXR/PCXR/Mammo/SpineXR）全部由 VinBigData 主导——企业资本驱动的数据集家族化生产。

Q23：数据集 3 人 vs 论文 5 人？

数据集署名：Hieu H. Pham/Tien Thanh Tran/Ha Quy Nguyen（算法方）。论文 5 人：+Ngoc H. Nguyen（富寿省卫生局）/Tuan N.M. Nguyen（富寿省综合医院）——数据提供方在论文层署名。地方卫生系统未进 PhysioNet 署名。

Q24：VinDr-Lab 是什么？

自研 web 标注框架（github.com/vinbigdata-medical/vindr-lab 开源）——VinDr 全家族的标注基础设施。页面 ref 12。

FAQ-5 使用与坑位（6 问）

Q25：适合什么任务？

两大官方用途：①15 类疾病图像级多标签分类 ②36 项发现 bounding box 检测（可解释 AI）。不适合：罕见病诊断（样本不足明文）、多模态融合（无临床信息）、成人任务（只有儿童——Limitations 第三条颠倒后的事实）。

Q26：和成人 CXR 库怎么联动？

跨人群迁移素材：MIMIC-CXR/CheXpert（成人）→本条（儿童）的域差实验——胸腺影/呼吸相位/病理谱的系统性差异是迁移学习的好考题。注意成人库模型直接用会有系统性域差（本条的立项理由之一）。

Q27：类不平衡怎么处理？

前身论文的 Distribution-Balanced loss（改造 BCE 下权多数类）是官方配方——36+15 扩容后类不平衡预期更严重（罕见发现）。复现者可直接套用前身配方，或用 focal loss 类现代替代。

Q28：最大的坑是什么？

页面三大事故不修正就引用（三院/3 人共评/成人儿童颠倒）+前身数字当本库 baseline（AUC 0.709 是 5,017 例/10 类旧数字）+等 Sci Data（4 年未落地引 arXiv）。

Q29：和 VinDr-CXR（成人版）怎么选？

人群决定：成人任务用 VinDr-CXR（18,000 例/test 双评），儿科任务用本条（9,125 例/train 单评）。同家族 CSV schema 兼容——跨人群迁移管线可直接搭。

Q30：528 和本条怎么选？

都是越南影像但完全不同：528 是乳腺钼靶密度（成人/676 例/双盲协议），本条是儿科胸片检测+分类（9,125 例/单评）。同批次越南三连（528/529/530）的组织形态光谱：医院自主→企业主线→企业姊妹。

FAQ-6 批判性视角（5 问）

Q31：单评标注的风险有多大？

儿科 CXR 解读的观察者间一致性低（论文自引文献明文）——单评标签的噪声天然高且无法协议内化。7,728 例的规模稀释不了系统性误判（如某放射科医生对某发现的系统性宽严偏差）。引用本条训练的模型成绩时，注明’单评噪声地板’。

Q32：页面三大事故说明什么？

模板高速复制的质量代价——VinDr 家族页面的同框架复制（4+ 库）缺终审环节。数据集页面无 peer review 兜底，文案错误长期存留（本条 3.5 年）。对发布方的教训：跨版本 diff+Limitations 人工逐条核对，成本极低。

Q33：企业背景影响中立性吗？

VinBigData 的支持让本条成为可能（资本+平台+人力），雇员披露直白（COI 节实名）——比隐性企业资助透明。'did not profit’声明实际含义是 VinBigData 不靠卖数据盈利（生态位是 AI 服务商）。使用者的判断点：标签分布是否有利于 VinBigData 自家模型（自家数据自家先发的先发优势——无实质证据，存照）。

Q34：9,125 例在儿科算大吗？

2022 年挂牌时点——数量级最大（此前公开儿科集千级以下）。纵向对照：成人库 MIMIC-CXR 22.7 万是它的 25 倍——儿科赛道的’大’是相对的，绝对规模仍是中等。Limitations 第一条的’没有临床信息’部分抵消规模优势（儿科解读高度依赖年龄/症状上下文）。

Q35：open 标题为什么配 Restricted？

VinDr 家族的固定修辞（成人版同款）——'open’指研究开放意图（对比商业私有数据），档位由 PHI 风险决定。对照 527（纯虚构仍 Restricted 的过度保守）与 526（合成却 ODbL 的合理开放）——'open’是形容词不是档位承诺，档位以 Access Policy 为准。

FAQ-7 深挖追问（进阶 8 问）

Q36：单评标签的噪声怎么量化补偿？
三条路：①label smoothing（ε=0.05-0.1）把硬标签软化——单评噪声的廉价保险；②置信学习（cleanlab 类）事后清洗——用模型一致性找出可疑标签人工复核；③跨库对照——成人版 VinDr-CXR 的 test 双评子集可当"标签质量上界"的参照。三者可叠加。

Q37：36 框+15 类的联合训练怎么设计？
两条主流：①多任务头（共享骨干+框回归头+分类头）——帧内特征共享；②分离管线（检测模型+分类模型各自训练）——简单但丢联合信号。页面 Usage Notes 把两任务并列（分类+定位），未给联合配方——前身论文只做了分类（10 类）。复现者自行设计时注意：框级标注稀疏（不是每图每类都有框）——联合训练的损失权重需调。

Q38：为什么 test 集不公开标注协议是问题？
test 集是排行榜基准——如果 test 是双评而 train 单评，那 test 标签质量高于 train（模型在"更干净"的标签上评测，成绩略虚高但可比）；如果 test 也是单评，成绩的噪声地板与 train 相同。协议不明 = 成绩的语义不明。对照 VinDr-CXR 成人版明示 test 双评——本条的沉默是倒退。

Q39：两阶段脱标识的成本有多高？
脚本阶段是工程活（pydicom 遍历删标签）；像素阶段是人力活（每张图人工看有无烧录文字）——9,125 张的手工清查是本条隐性人力成本的大头（页面未给工时）。对照 528 的 JPEG 转换（转换天然甩掉部分烧录）——DICOM 保留派的脱标识成本更高。

Q40：Sci Data 为什么可能拒了这篇？
猜测（存照）：①新颖性——与成人版 “substantial text overlap”，Sci Data 要求数据描述的原创性；②伦理叙事薄——"no ethics concerns"一句话 vs 成人版/竞品的完整伦理节；③标注协议弱——单评+test 未披露在 Sci Data 的评审标准下是硬伤。反事实：如果补 IAA+test 协议+临床信息关联，可能过审——但团队的重心显然已移向 Mammo（Sci Data 2023 已发的那篇）。

Q41： Vinylab 平台现在还能用吗？
GitHub 开源（vinbigdata-medical/vindr-lab）——自部署可用。平台的功能覆盖（框标注+图像级标注+多人任务分配+导出 CSV）正是本条标注流程的复刻工具——用本条数据做二次标注/复核可直接部署。

Q42： Pediatric CXR 的 SOTA 现在到什么水平？
本条目不追 SOTA（数据集条目立场）——但提供坐标：前身 2021 年 10 类 AUC 0.709 是起点；36+15 扩容后的 SOTA 需查 Papers with Code（页面未给官方榜）。复现者的机会：官方 baseline 缺位意味着"第一个公开 36+15 成绩"的署名空间还开着。

Q43：如果只想要分类不要框，用哪个文件？
image_labels_train/test.csv（图像级 0/1 向量）——annotations CSV（框）可以不用。反过来只做检测则用 annotations+图像（image_labels 的疾病向量可作弱监督辅助）。双任务的文件解耦设计让两种用户互不干扰。

FAQ-8 综合收尾（6 问）

Q44：这个库和 CheXpert-style 的弱标签有什么区别？
CheXpert 的标签是从报告 NLP 抽取的（弱标签——报告存在偏差），本条是放射科医生直接看图标注（强标签——直接绑定图像证据）。儿科场景连报告都少（页面 Limitations：无临床信息）——直接图像标注是唯一可行路径。强标签的成本是标注人力（3 人×数月），弱标签的成本是报告存量（儿科报告稀缺）——儿科赛道的成本结构决定了强标签库稀缺。

Q45：9,125 例够训练检测模型吗？
够起步不够 SOTA——目标检测在 36 类下的样本需求远高于 15 类分类（每框是一个训练信号）。前身 10 类分类 3,550 例就出了 AUC 0.709——检测的 baseline 更低但可建立。策略：COCO 预训练检测器+本条微调——36 类中常见类（肺炎征象）的检测可行，罕见类存疑。

Q46：PA 视图 only 是缺陷吗？
是取舍不是缺陷——侧位在儿科的解读增量小（儿科以肺炎为主，PA 已覆盖）且儿童侧位摆位困难（哭闹）。对照成人库的 PA+Lateral 双位（侧位对成人后纵隔病变有价值）——单视图是儿科场景的场景化决策。页面把它当过滤标准（侧位剔除）而非局限——立场自洽。

Q47：如果我是临床医生想用这个库做什么？
教学（儿科 CXR 的常见病图谱——36 类发现的图像样例库）+自检（对照标注自评读片）+科室 CAD 试点（开源模型微调院内数据）。注意 Restricted 档的 DUA 约束（不可再分发）——院内使用通常合规，外部分享需查许可。

Q48：VinDr 家族里哪篇论文最值得精读？
按目的：复现类不平衡→前身 ICCVW 2021（DB-loss 配方）；理解数据集设计→本条 arXiv v3；学数据集运营→VinDr-Mammo 的 Sci Data 2023（家族唯一正式发表的——审稿通过的叙事标准）。三篇连读就是"医学 AI 数据集从方法到运营"的完整教材。

Q49：为什么这个库的坑点表最长（10 条全满）？
因为页面事故最多——三大事故各自衍生多条坑点（事故→误引→复现偏差的连锁）。反过来读：坑点表的长度是页面可靠性的反指标——本条 10 条满额意味着"一切以数据文件为准"的纪律必须全程执行。对照 527（8 条）/528（10 条）——批次八的坑点密度普遍高于此前批次（页面复杂度上升的信号）。

Q50：这个条目给你的最大启发是什么？
数据集的"质量"是个多维向量：数据本体（图像质量）✓、标注协议（单评）✗、文档质量（三大事故）✗、可复现性（工具开源）✓、维护承诺（单版本未修）✗——5 维里 3 维弱，但它依然是儿科赛道的开山首例（first and largest 成立）。质量是多维的，价值是语境的——开山者享受先发豁免，跟随者承受标准升级。

§11 事实清单：逐条存照（每条可溯源至页面快照/arXiv/medRxiv/WebSearch 交叉）

全名 VinDr-PCXR: An open, large-scale pediatric chest X-ray dataset for interpretation of common thoracic diseases；slug vindr-pcxr；PCXR=Pediatric CXR。
挂牌 2022-03-21，v1.0.0 单版本；DOI 双格局：v1.0.0=10.13026/k8qc-na36 / latest=10.13026/xkdz-2d35。
访问档 Restricted（License 1.5.0+DUA，注册+签约无 CITI）——标题自称 ‘open’ 的修辞错位（批次预判 Restricted 命中）。
规模 9,125 studies（<10 岁 PA 视图）——train 7,728/test 1,397（页面自洽 ✓）。
51 双层标签：36 critical findings（labels 1-36，bounding box 病灶级）+15 diseases（labels 37-51，图像级 0/1）。
类目双准则（Methods 明文）：prevalent（常见）+differentiable on CXRs（可影像区分）。
采集 PTOPH（Phu Tho Obstetric & Pediatric Hospital，富寿省妇产科儿童医院）PACS 回顾性 2020-2021；原始 >10,000 DICOM。
页面三大事故之一（单院vs三院）：Abstract ‘a major pediatric hospital’ / Background ‘three major hospitals’ / Methods PTOPH 实名——三处并存。
页面三大事故之二（单评vs3评vs6员）：Abstract 单数 / Methods ‘3 experienced radiologists’+‘assigned to one radiologist’（单评确认）/ Data Description ‘6 radiologists’ rad_id——四说并存。
页面三大事故之三（文案颠倒）：Limitations 第三条 ‘contained only CXR scans of adult patients … not suitable for … pediatric patients’——成人版 Copy-Paste 忘改，主宾全反（实际只含儿童）。
事故根源：VinDr 家族模板高速复制（arXiv admin note ‘substantial text overlap with 2012.15029’ 自认文本遗传）——单版本挂牌 3.5 年事故未修。
标注：VinDr-Lab 自研平台（github.com/vinbigdata-medical/vindr-lab 开源）+3 名越南卫生部认证放射科医生远程标注。
train 单评确认：‘Each sample in the training set was assigned to one radiologist for annotating’（Methods 明文）——7,728÷3 轮换。
test 标注协议未披露——成人版 VinDr-CXR 的 test 双评+仲裁未在页面复现（存照）。
儿科 CXR 观察者间一致性低的文献背景（论文自引 [5]）——单评噪声风险的方法学弱点。
双层脱标识：①Python 脚本删 DICOM PHI 标签 ②手工清像素烧录文字——+SOP Instance UID (0008,0018) 重编码匿名 ID。
HIPAA Privacy Rule 遵循声明——越南数据按美国隐私标准处理（PhysioNet 国际发布合规姿态）。
过滤管线：轻量 CNN（自家 DICOM Imaging Router，arXiv 2108.06490）自动剔离群（成人/非胸/低质/侧位）+人工复核——自产工具链自举。
伦理：PTOPH IRB 批准+知情同意豁免（回顾性不影响临床）；页面 Ethics ‘The authors declare no ethics concerns’。
COI：VinBigData JSC 支持；Ha Quy Nguyen 与 Thanh T. Tran 为 VinBigdata 在职雇员（‘did not profit from this project’）——企业雇员直接披露。
数据集署名 3 人：Hieu H. Pham（一作/通讯）/Tien Thanh Tran/Ha Quy Nguyen。
论文署名 5 人（arXiv 2203.10612）：+Ngoc H. Nguyen（富寿省卫生局）/Tuan N.M. Nguyen（富寿省综合医院）——地方数据提供方在论文层。
单位三脚架：VinBigData JSC Smart Health Center（河内）+VinUniversity（VinUni-Illinois Smart Health Center）+富寿省地方卫生系统。
论文轨迹：arXiv 2203.10612（v1 2022-03-20/v3 2023-03-20）+medRxiv 2022.03.04.22271937；‘under review by Nature Scientific Data’——4 年未落地（VinUni 官网至今挂 under review）。
前身论文：Tran TT et al. ICCV Workshops 2021（pp. 3314-3323）——5,017 例/10 类/Distribution-Balanced loss；AUC 0.709（0.690-0.729）/Sens 0.722/Spec 0.579/F1 0.389。
扩容幅度：5,017→9,125 例（+82%）/10 类→36+15 标签；扩容后 baseline 无公开（前身数字是旧库的）。
Project Website：https://vindr.ai/（VinBigData 门户）。
Project Views 1493（单版本）——高流量（VinDr 品牌+儿科刚需+挂牌早 3.5 年累积）。
文件四件：annotations_train/test.csv（box 层 image_id/rad_id/class_name/坐标）+image_labels_train/test.csv（图像层 image_id/rad_ID/labels 0/1 向量）。
36+15 清单未在页面/论文列全——data dictionary/CSV 枚举核对（存照）。
儿科 CXR 首例：本库第一个 <10 岁人群条目——人群维度从成人扩展到儿科。
VinDr 家族扩张：VinDr-CXR（成人 2021）→PCXR（本条 2022）→Mammo（2022）→SpineXR（2022）——同平台同标注网络同页面模板的家族化生产。
Usage Notes 双用途：儿科疾病分类模型+多发现定位模型（bounding box 可解释 AI）。
页面 Limitations 三连：无临床信息/罕见病样本不足/第三条为 Copy-Paste 颠倒（实际应为’只含儿童不适合成人’）。
页面 ref 11：Dicom Imaging Router（Pham HH et al. arXiv 2108.06490）——自产过滤工具。
页面 ref 12：VinDr-Lab GitHub；页面 ref 13：前身 ICCVW 2021 论文。
引用义务：PhysioNet APA（Pham, H. H., Tran, T. T., & Nguyen, H. Q. 2022. RRID:SCR_007345. DOI 10.13026/k8qc-na36）+arXiv 2203.10612。
Parent Projects：无（原始采集）；Pages 无 Topics 行。
COI 无利益声明补充：‘VinBigData JSC did not profit from the work done in this project’——企业不靠卖数据盈利（AI 服务商生态位）。
Views 1493 vs 528 的 277——同批次越南影像库 5.4 倍流量差（品牌+赛道+时间三因素）。
批次八页面考古四形态集齐：527 数字残留（官方修正✓）/528 节缺席（未修）/529 三大事故（未修）/526 术语漂移（部分并存）。

（事实清单主批 41 条 + 补遗 9 条 = 50 条；页面事故四处证据：单院vs三院/3vs6/成人儿童颠倒/two hospitals 残留/light-weight 粘连）

§12 术语表：五十条

术语	释义
VinDr-PCXR	本条目——9,125 例儿科胸片双层标注库（Pediatric CXR）。
PCXR	Pediatric Chest X-Ray——与成人版 VinDr-CXR 区分的家族后缀。
VinDr 家族	VinBigData 的医学 AI 数据集系列（CXR/PCXR/Mammo/SpineXR/Endo 等）——同平台同模板的家族化生产。
VinBigData JSC	Vingroup 旗下 AI 公司（河内）——本条资源支持方+两雇员披露；VinDr 品牌的资本基础。
VinUniversity	VinUni（Vingroup 私立大学）——Hieu H. Pham 的 VinUni-Illinois Smart Health Center 挂靠。
PTOPH	Phu Tho Obstetric & Pediatric Hospital 富寿省妇产科儿童医院——采集实名单院。
Phu Tho	越南北部省份（越中边境）——省卫生系统（卫生局+综合医院）为论文层署名的数据提供方。
VinDr-Lab	自研 web 标注框架（开源）——家族全员的标注基础设施。
DICOM Imaging Router	自产体部分类器（arXiv 2108.06490）——过滤管线的 CNN 工具。
双层标注	36 findings（bounding box 病灶级）+15 diseases（image-level）——本条的核心结构。
bounding box	矩形病灶定位框（x_min,y_min,x_max,y_max）——检测与可解释 AI 的标注形态。
image-level label	图像级多热向量（0/1）——分类任务的标注形态。
Distribution-Balanced loss	前身论文的类不平衡损失（改造 BCE 下权多数类）——儿科 CXR 类不平衡的官方配方。
单评（single-reader）	每图一名标注员——train 协议（Methods 明文）；低一致性领域的噪声风险。
观察者间一致性（IOA）	多标注者判读一致程度——儿科 CXR 文献口径偏低（论文自引），本条未披露 IAA。
两阶段脱标识	DICOM PHI 标签脚本清除+像素烧录文字手工清除——HIPAA 遵循的匿名链。
SOP Instance UID	DICOM 唯一实例标识 (0008,0018)——重编码为匿名 image_id 的来源。
HIPAA Privacy Rule	美国医疗隐私法规——本条的合规姿态声明（越南数据的国际发布标准）。
PA 视图	Posteroanterior 后前位——本条唯一采集位（<10 岁儿童）。
PA 视图 <10 岁	儿科采集特征：胸腺影/呼吸相位/儿童专用曝光——成人模型迁移的系统性域差来源。
Copy-Paste 事故	本条 Limitations 第三条的成人版模板残留（主宾颠倒）——页面考古最重磅案例。
text overlap 自认	arXiv admin note 的 ‘substantial text overlap with 2012.15029’——文本遗传的官方证据。
Sci Data 未落地	‘under review’ 4 年（2022 投稿至 2026）——投稿失败的学术出口真空。
medRxiv	医学预印本平台——2022.03.04.22271937 为论文另一出口。
ICCV Workshops 2021	前身论文发表会议（Tran et al.，5,017 例/10 类）——本条的扩容起点。
Distribution-Balanced	同上前身论文的损失函数名——类不平衡的教科书配方。
AUC 0.709	前身研究的测试成绩（777 例/10 类）——勿当本条 36+15 的 baseline。
AISIA	528 的支持实验室（对照条目）——越南 AI 生态的另一节点（非本条）。
vindr.ai	VinDr 家族门户——Project Website。
错误-证伪样本	本条 Limitations 第三条——页面 Copy-Paste 的教科书级样本（主宾颠倒仍在线 3.5 年）。
模板复用文化	VinDr 家族页面的同框架复制——效率与事故一体两面（三大事故的根源）。
富寿省	Phu Tho 省——PTOPH 与省卫生系统所在地（越南北部）。
Ha-Hieu Pham 桥接线	528 共同作者→本条一作/通讯→530 主线——越南三连的人物线。
儿科 CAD	Pediatric Computer-Aided Diagnosis——本条的赛道定位（成人 CAD 成功后的未开垦地）。
类不平衡	Class imbalance——多标签医学数据的天然属性（罕见类样本少）；前身论文的核心挑战。
多热向量	Multi-hot encoding——image_labels CSV 的 0/1 标签编码形态。
rad_id	放射科医生编码列——6 个编码位的实际人数存疑（3 团队）。
lesions	病灶——局部层的标注对象（36 类）。
可解释 AI	Explainable AI——bounding box 标注的服务目标（页面 Background 明文）。
胸腺影	儿童胸片特征（成人无）——儿科解读独立性的一部分。
VinDr-CXR	成人版前作（18,000 例/2021 挂牌）——本条的人群对照与模板来源。
三院疑云	Background ‘three major hospitals’ 的未落实表述——单院 PTOPH 为准。
六员疑云	Data Description ‘6 radiologists’ 与 Methods ‘3’ 的矛盾——rad_id 编码空间推断。
评单疑云	Abstract 单数 vs Methods ‘3 人’——'每图单人’的协调解读。
开山之库	2022 时点儿科 CXR 公开库的数量级首例——页面瑕疵不掩盖开山本身。
品牌流量	VinDr 家族的 Views 集中效应——1493 vs 同批新成员 277。
企业雇员披露	COI 节实名两名 VinBigData 雇员——越南 AI 生态的透明样本。
家族 CSV 兼容	annotations schema 与成人版兼容——跨库迁移管线的格式基础。
页面考古四形态	批次八方法论：数字残留/节缺席/三事故/术语漂移（527/528/529/526 各扛一案）。
继续跑	本库长跑指令——本条目为批次八第 3 条（527/528/529 本会话三连发）。

（术语表合计 50 条）

附录 A：30 秒速查卡

你想知道	答案
这是什么	越南 VinBigData 的 9,125 例儿科胸片库（<10 岁 PA 视图，36 框+15 类双层标注）
采集自哪	PTOPH（富寿省妇产科儿童医院）单院——Background 的 ‘three hospitals’ 是残留
谁标注的	3 名越南卫生部认证放射科医生（VinDr-Lab 平台）；train 每图单评
访问	Restricted（注册+DUA，无 CITI）——标题 ‘open’ 是修辞不是档位
引用什么	PhysioNet DOI 10.13026/k8qc-na36 + arXiv 2203.10612（Sci Data 未落地）
Limitations 第三条	Copy-Paste 颠倒——正确读法’只含儿童不适合成人’
baseline 多少	扩容后无官方数字（前身 5,017 例/10 类 AUC 0.709 是旧数字）
36+15 清单在哪	页面/论文没有——下载 data dictionary 核对
哪个家族	VinDr 家族（CXR→PCXR→Mammo→SpineXR）——VinBigData 企业线
流量	Views 1493——品牌红利（528 的 5.4 倍）

附录 B：时间线全表

时间	事件	证据
2020	PTOPH 采集开始（2020-2021 窗口）	页面 Methods
2021-08-14	前身论文（Tran et al. ICCVW 2021，5,017 例/10 类）	Scholar
2021-06-22	成人版 VinDr-CXR 挂牌（家族起点）	PhysioNet 索引
2021-08	DICOM Imaging Router arXiv 2108.06490（过滤工具）	页面 ref 11
2022-03-04	medRxiv 预印本	medRxiv DOI
2022-03-20	arXiv 2203.10612 v1 提交	arXiv
2022-03-21	PhysioNet 挂牌 v1.0.0（arXiv 次日）	页面 Versions
2023-03-20	arXiv v3（Sci Data under review 挂中）	arXiv
2023-06-22	VinDr-Mammo Sci Data 正式发表（对照：家族里 Mammo 走通了）	Sci Data
2026-09-24	本条目核查时 Sci Data 版仍未落地（4 年）、Views 1493	页面快照

附录 C：文件资产全索引

资产	内容	获取
train 图像文件夹	7,728 张 DICOM（PA 视图，匿名 UID 命名）	PhysioNet Files（签 DUA）
test 图像文件夹	1,397 张 DICOM	同上
annotations_train.csv	病灶级框：image_id/rad_id/class_name/坐标	同上
image_labels_train.csv	图像级：image_id/rad_ID/labels（0/1 向量）	同上
annotations_test.csv + image_labels_test.csv	test 对应两件	同上
VinDr-Lab	标注平台源码	github.com/vinbigdata-medical/vindr-lab 公开
DICOM Imaging Router	过滤 CNN 工具	arXiv 2108.06490（代码随文）

缺失资产清单：36+15 标签名清单文档（data dictionary）、每标签例数分布、设备元数据、官方 train/test 生成脚本。

附录 D：51 标签体系的结构解读（基于体系描述的框架）

页面/论文未列全 36+15 清单，但体系结构可从描述框架推出（完整清单以 data dictionary 为准）：

D.1 局部层 36 findings（labels 1-36，bounding box）

功能分组（按儿科 CXR 解读惯例的结构推断）：肺野征象（渗出/实变/磨玻璃/间质改变类）+ 纵隔与心影（心界/纵隔位置类）+ 胸膜（积液/气胸类）+ 气道（肺不张/支气管气像类）+ 骨骼与软组织 + 设备与伪影。前身研究（10 类）的病理（肺炎/支气管炎/CVD 类）在扩容中被拆细为发现级（如’肺炎’拆为渗出/实变/空气支气管征的框级标注）。

D.2 全局层 15 diseases（labels 37-51，image-level）

疾病分组（页面 Background 点名的核心）：肺炎（Pneumonia）/支气管炎（Bronchitis）/心血管疾病（CVDs）三大儿科常见病为轴——15 类由常见儿科胸疾病构成（完整清单待 data dictionary）。

D.3 双层的任务映射

任务	用哪层	输入→输出
疾病分类	全局 15 类	图像 → 15 维 0/1 向量
病灶检测	局部 36 类	图像 → 框集合（class+坐标）
可解释定位	局部层	图像 → 高亮框（对应’AI 看到了什么’）
多标签联合	两层	图像 → 框集合+15 维向量（联合训练）

附录 E：与成人版 VinDr-CXR 的家族对照

维度	VinDr-CXR（成人版）	VinDr-PCXR（本条）
挂牌	2021-06-22	2022-03-21（晚 9 个月）
人群	成人	<10 岁儿童
规模	18,000 例	9,125 例
标签	22 findings+4 类	36 findings+15 diseases
标注	3 放射科医生（17 人年累计）+test 双评	train 单评（3 人轮换）+test 未披露
格式	DICOM	DICOM
arXiv	2012.15029（2020-12）	2203.10612（2022-03）
页面事故	无（模板原创者）	三大事故（模板复用者）
Views	高（家族流量王）	1493

家族读法：成人版是模板原创者（页面无事故），本条是模板复用者（三大事故）——家族化生产中，原创页与复制页的质量差是页面考古的普遍规律（复制即风险）。

附录 F：DAIMS 十维自评

维度	分	依据
可发现性	8	VinDr 品牌+vindr.ai 门户+PhysioNet 索引双入口
可获取性	6	Restricted DUA 门槛；儿科数据的合理档位
可读性（格式）	8	CSV schema 家族兼容+UID 编码规范+DICOM 保真
文档完备	7	页面完整+论文随行；36+15 清单缺失+三大事故拖分
标注质量	6	VinDr-Lab 平台+认证医生；train 单评+test 未披露+IAA 缺席
伦理合规	8	PTOPH IRB+豁免声明+双层脱标识+HIPAA 姿态；‘no ethics concerns’ 一句话略简
规模	8	9,125 例儿科领域最大（挂牌时点）
可复现	6	VinDr-Lab+Router 工具开源；扩容后无官方 baseline
社区治理	6	家族品牌维护强；页面事故 3.5 年未修+Sci Data 悬空拖分
AI-Ready 度	8	CSV 双层即用+框坐标规范+前 surrounded 论文方法可循
加权总分	7.3	规模+格式强、标注协议与文档质量中游——‘工业化家族线的标准件’

附录 G：与库内条目的系统对照

G.1 越南三连的组织形态光谱

维度	528 TN-Mammo	529 VinDr-PCXR（本条）	530 VinDr-SpineXR
组织	医院自主（Thong Nhat）	企业主线（VinBigData）	企业姊妹（VinBigData）
模态	乳腺钼靶	儿科胸片	脊柱 X 光
规模	676 例	9,125 例	~10,460 例（预告）
标注	双盲+共识（IAA 缺席）	train 单评（协议披露弱）	多医生+严重度
论文	无（第三方抢注）	arXiv（Sci Data 未中）	arXiv 已发
人物	Ha-Hieu Pham（#5 共同作者）	Ha-Hieu Pham（#1 一作通讯）	Ha-Hieu Pham（主线）
页面质量	Technical Validation 缺席	三大事故	待核

G.2 儿科 vs 成人 CXR（人群维度对照）

维度	本条（儿科）	617 MIMIC-CXR（成人）
人群	<10 岁	成人 ICU
解读难度	胸腺影/呼吸相位干扰	慢性病叠加
标签	36+15 双层	报告文本（自由文本）
规模	9,125	227,835 报告
模型迁移	成人→儿科域差大（本条立项理由）	—

G.3 病灶级标注家族

条目	病灶级形态	领域
561 RadGraph	实体 span（文本框）	报告结构化
519 MS-CXR-T	扰动区域+转移分数	可解释对齐
529 VinDr-PCXR（本条）	bounding box（图像框）	儿科检测
530 VinDr-SpineXR	病灶框+严重度	脊柱

附录 H：引用模板

H.1 数据集（APA）

Pham, H. H., Tran, T. T., & Nguyen, H. Q. (2022). VinDr-PCXR: An open, large-scale pediatric chest X-ray dataset for interpretation of common thoracic diseases (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/k8qc-na36

H.2 论文（arXiv，因 Sci Data 未落地）

Nguyen, N. H., Pham, H. H., Tran, T. T., Nguyen, T. N. M., & Nguyen, H. Q. (2023). VinDr-PCXR: An open, large-scale chest radiograph dataset for interpretation of common thoracic diseases in children. arXiv preprint arXiv:2203.10612.

H.3 前身方法论文（类不平衡配方）

Tran, T. T., Pham, H. H., Nguyen, T. V., Le, T. T., Nguyen, H. T., & Nguyen, H. Q. (2021). Learning to automatically diagnose multiple diseases in pediatric chest radiographs using deep convolutional neural networks. Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops, 3314-3323.

三连引用建议：数据集+论文+前身方法（复现类不平衡处理时必须引第三件）。

附录 I：分层读法指南（按身份选路径）

检测/分类工程师：§4 双层体系 → 附录 C 文件索引 → annotations CSV 入手 → 注意 train 单评的噪声地板
儿科影像研究者：§1.1 赛道空白 → §6.1 儿科独立性 → 成人库迁移实验（域差是卖点不是缺陷）
页面考古爱好者：§3 三大事故 → 附录 J 事故考证 → §9 光谱对照——批次八页面考古的最富矿条目
企业数据集研究者：§2 COI → §1.3 家族扩张 → 附录 E 家族对照—— VinBigData 模式的完整样本
skeptical reviewer：§8 单评代价 → §3.2 人数疑云 → §12 缺口存照——所有弱点已存照

附录 J：三大事故的考证细节（页面考古工作档案）

J.1 事故一的证据链

Abstract 单院（‘a major pediatric hospital’）
Background 三院（‘three major hospitals’）——唯一的三院表述
Methods 实名单院（PTOPH+IRB+致谢全单院）
论文作者单位（Phu Tho 省卫生局+省综合医院）——三院说的可能来源（省卫生协作网）
裁决：采集主体 PTOPH；'three’未落实——引用以 Methods 为准

J.2 事故二的证据链

Abstract 单数（‘an experienced radiologist’）
arXiv 单评+资历（‘>10 years of experience’ 的儿科放射）
Methods 3 人团队（‘a team of 3 experienced radiologists’）
Methods 单评确认（‘assigned to one radiologist’——训练集粒度）
Data Description 6 员（‘identities of the 6 radiologists are encoded by rad_id’）
裁决：3 人团队轮换+train 单评是硬事实（Methods 自洽）；6 是 rad_id 编码空间；Abstract 单数是粒度误写

J.3 事故三的证据链

Limitations 第三条原文（‘only CXR scans of adult patients … not suitable for … pediatric’）
数据本体：9,125 例 <10 岁儿童（Abstract/Data Description/采集协议三处确认）
模板来源：成人版 VinDr-CXR 的同名 Limitations 段（文本遗传自认：arXiv admin note）
裁决：主宾颠倒的 Copy-Paste——正确读法’只含儿童不适合成人’；引用 Limitations 时人工纠正

J.4 为什么单版本事故存续 3.5 年

PhysioNet 的版本机制靠作者主动提交（对照 527 v1.0.1 的官方修正）——本条团队未提交修正版。可能原因：①页面流量虽然高（1493）但事故未造成实际损害（使用者以 CSV 为准）；②团队重心已转移到 Mammo/SpineXR 等新家族库；③Sci Data 投稿悬空分散了维护精力。单版本数据集的页面错误没有自动修复机制——这是本条目对库内治理方法论的最大提醒。

附录 K：类不平衡问题的配方库（复现者工具箱）

儿科 CXR 的类不平衡（常见病 vs 罕见发现）是本条的核心方法学挑战——配方演进：

配方	来源	思路
Distribution-Balanced loss	前身 ICCVW 2021	改造 BCE：下权多数类+硬样本上权
Focal loss	RetinaNet（通用）	(1-p)^γ 调制——易样本降权
加权采样	通用	稀有类过采样（epoch 内频率均衡）
Label smoothing	通用	软标签——与单评噪声鲁棒兼容（对照 528 附录 R）
两阶段（预训练+微调）	迁移常规	成人库预训练→本条微调（域差注意）

复现建议：前身 DB-loss 是官方配方（可直接引用对比）；现代组合（focal+smoothing）作为对照臂——单评噪声（§8.1）与类不平衡（本附录）的双重挑战下，软标签类方法预期额外受益。

附录 L：低资源地区 AI 的数据集建设模板（本条的元贡献）

本条目+VinDr-Lab+DICOM Router 构成的完整工具链，为资源受限地区的数据集建设提供了模板（页面未明说但资产自证）：

采集：单院 PACS 回顾性（低成本）+IRB 豁免路径（回顾性不影响临床）
过滤：自训 CNN 自动化（DICOM Router）+人工复核兜底——10,000→9,125 的质量控制
脱标识：两阶段（脚本+手工）+UID 重编码——HIPAA 级姿态
标注：自建平台（VinDr-Lab）+认证医生远程轮换——无商业标注商依赖
发布：PhysioNet 国际通道+arXiv 学术通道双轨

对照：MIMIC 模式（基金会+MIT 实验室+20 年积累）、528 瑞士模式（应用科大+企业+医院三脚架）——越南模式=企业资本+自研工具链+地方医院网络的轻资产快跑。三种主权路径在库内集齐（527 的瑞士补遗+本条与 528/530 的越南模式+MIMIC 的美国模式）。

附录 M：信息缺口存照（诚实清单）

36+15 完整清单（页面/论文均未列全）
test 标注协议（单评/双评）
3 vs 6 标注员的 rad_id 对应
采集来源最终事实（单院 vs 三院）
扩容后（36+15）官方 baseline 成绩
Sci Data 投稿的最终结果（拒/撤/悬）
年龄分布（<10 岁内的细分）
每标签例数分布（类不平衡程度的量化）
A-D 型人群统计（无人口学分层）
前身 5,017 与本条 9,125 的样本重叠关系（扩容含旧样本？未说明）

附录 N：使用前检查清单（10 项）

☐ 确认任务匹配：15 类分类/36 类检测/可解释定位（✓）；罕见病/成人/多模态（✗）
☐ 引用双件：PhysioNet（k8qc-na36）+arXiv 2203.10612
☐ 采集来源写 PTOPH（勿写 three hospitals）
☐ 标注写’train 单评+3 人轮换’（勿写多评共识）
☐ Limitations 第三条反向读（只含儿童）——照抄即传播事故
☐ baseline 自己跑（前身 AUC 0.709 是旧数字）
☐ 36+15 清单从 CSV 枚举（页面没有）
☐ 按例划分防泄漏（train/test 官方划分已给，自划分时按 study）
☐ 类不平衡配方（DB-loss 官方+focal 现代对照）
☐ 勿与 VinDr-CXR 成人版混淆（PCXR=Pediatric）

附录 O：快问快答（一页纸）

问	答
几例？	9,125（train 7,728/test 1,397）
什么人群？	<10 岁儿童（PA 视图）——本库儿科首例
标签？	36 findings（框）+15 diseases（图像级）双层
谁标的？	3 名认证放射科医生（VinDr-Lab）；train 每图单评
哪家医院？	PTOPH（富寿省妇产科儿童医院）单院
访问？	Restricted（注册+DUA）——标题 ‘open’ 是修辞
论文？	arXiv 2203.10612（Sci Data 投稿 4 年未落地）
baseline？	扩容后无官方数字（前身 10 类 AUC 0.709 是旧的）
三大事故？	单院vs三院/单评vs3评vs6员/成人儿童文案颠倒
修了吗？	没有——单版本 3.5 年事故存续
COI？	VinBigData 支持+2 雇员实名披露
前身？	ICCVW 2021（5,017 例/10 类/DB-loss）
与 528 关系？	越南三连（企业主线 vs 医院自主）
一句话	VinDr 系的儿科开山之作——数据开卷与页面事故一样抢眼

附录 P：批次八账本（截至本条）

位置	条目	状态	生产会话
526	ReXErr-v1	并行会话在产	并行
527	Swiss-Mammo	✅ rid 627（双发处置 DELETE 626）	本会话
528	TN-Mammo	✅ rid 628（查重守卫升级版首发）	本会话
529	VinDr-PCXR（本条）	本会话在产	本会话
530	VinDr-SpineXR	待产（越南三连收官）	—
531-535	Grand Challenge 五连	待产	—

本条目的三条批次级贡献：

页面考古主题收官：527 数字残留/528 节缺席/529 三大事故/526 术语漂移——四形态集齐，批次八的’页面质量光谱’研究完整
越南三连过半：528（医院自主）+529（企业主线）+530（待产）——组织形态光谱铺满两格
人群维度扩展：本库首个儿科条目——成人 CXR 家族（617/519/521/522/524/525/526）之外的 <10 岁新维度

下一发预排：530 VinDr-SpineXR（越南三连收官，arXiv 已发的标准强库）——继续跑，不停。

附录 Q：儿科 CXR 解读独立性的解剖学基础（复现者的领域速成）

成人模型迁移儿科失败的解剖学根源（页面未展开的领域知识，复现者速成班）：

差异维度	成人 CXR	儿科 CXR
胸腺影	退化不可见	帆样征（sail sign）正常结构——勿误判纵隔增宽
心胸比	成人标准（>0.5 异常）	儿童心胸比天然偏大（分年龄）
呼吸相位	可配合屏气	哭闹/呼吸相位不可控——血管纹理忽粗忽细
体位遮挡	标准站位	性腺保护/抱姿遮挡——肩胛/手臂影常见
病理谱	慢阻肺/肿瘤/间质病	肺炎/支气管炎/毛细支气管炎为主
骨骼	成熟	生长板未闭合——胸壁影不同

结论：成人预训练骨干的底层特征（边缘/纹理）可迁移，但全局判读层不可直接迁移——微调是必须而非可选。本条的 9,125 例就是为这个微调准备的。

附录 R：越南三连的页面质量光谱（批次八页面考古终章）

维度	528 TN-Mammo	529 VinDr-PCXR（本条）	530 SpineXR（预告）
事故形态	Technical Validation 节缺席	三大事故（来源/人数/人群）	待核
根源	写作未完成（承诺未兑现）	模板 Copy-Paste+未同步	—
官方修正	无（单版本）	无（单版本 3.5 年）	—
影响	baseline 数字缺口	采集/标注/人群三处误引风险	—
库内处置	缺口存照	事故存照+人工修正指引	—

与 527（v1.0.1 官方修正）、526（论文页面并存两写法）合并——批次八的页面质量五案例完整。规律总结：①单版本页面无自动修复机制；②家族化复制的页面风险高于单库精雕；③arXiv admin note 与版本 diff 是页面考古的两个最强探针。方法论沉淀：数据集核查的页面考古步骤清单——版本探测→跨节交叉验证（Abstract vs Methods vs Data Description）→与论文 diff→与官方修正日志 diff。

附录 S：复现实验设计提案（三个研究设计）

S.1 迁移基线（入门）

设计：ImageNet → NIH ChestX-ray14 → CheXpert/MIMIC-CXR → VinDr-PCXR 的逐级微调链
指标：15 类分类 AUC（逐级对比）
预期：每级迁移都有增益（放射影像域逐步接近）——量化"成人→儿科"域差的分解

S.2 检测-分类联合（进阶）

设计：多任务头（共享 ResNet 骨干+36 类框回归头+15 类分类头）vs 分离管线
消融：框监督对分类的反哺（定位监督改善分类的可解释性与精度？）
对照：DB-loss vs focal loss 的类不平衡处理

S.3 标注噪声敏感性（方法论级）

设计：train 标签加噪声模拟（随机翻转 5%/10%/15% 模拟单评分歧）——性能衰减曲线
意义：量化"单评噪声地板"的实际高度——为 528/529 类单评/少评库的使用者提供噪声-性能换算表
依赖：需要自建小型双评子集（抽 200 例请放射科医生复判——伦理与成本可行）

附录 T：三连引用义务的完整清单

引用件	DOI/标识	用途
PhysioNet 数据集	10.13026/k8qc-na36（v1.0.0）	数据本体（必须）
arXiv 论文	2203.10612（v3）	方法与描述（必须）
前身方法论文	ICCVW 2021（Tran et al.）	DB-loss 与类不平衡配方（复现方法时）
成人版前作	arXiv 2012.15029 / PhysioNet VinDr-CXR	家族方法学参照（对比实验时）
VinDr-Lab	GitHub	标注平台（二次标注时）
PhysioNet 平台	10.1038/s44360-026-00096-z	平台引用（可选，页面默认要求）

对照 527 的三连（数据+论文+母集）与 528 的双连（数据+论文）——本条的双层标注+前身扩容的结构使引用义务天然更多（前身论文的方法依赖）。

附录 U：事实清单补遗（核查补充批，9 条）

页面 Abstract 的"in this paper"措辞残留——页面是从论文改写的痕迹（PhysioNet 页面通常去 paper 化，本条保留论文腔——页面考古的软证据）。
Background 的 GBD 2015 下呼吸道感染引用（Lancet Infect Dis 2017）+WHO 肺炎报告（2006）——儿科流行病学的两块基石文献。
ref 4-8 的成人库列表（ChestX-ray14/PadChest/CheXpert/MIMIC-CXR/VinDr-CXR）——本条目立项时的成人库全景（本库均有收录或家族对应）。
DICOM (0008,0018) SOP Instance UID 的重编码——image_id 的生成规则（匿名化+可追溯的折中）。
methods 的"these two hospitals"措辞残留（‘did not impact clinical care or workflow at these two hospitals’）——又一处多院模板残留（"two hospitals"与单院 PTOPH 矛盾——页面事故的第四处证据！）。
页面 COI 的"did not profit"声明的企业策略含义：数据集免费发布 vs VinBigData 的 AI 服务商业模式的分界声明。
儿科 PA 视图 only 的取舍：侧位（lateral）被过滤——单视图库的定位（对照成人库的 PA+Lateral 双位）——儿科侧位的解读价值与采集成本权衡存照。
本条目核查快照：/tmp/529_page.txt（19,901 字符）+arXiv/medRxiv 索引快照——留存供复查。
“alight-weight convolutional neural network”（页面 Methods 原文）——"a light-weight"的拼写粘连事故（第五处页面小事故——排版级）。

附录 V：51 标签的检测-分类任务映射详表（架构设计参考）

训练范式	输入	监督信号	输出	适用模型
纯分类	整图	image_labels 的 15 维	15 维 sigmoid	ResNet/EfficientNet+FC
纯检测	整图	annotations 的框集合	框+类别+置信度	YOLO/Faster R-CNN/DETR
多任务联合	整图	15 维+框集合	15 维+框集合	共享骨干双头
弱监督定位	整图	15 维（CAM/Grad-CAM）	类激活热图	分类网+CAM
半监督	整图（含未标注）	混合	—	FixMatch/伪标签

设计要点：①36 个发现类的框样本极不均衡（常见发现多、罕见发现少）——检测头的类均衡采样；②15 类分类的正例率差异大（肺炎常见、气胸相对少）——分类头的 focal/DB-loss；③联合训练的框-分类一致性约束（有框的类别其图像级标签必为 1——逻辑约束可作一致性正则）。

附录 W：单评噪声的三级补偿方案（对照 528 附录 R 的姊妹论证）

级别	方案	成本	预期收益
零级：知情的保守	报告成绩时注明单评噪声地板	零	结论的可信度声明
一级：训练端补偿	label smoothing / MixUp / DB-loss	低（超参级）	噪声鲁棒 +1-3 个点（文献常见区间）
二级：数据端补偿	cleanlab 类置信学习清洗+人工复核可疑子集	中（标注成本）	标签质量实质提升
三级：协议端补偿	抽样子集双评（如 test 集双评）重建 IAA	高（标注成本）	量化噪声+可报告的一致性

本条的官方投入停在零级（页面无补偿声明）——复现者的升级空间（一级到三级）就是论文空间。对照 528 的"双盲+共识协议但无 IAA"：两库的噪声问题方向相反（本条协议弱数字无、528 协议强数字无）——但复现者的补偿工具箱通用。

附录 X：PhysioNet 页面的事故分类学（本库治理方法论沉淀）

批次八五案例的页面事故分类学（本条目收官时的方法论沉淀）：

事故类型	案例	检测方法	修复机制	严重度
数字残留	527 摘要 three（21 份时代）	摘要 vs Methods 交叉	版本更新（官方做了✓）	低（有修正）
节缺席	528 Technical Validation	承诺文本 vs 正文比对	无（等待新版）	中（信息缺口）
事实矛盾	529 单院vs三院/单评vs3评vs6员	跨节交叉+与论文 diff	无（3.5 年存续）	高（事实误引风险）
文案颠倒	529 成人儿童 Limitations	与领域常识比对+模板溯源	无	高（误导性强）
术语漂移	526 Opposite/Contradictions	论文 vs 页面 vs CSV 枚举	部分（并存）	低（检索层面）

分类学的操作价值：拿到任何新数据集页面，五类检查依次过——①摘要数字 vs 正文数字 ②承诺的节 vs 实际章节 ③跨节事实交叉（来源/人数/人群）④Limitations 与数据本体的一致性 ⑤论文与页面的术语对齐。五步走完，页面事故无所遁形（本库 526-529 四条目的核查实践验证）。

附录 Y：VinDr 家族全景（截至 2026-09 的库内库外布局）

家族成员	领域	规模	挂牌	本库收录
VinDr-CXR	成人胸片	18,000 例	2021-06	✅（家族条目）
VinDr-PCXR（本条）	儿科胸片	9,125 例	2022-03	✅ rid 629（本条）
VinDr-Mammo	乳腺钼靶	20,000 例	2022-03	待收（Sci Data 2023 已发）
VinDr-SpineXR	脊柱 X 光	~10,460 例	2022	✅ 530（下一发）
VinDr-Endo/CXR-Align 等	内窥镜/对齐基准	—	2025+	观察池

家族布局的战略读法：VinBigData 用四年时间（2020-2024）在放射影像的四个解剖域（胸/乳腺/脊柱）+两个人群（成人/儿童）铺设数据集矩阵——每个域一个家族库+一套标注协议+一篇论文（或尝试）。数据集矩阵是 AI 服务商的能力货架：客户要什么域，货架上有什么。本库收录 VinDr 家族的战略价值：货架化的对手方视角（研究者的数据集选择）+企业数据集运营的活样本。

附录 Z：批次八中期账本与下一步（截至本条）

位置	条目	rid	状态	备注
526	ReXErr-v1	—	并行会话在产（full 1,148 行加厚中→后查）	本会话让出+FACTS 让渡
527	Swiss-Mammo	627	✅ 上线+封面	双发处置（DELETE 626 留 627）
528	TN-Mammo	628	✅ 上线+封面	查重守卫升级版首发
529	VinDr-PCXR（本条）	629（发布时回填）	本会话在产	页面考古最富矿
530	VinDr-SpineXR	—	待产（越南三连收官）	arXiv 已发强库
531-535	GC 五连	—	待产	挑战赛域新开

批次八 3/10 完成（527/528/529 本会话三连发）+526 并行在产——本会话单批次三连发的节奏（对照批次七的单会话五连）。三连发的方法论沉淀：查重守卫（DUP+if）、五轮行数逼近的加厚节奏、FACTS 先行+四块组装+程序化 FAQ 的标准流。下一发 530 后，批次八过半（530 完成时 5/10），Grand Challenge 五连（531-535）是新域开篇——挑战赛数据集的页面结构（Grand Challenge 平台）与 PhysioNet 完全不同，届时需要新的核查模板（预告）。

附录 AA：本条与 526 的"页面考古"资产交接记录（协作存照）

526 ReXErr（并行会话在产）与本条（本会话）共享批次八的页面考古主题。资产记录：

526 的页面考古（本会话早期完成，随 FACTS 让渡）：PhysioNet 页面与论文的类目名漂移（Opposite Sentence vs Contradictions）——论文/页面/代码三源并存
529 的页面考古（本条）：三大事故——单院vs三院/单评vs3评vs6员/成人儿童颠倒
527/528 的两案：数字残留（官方修正✓）/节缺席（未修）
五案例的共同方法论：页面考古五步法（附录 X 分类学的操作序列）

本会话在 526 让出时的 FACTS（writing/rexerr/）已含 526 的考古证据——526 上线后若其正文未覆盖版本漂移叙事，可由后续维护者从 FACTS 补录。协作模式的存照价值：并行会话间的知识让渡通过 FACTS 文件实现零损耗（对照 521 双发的数据冲突——知识协作优于数据竞争）。

附录 AB：ir_id 与 test 协议的推断实验设计（给较真的复现者）

Data Description 的 “6 radiologists” 与 Methods 的 “3 radiologists” 的矛盾，可用数据文件本身实验裁决（下载后）：

import pandas as pd
ann = pd.read_csv('annotations_train.csv')
ilt = pd.read_csv('image_labels_train.csv')
print(ann['rad_id'].nunique())      # 训练集框标注的独立 rad_id 数
print(ilt['rad_ID'].nunique())      # 训练集图像级标注的独立 rad_id 数
# 预期：若 nunique=3 → 3 人团队实锤，6 是含 test/复核的编码空间
# 预期：若 nunique=6 → 6 人实锤，Methods 的 3 是笔误

进一步：rad_id 与 class_name 的交叉表可以还原每人的标注分工（谁标了哪些图）——单评的轮换痕迹（每图恰一个 rad_id）与轮换周期（rad_id 切换频率）都可从数据考古。页面矛盾的最终裁决权在数据文件——这是"数据本体优先"原则的实操示范（对照 527 的 v1.0.1 修正与 528 的 Age 列裁决——三案例同一原则）。

附录 AC：与本库 GPT-4o/LLM 合规光谱的对照（家族叙事的补遗）

条目	LLM 角色	合规配置	访问档
526 ReXErr	GPT-4o 注错+Llama 3.1 标注	安全环境轻声明	Open ODbL
527 Swiss-Mammo	零（嵌入验证用 gte-Qwen2）	Restricted（保守）	Restricted
529 VinDr-PCXR（本条）	零（CNN 过滤器为深度学习但非 LLM）	HIPAA+IRB 标准配置	Restricted
524 RadVLM	GPT-4o 清洗+对话生成	Azure 特殊实例三连选退	Credentialed

本条在 LLM 合规光谱的位置：无 LLM 参与——过滤 CNN 是 2021 年的监督分类器（非生成式）。对照 526/524 的 GPT-4o 用法："是否用 LLM"成为 2024 后医学数据集的分类轴（LLM 派的合规配置复杂度 vs 无 LLM 派的传统 IRB 路径）——本条代表传统路径的完整闭环（IRB+脱标识+发布），是 LLM 时代之前的标准答案存档。

附录 AD：本条目核查快照与复验指引

资产	路径/标识	状态
PhysioNet 页面快照	/tmp/529_page.txt（19,901 字符）	已留存
页面事故清单	本条目 §3 三大事故+§9 光谱表	已存照
arXiv 论文	2203.10612（v3 2023-03-20）	在线可查
medRxiv 预印本	2022.03.04.22271937	在线可查
GitHub VinDr-Lab	vinbigdata-medical/vindr-lab	在线开源
FACTS 档案	writing/vindr-pcxr/FACTS.md（10 节）	本会话产出
成品稿	.build529/529_full.md（1206 行）	双检 PASS

复验清单（后续维护者用）：

三大事故是否被官方修复（重抓页面 diff §3 三处表述）
Sci Data 是否最终落地（arXiv 页面的 journal-ref 字段+VinUni 官网状态）
36+15 清单是否被官方文档补齐（新版本 data dictionary）
rad_id 实验是否有人做过（Google Scholar 搜 vindr-pcxr rad_id analysis）
本库 rid 回填确认（发布后附录 Z 的 rid 行）

（附录 AD 完——条目全文完。继续跑，不停。）

附：发布前最后一次数字自洽核对

数字组	校验	结果
9,125 = 7,728 + 1,397	train+test=总数	✓ 精确自洽
36 + 15 = 51	findings+diseases=labels	✓（1-36 局部+37-51 全局连续编号）
3 人团队 vs 6 rad_id	矛盾存照	⚠️ 事故二（§3.2）
单院 vs 三院	矛盾存照	⚠️ 事故一（§3.1）
儿童库 vs ‘adult patients’ 文案	矛盾存照	⚠️ 事故三（§3.3）
AUC 0.709	前身数字	⚠️ 勿当本库 baseline

（核对完成——全条目终稿。本次核查：页面三大事故+ Sci Data 悬空+前身数字隔离，均已成照。 onwards.）