RadThinking
RadThinking是一个用于癌症筛查纵向临床推理的放射学VQA数据集，包含2万+CT扫描，三层推理问题，支持AI多步骤推理训练。
基本信息
资源简介
RadThinking
【数据集背景】
本数据集源站标题为《wenxuanchelsea/RadThinking》。源站首次发布：2026-05-07。
【数据内容】
源站原始描述：# 🩻 RadThinking **RadThinking** is a dataset designed to advance **longitudinal clinical reasoning in radiology**. By organizing evidence-grounded question–answer pairs across multiple levels of reasoning, RadThinking enables vision-language models to learn how radiologists progress from image observations to clinical conclusions. ## 🚀 Getting Started We invite you to explore the demo example and experience how RadThinking supports evidence-grounded radiology reasoning across longitudinal imagin…
文件 patient000001/reasoning_trace.json 为 JSON 结构（顶层键：date_range、longitudinal_vqa、patient_id、scans、total_scans）。
【数据结构与技术规格】
文件数 337 个，合计 3.42 GB。
【主题与分类】
主题标签：language:en、license:cc-by-nc-sa-4.0、arxiv:2605.10761、region:us。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://huggingface.co/datasets/wenxuanchelsea/RadThinking
使用许可：cc-by-nc-sa-4.0。
【使用注意】
· 源站最后修改于 2026-06-02，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("wenxuanchelsea/RadThinking")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/wenxuanchelsea/RadThinking
数据说明
RadThinking是一个用于纵向临床推理的放射学视觉问答数据集，包含20,362个CT扫描，覆盖9,131名患者，涉及43个癌症组和2,077个经随访验证的健康对照。数据由放射科医生进行多阶段肿瘤掩码标注，并与去标识化放射学报告、临床变量及病理学标签配对。数据集通过基础感知、单步推理和组合推理三层问题设计，支持AI系统在癌症筛查中进行多步骤临床推理，应用于医学视觉语言模型训练和强化学习验证。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
