弥合信任差距：临床决策支持系统中负责任AI的综合数据集-91029

数据集获取

源站：https://doi.org/10.17632/9yd3ynn6wm

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 115.3 MB。

数据说明

本数据集是为文章《临床决策支持系统中的负责任人工智能：一项使用主题建模与定性综合的大规模混合综述》而创建并分析的。它包含了一个结构化集合，从PubMed和Scopus（2019-2025年）检索到的关于临床决策支持系统中的人工智能（AI-CDSS）的15,438篇独特摘要。数据经过去重、清洗和预处理（分词和停用词去除）后，使用BERTopic建模流程（MiniLM嵌入、UMAP降维、HDBSCAN聚类以及c-TF-IDF/KeyBERT关键词提取）进行分析。定量阶段产生了37个主题聚类，描绘了AI-CDSS研究领域的概貌。从中选取了两个高相关性聚类（分别聚焦于CDSS中的信任、可解释性和可用性，以及肿瘤学/影像学中的人工智能整合）进行定性综合。一个由24篇有影响力的文章（在Scopus和Web of Science中双索引，被引次数≥10，全文可获取）组成的目的性样本，按照11个预定义维度（例如，领域、临床任务、整合、信任、可解释性、伦理）进行了编码。

该数据集为大规模混合系统综述提供了透明、可复现的基础，既支持计算主题建模，也支持专家驱动的定性评估。它旨在用于审计医疗保健中负责任人工智能的采用情况，特别是在信任、可解释性和伦理合规方面。

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。