CXRGraph：利用信息抽取规范化面向自动放射学报告生成的训练数据
CXRGraph 是一个结构化放射学报告数据集，基于 RadGraph 构建，专为自动放射学报告生成任务量身定制。它能够识别更多与任务相关的信息，例如异常发现和幻觉性既往参考
基本信息
资源简介
CXRGraph：利用信息抽取规范化面向自动放射学报告生成的训练数据
CXRGraph 是一个结构化放射学报告数据集，基于 RadGraph 构建，专为自动放射学报告生成任务量身定制。它能够识别更多与任务相关的信息，例如异常发现和幻觉性既往参考
cxrgraph
【数据集背景】
本数据集源站标题为《CXRGraph: Using Information Extraction to Normalize the Training Data for Automatic Radiology Report Generation》。
【数据内容】
源站描述（机器翻译，仅供参考）：CXRGraph 是一个结构化放射学报告数据集，基于 RadGraph 构建，专为自动放射学报告生成任务量身定制。它能够识别更多与任务相关的信息，例如异常发现和幻觉性既往参考。
【主题与分类】
主题标签：胸部X线、结构化报告、呼吸系统、放射学、报告生成、异常识别、幻觉检测、医学影像。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://physionet.org/content/cxrgraph/
使用许可：PhysioNet Restricted Health Data License 1.5.0。
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。
需登录公开下载
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。
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（PhysioNet）
- 源站标题：CXRGraph: Using Information Extraction to Normalize the Training Data for Automatic Radiology Report Generation
- 版本：1.0.0
- DOI：10.13026/p7kf-t860
- 源站页面：https://physionet.org/content/cxrgraph/1.0.0
PhysioNet 数据需注册账号（机构邮箱）并签署数据使用协议后下载：
- 在 https://physionet.org/content/cxrgraph/1.0.0 页面登录并接受许可条款；
- 命令行整目录下载：
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/cxrgraph/1.0.0/
- 或用官方工具（推荐，支持断点续传与校验）：
pip install physionet-download
physionet-download cxrgraph
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。
数据说明
CXRGraph 是一个遵循 RadGraph 格式的结构化放射学报告数据集，专为自动放射学报告生成（ARRG）任务而设计。与 RadGraph 类似，CXRGraph 将全文放射学报告中的临床信息归类为五种实体类型和四种关系类型。CXRGraph 引入了三种实体属性，这些属性可选择性地与实体关联，以提供附加信息（例如异常），并处理 ARRG 任务中的幻觉性既往引用。我们人工标注了最初按 RadGraph 格式整理的报告，包括 550 份用于模型训练和评估的 MIMIC-CXR 报告，以及 50 份用于评估模型泛化能力的 CheXpert 报告。利用真值数据，我们开发了一个联合实体与关系模型，在 MIMIC-CXR 和 CheXpert 测试集上，命名实体识别的 micro-F1 分别达到 96.6% 和 96.1%，实体属性识别分别达到 94.0% 和 89.8%，关系抽取分别达到 89.5% 和 86.6%。使用训练好的模型，我们自动标注了 227,835 份 MIMIC-CXR 报告。真值数据和推理数据均可在 CXRGraph 中获取。鉴于 MIMIC-CXR 和 RadGraph 已经过去标识化处理，其中不包含任何受保护健康信息（PHI）。
引用
学术使用请引用：Liao et al. (2025). CXRGraph: Using Information Extraction to Normalize the Training Data for Automatic Radiology Report Generation. PhysioNet. doi:10.13026/p7kf-t860 DOI 10.13026/p7kf-t860。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
