LATTE-CXR：胸部X射线局部对齐文本与图像可解释数据集
本数据集为呼吸道疾病领域的医学影像公开数据集，来源：physionet。
基本信息
资源简介
LATTE-CXR：胸部X射线局部对齐文本与图像可解释数据集
LATTE-CXR（Locally Aligned TexT and imagE, Explainable dataset for Chest X-Rays）是一个面向胸部X射线影像的公开数据集，其核心特征是提供边界框与陈述（bounding box-statement pairs）的配对标注。这些配对信息并非单纯来自人工勾画，而是结合了放射科医生的眼动追踪数据与标注结果，旨在服务于局部视觉-语言模型的研究，并提升模型输出的可解释性。数据集在站内归入呼吸系统疾病／其他类别，来源为 physionet.org，使用需遵循 PhysioNet Restricted Health Data License 1.5.0 的约束。总体而言，该数据集将影像中的局部区域与文本陈述显式对齐，为胸部X射线的视觉-语言联合建模提供了一种强调“局部对应”与“可解释”的数据基础。
【数据集背景】
胸部X射线是临床中最常见的影像检查之一，围绕其开展的视觉-语言模型研究近年来受到较多关注。此类模型通常需要将图像内容与放射科报告中的文字描述建立联系，但许多数据仅提供整幅图像与整段报告的粗粒度配对，难以说明模型究竟依据图像中的哪个区域生成了哪一句描述。LATTE-CXR 的提出正是针对这一环节：它以边界框-陈述对的形式，把文本陈述锚定到图像中的具体局部区域，并借助放射科医生的眼动追踪数据为这种局部对齐提供可解释性依据。数据集面向局部视觉-语言模型，强调模型在局部层面上的图文对应关系。
【数据内容】
该数据集包含胸部X射线图像，以及与之配套的边界框-陈述对。每一对由图像中的一个边界框和一条相应的陈述构成，用于表达该局部区域所对应的文字描述。这些配对源自放射科医生的眼动追踪数据和标注，因而在文本与图像局部区域之间建立了显式的对应关系。数据集的英文名称中“Locally Aligned TexT and imagE”即指向这种局部对齐的设计，而“Explainable”则表明可解释性是数据构建的重要目标。除上述内容外，源站未提供关于图像数量、陈述条数、边界框数量、受试者规模等具体统计信息。
【采集与来源】
数据来源于 physionet.org。其边界框-陈述对由放射科医生的眼动追踪数据（用于可解释性）与标注共同派生而来。眼动追踪记录了放射科医生阅片时的注视行为，这些行为信息被用于支撑图像局部区域与文本陈述之间的对齐，使标注不仅反映“写了什么”，也在一定程度上反映“看哪里”。源站未提供采集机构、采集时间、设备型号、放射科医生人数等进一步细节。
【适用场景】
依据其设计目标，该数据集适用于局部视觉-语言模型的训练与评估，尤其是需要将文本陈述定位到图像局部区域的任务，例如局部图文对齐、基于区域的报告生成或描述、以及模型可解释性分析。由于标注包含边界框与陈述的配对，它也可用于考察模型输出能否对应到放射科医生关注的区域。主题标签包括胸部X射线、边界框-陈述对、眼动追踪、可解释性、视觉-语言模型和放射科医生标注，这些标签概括了其主要应用方向。源站未提供具体的基准任务列表或评价指标。
【使用方法】
该数据集通过 physionet.org 提供，使用受 PhysioNet Restricted Health Data License 1.5.0 约束，属于受限健康数据许可，通常意味着需要按相应流程申请并遵守使用条款。源站未提供文件格式、目录结构、字段定义、加载示例或配套代码等具体使用说明。
【质量与限制】
数据集的标注建立在放射科医生的眼动追踪数据与标注之上，这为其局部对齐与可解释性提供了来源上的支撑。但需注意，眼动追踪反映的是阅片过程中的注视行为，其与边界框标注之间的具体转换方式、标注一致性、覆盖范围等，源站未提供。此外，源站未提供数据规模、人群构成、设备与采集条件等信息，因而难以据此评估其在不同机构、不同设备条件下的泛化表现。使用时应结合受限许可的要求，关注隐私与合规方面的约束。
【引用与许可】
该数据集使用 PhysioNet Restricted Health Data License 1.5.0。源站未提供具体的引用格式、作者列表、版本号或发表文献信息。使用者在获取与使用数据时，应遵循该许可的条款，并在需要引用时以源站提供的正式信息为准。
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。
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：LATTE-CXR: Locally Aligned TexT and imagE, Explainable dataset for Chest X-Rays
- 版本：1.0.0
- DOI：10.13026/0pw2-je90
- 源站页面：https://physionet.org/content/latte-cxr/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/latte-cxr/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/latte-cxr/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 latte-cxr
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
由于专家标注者成本高昂、准确标注所需的精确性以及医学诊断固有的挑战，医学数据的局部标注既昂贵又耗时。为了解决这些问题，我们开发了 LATTE-CXR，这是一个具有局部对齐图像-文本对的胸部 X 射线数据集，源自 REFLACX 数据集。LATTE-CXR 支持需要局部图像-文本标注的任务，例如短语定位、字幕引导的目标检测以及带区域级描述的图像字幕生成。通过从放射学报告中提取与 REFLACX 标注异常相对应的陈述，该数据集包括来自 REFLACX 数据集中 1668 份 MIMIC-CXR 图像解读的 3926 个边界框-陈述对（含重复陈述）。此外，我们利用来自 REFLACX 的带时间戳眼动追踪数据和转录报告，从 2,742 份胸部 X 射线解读中自动生成了 13751 个边界框-句子对。如果眼动追踪边界框与相应的标注边界框共享同一句子，则它们会被链接起来，从而为评估模型可解释性提供了一个全面的框架。
引用
学术使用请引用：PhysioNet. LATTE-CXR: Locally Aligned TexT and imagE, Explainable dataset for Chest X-Rays. DOI 10.13026/0pw2-je90。
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。
