ReXErr-v1：源自MIMIC-CXR的临床有意义胸片报告错误数据集
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
ReXErr-v1：源自MIMIC-CXR的临床有意义胸片报告错误数据集
ReXErr-v1 是一个以英文命名的胸部 X 射线报告数据集，全称为 Clinically Meaningful Chest X-Ray Report Errors Derived from MIMIC-CXR，源站标题为 rexerr-v1，托管于 physionet.org。该数据集在源站被描述为：包含基于 MIMIC-CXR 数据库的胸部 X 射线报告，并在其中注入合成错误；这些错误通过大语言模型（LLM）注入，并采样自常见的人类错误与 AI 模型错误。在本站分类中，它被归入呼吸系统疾病 / 其他类别。数据集采用 Open Data Commons Attribution License v1.0 许可发布。其核心价值在于为胸部 X 射线报告的错误识别、报告质量评估以及相关模型评测提供带有已知错误标注的研究材料。
【数据集背景】
胸部 X 射线是临床影像检查中最常见的项目之一，与之配套的影像报告在诊疗沟通、随访决策和质量控制中扮演重要角色。报告中的错误——无论是遗漏关键发现、描述不准确，还是表述含混——都可能影响临床判断。随着 AI 模型越来越多地参与报告生成与辅助书写，如何系统评估这些模型在错误识别与错误规避方面的表现，成为一个现实需求。ReXErr-v1 正是在这一背景下构建的：它以 MIMIC-CXR 数据库中的胸部 X 射线报告为基础，向报告中注入临床上具有意义的合成错误，从而形成带有可控错误的研究数据。源站描述明确指出，这些错误通过 LLM 注入，并采样自常见的人类错误和 AI 模型错误两类来源，使数据集同时覆盖真实临床书写与机器生成两种情境下的典型错误形态。
【数据内容】
该数据集的内容主体是胸部 X 射线报告，这些报告在原始 MIMIC-CXR 报告的基础上被注入了合成错误。错误的注入方式为使用大语言模型完成，错误的类型则采样自常见的人类错误与 AI 模型错误。数据集名称中的 “Clinically Meaningful” 表明其关注的是具有临床意义的错误，而非无关紧要的文字差异。源站未提供报告的具体数量、错误类别的细分名称、每条记录的字段结构以及错误标注的具体形式。本站分类将其归入呼吸系统疾病 / 其他，提示其主题与呼吸系统影像相关。
【采集与来源】
数据来源于 physionet.org，源站标题为 rexerr-v1。其底层报告来自 MIMIC-CXR 数据库，错误由 LLM 注入生成。源站未提供原始报告的筛选标准、注入流程的具体步骤、参与注入的模型信息、采样策略的细节以及数据构建的时间范围。
【适用场景】
基于其构造方式，该数据集可用于胸部 X 射线报告错误识别与分类任务的研究，也可用于评估 AI 模型在报告质量审查、错误检测方面的能力；由于错误同时采样自人类错误与 AI 模型错误，它适合用于比较不同来源错误的特征差异。此外，它也可作为报告生成模型的评测素材，检验模型是否会复现或规避常见错误。源站未提供具体的基准任务定义或评测协议。
【使用方法】
源站未提供数据的具体组织方式、文件格式、读取方式以及配套代码或工具。使用者需参照源站发布页面的说明获取和使用数据。
【质量与限制】
该数据集中的错误为合成注入，而非真实临床环境中自然发生的错误，因此其错误分布与真实世界可能存在差异；错误由 LLM 注入，注入质量受所用模型能力影响。源站未提供数据规模、错误标注的一致性评估、人工审核流程以及已知偏差的说明。使用时应注意其合成性质，不宜直接等同于真实临床报告错误率。
【引用与许可】
该数据集采用 Open Data Commons Attribution License v1.0 许可，使用时需按许可要求进行署名。源站未提供具体的引用格式或推荐参考文献条目。
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：ReXErr-v1: Clinically Meaningful Chest X-Ray Report Errors Derived from MIMIC-CXR
- 版本：1.0.0
- DOI：10.13026/9dns-vd94
- 源站页面：https://physionet.org/content/rexerr-v1/1.0.0
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/rexerr-v1/1.0.0 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/rexerr-v1/1.0.0/
- 或用官方工具（推荐，支持断点续传与校验）：
pip install physionet-download
physionet-download rexerr-v1
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
解读医学图像和撰写放射学报告是医疗保健中一项关键但具有挑战性的任务。尽管这些报告很重要，但无论是人类撰写的还是AI生成的报告都容易出错，因此需要稳健且具有代表性的数据集，以捕捉不同报告生成方式中呈现的错误多样性。因此，我们提出 Chest X-Ray Report Errors（ReXErr-v1），这是一个基于 MIMIC-CXR、使用大语言模型（LLMs）构建的新数据集，包含 MIMIC-CXR 中大多数样本的合成错误报告。ReXErr-v1 在获得委员会认证的放射科医生的意见参与下开发，包含与真实场景中所见错误高度相似的可信错误。此外，ReXErr-v1 采用一种新颖的采样方法，从人类和AI模型常犯的一组错误中选择三个错误进行注入。我们在报告级和句子级都纳入了错误，提升了 ReXErr-v1 的通用性。我们的数据集可以通过帮助开发和评估报告生成与错误筛查算法，增强未来的AI报告工具。
许可
Open Data Commons Attribution License v1.0
引用
学术使用请引用：PhysioNet. ReXErr-v1: Clinically Meaningful Chest X-Ray Report Errors Derived from MIMIC-CXR. DOI 10.13026/9dns-vd94。
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。
