什么是MIMIC‑CXR 数据集

MIMIC‑CXR 数据集概览

1. 什么是 MIMIC‑CXR
MIMIC‑CXR（Medical Information Mart for Intensive Care – Chest X‑Ray）是由美国麻省理工学院（MIT）计算生理学实验室与 Beth Israel Deaconess Medical Center（BIDMC）合作发布的公开、去标识化的胸部 X 光影像数据库。它不仅提供原始的 DICOM 格式胸片，还配套了放射科医生撰写的自由文本报告，支持多模态（影像 + 文本）研究。

2. 数据规模与内容

• 影像数量：约 377 110 张胸部 X 光片（包括前后位、侧位等常规视图）。
• 检查次数：对应 227 835 例成像研究，覆盖约 65 379 名患者（2011‑2016 年期间的急诊/住院检查）。
• 报告：每张影像均附有半结构化的放射科报告，报告已使用 CheXpert 与 NegBio 等自动标注工具生成 14 类常见胸部疾病标签（如肺炎、胸腔积液、肺水肿等）。
• 元数据：提供患者基本信息（去标识化后）、检查时间、影像采集参数、报告文本等 CSV/JSON 文件，便于关联电子健康记录（可与 MIMIC‑IV、MIMIC‑III 等数据库联用）。

3. 数据来源与去标识化
所有影像和报告均来源于 BIDMC 的临床工作流，经过严格的 HIPAA‑符合去标识化处理，去除了姓名、出生日期、医学记录号等可识别信息，确保患者隐私安全。

4. 文件结构与技术细节

• 影像：存储为 DICOM 文件，保留原始像素值和影像元数据。
• 报告：以纯文本（.txt）和结构化 CSV 形式提供。
• 标签文件：包含基于自然语言处理的疾病标签（14 类），可直接用于机器学习监督学习任务。
• 代码与文档：官方 GitHub 仓库提供数据下载脚本、示例代码、数据字典以及常见问题解答。

5. 如何获取

1. 注册 PhysioNet 账户（需完成数据使用培训并签署 DUA）。
2. 访问数据集页面下载：。
3. 也可通过官方项目网站 <https://mimic-cxr.mit.edu > 获取最新的使用指南与示例。
4. GitHub 仓库 <https://github.com/MIT-LCP/mimic-cxr > 提供下载脚本与社区讨论。

6. 主要研究与应用场景

• 计算机视觉：胸部疾病自动检测、分割、异常定位。
• 自然语言处理：放射报告生成、报告摘要、医学信息抽取。
• 多模态学习：影像‑文本对齐、跨模态检索、临床决策支持。
• 教学与基准：作为公开基准数据集，广泛用于论文、竞赛（如 MICCAI、NeurIPS）以及医学 AI 教育。

7. 关键参考文献与链接

• 原始论文（arXiv）：MIMIC‑CXR: A Large Publicly Available Database of Labeled Chest Radiographs, 2019.
• MIT 新闻稿（数据集发布概述）：
• PhysioNet 数据库页面：
• 官方 GitHub 仓库：
• 项目主页：<https://mimic-cxr.mit.edu >（提供最新文档、FAQ）

使用提示：获取数据前请务必完成 PhysioNet 的数据使用培训并签署数据使用协议，遵守“仅用于学术/科研、禁止再分发、禁止重新识别个人”等规定。