RadThinking：面向放射科学长期推理的数据集
计算机视觉与模式识别
2026-05-12 v1
摘要
癌症筛查属于推理任务。放射科医生需观察发现、比较旁往检查、整合临床背景，最终得出经病理确认的诊断结论。我们提出RadThinking，一个视觉问答(VQA)数据集，使此类推理过程显式可见且可训练化。RadThinking发布了三个难度分层的VQA问答对。基础级VQA为原子感知问题；单步推理VQA应用一条临床规则；组合式VQA需通过链式推理到达指南类别（如LI-RADS-5）。针对每个组合式VQA，我们公开解题所需的基础级VQA链。该链遵循主管临床报告标准的规则。数据集覆盖20,362例CT扫描、9,131名患者及43类癌症，外加2,077例经验证的健康对照（随访>1年）。据我们了解，RadThinking是首个按推理深度分层、以临床报告标准为组合依据的癌症筛查VQA语料库。基础级提供原子感知监督；组合级提供链式推理数据及可验证奖励，适用于深度求解(DL)等强化学习方案。RadThinking实现对AI系统是否能进行癌症推理（而不仅是检测癌症）的系统化训练与评估。
引用
@article{arxiv.2605.10761,
title = {RadThinking: A Dataset for Longitudinal Clinical Reasoning in Radiology},
author = {Wenxuan Li and Pedro R. A. S. Bassi and Xinze Zhou and Jakob Wasserthal and Alan L. Yuille and Zongwei Zhou},
journal= {arXiv preprint arXiv:2605.10761},
year = {2026}
}