ACL27 / ArthroPhase — 首个公开关节镜手术视频阶段识别数据集

INFOBOX — ACL27 / ArthroPhase 一屏速览

维度	内容
本质	首个公开的关节镜手术视频阶段识别数据集（前交叉韧带 ACL 重建），非腹腔镜、非挑战赛
团队	苏黎世大学 Balgrist 大学医院 ROCS 组 + 骨科系（9 作者，通讯 Ali Bahari Malayeri）
论文	Computer Assisted Surgery (2025)，doi:10.1080/24699322.2025.2508144；arXiv:2502.07431；PMID 40449528
规模	27 段视频 / 18.4 GB / 约 13 小时（单段 6-48 分钟），2022-01 至 2023-06 采集
设备	Karl Storz 腹腔镜（arthroscope）
标注	逐秒 1 标签，五阶段：Preparation / Diagnosis / Femoral Tunnel Creation / Tibial Tunnel Creation / ACL Reconstruction
阶段缺失	非每段含全阶段（Preparation 19/27、ACL Reko 16/27）——SPI 基线仅用 12 段全阶段视频
模型	ResNet-50 特征 + 2-head Transformer 精炼 + SFE/TCE 时空编码 + 80 秒序列 Transformer；双输出（阶段分类 + SPI 回归），λ=0.5
核心结果	ACL27：ACC 72.91% / Precision 72.86% / Jaccard 57.39%；消融全开 76.71±2.44%；Cholec80 ACC 92.4%
创新点	手术进度指数 SPI（Surgical Progress Index）：连续量化手术进程，ACL27 SPI 误差 10.6%
许可	CC BY 4.0（Zenodo，access=open，公开直链无门禁）
获取	Zenodo record 10.5281/zenodo.14288900（55 文件逐文件带 md5）
库内互链	Cholec80（rid 78）、Cataract-101（rid 263）、CholecT50（rid 223）、CholecTrack20（rid 886）

ACL27 是一个"把手术阶段识别这门手艺第一次带进关节镜领域"的数据集。在它之前，手术阶段识别（surgical phase recognition）的主战场一直是腹腔镜胆囊切除——Cholec80、Cholec120、M2CAI16 撑起了几乎所有基准，而关节镜（arthroscopy）虽然骨科里最常见，却因为视野窄、器械遮挡重、冲洗液导致反光折射而长期没有公开数据。ACL27 用 27 段前交叉韧带重建手术的全程录像，配上一秒一个阶段标签，把这个空白补上；同篇论文还提出了手术进度指数（Surgical Progress Index, SPI），让模型不只会说"现在处于哪一阶段"，还能说"整台手术做完了百分之几"。

导语读法三则：

1. 只想下数据：直奔 §6——CC BY 4.0、Zenodo 公开直链、18.4 GB，没有注册墙也没有请求制，是本库中获取门槛最低的一档。
2. 关心模型与指标：直奔 §4（数据集本体）与 §5（方法与结果）——ACC 72.91%、消融 76.71±2.44%、SPI 误差 10.6% 三个数字连读，并注意准确率方差的单双口径存照（坑 2）。
3. 做跨库对标或文献综述：直奔 §7 与 §9——Cholec80/CholecT50/CholecTrack20/Cataract-101 的谱系与可互链关系已列全，可直接引用。

§0 导读：这个数据集解决什么问题

自动化手术工作流分析（surgical workflow analysis）的价值链条很清晰：识别出手术进行到哪一步，就能自动记录、优化排程、检测并发症、生成手术报告，甚至支撑实时手术辅助与术中决策。而这条链条的起点，是手术阶段识别——把一段连续的手术视频切分成若干个有临床意义的阶段。

问题是，这条链条在腹腔镜领域跑得很顺，在关节镜领域却几乎空白。Cholec80（胆囊切除）、Cataract-101（白内障）等数据集让腹腔镜与眼科有了公开基准，但关节镜手术——骨科里最常见的术式之一——长期没有公开的阶段标注数据。论文原文的判断是：comprehensive surgical workflow recognition for arthroscopic procedures remains largely unexplored（关节镜的完整手术工作流识别基本未被探索）。此前唯一的关节镜视频工作，是 Lux 等人 2010 年做的关键帧视频摘要（keyframe-based video summarization），那只是"挑重点帧"，谈不上阶段识别。

关节镜为什么难？论文列出了这份"难点清单"，每一条都是腹腔镜里不那么尖锐的挑战：

• 视野更小更局促（limited and confined field of view）：镜头贴着术区，能看到的范围有限；
• 冲洗液导致反光与折射（light reflection and refraction）：关节腔要持续灌洗，液面反光、折射造成视觉失真；
• 器械遮挡概率高（instrument occlusions）：窄空间里器械活动频繁，遮挡镜头；
• 镜头频繁调整：贴近术区意味着要不停挪动机位；
• 血液与碎屑遮蔽：出血与组织碎屑会迅速糊住画面；
• 光照多变：反光与阴影交替；
• 组织纹理相似：关节结构的视觉纹理接近，组织区分困难；
• 运动致视频失真：任何移动都可能造成显著画面抖动。

ACL27 的回答非常直接：把 27 段标准 ACL 重建手术的视频整段拿来，和临床专家一起把每段切成五个阶段、每秒打一个标签，再配套一套能扛住上述难点的模型（ResNet-50 + Transformer 时空特征），最后公开数据与模型。论文的核心数字是：在 ACL27 上准确率 72.91%、Jaccard 指数 57.39%，显著高于同数据集上重训的 Trans-SVNet（66.75%）、MTRCNet（60.68%）、TeCNO（58.31%）。

§0 读法三则：

1. 这个条目是"数据集 + 方法论文"二合一：本体是 27 段带标签视频（CC BY 4.0 公开），论文给出在 ACL27 和 Cholec80 上的基准结果——两者许可分离（数据 CC BY 4.0，论文按期刊平台条款）。
2. 全文数字均出自论文正文、Table 1-5 与 Zenodo 元数据；唯一的方差异口径（72.91% vs 72.91±11.76%）已在坑 2 存照。
3. 检索时若把"ArthroPhase"当作纯数据集名，会与论文名混淆——ArthroPhase 是论文/方法名，ACL27 是数据集本体名（坑 1）。

§1 数据集速览：十五问十五答

Q1：ACL27 是什么？名字怎么来的？
ACL27 是论文发布的前交叉韧带（Anterior Cruciate Ligament, ACL）重建手术视频数据集，名字 = 术式缩写（ACL）+ 视频段数（27）。论文标题里的"ArthroPhase"是方法/论文名（arthroscopy + phase），不是数据集本体的独立名称；Zenodo 上数据集以论文名"ArthroPhase: A Novel Dataset and Method…"发布，正文数据集称 ACL27（坑 1）。

Q2：规模多大？
27 段全流程 ACL 重建手术视频，总文件量 18.4 GB，总时长约 13 小时（论文 §3.1：「totaling approximately 13 hours of surgical footage」）。单段视频时长 6 至 48 分钟不等。文件构成 = 27 个 videoNN.mp4 + 27 个 videoNN-phase.txt + 1 个 Dataset_Status.txt，共 55 个文件。

Q3：视频在哪拍的？用什么设备？
苏黎世大学 Balgrist 大学医院，用 **Karl Storz 腹腔镜（Laparoscope）**采集，采集时段 2022 年 1 月至 2023 年 6 月（论文 §3.1）。

Q4：纳入标准是什么？
筛出 27 段"仅含标准 ACL 步骤、且没有并发其他需要额外手术干预的病变"的病例录像（论文 §3.1）。这样做是为了保证阶段序列的干净——混杂病例会打乱五阶段的时间结构。

Q5：标注了什么？标了几类？
五个手术阶段，每秒 1 个标签（one label per second）：

1. Preparation（准备）
2. Diagnosis（诊断）
3. Femoral Tunnel Creation（股骨隧道建立）
4. Tibial Tunnel Creation（胫骨隧道建立）
5. ACL Reconstruction（ACL 重建）
   标签由研究者与临床专家紧密合作完成（论文 §3.1）。

Q6：每段视频都包含全部五个阶段吗？
不包含。这是一个关键事实（Table 1）：Preparation 只出现在 19/27 段视频里，ACL Reconstruction 只出现在 16/27 段里（另外三个阶段在 25-26 段中出现）。"阶段缺失"直接影响了 SPI 的计算策略（§5.3）。

Q7：许可是什么？能商用吗？
CC BY 4.0（Zenodo API metadata.license.id = cc-by-4.0），access = open（公开无门禁）。CC BY 4.0 允许自由使用、修改、再分发，只需署名——是本库中许可最宽松的一档。

Q8：怎么获取？
Zenodo 记录 10.5281/zenodo.14288900（https://zenodo.org/records/14288900），55 个文件逐个带 md5 校验值，直接下载，无注册、无审批、无请求制。

Q9：能用它做什么任务？
主要是手术阶段识别（逐秒/逐帧五分类）；因为每段视频带连续的阶段序列，也可用于：手术进度回归（SPI）、手术时长预测、阶段转移建模、跨库迁移（把腹腔镜模型迁到关节镜）、视频阶段分割等。

Q10：论文的模型成绩如何？
在 ACL27 上：准确率 72.91%、精确率 72.86%、Jaccard 指数 57.39%（Table 3，非交叉验证口径）；5 折交叉验证下时空特征 + SPI 全开时准确率 76.71±2.44%（Table 4）。跨库到 Cholec80 达 92.4% 准确率（Table 5）。

Q11：它和已有的腹腔镜数据集比，难度差多少？
同一模型在 ACL27 上 72.91%、在 Cholec80 上 92.4%——约 19.5 个百分点的落差。这个落差就是关节镜相比腹腔镜的"领域难度税"，是 ACL27 最直观的一项贡献。

Q12：SPI 是做什么的？
手术进度指数（Surgical Progress Index），用 0–1 的连续值表示"整台手术完成到百分之几"，把离散的阶段分类扩展为连续的进度估计。ACL27 上 SPI 误差 10.6%。

Q13：为什么这个数据集对骨科重要？
关节镜是骨科最常见的术式之一，但此前没有公开的阶段识别数据。ACL27 让骨科手术 AI 从"没有基准"变成"有基准可对标"，这是领域基础设施意义上的进步。

Q14：它适合训练大模型吗？
不适合从头训练大模型（27 段太少），但适合做评测基准、微调集、域适应实验台。论文的用法就是"在 ACL27 上验证跨领域迁移能力"。

Q15：数据和代码都公开吗？
数据公开（CC BY 4.0，Zenodo），但代码未提供直链——论文承诺公开却无 URL，属于遗留疑点（坑 4）。

§2 数据构成与规格

2.1 规模与来源总表

ACL27 的"27"直接写在名字里，所有关键规模数字都集中在下面这张表。其中"约 13 小时"与"18.4 GB"分别来自论文正文与 Zenodo 文件清单——一个是时间口径，一个是存储口径，两者并不冲突。

属性	数值	来源
视频段数	27	全部三源一致
总存储量	18.4 GB	Zenodo 页面 Files 总量
总时长	约 13 小时	论文 §3.1
单段时长	6–48 分钟	论文 §3.1
文件总数	55（27 mp4 + 27 phase.txt + 1 Dataset_Status.txt）	Zenodo 文件清单
最大单文件	video1.mp4（1.1 GB）	Zenodo
最小视频文件	video5.mp4（161.4 MB）	Zenodo
标签文件大小	313.3 kB–2.2 MB	Zenodo
采集机构	苏黎世大学 Balgrist 大学医院	论文/Zenodo
采集设备	Karl Storz 腹腔镜（Laparoscope）	论文 §3.1
采集时段	2022-01 至 2023-06	论文 §3.1
标注频率	每秒 1 标签	论文 §3.1

口径提醒：论文正文说"27 段视频约 13 小时"，Zenodo 显示"18.4 GB"。这两个数字不能简单相除去反推码率——因为 18.4 GB 包含视频压缩后的实际体积，而 13 小时是手术录像时长；不同段视频的压缩率、帧率、分辨率可能不一致，反推无意义（坑 5）。

2.2 文件命名与目录结构

Zenodo 记录的 55 个文件采用"视频 + 标签"成对结构，但视频与标签的零填充口径不一致，这是检索者最容易踩的坑之一：

文件类型	命名示例	零填充	数量
视频文件	video1.mp4 … video9.mp4、video10.mp4 … video27.mp4	不补零	27
标签文件	video01-phase.txt … video27-phase.txt	补零到两位	27
状态文件	Dataset_Status.txt	—	1

也就是说，第 1 段的视频叫 video1.mp4，但它的标签叫 video01-phase.txt；第 10 段两者恰好都是两位数，看不出差别；第 1–9 段则视频名与标签名"位数对不上"。写脚本配对时务必用编号（数字）而非文件名字符串直接拼接，否则会漏配前 9 段（坑 6）。

2.3 视频与标注规格

项	规格	备注
视频容器/编码	MP4	Zenodo 文件后缀 .mp4
模型输入尺寸	240×240×3	论文 §3.2，ResNet-50 输入
特征维度	2048 维/帧	论文 §3.2，ResNet-50 输出
处理帧率	1 fps	SPI 计算按 1 frame per second（论文 §3.3）
标签粒度	每帧/每秒一个阶段标签	论文 §3.1
阶段数	5	见 §2.4
原始分辨率	未在论文正文明示（遗留疑点）	仅知预处理输入 240×240

关于帧率：论文在 SPI 部分写明"considering that the video is recorded at a rate of 1 frame per second"（论文 §3.3），说明后续处理管线把视频抽成 1 fps 再逐帧喂给模型。原始录像的帧率没有单独披露，但对外发布/建模口径是 1 fps + 每秒 1 标签，这使标签与帧一一对应，是一个干净的设计。

2.4 五阶段定义

ACL 重建手术被切成五个阶段。下表给出每个阶段的英文名（首现标英文）、中文译名与一句话临床含义。

#	阶段（英文）	中文	临床含义（简要）
1	Preparation	准备	建立入路、器械就位、清理关节腔视野等术前准备动作
2	Diagnosis	诊断	关节镜下探查关节内结构、确认损伤范围
3	Femoral Tunnel Creation	股骨隧道建立	在股骨侧钻取移植韧带所需骨隧道
4	Tibial Tunnel Creation	胫骨隧道建立	在胫骨侧钻取骨隧道，与股骨隧道对齐
5	ACL Reconstruction	ACL 重建	穿入并固定移植物，完成韧带重建

阶段顺序即为上表顺序，且与论文 Table 2 的 SPI 转换点一一对应（§5.3）。注意第 3、4 阶段（两条隧道）虽然工序上相关，但被刻意拆成两个独立阶段，因为它们合计占 ACL 手术最长的操作时间（见 §2.5）。

2.5 阶段时长与覆盖分布（Table 1 全文）

论文 Table 1 给出的阶段统计是理解这个数据集"不均衡性"的关键。请注意"含该阶段视频数"一列——它揭示了并非每段视频都完整包含五阶段。

阶段	总时长	含该阶段视频数（/27）	平均阶段时长
Preparation	50′40″	19	2′40″
Diagnosis	208′32″	25	8′20″
Femoral Tunnel Creation	265′54″	26	10′14″
Tibial Tunnel Creation	214′02″	25	8′34″
ACL Reconstruction	54′38″	16	3′25″

读表三则：

1. 两条隧道阶段是最长的操作：Femoral Tunnel Creation 平均 10′14″，Tibial Tunnel Creation 平均 8′34″，两者合计约占单台手术主体时间——这解释了为什么模型在区分这两个阶段上难度大（视觉相似）。
2. Preparation 与 ACL Reconstruction 最短且不普遍：Preparation 平均仅 2′40″（19 段有），ACL Reconstruction 仅 3′25″（16 段有）。短阶段 + 覆盖率低 = 模型对这两类的样本支撑弱，是分类误差的集中区。
3. 阶段时长严重不均衡：最长阶段（Femoral Tunnel）平均时长约为最短阶段（Preparation）的 3.8 倍。这正是论文在评估里额外强调"average Precision/Recall/Jaccard"（对阶段一视同仁，而非按时长加权）的原因（§5.5）。

2.6 阶段缺失的现实与处理

阶段缺失不是偶然的偶发事件，而是这份数据的结构特征：27 段里没有一段一定包含全部五阶段，只有 19–26 段包含各阶段，且仅 12 段包含全部五阶段（论文 §3.3 用于 SPI 基线计算的视频数）。这让"如何处理缺失阶段"变成一个绕不开的方法论问题（详见 §5.3）。

缺失情形	影响	论文的处理
视频缺开头阶段（如第一段器械未录到 Preparation）	SPI 起点不为 0	用全阶段视频的该阶段平均 SPI 修正
视频缺结尾阶段（如未录到 ACL Reconstruction）	SPI 终点不为 1	同上，用均值补齐
视频缺中间阶段	阶段序列出现跳变	论文未单列，统按缺失阶段均值处理

2.7 与相关数据集的规模对照

把 ACL27 放进手术视频数据集的谱系里看，它的"小而专"特征非常明显：段数远少于成熟腹腔镜基准，但它是关节镜领域第一个公开数据集。

数据集	领域	视频数	阶段标注	公开性
ACL27	关节镜（ACL 重建）	27	5 阶段逐秒	CC BY 4.0 公开
Cholec80	腹腔镜（胆囊切除）	80	7 阶段	公开（注册）
Cataract-101	眼科（白内障）	101	阶段标注	公开
CholecT50	腹腔镜（胆囊切除）	50	动作三元组	公开
CholecTrack20	腹腔镜（胆囊切除）	20	器械追踪	公开

为什么关节镜数据集这么少？ 论文的隐含答案是采集难度：关节镜视野窄、成像条件差（反光/折射/遮挡），要让临床专家配合逐秒标注五阶段，成本高、门槛高。ACL27 的 27 段已经是"从 0 到 1"。

§3 标注体系：五阶段与逐秒协议

3.1 标注协议设计

ACL27 的标注有一条清晰的时间线：采集（2022-01 至 2023-06）→ 专家协作分阶段 → 逐秒打标签 → 发布（Zenodo 2024-12）。论文 §3.1 对标注过程的描述很简洁：与临床专家紧密合作完成阶段标签，目的是保证临床有效性与高数据质量（clinical validity and high data quality）。

标注要素	内容
标注对象	27 段 ACL 重建手术视频
标注单位	时间轴逐秒（每秒 1 标签）
类别体系	5 类互斥阶段
标注者	研究者 + 临床专家（骨科系合作者）
协作设计	与临床专家紧密协作（close collaboration）
质控目标	临床有效性 + 高数据质量

3.2 为什么是"逐秒"而不是"逐帧"

逐秒标注（one label per second）是一个务实的折中：

1. 手术阶段是慢变量：一个阶段通常持续数分钟（Table 1 显示平均阶段时长在 2′40″–10′14″之间），比起"每帧都标"的密集标注，逐秒足以刻画阶段边界，同时把标注成本降到可承受范围。
2. 与 1 fps 处理管线对齐：模型处理管线把视频抽成 1 fps（论文 §3.3），因此"1 秒 1 标签"与"1 帧 1 标签"在数值上等价，标签可以直接和输入帧一一对应。
3. 专家时间成本可控：若不抽帧、逐原始帧标注，27 段约 13 小时的素材会产生海量帧，专家无法承受。逐秒把标注工作量压到"约 13 小时 × 3600 = 约 4.7 万个时间点"量级。

3.3 五阶段的边界与顺序约束

五个阶段在临床流程上是顺序发生的（Preparation → Diagnosis → Femoral Tunnel → Tibial Tunnel → ACL Reconstruction），这带来两条重要约束：

• 阶段转移单调：在包含全部阶段的视频里，阶段序号只增不减，不会出现"回到 Preparation"。
• SPI 与阶段一一绑定：论文 Table 2 用六个转换点锚定五个阶段在标准化时间轴上的位置（§5.3），正是因为阶段顺序固定，SPI 才能用"平均阶段进度"来插值。

3.4 标注的局限与偏差来源

论文在 Discussion（§5）中主动列出了标注相关的局限，这些直接进入本条目 §9 的 rai:dataLimitations：

局限	论文原述要点	对使用者的含义
人为主观误差	精确标注需要大量专业知识、劳动密集，可能引入人为错误与变异	阶段边界可能存在标注噪声
阶段缺失	部分视频缺失阶段会误导预测与 SPI	训练时需处理缺失，评测时需注意
缺乏半自动工具	论文建议开发自动/半自动标注工具	标注流程难以低成本复现
单一机构	全部素材来自同一医院	跨机构泛化未验证

3.5 标注产物格式

每个视频对应一个同编号的 videoNN-phase.txt 标签文件（如 video01-phase.txt）。论文未逐行给出标签文件的内部格式规范，但从"每秒 1 标签 + 五阶段"的设计可以推断：标签文件是按秒组织、每行（或每行一个时间点）对应一个阶段类别的时间序列文件。文件大小从 313.3 kB 到 2.2 MB 不等，与视频时长大致正相关（长视频 → 更多秒 → 更大标签文件）。

实践建议：下载后先读 Dataset_Status.txt（61 字节）确认版本状态，再抽查一个 -phase.txt 的实际格式（类别名 or 类别编号），不要假设格式——因为论文没有给出正式的格式规范文档（遗留疑点）。

3.6 标注质量的外部校验机制

ACL27 的标注质量有两条外部保障，值得在数据可信度评估时纳入考虑：

1. 临床专家深度参与：论文明确标注是"in close collaboration with clinical experts"（与临床专家紧密协作）完成的，骨科系的三位合作者（Vlachopoulos、Fucentese、Hodel）本身就是术者，他们对阶段边界的判断来自实际手术经验，而非事后逐帧辨认。
2. 纳入标准的前置过滤：27 段视频全部满足"仅含标准 ACL 步骤 + 无并发需干预病变"，这等于在标注之前就把"阶段序列会失真"的病例排除掉了。换句话说，ACL27 的标注质量一部分是选样质量换来的。

反过来看：这两条保障也意味着 ACL27 无法回答"非标准 ACL 病例怎么办"的问题——它的干净恰恰来自它对复杂性的回避。做真实临床部署的团队需注意这一边界。

3.7 与"手术步骤/动作"标注的层级区分

理解 ACL27 的标注粒度，需要区分手术视频标注的三个层级：

层级	粒度	示例数据集	一个标记代表
阶段（phase）	粗（分钟级）	ACL27、Cholec80、Cataract-101	一段有临床意义的操作
步骤/动作（step/action）	中（秒级）	CholecT50（动作三元组）	一个具体操作动作（如"钳夹组织"）
器械/工具（tool）	细（帧级）	CholecTrack20、SurgToolLoc	某一器械的存在/位置

ACL27 处在最粗的阶段层——这是它作为"首个关节镜数据集"的合理起点（先立标杆、后细化）。若研究者需要更细的关节镜动作标注，目前公开数据尚不覆盖（这也是下一阶段的机会，见 §8.4）。

3.8 标注时间轴的对齐保证

“每秒 1 标签"的设计带来一个隐性但重要的性质：标签与处理管线天然对齐。论文 SPI 部分写明"the video is recorded at a rate of 1 frame per second”（§3.3），说明后续管线采用 1 fps。当"标签频率 = 帧率 = 1 Hz"时：

• 标签序列的第 i 个元素直接对应处理后的第 i 帧，无需插值或重采样；
• SPI 公式 t/T_k 中的 t（已流逝帧数）与标签索引天然一致，简化了实现；
• 但也意味着亚秒级的阶段边界无法被表示——若某阶段实际只持续 0.5 秒，在 1 Hz 标签下会被归入相邻秒。

对使用者的实际影响：做"阶段转移检测"研究时，时间精度上限就是 1 秒；做"阶段时长分布"统计时，最短可分辨单位也是 1 秒。

2.8 存储与计算需求的实用估算

下载 ACL27 之前，先估算一下资源需求，避免中途卡壳：

资源	需求	说明
磁盘空间	≥ 18.4 GB（下载）+ 解压/抽帧余量	单文件最大 1.1 GB
下载时间	取决于带宽	18.4 GB 在 100 Mbps 下约 25 分钟
抽帧后存储	1 fps × 13 小时 ≈ 4.68 万帧	若按 240×240 存 JPEG，量级约 GB 级
训练显存	论文用 RTX-A6000（48 GB）	80 帧序列 + ResNet-50 特征，显存需求中等
训练时间	30 epoch × 5 折	论文未给出具体时长

为什么磁盘需求要留余量？ 因为实际工作流通常是"下载 → 抽帧 → 提取特征 → 存特征序列"，每一步都会产生中间文件。尤其特征提取后的 2048 维向量序列（按 1 fps），13 小时 ≈ 4.68 万 × 2048 × 4 字节 ≈ 383 MB/全库（float32）——不算大，但加上原始视频，总量仍需预留 30 GB 以上。

2.9 变量与字段清单（供数据建模参考）

把 ACL27 抽象成结构化变量，方便纳入数据管道：

变量层级	字段	类型	示例/取值
视频级	video_id	整数	1–27
视频级	duration_sec	整数	约 360–2880（6–48 分钟）
视频级	n_phases_present	整数	1–5（实测 16–26 段含各阶段）
时间点级	timestamp_sec	整数	0, 1, 2, …
时间点级	phase_label	类别	Preparation / Diagnosis / Femoral / Tibial / ACL Reko
时间点级	spi	浮点	0.0–1.0（需据 Table 2 计算）
派生	phase_transition_idx	整数	阶段边界的时间点

注意：上表的 spi 与 phase_transition_idx 是派生字段，Zenodo 数据本身只提供视频 + 逐秒阶段标签，SPI 需要用论文的转换点（§5.3）或按 t/T_k 自行计算。

2.10 数据质量自检清单

拿到数据后，建议按以下清单快速体检：

检查项	方法	预期结果
文件完整性	核对 55 个文件是否齐全	27 mp4 + 27 txt + 1 status
md5 校验	逐文件比对 Zenodo checksum	全部一致
视频可播放	用 ffprobe 抽查几段	正常解码
标签可解析	打开一个 -phase.txt	可读、类别合理
标签长度	标签行数 ≈ 视频秒数	大致吻合（允许偏差）
编号配对	检查 video1 ↔ video01	用数字编号匹配（坑 6）
阶段覆盖	统计各阶段出现段数	与 Table 1（19/25/26/25/16）对应

§4 任务定义与数据集挑战

4.1 任务定义：手术阶段识别

ACL27 服务的主任务叫手术阶段识别（surgical phase recognition）：给定一段手术视频（或其 1 fps 帧序列），为每个时间点预测它属于五个阶段中的哪一个。学术上这是视频时间序列分类 / 时序分割问题，但带有强烈的领域特殊性：

维度	一般视频分类	手术阶段识别（ACL27）
输入	整段短视频	长视频（6–48 分钟），序列极长
输出	单标签	逐时间点标签（序列）
关键依赖	空间特征	空间 + 时间（阶段由动作序列构成）
类别均衡	通常较均衡	严重不均衡（阶段时长差 3.8 倍）
边界	通常清晰	关节镜下阶段过渡视觉相似、难分辨

论文对任务动机的表述是：自动化阶段识别能支撑并发症检测、临床流程优化、手术记录与自动报告生成，是"高级计算机辅助手术系统的基础任务"（论文 §1）。

4.2 副任务：手术进度指数 SPI

除了分类，论文引入了一个回归型副任务——手术进度指数（Surgical Progress Index, SPI）。传统阶段识别只输出离散类别，对"手术完成到哪一步"没有连续量化；SPI 用 0 到 1 的连续值刻画整台手术的完成百分比，隐含整合了全局时间上下文。

SPI 的定义很简洁（论文 §3.3）：对第 k 台手术，设 t 为当前序列最后一帧对应的已流逝时间（帧索引，1 fps），T_k 为该手术总时长（总帧数），则

SPI(t, k) = t / T_k

这本质上就是"已用时间占总时间的比例"。但直接这么算会遇到"阶段缺失"问题（缺头缺尾的视频进度失真），于是论文做了修正：只用包含全部五阶段的视频作基线（ACL27 中 12 段、Cholec80 中 65 段），计算出各阶段的平均 SPI 位置；对缺阶段的视频，用这些平均值来补齐缺失段的贡献：

SPI(t, k, i)_adjusted = t/T_k + Σ_{i∈missing phases} avg_SPI(i)·I(phase i is missing)

其中指示函数 I 在"阶段 i 在该视频中缺失"时取 1，否则取 0。直觉解释（论文原例）：如果一段视频从第二阶段才开始，那它的第一帧 SPI 就直接置为第一阶段（Preparation）的平均 SPI 值。

4.3 为什么关节镜比腹腔镜难

论文专门用一段（§3.1）对比了关节镜与腹腔镜的视觉差异，这是理解 ACL27 模型为何显著低于 Cholec80 的关键。下表把论文列出的难点逐条对照。

难点	关节镜（ACL27）	腹腔镜（Cholec80 参照）
视野	更小、更局限（limited/confined FOV）	相对开阔
液体影响	冲洗液造成反光与折射，视觉失真	有烟雾/气腹，但反射较弱
遮挡	窄空间器械活动 → 遮挡概率高	器械遮挡相对可控
机位	镜头贴近术区，需频繁调整	机位相对稳定
视觉干扰	血液与碎屑迅速糊住视野	出血影响相对可控
光照	反光与阴影交替	相对均匀
组织纹理	关节结构纹理相近，难区分	组织差异相对明显
运动失真	任何移动都可能造成显著画面抖动	抖动相对较小

论文的结论是：这些挑战"necessitate advanced recognition techniques"（需要更先进的识别技术）——这正是 ACL27 上准确率（72.91%）远低于 Cholec80（92.4%）的根本原因，也是该数据集的价值所在：它把领域难度量化了下来。

4.4 数据不均衡带来的评估陷阱

ACL27 的阶段时长极不均衡（§2.5）。如果只用"帧级准确率（accuracy）"评估，模型会倾向于预测长阶段而牺牲短阶段。论文对此的处理是同时报告两类指标：

• 准确率（Accuracy）：逐帧判定正确的比例，受阶段时长影响——长阶段主导。
• 平均 Precision / Recall / Jaccard（按阶段平均）：每个阶段各算一遍再平均，抵消时长不均衡，更能反映对短阶段（如 Preparation、ACL Reconstruction）的识别能力。

这是读 ACL27 结果表时必须知道的前提：Table 3 的 72.91% 是帧级准确率，而 Jaccard 57.39% 是阶段平均口径，两者不可混谈（§5.5 详述）。

4.6 序列长度与计算复杂度的权衡

手术阶段识别的一个核心工程矛盾是：阶段需要长上下文才能判断，但长序列带来高计算复杂度。ACL27 论文对这个矛盾的表述是：“high-level surgical phases are composed of several surgical actions, tool usage, and sub-tasks”（高层阶段由若干动作、器械使用与子任务构成），因此必须看足够长的历史才能判断当前处于哪个阶段。

这解释了几个设计选择：

设计	解决的矛盾
先抽帧级特征（而非端到端整段视频）	降低计算复杂度（论文沿用此惯例）
80 秒滑动窗口	上下文够长 vs 计算可承受的折中
时空特征前置	在降维阶段就保留时间信息，而非丢了再补
特征缓存	长视频只跑一次骨干，避免重复计算

实践提示：复现时"特征提取"通常是一次性离线过程（对整库 27 段跑一遍 ResNet-50 存特征），之后训练/推理只在特征序列上做——这与论文 §3.2 提到的"dimensionality reduction techniques… as a preprocessing step"一致。

4.7 为什么不做端到端视频模型

一个自然的问题是：为什么不直接用 3D CNN 或视频 Transformer 端到端处理原始视频？论文的隐含答案是计算可行性与领域惯例：

1. 长视频端到端代价过高：6–48 分钟的视频若逐帧进 3D CNN，计算量爆炸；
2. 领域惯例：手术阶段识别社区普遍采用"预提特征 + 序列表征"的两段式流程（EndoNet 以来的传统）；
3. 特征可缓存：一旦特征提取完成，后续实验可反复使用，迭代成本低；
4. 与对比方法的可比性：Trans-SVNet、TeCNO、LoViT 等都基于预提特征，采用相同范式才能公平对比。

代价：两段式流程"冻结"了骨干网络，特征质量上限在第一步就定了——这也是为什么论文强调"时空特征前置"，因为它把时序信息提前注入到这个决定上限的步骤里。

4.8 阶段识别与相关任务的边界

最后辨析几个容易与"阶段识别"混淆的任务，明确 ACL27 覆盖与不覆盖的范围：

任务	定义	ACL27 是否覆盖
阶段识别（phase recognition）	逐时间点分类手术阶段	✅ 主任务
手术进度回归（SPI）	预测完成百分比	✅ 副任务
步骤/动作识别（step/action）	更细粒度的操作动作分类	❌ 不覆盖（粒度是阶段）
器械检测/追踪（tool detection/tracking）	定位器械位置	❌ 不覆盖（无器械标注）
手术时长预测（duration prediction）	预测整台/剩余时长	⚠️ 可由 SPI 间接支持
并发症检测（complication detection）	识别异常事件	❌ 不覆盖（无并发症标注）
手术场景分割（scene segmentation）	逐像素分割解剖结构	❌ 不覆盖（无分割掩码）

关键提醒：ACL27 的标注只有"阶段"这一层。若研究需要器械、动作、分割等更细标注，ACL27 无法直接支持——应转向 CholecT50（动作）、CholecTrack20（追踪）、CholecSeg8k（分割）等库内条目。

4.5 数据集的三重设计取舍

把 ACL27 的设计逻辑拆开，能看到三个明确的取舍：

1. “小而干净” vs “大而杂”：27 段（对比 Cholec80 的 80 段）不算多，但纳入标准严格（仅标准 ACL、无并发病变），保证阶段序列干净。代价是泛化性受限（作者自认需扩充）。
2. “单一机构” vs “多中心”：全部来自 Balgrist 一家医院、一种设备（Karl Storz），保证成像条件一致；代价是跨机构泛化未验证。
3. “逐秒” vs “逐帧”：逐秒标注降本增效，与 1 fps 管线对齐；代价是对亚秒级的阶段过渡刻画不足。

§5 方法与结果：时空特征 + Transformer + SPI

5.1 模型总体架构

论文提出的模型是一个时空特征 + Transformer 的架构，核心思路是"把时间信息提前注入特征提取阶段"，而非等到分类头才引入时间维度。下图给出各组件的关系（文字版）：

视频帧序列（1 fps）
      │
      ▼
┌─────────────────────────────┐
│ ResNet-50（输入 240×240×3）  │  → 每帧 2048 维空间特征
└─────────────────────────────┘
      │
      ▼
┌─────────────────────────────┐
│ 2-head Transformer 特征精炼  │  → 时空初步融合
└─────────────────────────────┘
      │
      ├──► SFE（空间特征编码器 Spatial Feature Encoder）
      │         └─ 把每帧映射为空间特征向量，按窗口 n 组成序列
      │
      └──► TCE（时间上下文编码器 Temporal Context Encoder）
                └─ 融合空间信息与时间上下文 → 综合时空特征向量
      │
      ▼
┌─────────────────────────────┐
│ 80 秒序列 Transformer 分支    │  → 位置编码 + 自注意力
└─────────────────────────────┘
      │
      ├──► 阶段分类输出（Phase Class）
      └──► SPI 回归输出（Surgical Progress Index）

论文强调这一设计的优势：不是只在特征提取末端抽取空间特征（如 OperA），也不是先抽时空特征再退回纯空间（如 LoViT 的问题），而是从特征提取阶段就整合时空信息（§5.5 的消融证实了这一点）。

5.2 组件细节

组件	规格	作用
输入	三通道图像 240×240	视频帧（1 fps）
骨干网络	ResNet-50	逐帧空间特征提取
特征维度	2048 维/帧	ResNet-50 输出
特征精炼	2-head Transformer 层	整合时序上下文，提升特征质量
特征编码	SFE + TCE	空间特征编码 + 时间上下文编码
主分支	80 秒序列 Transformer	位置编码 + 自注意力，处理长序列
输出 1	阶段分类（Phase Class）	五阶段 softmax
输出 2	SPI 回归	0–1 连续进度值

为什么是 80 秒？ 论文图 3 明确模型处理的是"80-second sequence of features"——即用 80 秒（80 帧 @1 fps）的滑动窗口作输入。这个窗口长度是在"上下文足够长（跨阶段）"与"计算可承受"之间的折中。论文对比实验里，Trans-SVNet 在 30/60/80 秒三个窗口下的表现（66.62/66.75/66.73%）也说明 80 秒是一个合理的选择区间。

5.3 SPI 的转换点与基线

论文 Table 2 给出 ACL27 与 Cholec80 的平均 SPI 转换点——即各阶段边界在标准化时间轴上的平均位置。这张表是 SPI 实现的核心。

节点	Cholec80	ACL27
First Frame	0.0	0.0
First Transition	0.051	0.073
Second Transition	0.452	0.309
Third Transition	0.530	0.534
Fourth Transition	0.847	0.765
Fifth Transition	0.885	—
Sixth Transition	0.964	—
Last Frame (ACL)	1.000	1.000

读表：ACL27 有 6 个节点（5 阶段 → 5 个内部边界 + 首尾），Cholec80 有 8 个节点（7 阶段）。ACL27 的 First Transition 在 0.073（约 7.3% 处结束 Preparation）、Second Transition 在 0.309（Diagnosis 结束于约 30.9%），这两个值明显低于 Cholec80 的对应点（0.051、0.452），反映 ACL27 的早期阶段占比结构不同。

关键约束：SPI 基线只用含全部五阶段的视频（ACL27 中 12 段、Cholec80 中 65 段）。其余含缺失阶段的视频，其 SPI 用上述平均转换点做修正。这是 SPI 能被跨视频比较的前提，也是它最大的近似来源。

5.4 训练配置

项	配置
框架	TensorFlow 2.10.1
硬件	NVIDIA RTX-A6000 GPU
优化器	Adam
初始学习率	0.000005（5e-6）
学习率调度	每 10 个 epoch ×0.1
训练轮数	30 epoch
批大小	32
损失函数	复合损失 = λ·SCE + (1−λ)·MAE
λ	0.5（分类与回归等权）
交叉验证	5 折（ACL27：18 训练 / 9 验证）
非交叉验证划分	取前 18 段训练（结果标 +）

损失函数：分类用 Sparse Categorical Cross Entropy（SCE），SPI 回归用 Mean Absolute Error（MAE），两者按 λ 加权：

L(p, y) = λ·(−Σ_i y_i·log(p_i)) + (1−λ)·(1/N)·Σ_i |p_i − y_i|

λ=0.5 表示分类精度与回归精度同等重要。这个"分类 + 回归"的双输出设计是论文的巧思：让 SPI 学习过程反哺阶段分类（消融证实 SPI 单独加入也能提升分类，§5.5）。

5.5 结果一：ACL27 上的对比（Table 3）

论文在 ACL27 上重训并对比了多个来自腹腔镜领域的主流方法。结果采用非交叉验证口径（训练前 18 段，标记 +）。

模型	准确率 (%)	精确率 (%)	Jaccard 指数 (%)	F1 (%)
Trans_SVNet+（Seq=30s）	66.62	66.51	47.96	—
Trans_SVNet+（Seq=60s）	66.75	66.45	48.05	—
Trans_SVNet+（Seq=80s）	66.73	66.43	48.03	—
MTRCNet+（Seq=4s）	58.75	59	—	58
MTRCNet+（Seq=10s）	60.68	63	—	59
TeCNO+	58.31	66.05	40.66	—
Ours+（本文方法）	72.91	72.86	57.39	—

解读：本文方法在准确率、精确率、Jaccard 三项上全面领先。相对次优的 Trans_SVNet（80s 窗口，66.73%），本文方法准确率高出 约 6.2 个百分点；相对 TeCNO（58.31%），高出 约 14.6 个百分点。Jaccard 指数（57.39% vs 48.03%）同样领先近 9 个百分点。

注意方差口径：这张表的准确率是 72.91%（无标准差）；而论文 Discussion 段写作 72.91±11.76%。同一数值两种呈现，条目统一按 72.91% 引用并在坑 2 存照。

5.6 结果二：消融研究（Table 4）

消融用 5 折交叉验证，逐个打开"时空特征（Spatio-temporal Features）"与"SPI"两个组件，验证各自贡献。

时空特征	SPI	准确率	精确率	召回率	Jaccard 指数
✗	✗	66.38±1.71	66.818±2.26	65.48±2.59	48.92±2.90
✗	✓	69.83±3.39	69.67±3.66	69.32±3.20	53.19±3.82
✓	✗	71.23±2.96	72.58±2.26	71.12±3.41	55.79±4.02
✓	✓	76.71±2.44	76.44±3.39	76.13±3.76	62.184±4.44

解读（这正是数据集的"方法学价值"）：

1. 两个组件都有效：只加时空特征，准确率从 66.38% 升到 71.23%（+4.85 pp）；只加 SPI，升到 69.83%（+3.45 pp）。
2. 两者叠加最强：全开时准确率 76.71%，比基线高 10.33 pp，Jaccard 从 48.92% 升到 62.18%。
3. 时空特征贡献略大于 SPI：单独贡献上，时空特征（+4.85）> SPI（+3.45），但两者有协同。
4. 注意与 Table 3 的口径差异：消融表（交叉验证）全开 76.71%，对比表（非交叉验证）是 72.91%——两者不可直接比，前者是 5 折 CV 均值，后者是单次固定划分（前 18 段）。混淆二者会得出"论文自相矛盾"的错误结论（坑 3）。

5.7 结果三：Cholec80 跨库基准（Table 5）

为证明方法不只在关节镜上有效，论文在标准腹腔镜基准 Cholec80 上做了对比。Table 5 分两部分：上半部是非交叉验证口径（前 40 段训练），下半部是交叉验证口径。

方法	准确率 (%)	精确率 (%)	召回率 (%)
EndoNet+	81.7±4.2	73.7	79.6
PhaseNet+	78.8±4.7	71.3	76.6
MTRCNet+	89.2±7.6	86.9	88.0
LoViT+	91.5±6.1	83.1	86.5
SKiT+	92.5±5.1	84.6	88.5
Ours+	92.4±5.0	85.6	80.6
TeCNO（CV）	88.5±0.27	81.6	85.2
OperA（CV）	91.2±0.6	82.1	86.92
Ours（CV）	91.9±0.9	83.1	86.5

解读：

1. 非交叉验证口径：本文 92.4% 与最高分 SKiT（92.5%）几乎持平，精确率 85.6% 甚至高于 SKiT（84.6%）与 LoViT（83.1%）。
2. 交叉验证口径：本文准确率 91.9% 与精确率 83.1% 均为该组最高，说明方法在两种评估协议下都稳健。
3. 跨库意义：把腹腔镜训练的方法迁到关节镜（ACL27）能到 72.91%，把本文方法放到腹腔镜（Cholec80）也能到 92.4%——论文据此论证方法的跨领域适应性。
4. SPI 跨库：Cholec80 上 SPI 误差 9.86%，ACL27 上 10.6%，两库相当，说明 SPI 的概念可迁移。

5.8 结果的诚实边界

论文在 Discussion 中非常克制地标注了这些结果的边界，值得原样引用：

边界	论文要点
ACL27 规模小	“although sufficient for initial validation, could be expanded”
无法与同类关节镜工作对比	因为其他关节镜工作无公开代码（“cannot be compared on ACL due to unavailable code”）
阶段缺失影响 SPI	缺失阶段虽用均值修正，但仍需更精细方法
计算开销大	“computational demands are substantial”，可能限制实时应用
记录协议未统一	机位、光照、遮挡的差异会影响力

这也提示使用者：ACL27 上的 SOTA 是一个"自封地基"——因为同领域没有可比的公开基线，72.91% 的参照系其实是腹腔镜方法迁移过来的结果，而非关节镜内部的竞争。

5.9 结果四：SPI 的误差分解

论文对 SPI 的报告比较克制——两个数字（ACL27 10.6%、Cholec80 9.86%），但这两个数字背后的含义值得展开：

数据集	SPI 误差	含义
ACL27	10.6%	预测进度平均偏离真值约 10.6 个百分点
Cholec80	9.86%	跨库后误差反而略小（约低 0.74 pp）

为什么 Cholec80 的 SPI 误差更小？ 两个可能的原因（论文未显式论证，属合理推断）：

1. Cholec80 的阶段更规整：腹腔镜胆囊切除的七个阶段时间结构更标准化，SPI 转换点更稳定（Table 2 中 Cholec80 有 8 个节点、分布更均匀）；
2. Cholec80 的基线样本更多：65 段完整视频（vs ACL27 的 12 段）用于估计平均转换点，估计方差更小。

实践含义：ACL27 上 SPI 误差 10.6% 意味着"预测剩余时间"的误差量级在 10% 左右——对 OR 排程这类容错较高的应用可接受，对需要精确到分钟的场景则不够。

5.10 与腹腔镜方法的迁移表现剖析

一个容易被忽略的细节是：论文在 ACL27 上重训的那批"对手模型"（Trans-SVNet、MTRCNet、TeCNO）本身是腹腔镜领域的方法。它们的成绩（58–67%）与本文方法（72.91%）的差距，可以拆成两部分：

差距来源	说明
领域不匹配	腹腔镜方法在关节镜上"水土不服"（视觉难度、阶段结构都不同）
特征提取范式	本文强调的"时空特征前置"是相对这些方法的核心改进（消融证实 +4.85 pp）

这解释了为什么本文方法能领先这么多：它不只是"更好的模型"，而是"为关节镜这种难领域专门设计的模型"。对于做域适应的研究者，ACL27 提供了一个干净的实验台——把腹腔镜 SOTA 直接搬过来会掉多少分，这里有数字。

5.11 一个完整的结果复现清单

若要在 ACL27 上复现论文结果，需要依次满足以下条件（可作为实验检查表）：

步骤	要求	出处
1. 数据准备	27 段视频 + 标签，用编号正确配对	§2.2 / 坑 6
2. 抽帧	按 1 fps	论文 §3.3
3. 特征提取	ResNet-50，输入 240×240，输出 2048 维	论文 §3.2
4. 序列窗口	80 秒（80 帧）	论文 Fig.3
5. 划分	非 CV：前 18 段训练；CV：5 折 18/9	论文 §3.4
6. 损失	λ=0.5（SCE + MAE）	论文 §3.4
7. 优化	Adam，lr=5e-6，每 10 epoch ×0.1，30 epoch，batch=32	论文 §3.4
8. 报告	Table 3（ACC/P/R/Jaccard）+ Table 4（消融）+ Table 5（Cholec80）	论文 §4
9. SPI	用 Table 2 转换点 + 12 段基线	论文 §3.3

注意：论文未公开代码（坑 4），上述复现完全依赖论文文字描述。特别是"2-head Transformer 特征精炼层"“SFE/TCE 的具体结构”"80 秒序列 Transformer 的层数/维度"等超参数，论文未逐一给出——复现者需要做合理假设并在报告中说明。

§6 获取与许可：一扇没有门槛的门

6.1 三种资产、三种门（或同一扇门）

ACL27 的资产结构比多数数据集简单：数据集本体（CC BY 4.0 公开） 与 论文（期刊平台） 两件，几乎没有"多部件异构许可"的困扰。下表列出各资产的门。

资产	入口	许可	门槛
数据集本体（27 视频 + 27 标签 + status）	Zenodo record 10.5281/zenodo.14288900	CC BY 4.0	无（access=open，直接下载）
论文（正式版）	doi:10.1080/24699322.2025.2508144（Computer Assisted Surgery 2025）	期刊平台条款	可能需订阅/机构访问
论文（预印本）	arXiv:2502.07431	arXiv 默认非独占许可	无
代码	未提供直链	—	遗留疑点（坑 4）

这是本库中获取门槛最低的一档：既没有 Kaggle 式注册登录，也没有"upon qualified request"式请求制，更没有 LMC2 式注册+审批，直接一个 Zenodo 链接、CC BY 4.0、18.4 GB 下载即用。

6.2 下载与校验实操

Zenodo 记录页提供逐文件下载与 md5 校验值。实用的下载脚本骨架如下（注意 §2.2 的命名坑）：

# 1) 拉取全部文件（Zenodo 提供每文件的直链）
#    也可用 DOI 前缀的 API 拿到文件清单：
curl -s "https://zenodo.org/api/records/14288900" \
  | python3 -c "import sys,json; d=json.load(sys.stdin); \
      [print(f['key'], f['links']['self'], f['checksum']) for f in d['files']]"

# 2) 逐文件校验 md5（checksum 形如 md5:xxxx）
#    Zenodo 文件清单里每项都带 checksum，可批量核对

# 3) 配对视频与标签时【务必用编号匹配，不要用文件名直接拼接】
#    视频：video1.mp4 ... video27.mp4        （不补零）
#    标签：video01-phase.txt ... video27-phase.txt （补零两位）
#    错误示范：f"video{i}-phase.txt" 对 i=1..9 会拼成 video1-phase.txt（不存在）
#    正确示范：f"video{int(i):02d}-phase.txt"

校验要点：Zenodo 记录页给出的 md5 是逐文件的（如 video01-phase.txt 的 md5 为 89dfcf5a2b7cb81d8090d87e97e29d50）。下载后应逐文件核对，尤其大文件（video1.mp4 1.1 GB）容易在传输中损坏。

6.3 许可解读：CC BY 4.0 意味着什么

CC BY 4.0（署名 4.0 国际） 是最宽松的 Creative Commons 许可之一，允许：

权利	是否允许	条件
使用（商业/非商业）	✅ 允许	需署名
修改、演绎	✅ 允许	需署名
再分发	✅ 允许	需署名
训练商业模型	✅ 允许	建议标注来源
再许可为闭源	✅ 允许	演绎作品可自定许可（但需保留署名）

唯一的硬性义务是署名（Attribution）：使用者需注明数据来源（ACL27 / ArthroPhase，Bahari Malayeri et al., Balgrist University Hospital, University of Zurich）、标注许可为 CC BY 4.0、并说明是否作过修改。

注意：数据集是 CC BY 4.0，但论文正文受期刊条款约束，不等同于 CC BY 4.0。若只下载数据、不复制论文全文，则只需遵守 CC BY 4.0；若要在出版物中大量引用论文图表，需另行确认期刊的版权政策。

6.4 获取决策卡

你的需求	行动
想立刻跑通阶段识别管线	Zenodo 下载 27 段视频 + 标签（18.4 GB），先用论文架构跑一遍
想做基础模型/视频理解预训练	CC BY 4.0 无门禁，可直接纳入训练语料（注意署名）
想做手术时长预测/SPI 研究	用 Table 2 的转换点 + 逐秒标签自己实现 SPI
想商用手术辅助系统	数据可用（CC BY 4.0），但需评估医疗器械合规与临床验证
想复现论文全部结果	注意代码未公开（坑 4），需按论文细节自行实现

6.5 与库内其他数据获取模式的对照

把 ACL27 放进千方病案医数集的"获取难度光谱"里，它站在最宽松的一端：

档位	库内参照	本条目对应
注册墙（最严）	需注册+审批型数据集	—
请求制	少量 upon request 型数据集	—
平台托管	Zenodo 型	数据集本体（Zenodo）
公开直链	HF/Zenodo 直链型	ACL27（CC BY 4.0 + open）

结论：ACL27 是本库获取门槛最低的一类——无需注册、无需审批、无需请求，一个 Zenodo 链接、CC BY 4.0、直接下载。对希望快速验证想法的研究者非常友好，这也是它作为"探针式数据集"的最佳注脚。

6.6 长期保存与镜像建议

由于 CC BY 4.0 允许再分发，ACL27 的长期可获得性有双重保障：

1. 主源：Zenodo（CERN 运营，承诺长期保存，DOI 稳定）；
2. 镜像：任何第三方均可在署名前提下镜像——机构可自建本地副本，避免网络波动影响实验。

给团队的建议：若把 ACL27 作为长期实验基准，建议在本地保存一份完整副本（18.4 GB）并记录 md5，这样即使 Zenodo 临时不可用，实验也不受影响。反观"请求制"数据集（如部分病理数据集），一旦作者邮箱失效就可能永久失联——ACL27 的开放模式在长期可用性上明显更优。

§7 生态与谱系：关节镜从 0 到 1

7.1 谱系与历史位置

ACL27 站在一条清晰的方法演进线上。论文 §2（State-of-the-art）梳理的谱系，本身就是"手术阶段识别"这个领域的地图。

阶段	代表方法/数据集	贡献
早期（信号/统计）	Dynamic Time Warping、HMM；Cholec80 / M2CAI16	用手工特征+隐马尔可夫建模手术流程
空间特征时代	EndoNet（首个用 CNN 抽空间特征）	奠定 CNN 基础，配层次 HMM 捕捉时序
时序深化	SV-RCNet（ResNet + LSTM）	端到端时空特征学习
数据集扩张	Cataract-101（101 白内障）	把战场从胆囊切除拓到眼科
多任务	MTRCNet-CL（工具检测+阶段相关损失）	用多任务提升两项性能
长序列	TeCNO（时序卷积网络 TCN）	改善 LSTM 处理长序列的局限
Transformer	OperA（注意力正则 Transformer）、Trans-SVNet	自注意力处理长序列
多尺度/在线	LoViT、SKiT（键池化）	在线识别、恒定推理时间
场景图	Dynamic Scene Graph（Holm et al.）	可解释性
关节镜破冰	ACL27 / ArthroPhase（本条目）	首个关节镜公开阶段识别数据集 + SPI

关键历史判断：在 ACL27 之前，上述所有数据集（Cholec80、Cholec120、M2CAI16、Cataract-101）都是腹腔镜或眼科——关节镜领域是空白。ACL27 填补的正是这个空白，这也是论文自称"first arthroscopy dataset"（首个关节镜数据集）的依据。

7.2 前作锚点：关节镜视频摘要

虽不是阶段识别，但关节镜视频的自动化处理有一条更早的线索：Lux et al. (2010) 的关节镜视频摘要工具（“A novel tool for summarization of arthroscopic videos”, Multimedia Tools and Applications, 46:521-544）。这项工作做的是关键帧视频摘要（keyframe-based video summarization）——把长视频压缩成代表性帧。论文明确把它列为关节镜领域的"some attempts"（少数尝试），并指出"comprehensive surgical workflow recognition for arthroscopic procedures remains largely unexplored"（完整的关节镜工作流识别基本未被探索）。这是 ACL27 与"前作"的边界：摘要 ≠ 阶段识别。

7.3 库内可互链条目

以下是本库（千方病案医数集）中与 ACL27 关系最近的条目，均已经 DB 反查确认 record_id：

条目	rid	关系	互链理由
Cholec80	78	直接对标	本论文的跨库基准；ACL27 大量方法（Trans-SVNet/TeCNO/OperA 等）来自 Cholec80 生态
Cataract-101	263	同族（手术视频阶段识别）	另一"手术视频 + 阶段标注"数据集，构成阶段识别数据集家族的横向对照
CholecT50	223	细粒度互补	腹腔镜手术动作三元组（动作层，比阶段更细），与阶段层任务形成粒度互补
CholecTrack20	886	同域工具追踪	腹腔镜器械多视角追踪，与 ACL27 同属"手术视觉理解"
AutoLaparo	313	多任务对照	腹腔镜子宫切除三任务数据集，同属手术工作流分析家族
SLAM-laparoscopic-motions	762	动作识别片段	腹腔镜动作识别视频片段，与阶段识别的时序建模相关
SurgToolLoc 2022	821	器械定位	弱监督手术器械定位挑战赛，任务相关
3DReasonKnee	728	骨科关节领域	膝关节 3D 推理数据集，与 ACL 同属膝关节/骨科主题（非手术视频）

互链叙事建议：在库内构建"手术视频理解"主题簇——以 ACL27 为关节镜入口，Cholec80/CholecT50/CholecTrack20 为腹腔镜主干，Cataract-101 为眼科分支，AutoLaparo 为妇科分支，形成"按术式维度铺开的手术视觉数据集地图"。3DReasonKnee 则可作为"骨科关节影像"侧的邻居。

7.4 生态位：为什么 ACL27 的重要性和它的规模不成正比

27 段视频在数据规模上毫不起眼（Cholec80 有 80 段，PANDA 这种病理数据集动辄上千张）。但 ACL27 的生态价值来自三个"第一"：

1. 领域第一：首个公开的关节镜手术阶段识别数据集——从 0 到 1 的价值不取决于段数。
2. 难度基准第一：它把关节镜的视觉难度（反光/折射/遮挡/窄视野）变成了可量化的准确率落差（72.91% vs Cholec80 的 92.4%），给后续研究一个"换领域会掉多少分"的参照。
3. 任务第一：首次提出 Surgical Progress Index（SPI），把"离散阶段分类"扩展成"连续进度估计"，为手术时长预测与 OR 排程优化提供接口。

7.5 影响与应用方向

论文在 Discussion 中点出了 ACL27 + SPI 的落地场景，可作为生态延展的线索：

方向	说明
手术训练	用自动阶段识别评估住院医师的操作流程完整性
实时手术辅助	在术中提示当前阶段与下一步，支撑决策
手术文档自动生成	阶段序列 → 结构化手术报告
手术室（OR）管理	SPI 预测剩余时长 → 优化排程、减少患者等待
并发症检测	阶段异常/停滞可作为风险信号
跨领域迁移研究	腹腔镜方法迁关节镜的域适应研究

§8 方法学启示：三条可迁移的经验

8.1 "把时间提前注入特征"是有效的设计范式

ACL27 论文最可迁移的技术经验，是它对特征提取时机的主张。传统的做法有两类：早期（如 SV-RCNet）先抽纯空间特征、再交给 RNN/TCN 建模时序；近期（如 LoViT）先做时序丰富的特征、但在最后一步又退回纯空间特征。论文的做法是从特征提取第一层就融入时间：ResNet-50 之后立刻接 2-head Transformer 精炼，再用 SFE + TCE 双编码器整合时空。

消融表（Table 4）给出的证据很硬：有无时空特征，准确率差 4.85–5.48 个百分点。这个范式对任何"长序列 + 弱空间差异 + 强时间依赖"的任务（如手术、监控、行为识别）都有参考价值。

8.2 SPI：把回归任务当作分类的正则

SPI 的设计有个反直觉之处：它是一个回归任务（预测 0–1 的连续值），却让分类任务也变好了。消融显示，单独加入 SPI（无时空特征）就能把准确率从 66.38% 提到 69.83%（+3.45 pp）。

机制上的解释是：要让模型预测"手术完成百分比"，它必须学到全局的时间上下文——知道"现在离结束还有多远"，这反过来帮助它区分那些视觉相似但处于不同阶段的画面（比如两条隧道建立阶段）。副产品收益（auxiliary task regularizing the main task）在这里被清晰地量化了。

8.3 数据集论文的"诚实清单"是有价值的学术资产

ACL27 论文在 Discussion 里几乎逐条列全了自己的局限：规模小、阶段缺失、标注主观、计算开销大、单一机构、无法与同类对比（因无公开代码）。这份诚实本身对使用者极有价值——它精确划定了"这个数据能支持什么结论、不能支持什么结论"。

给数据集使用者的启示：引用 ACL27 的 72.91% 时，应同时引用它的方差（±11.76%，见坑 2）与规模限制，避免把一个小样本结果当成稳健基准。

8.4 关节镜 AI 的下一步在哪里

从 ACL27 的局限清单可以反推这个方向的下一步：

局限	可能的下一步
27 段太少	多中心、大样本的 ACL/关节镜数据集
阶段缺失	更鲁棒的缺失阶段处理 / 因果建模
标注主观	半自动标注工具、多专家一致性研究
单一设备	跨设备泛化实验
计算开销大	轻量化 / 实时推理优化
代码未公开	社区复现与开源（见 §9 遗留疑点）

8.5 对"AI-Ready"数据集设计的启示

从 ACL27 的设计看，一个"AI-Ready"数据集应该具备什么？下表以 ACL27 为样本逐项对照：

AI-Ready 要素	ACL27 的表现	评价
明确的许可	CC BY 4.0，无歧义	✅ 优秀
无门禁的获取	Zenodo open，直链	✅ 优秀
逐文件校验	每个文件带 md5	✅ 优秀
清晰的任务定义	五阶段分类 + SPI 回归	✅ 良好
标注协议文档化	论文描述，但无独立协议文档	⚠️ 中等
数据格式规范	论文未给标签格式规范	⚠️ 不足
基线可复现	代码未公开	❌ 缺
元数据完整	分辨率/帧率/患者信息缺失	⚠️ 不足

结论：ACL27 在"准入"层面（许可、获取、校验）是标杆级，但在"复现"层面（代码、格式规范、元数据）有明显缺口。这给数据集生产者的启示是：开放的许可 + 完整的元数据 + 可复现的代码三者缺一不可，否则再好的领域突破也会被复现成本拖累。

8.6 小数据集的价值主张

最后值得为"27 段"这个看似寒酸的规模说句公道话。在数据集动辄百万样本的时代，ACL27 证明了小数据集的三种独特价值：

1. 领域开创价值：第一个公开的关节镜阶段识别数据集，其价值在于"有没有"而非"有多少"。
2. 难度标定价值：它用 72.91% vs 92.4% 的落差，给整个领域一个"跨术式难度差"的定量锚点。
3. 方法验证价值：SPI 作为一个新任务定义，在小数据集上就足以验证概念可行性，无需大数据。

换句话说，ACL27 是一个"探针"式数据集——不是用来训练大模型的燃料，而是用来探测关节镜 AI 可行性的仪器。理解这一点，就不会因为它只有 27 段而低估它。

7.6 与 3DReasonKnee 的骨科邻域关系

库内的 3DReasonKnee（rid 728） 与本条目同属"骨科关节"主题，但两者解决的问题完全不同，值得辨析以免误混：

维度	ACL27	3DReasonKnee
数据类型	手术视频（时序）	3D 影像/推理（空间）
解剖部位	膝关节（ACL）	膝关节
任务	手术阶段识别	3D 空间推理
模态	关节镜视频	3D 数据
共同点	都是膝关节	都是膝关节

互链建议：在库内构建"膝关节 AI"小簇时，ACL27 提供"术中视频/动态"维度，3DReasonKnee 提供"术前影像/静态"维度，两者互补构成"膝关节诊疗全流程"的叙事。但不建议把二者描述为"同一类数据集"——一个是手术录像，一个是 3D 影像，混用会误导检索者。

7.7 关节镜手术的临床背景速览

为帮助非骨科背景的读者理解 ACL27 的临床语境，这里用最小篇幅交代 ACL 重建手术的要点：

概念	简要说明
前交叉韧带（ACL）	膝关节内防止胫骨前移、维持旋转稳定的关键韧带
ACL 损伤	常见于运动创伤（急停、变向）；断裂后膝关节不稳
ACL 重建术	用自体/异体肌腱移植物重建韧带，通过关节镜微创完成
股骨/胫骨隧道	在股骨与胫骨上各钻一条通道，供移植物穿过并固定
为什么分五阶段	五阶段的临床操作、器械、目视特征各不相同，便于标准化与教学

这一背景解释了为什么 ACL 重建适合做阶段识别的首个关节镜任务：它的步骤高度标准化（五阶段几乎固定顺序），纳入标准又容易界定（只含标准步骤），是一个"结构化程度高"的术式——比无序的复杂关节镜手术更适合作为从 0 到 1 的起点。

§9 与库内条目的关系

9.1 家族图谱

把 ACL27 放进千方病案医数集的"手术视频理解"簇，它的位置是关节镜入口 + 阶段识别基准 + SPI 首创者。

手术工作流 / 手术视频理解
├── 阶段识别（phase recognition）
│   ├── 腹腔镜：Cholec80(rid 78)、CholecT50(rid 223)、CholecTrack20(rid 886)
│   ├── 眼科：Cataract-101(rid 263)、CATARACTS(rid 253)
│   ├── 妇科：AutoLaparo(rid 313)
│   └── 关节镜：★ ACL27（本条目）★  ← 领域破冰
├── 手术动作/器械
│   ├── MTRCNet/工具检测：SurgToolLoc 2022(rid 821)
│   └── 动作三元组：CholecT50(rid 223)
├── 手术定位/重建
│   ├── EndoSLAM(rid 408)、SLAM 3D Endoscopic(rid 82)
│   └── EndoMapper(rid 428)
├── 手术分割/场景
│   ├── CholecSeg8k(rid 233)、Endoscapes(rid 353)
│   └── EndoVis Challenges(rid 79)
└── 骨科关节影像（邻域）
    └── 3DReasonKnee(rid 728)

9.2 检索路径建议

你想找…	检索关键词	命中/说明
本条目	ACL27、ArthroPhase、acl27	唯一
关节镜手术数据	arthroscopy、arthroscopic、关节镜	ACL27 是库内关节镜代表
手术阶段识别	手术阶段识别、surgical phase recognition	Cholec80/Cataract-101/ACL27
手术进度/时长	SPI、Surgical Progress Index、手术进度	ACL27 首创
骨科/膝	膝关节、骨科、orthopedics	3DReasonKnee、ACL27
手术视频（大类）	手术视频、surgical video	全簇

9.3 与 Cholec80 的关系（最紧密的一条）

ACL27 与 Cholec80（rid 78） 是"新领域 × 老标杆"的关系，值得单独说明这条互链的价值：

维度	Cholec80	ACL27
术式	腹腔镜胆囊切除	关节镜 ACL 重建
段数	80	27
阶段数	7	5
视觉难度	中	高（反光/折射/遮挡）
本论文准确率	92.4%	72.91%
在本论文中的角色	跨库基准	主战场

一个直接的检索用途：想知道"换术式会掉多少分"，对比这两个数字（92.4% vs 72.91%）即可。这也是本条目与 Cholec80 条目天然互链的理由。

§10 避坑清单：八个已踩过的坑

坑 1："ArthroPhase"是论文名，不是独立数据集名。数据集本体叫 ACL27；论文标题是 “ArthroPhase: A Novel Dataset and Method…”。Zenodo 上数据集以论文名发布，容易让人误以为是两个数据集。检索数据集用 “ACL27”，检索方法/论文用 “ArthroPhase”。

坑 2：ACL27 准确率方差的单双口径。Table 3 写 72.91%（无标准差）；Discussion 段写 72.91±11.76%。同一数值、两种呈现。条目正文统一按 72.91% 引用并注明 Discussion 带 std；自动化抽取建议以 Table 3 为准。引用时若不提方差，会低估该数据集上模型的不稳定性。

坑 3：Table 3 与 Table 4 的口径不可比。Table 3（对比表）是非交叉验证口径（前 18 段训练，标 +），本文方法 72.91%；Table 4（消融表）是 5 折交叉验证，全开时 76.71±2.44%。两个数字都对，但回答不同问题（固定划分的绝对成绩 vs CV 的稳健均值），直接相减得出的"论文自相矛盾"是误解。

坑 4：论文承诺公开代码，但无任何仓库 URL。摘要与结论写 “publicly available dataset and code”，§1 写 “will be made publicly available upon acceptance”，但全文没有给出 GitHub/代码链接，Zenodo 记录也只有数据文件、无代码。复现者需按论文细节自行实现（注意训练配置见 §5.4）。这是本条目最重要的遗留疑点。

坑 5：18.4 GB 与"约 13 小时"是两个口径，别反推码率。18.4 GB 是 Zenodo 存储量，13 小时是手术素材时长。二者相除得到的"平均码率"没有意义，因为不同视频的压缩率/帧率/分辨率可能不一致。引用时分别标注来源。

坑 6：视频名与标签名的零填充不一致。视频是 video1.mp4…video27.mp4（不补零），标签是 video01-phase.txt…video27-phase.txt（补零两位）。第 1–9 段两者的"编号位数"对不上，写脚本配对必须用数字编号匹配，不能直接拼接文件名字符串，否则会漏掉前 9 段的标签（§6.2）。

坑 7：SPI 基线只用 12 段完整视频。27 段里只有 12 段包含全部五阶段，用于计算平均 SPI 转换点；其余 15 段用均值修正。这意味着 SPI 的准确性依赖那 12 段代表性，且缺失阶段的视频其 SPI 是估计值而非真值。

坑 8：Zenodo 页面未标 version 号。Zenodo 显示 “Version v1 / Published December 6, 2024”，但 metadata 里 version 字段为空。引用时建议用 DOI 10.5281/zenodo.14288900（记录级 DOI）而非可能变动的 concept DOI，并注明抓取日 2026-10-08。

§11 总结

11.1 三句话总结

1. ACL27 是首个公开的关节镜手术视频阶段识别数据集：27 段前交叉韧带重建视频（18.4 GB / 约 13 小时），逐秒标注准备、诊断、股骨隧道、胫骨隧道、重建五阶段，CC BY 4.0 于 Zenodo 公开。
2. 它同时提出了手术进度指数 SPI：用 0–1 连续值量化手术进程，ACL27 上 SPI 误差 10.6%，把"阶段分类"扩展为"进度估计"。
3. 它给关节镜 AI 立了第一根标尺：ResNet-50 + Transformer 时空特征在该数据集上达 ACC 72.91%（消融全开 76.71±2.44%），显著高于腹腔镜方法迁移的 58–67%，同时把关节镜比腹腔镜的视觉难度落差（72.91% vs Cholec80 92.4%）量化了下来。

11.2 适合谁

• 做手术视频理解 / 阶段识别的研究者：这是关节镜领域唯一的公开基准；
• 做跨领域迁移 / 域适应的团队：Cholec80↔ACL27 是天然的跨术式迁移对；
• 做手术进度 / 时长预测的人：SPI 提供现成的连续标签定义与转换点；
• 做骨科 / 关节镜 AI 的开发者：骨科关节侧少见的时序视频数据集（与 3DReasonKnee 互补）；
• 做医学视频数据集综述的作者：可从 §7 谱系与 §9 家族图谱直接取材。

11.3 不适合谁

• 需要大规模数据的训练者：27 段太少，不足以从头训练大模型（更适合评测/微调/迁移）；
• 需要多中心、多设备泛化的研究者：全部来自单一机构 + 单一设备；
• 需要患者级临床变量（年龄、性别、共病、术者）的研究：这些未披露；
• 需要现成代码一键复现的工程团队：代码未公开（坑 4）。

11.4 30 秒决策卡

你的情况	行动
要立刻下数据	Zenodo 10.5281/zenodo.14288900，CC BY 4.0，直接下 18.4 GB
要做阶段识别基线	按 §5.4 配置实现，注意与 Table 3/4 口径对齐
要做 SPI	用 §5.3 Table 2 的转换点 + 逐秒标签实现
要有参考试验	直接对标 Table 3（72.91%）或 Table 4（76.71±2.44%）
要跨库迁移	与 Cholec80(rid 78) 配对，读 §5.7
要引用本数据集	用 §附录 A 的 BibTeX；许可写 CC BY 4.0；年份按 2025

FAQ（高频问答 30 问）

A. 基础认知

Q1：ACL27 和 ArthroPhase 是一个东西吗？
是。ACL27 是数据集本体的名字，ArthroPhase 是论文（及所提方法）的名字。Zenodo 上数据集以论文名发布。检索数据用 ACL27，检索论文用 ArthroPhase。

Q2：ACL27 里的 “27” 是什么？
视频段数。名字 = 术式（ACL）+ 段数（27）。

Q3：它和 Cholec80 什么关系？
Cholec80 是腹腔镜胆囊切除数据集，ACL27 是关节镜 ACL 重建数据集。ACL27 论文用 Cholec80 做跨库基准，两者是"新领域 vs 老标杆"关系。库内 Cholec80 = rid 78。

Q4：是谁做的？
苏黎世大学 Balgrist 大学医院（University Hospital Balgrist, University of Zurich），骨科计算机科学研究组（ROCS）+ 骨科系，共 9 位作者，通讯作者 Ali Bahari Malayeri。

Q5：什么时候发布的？
视频采集于 2022-01 至 2023-06；Zenodo 数据集发布于 2024-12-06；arXiv 预印本 2025-02-11（v2 2025-02-13）；期刊正式版 Computer Assisted Surgery (2025)。

Q6：有多少阶段？
五个：Preparation、Diagnosis、Femoral Tunnel Creation、Tibial Tunnel Creation、ACL Reconstruction。

Q7：为什么叫"首个关节镜数据集"？
因为在它之前，公开的手术阶段识别数据集（Cholec80/Cholec120/M2CAI16/Cataract-101）都是腹腔镜或眼科，关节镜领域的完整工作流识别此前基本空白（仅有 Lux 2010 的视频摘要工作）。

B. 数据与获取

Q8：多大？多少段？
27 段，18.4 GB，总时长约 13 小时，单段 6–48 分钟。55 个文件（27 mp4 + 27 phase.txt + 1 status）。

Q9：怎么下载？
Zenodo 记录 10.5281/zenodo.14288900（https://zenodo.org/records/14288900），直接下载，无门禁。

Q10：能商用吗？
能。许可是 CC BY 4.0，允许商业使用、修改、再分发，只需署名。但商用医疗器械需另行满足监管与临床验证要求。

Q11：需要注册或申请吗？
不需要。access = open，无注册、无审批、无请求制。

Q12：有 md5 校验吗？
有。Zenodo 逐文件提供 checksum（如 video01-phase.txt 的 md5 = 89dfcf5a2b7cb81d8090d87e97e29d50）。

Q13：视频和标签怎么配对？
用数字编号配对，不要直接拼文件名——视频 video1.mp4 对应标签 video01-phase.txt（零填充不一致，见坑 6）。

Q14：数据里有没有患者隐私信息？
论文未详细披露去标识化流程（遗留疑点）；数据以手术视频+阶段标签形式发布，未见患者标识说明。

Q15：能拿到原始分辨率/帧率吗？
论文正文未明示原始规格，只知道处理后按 1 fps、模型输入 240×240（遗留疑点）。

C. 数据内容

Q16：每段视频都含全部五阶段吗？
不含。Preparation 只在 19/27 段、ACL Reconstruction 只在 16/27 段出现；仅 12 段含全部五阶段。

Q17：最长/最短的阶段是什么？
平均最长：Femoral Tunnel Creation（10′14″）；平均最短：Preparation（2′40″）。总时长最长也是 Femoral Tunnel（265′54″）。

Q18：标签是什么格式？
每个视频一个 videoNN-phase.txt，按"每秒 1 标签"组织，覆盖五阶段的类别序列。论文未给出正式格式文档（遗留疑点），建议下载后先抽查。

Q19：用的是什么设备？
Karl Storz 腹腔镜（在此场景作关节镜使用）。

Q20：采集的纳入标准？
仅含标准 ACL 步骤、且无并发其他需手术干预病变的病例。

Q21：为什么有的视频缺阶段？
视频录制起止点、操作顺序等实际因素导致并非每段都完整覆盖五阶段——这是真实手术录像的固有特性。

D. 模型与结果

Q22：论文的模型是什么？
ResNet-50（240×240 输入，2048 维特征）+ 2-head Transformer 精炼 + SFE/TCE 时空编码 + 80 秒序列 Transformer，双输出（阶段分类 + SPI 回归）。

Q23：在 ACL27 上多少分？
ACC 72.91% / Precision 72.86% / Jaccard 57.39%（Table 3，非交叉验证）。

Q24：为什么消融表是 76.71%？
那是 5 折交叉验证口径（Table 4），与非交叉验证的 Table 3 不是一回事（坑 3）。

Q25：SPI 是什么？误差多少？
Surgical Progress Index，手术进度指数（0–1）。ACL27 上误差 10.6%，Cholec80 上 9.86%。

Q26：和别的模型比如何？
在 ACL27 上显著领先：Trans_SVNet 66.75%、MTRCNet 60.68%、TeCNO 58.31%。在 Cholec80 上 92.4%，与 SOTA（SKiT 92.5%）持平。

Q27：训练配置？
TensorFlow 2.10.1，RTX-A6000，Adam，lr=5e-6（每 10 epoch ×0.1），30 epoch，batch=32，λ=0.5 复合损失。

Q28：SPI 怎么实现的？
SPI(t,k)=t/T_k；缺失阶段用全阶段视频（ACL27 中 12 段）的平均 SPI 修正（§5.3）。

E. 生产与库内

Q29：库内有可互链的其他条目吗？
有：Cholec80(78)、CholecT50(223)、Cataract-101(263)、AutoLaparo(313)、SLAM-laparoscopic-motions(762)、SurgToolLoc 2022(821)、CholecTrack20(886)、3DReasonKnee(728)。

Q30：这篇条目的抓取时点？
2026-10-08。

F. 复现与工程细节

Q31：标签文件长什么样？
每个视频配一个 videoNN-phase.txt，按每秒一个标签组织五阶段类别。论文未给正式格式文档，建议下载后先抽查（坑/遗留疑点）。文件大小 313.3 kB–2.2 MB。

Q32：怎么把视频和标签对应起来？
用数字编号：video 1 ↔ video01-phase.txt。不要用文件名字符串直接拼接——前 9 段的视频名与标签名零填充位数不一致（坑 6）。

Q33：SPI 怎么自己算？
两步：① 选出含全部五阶段的视频（ACL27 中 12 段）算各阶段平均 SPI 转换点（Table 2：0.0/0.073/0.309/0.534/0.765/1.000）；② 对任意视频用 SPI=t/T_k，缺失阶段用平均转换点修正（附录 F 骨架）。

Q34：抽帧到多少 fps？
按论文 1 fps（§3.3）。这也让"每秒 1 标签"与帧一一对应。

Q35：显存要多少？
论文用 RTX-A6000（48 GB）。80 帧序列 + ResNet-50 特征提取的显存需求中等，但论文未给出最低显存要求，需自行实测。

Q36：训练要多久？
论文未给出具体墙钟时间，只给了 30 epoch × 5 折的配置。估算需按自己的硬件实测。

Q37：为什么消融表有标准差而对比表没有？
消融（Table 4）用 5 折交叉验证，可算折间标准差；对比（Table 3）是非交叉验证的单次划分，故无 std（坑 2、坑 3）。

Q38：能直接拿它对标别的关节镜数据集吗？
目前没有其他公开关节镜阶段识别数据集可对标——ACL27 是唯一的，所以它的"对手"是腹腔镜方法迁移过来的结果（§5.8）。

G. 引用与合规

Q39：引用时许可怎么写？
写 CC BY 4.0，并署名（Bahari Malayeri A, Seibold M, Cavalcanti NA, et al., Balgrist University Hospital, University of Zurich），附录 G 给了模板。

Q40：引用论文的年份？
按期刊口径 2025（Computer Assisted Surgery 2025, doi:10.1080/24699322.2025.2508144）。arXiv 预印本另标 2025-02。

Q41：商用有风险吗？
数据许可（CC BY 4.0）允许商用；但作为医疗器械/临床辅助产品使用，需另行满足监管审批与临床验证，许可本身不构成合规背书。

Q42：能再分发修改后的版本吗？
可以。CC BY 4.0 允许修改与再分发，条件是署名 + 标注修改。

§10.5 坑点速查（八坑一表）

为方便快速自查，把 §10 的八个坑压缩成一张表：

#	坑	一句话提醒
1	名混淆	ArthroPhase=论文名，ACL27=数据集名
2	方差口径	Table 3 是 72.91%，Discussion 是 72.91±11.76%
3	表不可比	Table 3（非 CV 72.91%）≠ Table 4（CV 76.71%）
4	代码缺失	论文承诺公开代码但无 URL
5	规模口径	18.4 GB（存储）≠ 13 小时（时长），别反推码率
6	命名零填充	video1.mp4 ↔ video01-phase.txt，用编号配对
7	SPI 基线	只用 12 段完整视频算转换点
8	版本号	Zenodo 未标 version，用记录级 DOI

术语表（28 条）

术语	释义
ACL（Anterior Cruciate Ligament）	前交叉韧带，膝关节内维持稳定的重要韧带；其损伤常需重建手术
ACL 重建（ACL reconstruction）	用移植物重建断裂前交叉韧带的手术，ACL27 的术式主题
关节镜（arthroscopy）	通过小切口插入镜头与器械观察/操作关节内部的技术
关节镜视频（arthroscopic video）	关节镜镜头拍摄的手术录像，视野窄、反光/折射多
手术阶段识别（phase recognition）	为手术视频每个时间点预测其所属手术阶段的任务
手术工作流分析（surgical workflow analysis）	对手术流程进行自动识别、分段、建模的研究领域
阶段（phase）	手术中具有临床意义的一段连续操作；ACL 重建划为五阶段
逐秒标注（one label per second）	每秒钟给一个阶段标签的标注方式，与 1 fps 管线对齐
阶段缺失（missing phases）	某段视频未包含全部五阶段的现象，影响 SPI 计算
时空特征（spatio-temporal features）	同时编码空间外观与时间上下文信息的特征表示
SFE（Spatial Feature Encoder）	空间特征编码器，把每帧映射为空间特征向量序列
TCE（Temporal Context Encoder）	时间上下文编码器，融合空间与时间信息
ResNet-50	50 层残差卷积网络，本论文的逐帧骨干编码器
Transformer	基于自注意力机制的序列建模架构，本论文用于特征精炼与阶段/SPI 预测
位置编码（positional encoding）	向 Transformer 注入序列位置信息的机制
8 头/2 头注意力	Transformer 的多头注意力头数，本论文特征精炼用 2 头
SPI（Surgical Progress Index）	手术进度指数，0–1 连续值量化手术完成百分比
SCE（Sparse Categorical Cross Entropy）	稀疏类别交叉熵，阶段分类损失
MAE（Mean Absolute Error）	平均绝对误差，SPI 回归损失
λ（lambda）	复合损失权重，本论文取 0.5，平衡分类与回归
交叉验证（cross-validation）	将数据分折轮流训练/验证；本论文 5 折，ACL27 为 18/9
准确率（Accuracy）	逐帧判定正确的比例，受阶段时长不均衡影响
精确率（Precision）	预测为正的样本中真正例比例
召回率（Recall）	真正例中被成功召回的比例
Jaccard 指数（Jaccard Index）	交并比 IoU，衡量预测与真值集合的重叠度
平均指标（average P/R/Jaccard）	按阶段各算一遍再平均，抵消阶段时长不均衡
域适应（domain adaptation）	把一个领域（腹腔镜）训练的模型迁移到另一领域（关节镜）
CC BY 4.0	署名 4.0 国际许可，允许商用/修改/再分发，只需署名

事实清单（硬事实 32 条）

1. 数据集本体名 ACL27；论文/方法名 ArthroPhase。
2. 27 段前交叉韧带（ACL）重建关节镜手术视频。
3. 总存储量 18.4 GB（Zenodo）。
4. 总时长 约 13 小时（论文 §3.1）。
5. 单段时长 6–48 分钟。
6. 采集时段 2022-01 至 2023-06。
7. 采集设备 Karl Storz 腹腔镜。
8. 采集机构 苏黎世大学 Balgrist 大学医院。
9. 五阶段：Preparation / Diagnosis / Femoral Tunnel Creation / Tibial Tunnel Creation / ACL Reconstruction。
10. 标注频率 每秒 1 标签。
11. 文件数 55（27 mp4 + 27 txt + 1 status）。
12. 视频名不补零（video1.mp4），标签名补零（video01-phase.txt）。
13. Preparation 出现于 19/27 段；ACL Reconstruction 出现于 16/27 段。
14. 仅 12 段含全部五阶段（SPI 基线）。
15. 平均阶段时长：Preparation 2′40″、Diagnosis 8′20″、Femoral 10′14″、Tibial 8′34″、ACL Reko 3′25″。
16. 总阶段时长：Preparation 50′40″、Diagnosis 208′32″、Femoral 265′54″、Tibial 214′02″、ACL Reko 54′38″。
17. 许可是 CC BY 4.0（Zenodo metadata）。
18. Zenodo access = open（无门禁）。
19. Zenodo DOI 10.5281/zenodo.14288900，发布日 2024-12-06。
20. 论文 DOI 10.1080/24699322.2025.2508144（Computer Assisted Surgery 2025）。
21. arXiv 2502.07431（v2 2025-02-13，cs.CV）。
22. PubMed PMID 40449528。
23. 作者 9 人，通讯 Ali Bahari Malayeri。
24. 资助：Innosuisse PROFICIENCY PFFS-21-19 + OR-X。
25. 模型骨干 ResNet-50（输入 240×240，输出 2048 维）。
26. 训练：TensorFlow 2.10.1，RTX-A6000，Adam lr=5e-6，30 epoch，batch=32。
27. 复合损失 λ=0.5（SCE + MAE）。
28. ACL27 结果：ACC 72.91% / Precision 72.86% / Jaccard 57.39%（Table 3）。
29. 消融全开：ACC 76.71±2.44%（Table 4，5 折 CV）。
30. Cholec80 结果：ACC 92.4±5.0%（非 CV）/ 91.9±0.9%（CV）。
31. SPI 误差：ACL27 10.6%，Cholec80 9.86%。
32. SPI 基线视频数：ACL27 12 段，Cholec80 65 段。

附录

附录 A：条目信息速查卡

项	值
条目名	ACL27
别名/论文名	ArthroPhase
url_name	acl27
类型	手术视频数据集（阶段识别）+ 方法论文
论文	Computer Assisted Surgery (2025)，doi:10.1080/24699322.2025.2508144
预印本	arXiv:2502.07431
团队	苏黎世大学 Balgrist 大学医院 ROCS + 骨科系
规模	27 段 / 18.4 GB / 约 13 小时
阶段	5（Preparation/Diagnosis/Femoral Tunnel/Tibial Tunnel/ACL Reko）
许可	CC BY 4.0
获取	Zenodo 10.5281/zenodo.14288900
抓取时点	2026-10-08

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	Zenodo 记录可索引 + arXiv/PubMed 三源覆盖 + 关键词清晰（ACL27/ArthroPhase）；但"名/数据集名"易混（坑 1）微降分
A 可获取性	9	CC BY 4.0 + access=open + Zenodo 直链 + 逐文件 md5——本库获取门槛最低档
I 可互操作	7	MP4 视频 + 纯文本标签，通用格式；但标签无正式格式文档、视频/标签命名零填充不一致（坑 6）
M 元数据质量	7	论文 Table 1/2 给出阶段时长与 SPI 转换点，信息充实；但原始分辨率/帧率、患者级信息未披露
S 可持续性	8	Zenodo（CERN 运营）长期托管 + CC BY 4.0 允许镜像；代码未公开（坑 4）影响复现可持续性
综合评级	7.8/10（良）	可获取性与可发现性突出；互操作与元数据因格式/披露缺口扣分

附录 C：逐项证据链自证

关键数字	来源	位置
27 段视频	论文摘要/Zenodo	全文/记录页
18.4 GB	Zenodo 文件清单	记录页 Files
约 13 小时 / 6–48 分钟	论文 §3.1	PDF p.3
2022-01 至 2023-06	论文 §3.1	PDF p.3
Karl Storz 腹腔镜	论文 §3.1	PDF p.3
五阶段名	论文 §3.1 / Zenodo 描述	PDF p.3 / 记录页
每秒 1 标签	论文 §3.1	PDF p.3
阶段时长表	论文 Table 1	PDF p.4
SPI 转换点	论文 Table 2	PDF p.6
12 段 SPI 基线	论文 §3.3	PDF p.5
ResNet-50 / 240×240 / 2048 维	论文 §3.2	PDF p.4
80 秒序列	论文 Fig.3	PDF p.6
λ=0.5 / SCE+MAE	论文 §3.4	PDF p.6
TF 2.10.1 / RTX-A6000 / Adam / lr 5e-6	论文 §3.4	PDF p.7
5 折 CV / 18-9 划分	论文 §3.4	PDF p.7
72.91/72.86/57.39	论文 Table 3	PDF p.8
76.71±2.44 消融	论文 Table 4	PDF p.8
92.4±5.0 / 91.9±0.9	论文 Table 5	PDF p.8
SPI 10.6% / 9.86%	论文 §4.2/§4.4	PDF p.7-8
CC BY 4.0 / open	Zenodo API	metadata
DOI 10.1080/24699322.2025.2508144	arXiv journal ref / PubMed	abs 页

附录 D：数据获取决策树

需求是什么？
├── 只想跑通阶段识别
│   └── Zenodo 10.5281/zenodo.14288900 下 27 段视频+标签（直接下，无需注册）
├── 想在 ACL27 上做基线
│   └── 按 §5.4 配置实现；对标 Table 3（72.91%）或 Table 4（76.71±2.44%）
├── 想做 SPI / 手术时长预测
│   └── 用 Table 2 转换点 + 逐秒标签自实现 SPI（§5.3）
├── 想做跨术式迁移
│   └── 配对 Cholec80(rid 78)，读 §5.7
└── 想复现论文全部结果
    ├── 注意：代码未公开（坑 4）
    └── 只能按论文细节实现，训练配置见 §5.4

附录 E：五阶段映射与使用规范

阶段	中文	时长特征	使用建议
Preparation	准备	最短（2′40″）、覆盖 19/27	样本少，评估时单独关注召回
Diagnosis	诊断	中（8′20″）	覆盖较全（25/27）
Femoral Tunnel Creation	股骨隧道建立	最长（10′14″）、覆盖 26/27	与胫骨隧道视觉相似，是主要混淆源
Tibial Tunnel Creation	胫骨隧道建立	中偏长（8′34″）	同上，注意与股骨隧道区分
ACL Reconstruction	ACL 重建	短（3′25″）、覆盖仅 16/27	尾声短阶段，样本最少

附录 F：SPI 复现骨架

# SPI 复现五步（论文 §3.3）
1. 选基线视频：只用含全部五阶段的视频
   - ACL27: 12 段 ; Cholec80: 65 段
2. 对每段基线视频计算各阶段边界的累计时长占比
3. 对每个阶段求平均 → avg_SPI(阶段)
   - ACL27 Table 2: 0.0 / 0.073 / 0.309 / 0.534 / 0.765 / 1.000
4. 对任意视频 k：
   SPI(t,k) = t / T_k
5. 若视频缺阶段，用 avg_SPI(缺失阶段) 修正：
   SPI_adjusted = t/T_k + Σ avg_SPI(i)·I(phase i missing)

附录 G：许可与署名模板

数据来源：ACL27 (ArthroPhase) — Arthroscopic ACL Reconstruction Video Dataset
作者：Bahari Malayeri A, Seibold M, Cavalcanti NA, et al.
机构：Balgrist University Hospital, University of Zurich
许可：CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
DOI：10.5281/zenodo.14288900
修改说明：<请如实填写是否修改>

附录 H：检索词表

# 数据集本名（首选）
ACL27
# 论文/方法名
ArthroPhase
# 领域检索
arthroscopic surgical phase recognition
anterior cruciate ligament reconstruction video dataset
# DOI/标识
10.5281/zenodo.14288900
arXiv:2502.07431
doi:10.1080/24699322.2025.2508144
# 注意：不要用 "ArthroPhase dataset" 单搜数据本体——会混到论文

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• slam-laparoscopic-motions — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• cholectriplet2022 — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• medvidqa — 共享标签：医学影像 / 手术视频 / 评测基准
• heichole — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• galar — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• gastrohun — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• cataract-1k — 共享标签：医学影像 / 手术视频 / 图像分类 / 评测基准
• pair-bst — 共享标签：医学影像 / 图像分类 / 评测基准 / 骨骼肌肉影像
• serv-ct — 共享标签：医学影像 / 手术视频 / 评测基准
• acevedo-blood — 共享标签：医学影像 / 图像分类 / 评测基准

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。