信息速览

数据集名称BAGLS-VF — 喉镜声门与左右声带像素分割数据集

数据类型人工标注,影像数据,原始数据

规模59250 帧视频喉镜影像（沿用 BAGLS 基础帧池，来自 640 段录音、7 家多中心机构）；BAGLS-VF 新增左/右声带两类像素级标注，患者级人数未单独披露

接入方式视频喉镜（videolaryngoscopy）图像帧（约 97% 灰度 + 约 3% 彩色 RGB）+ RGB 编码的三类标签掩膜（声门区/左声带/右声带）+ 标准化半自动标注协议；主托管 Zenodo (10.5281/zenodo.19593658)，祖代 BAGLS 见 Zenodo 10.5281/zenodo.3762320，论文见 BMC Research Notes 10.1186/s13104-026-07972-7

AI 就绪度

INFOBOX — BAGLS-VF 一屏速览

维度内容

本质 BAGLS 视频喉镜基准的三类像素级扩展（非新采集，帧池沿用 BAGLS）

团队 FAU 埃尔朗根-纽伦堡大学，贡献者 Andreas M. Kist、Sina Razi

论文 BMC Research Notes（doi:10.1186/s13104-026-07972-7）

数据 59250 帧视频喉镜影像，来自 640 段录音、7 家多中心机构

标注类别声门区 / 左声带 / 右声带（3 类，较原始 BAGLS 由 1 类扩为 3 类）

掩膜形式 RGB 编码标签图像，与影像像素对齐

色域构成约 97% 灰度 + 约 3% 彩色 RGB

标注流程受训标注员半自动标准化协议（算法预分割 + 人工校正）

托管 Zenodo（doi:10.5281/zenodo.19593658）

许可 CC BY-NC-SA 4.0（非商业 + 相同方式共享）

祖代数据集 BAGLS（2020, Sci Data, Zenodo 10.5281/zenodo.3762320）

旁系扩展 BAGLS-RT（2022, Zenodo 10.5281/zenodo.7113473，实时再训练）

库内互链 Kvasir-SEG、CVC-ClinicDB、EndoSLAM、CholecSeg8k（内窥镜分割）、Saarbrücken Voice Database、PC-GITA（语音/嗓音模态）

BAGLS-VF 是一份"给喉镜图像多标两条边"的数据集工程：它不采集新影像，而是在 BAGLS 基准已有的 59250 帧视频喉镜图像上，把"只有声门一个类别"的像素标注扩展为"声门区 + 左声带 + 右声带"三类，让自动分割模型第一次有机会在同一条基准线上同时衡量中央开口与两侧声带结构的定位能力。对嗓音医学而言，这意味着从"声门面积有多大"走向"左右声带是否对称、形态是否异常"的更进一步量化。

导语读法三则：

只想拿数据：直奔 §6 获取与许可——主入口是 Zenodo DOI，许可带 NonCommercial，商业场景务必先读许可小节。
关心它和 BAGLS 的区别：直奔 §2 与 §9——BAGLS-VF 与原始 BAGLS 共享帧池，差别在标注类别；两者常被混为一谈，§10 坑 1 专门辨析。
要做分割评测：直奔 §7 评估与基准与 §8 方法学启示——注意按录音划分防泄漏、按类别分别报告指标。

§0 导读：这个数据集解决什么问题

嗓音障碍的诊断与随访高度依赖喉镜下的形态观察。视频喉镜（videolaryngoscopy）能连续记录声带振动与开合过程，是评估声带麻痹、息肉、结节、白斑等病变的常规手段。临床上一个基础量化指标是声门面积（glottal area）——两侧声带之间开口区域的面积，它反映声门的开合程度；进一步地，左声带与右声带各自的形态决定了对振动对称性与病理形态的判断。问题在于，逐帧手工勾画声门与声带极其耗时，而喉镜图像本身又充满挑战：反光、器械遮挡、灰度与彩色录制混杂、不同机构的成像协议差异。

BAGLS 数据集（2020 年发表于 Scientific Data）正是为解决"自动声门分割"而生的多中心基准：它汇集了来自 7 家机构的 640 段录音、共 59250 帧视频喉镜图像，为每一帧提供声门区的分割标注，让研究者可以在统一基准上比较自动分割算法。BAGLS 的成功也暴露了它的边界：它只标注声门区一个类别。而在临床与研究实践中，左、右声带是独立且关键的解剖结构——它们的边界、面积、对称性往往正是病理判断的落点。

BAGLS-VF 的出现，正是为了补上这一层。它沿用 BAGLS 的基础帧池，将标注体系从"声门 1 类"扩展为"声门区 + 左声带 + 右声带 3 类"，掩膜以 RGB 编码区分不同结构，并与原始图像像素对齐。由此，同一条基准线不仅能评测声门分割，还能评测细粒度的声带结构分割——这使 BAGLS-VF 成为连接"喉镜自动分割"与"嗓音客观量化"的桥梁。

§0 读法三则：

这个条目要辨析的核心是"BAGLS vs BAGLS-VF"：前者是 2020 年的单类声门基准，后者是在同一帧池之上新增左右声带标注的三类扩展（§2、§9）。
所有关于规模（59250 帧 / 640 录音 / 7 机构）的硬数字，既适用于 BAGLS-VF 也适用于其祖代 BAGLS——因为二者共享帧池，正文已按此口径表述。
许可（CC BY-NC-SA 4.0）的 NonCommercial 条款是本条目最容易被忽略的"红线"，做商业模型训练前请务必读 §6。

§1 数据集速览：十问十答

Q1：BAGLS-VF 和 BAGLS 是什么关系？
BAGLS-VF 是 BAGLS 的扩展版。BAGLS 是 2020 年发表的视频喉镜自动声门分割多中心基准，只标注声门一个类别；BAGLS-VF 沿用其基础帧池（59250 帧），把标注扩展为声门区、左声带、右声带三类。可以理解为"同一批影像、更细的标注"。

Q2：59250 帧这个数字是 BAGLS-VF 的吗？
它是 BAGLS 与 BAGLS-VF 共享的基础帧池规模，来自 640 段录音、7 家机构。检索时看到"59250 帧"往往同时指向两者——区分点不在帧数，而在标注类别数（BAGLS 为 1，BAGLS-VF 为 3）。

Q3：三类标注具体是什么？
声门区（glottal area）、左声带（left vocal fold）、右声带（right vocal fold）。掩膜以 RGB 标签图像编码，不同颜色对应不同结构，像素级与原始影像对齐。

Q4：谁是作者、来自哪里？
来自德国 FAU 埃尔朗根-纽伦堡大学（Friedrich-Alexander-Universität Erlangen-Nürnberg）的研究团队，核心贡献者包括 Andreas M. Kist 与 Sina Razi。BAGLS 系列与该校嗓音/语音相关实验室关系密切。

Q5：标注怎么做的？可靠吗？
由受训标注员采用标准化的半自动协议完成：先用算法生成预分割，再由人工逐帧校正。这种"算法预标 + 人工精修"的方式在保证像素精度的同时控制了标注成本。具体的一致性统计以论文报告为准。

Q6：数据里灰度还是彩色？
以灰度为主——约 97% 为灰度录制，约 3% 为彩色（RGB）录制。这一混合构成反映了多中心真实采集条件的差异，也意味着建模时要考虑跨色域的鲁棒性。

Q7：许可是什么？能商用吗？
CC BY-NC-SA 4.0。允许署名前提下的非商业使用、再分发与改编，衍生作品须以相同方式共享；商业用途被排除，需要商用必须另行取得授权。

Q8：数据在哪里下载？
主托管在 Zenodo（DOI 10.5281/zenodo.19593658），同时有 NLM Dataset Catalog 的收录记录。论文发表于 BMC Research Notes（DOI 10.1186/s13104-026-07972-7）。

Q9：它还有什么"亲戚"？
祖代是 BAGLS（2020, Zenodo 10.5281/zenodo.3762320）；旁系是 BAGLS-RT（2022, Zenodo 10.5281/zenodo.7113473），面向实时分割的再训练扩展（267 段视频 / 21050 张图像）。

Q10：为什么它对 AI-Ready 重要？
它是"同池多标注扩展"的典型样本：在不新增采集的前提下，通过扩展标注类别提升数据集的临床语义密度。对研究标注体系设计、基准演进路径，以及喉镜分割模型的细粒度评测，都有直接参考价值。

§2 数据构成与规格

2.1 基础帧池：多中心视频喉镜影像

BAGLS-VF 的原始数据是视频喉镜（videolaryngoscopy / videokymography）影像帧。它沿用 BAGLS 建立的多中心基础帧池，硬数字如下：

总帧数：59250 帧
录音段数：640 段
机构数：7 家（多中心、跨医院）
采集模态：视频喉镜图像帧，以静帧形式提供

这些数字既是 BAGLS 的规模，也是 BAGLS-VF 的规模——因为两者共享同一批底层影像。这一点在检索与引用时极易混淆，正文在 §10 坑 1 做了专门辨析。

2.2 色域构成：灰度为主、彩色为辅

数据集的帧按色域可分为两类：

灰度（grayscale）录制：约占 97%
彩色（RGB）录制：约占 3%

这种高度不均衡的色域构成并非设计缺陷，而是多中心真实采集条件的忠实反映：不同医院、不同年代的喉镜设备与成像设置不同，部分设备输出灰度、部分输出彩色。对模型开发者而言，这意味着：

训练集以灰度为主，模型若只在灰度上训练，面对彩色帧时可能出现分布外性能下降；
若做灰度/彩色混合训练，需评估颜色信息是否被模型误用为捷径（shortcut）；
评测时应分色域报告指标，避免彩色子集的少量样本拉偏整体结论。

2.3 标注类别：从 1 类到 3 类

BAGLS-VF 相对 BAGLS 最重要的增量，是标注类别的扩展：

标注结构	英文	BAGLS	BAGLS-VF
声门区	glottal area / glottis	✅	✅
左声带	left vocal fold	❌	✅
右声带	right vocal fold	❌	✅
类别总数	—	1	3

三类结构在解剖上相邻但语义不同：声门区是两侧声带之间的开放区域（背景开口），而左右声带是构成开口的实体组织。把它们拆成独立类别后，模型可以分别定位两侧声带，从而支撑声带对称性与形态分析——这是仅标注声门所无法做到的。

2.4 标签掩膜：RGB 编码的 label image

BAGLS-VF 的标注以标签掩膜图像形式提供。掩膜采用 RGB 三通道编码：不同颜色对应不同结构类别，掩膜与原始影像像素级对齐。这种编码方式是医学图像分割领域的常见做法，优点是直观、可直接可视化、便于与任何分割框架对接；使用时按颜色映射回类别索引即可。

表：数据结构要素速览

要素	规格
影像模态	视频喉镜图像帧
帧数	59250
录音段数	640
机构数	7
色域	~97% 灰度 + ~3% RGB
标注类别	声门区 / 左声带 / 右声带
掩膜形式	RGB 标签图像
对齐方式	像素级对齐
许可	CC BY-NC-SA 4.0

2.5 与"数据集家族"的位置关系

把 BAGLS 系列放在一条线上看：

BAGLS（2020）：单类声门分割基准，59250 帧 / 640 录音 / 7 机构，Sci Data 论文，Zenodo 3762320。
BAGLS-RT（2022）：面向实时分割的再训练扩展，267 段视频 / 21050 张图像，Zenodo 7113473。
BAGLS-VF（新）：三类扩展（声门 + 左右声带），BMC Research Notes 论文，Zenodo 19593658。

三者的关系不是"替代"而是"分层"：BAGLS 提供基础帧池与声门标注，BAGLS-RT 解决实时性再训练，BAGLS-VF 提升标注的解剖粒度。研究者可按任务需要选择：要声门面积就用 BAGLS/BAGLS-VF 的声门类；要声带形态分析就必须用 BAGLS-VF。

§3 任务与标注体系

3.1 任务定义

BAGLS-VF 支持的核心任务是有监督的像素级语义分割：给定一帧视频喉镜图像，模型输出每个像素所属的类别（背景 / 声门区 / 左声带 / 右声带）。这是一种密集预测任务，与分类、检测不同——评价的是逐像素的定位精度。

从临床语义看，该任务服务于两条线索：

声门区分割 → 声门面积量化：声门面积是嗓音医学中反映声门开合程度的基础指标，可随声带振动周期逐帧计算，用于客观描述开合行为。
左右声带分割 → 声带形态与对称性分析：单独定位左右声带后，可计算两侧的面积、宽度、轮廓对称性等形态学指标，为声带麻痹、病变等提供客观线索。

3.2 标注流程：标准化半自动协议

BAGLS-VF 的标注由受训标注员（trained rater）执行，采用标准化协议与半自动流程。其一般形态为：

算法预分割：先用分割算法对每一帧生成初始掩膜，把机械性的勾画工作前置；
人工校正：标注员在预分割基础上逐帧修正边界，特别是反光、遮挡、低对比度等困难区域；
协议统一：所有标注遵循同一套类别定义与边界约定，降低标注员个体差异；
质检：对完成的掩膜做一致性与完整性检查（具体质检细节以论文为准）。

"半自动 + 标准化"的组合是这份数据集能在 59250 帧量级上获得可用像素标注的关键——完全手工勾画在这个规模上几乎不可行，而完全自动又无法保证标注作为"金标准"的可信度。

3.3 标注难点：喉镜图像的固有挑战

标注视频喉镜图像并非易事，主要困难包括：

镜面反光（specular reflection）：喉镜光源在黏膜表面形成的强反光会掩盖真实边界，标注员需要依据上下文推断；
器械遮挡：喉镜器械本身可能部分遮挡视野；
低对比度区域：声带与周围组织的灰度接近，边界模糊；
灰度/彩色差异：彩色帧中的颜色线索在灰度帧中不存在，标注标准需对两种色域都自洽；
振动模糊：视频喉镜记录声带振动，某些帧存在运动模糊，边界不锐利。

这些难点直接决定了自动分割模型面临的难度，也是评测中错误集中出现的位置。

3.4 下游任务清单

基于 BAGLS-VF，典型的可做任务包括：

任务	输入	输出	临床/研究价值
声门分割	单帧喉镜图像	声门区掩膜	声门面积量化
声带分割	单帧喉镜图像	左/右声带掩膜	声带对称性与形态分析
多类联合分割	单帧喉镜图像	三类掩膜	一体化解剖结构解析
声门面积序列估计	一段视频帧序列	逐帧面积序列	振动周期开合行为分析
分割模型评测与泛化	官方 split	指标对比	基准比较、跨机构泛化研究

3.5 标注体系对模型设计的影响

因为 BAGLS-VF 提供的是三类像素标注，模型设计上有几点值得注意：

类别不平衡：声门区、左声带、右声带的像素占比不同，损失函数若无类权重，小类别（如单侧声带在部分帧中占比小）易被忽略；
相邻结构混淆：声门区与两侧声带共享边界，模型容易在边界带产生混淆，需关注边界区域的指标；
左右不对称：左、右声带在图像中的位置与形态并非镜像，模型不能假设对称先验；
色域鲁棒性：训练若偏灰度，需通过数据增强或域适应提升对约 3% 彩色帧的适应。

§4 数据规模与临床背景

4.1 规模的多重解读

BAGLS-VF 的 59250 帧看似只是一个数字，但可以从多个维度解读：

帧级：59250 个独立的图像—掩膜对，是模型训练与评测的基本单位；
录音级：640 段录音，是数据独立性（防泄漏）的正确划分单位——同一段录音的相邻帧高度相关；
机构级：7 家机构，是泛化性评估的天然分组——跨机构测试才是真实部署场景的代理。

这三个层级提示了一个关键操作原则：划分训练/测试集必须按录音或机构，而不能按帧随机划分。按帧随机划分会让同一录音的相邻帧同时落入训练与测试，造成严重的性能高估。这一点在 §7 与 §10 都会再次强调。

4.2 视频喉镜的临床背景

视频喉镜（videolaryngoscopy）是耳鼻咽喉与嗓音医学的常规检查手段：

适应证：嗓音嘶哑、声带麻痹、声带息肉/结节、白斑、喉部病变评估、术后随访等；
优势：可视、可录像、可逐帧分析，相较间接喉镜能提供更稳定的图像序列；
与声学分析互补：喉镜提供形态学证据，声学/嗓音信号（如基频、jitter、shimmer）提供振动与音质证据，两者结合才构成完整的嗓音评估。

在嗓音医学的量化传统中，声门面积是一个历史悠久的指标：它直接关系声门开合度，进而影响气流与发声效率。将声门面积从"人工逐帧测量"推进到"自动逐帧分割"，是计算嗓音学的重要方向——BAGLS 系列正是这一方向的基准工程。

4.3 为什么需要"左右声带"这一层

如果只关心声门面积，那么单类声门分割似乎已经够用。但临床上存在大量"声门面积相近、声带状态迥异"的情形：

单侧声带麻痹：一侧声带固定，另一侧代偿，声门形状不对称，但面积可能仍在某范围内；
声带病变：息肉、结节、白斑等改变单侧声带的形态与轮廓，面积变化可能不显著但形态异常明显；
振动对称性：正常发声时两侧声带对称振动，病变时对称性受损。

这些情形要求模型能分别定位左右声带。BAGLS-VF 把声带拆成左右两类标注，正是为了让自动分析具备区分"哪一侧出了问题"的能力——这是单类声门标注无法提供的语义分辨率。

4.4 数据规模与研究可行性的平衡

59250 帧的规模在医学图像分割数据集里属于中等偏大：足以训练深度分割网络，又不足以让超大规模基础模型"暴力"记住数据。这带来几点研究上的特点：

适合做架构对比：规模足够区分不同分割架构（U-Net 系、Transformer 系）的优劣；
适合做泛化研究：7 家机构提供了跨中心评估的条件；
不适合做"大数据预训练"：若目标是训练通用模型，这份数据更适合作为下游微调/评测集；
类别扩展的价值凸显：在帧数不变的前提下，把标注从 1 类扩到 3 类，等于在相同数据上提升了监督信号的信息量——这是"数据效率"研究的理想样本。

§5 与 BAGLS 系列的对比：从单类到三类的演进

5.1 一张表看清三代

维度	BAGLS（2020）	BAGLS-RT（2022）	BAGLS-VF（新）
定位	多中心声门分割基准	实时分割再训练扩展	声门+左右声带三类扩展
帧数/规模	59250 帧	267 段视频 / 21050 图像	沿用 59250 帧池
录音段数	640	267	640（沿用）
机构数	7	—	7（沿用）
标注类别	声门（1 类）	声门	声门+左声带+右声带（3 类）
主要论文	Scientific Data	（再训练工作）	BMC Research Notes
Zenodo DOI	3762320	7113473	19593658
许可	CC BY-NC-SA 4.0	CC BY-NC-SA 4.0	CC BY-NC-SA 4.0

从表中可见，三代数据集共享同一套许可口径，且 BAGLS-VF 在规模上完全继承 BAGLS，唯一的实质差异是标注类别的扩展。这决定了评价它时的正确姿势：不要用"帧数更多"来论证它的价值，而要用"监督信号更细"来论证。

5.2 为什么"标注扩展"本身是一种数据贡献

在数据集研究中，有一种被低估的贡献类型：不增加样本，只增加每个样本的标注信息。BAGLS-VF 正属此类。它的价值体现在：

数据效率：同样的 59250 帧，从 1 类监督变为 3 类监督，模型能学到更多解剖结构；
基准连续性：因为帧池与 BAGLS 一致，历史在 BAGLS 上训练的声门分割模型可以平滑迁移到 BAGLS-VF 的声门类上，便于纵向比较；
临床语义升级：声带左右分类直接对应临床问题（哪一侧异常），把数据集从"开口量化工具"升级为"形态分析工具"；
成本可控：无需重新采集与伦理审批，只需在已有影像上补标注——这是多中心数据在合规现实下的务实扩展路径。

5.3 与 BAGLS-RT 的分工

BAGLS-RT 走的是另一条扩展路线：它面向实时分割，通过再训练让模型在临床实时视频流下也能工作（267 段视频 / 21050 图像）。可以这样理解三者分工：

BAGLS：把问题定义清楚（声门分割基准）；
BAGLS-RT：把问题推向使用场景（实时）；
BAGLS-VF：把问题做深（解剖粒度）。

它们不是竞争关系，而是从不同维度延伸同一个临床需求：自动、实时、结构化的嗓音形态分析。

5.4 检索与引用时的混淆点

因为三者名称高度相似，检索与引用时常见的混淆包括：

把"59250 帧"当成 BAGLS-VF 独有的规模（实际是共享）；
把 BAGLS-VF 的论文 DOI 与 BAGLS 的 DOI 张冠李戴；
把 BAGLS-RT 的 267 段视频误记为 BAGLS-VF 的录音数；
忽略"VF"后缀的含义（vocal fold，指声带，不是"very fast"之类）。

建议引用时明确写出三要素：官方名（BAGLS-VF）、DOI（10.5281/zenodo.19593658）、以及"声门区与左右声带分割"这一任务描述。

§6 获取与许可：NonCommercial 是一道红线

6.1 许可原文与含义

BAGLS-VF 采用 CC BY-NC-SA 4.0（Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International）。拆开看四个要素：

BY（署名）：使用者必须给出适当署名，注明许可，并指明是否作了修改；引用格式应包含数据集名称、贡献者与 DOI。
NC（非商业性使用）：不得将材料用于商业目的。这是最需要警惕的一条——"商业目的"通常包括将其用于商业产品或服务的开发、以营利为目的的模型训练与部署等。
SA（相同方式共享）：若基于该材料创作衍生作品（如再标注、微调后的分发版本），必须以相同或兼容的许可分发。
4.0 International：许可版本，法律文本以 4.0 国际版为准。

6.2 常见误用与合规提醒

行为	是否合规	说明
学术研究中使用与发表	✅ 通常允许	需署名并引用 DOI
在论文中展示分割结果图	✅ 通常允许	需署名
训练模型并开源模型权重	⚠️ 视情况	若模型被用于商业目的，可能触及 NC；需谨慎评估
在商业产品中部署基于该数据训练的模型	❌ 通常不允许	NC 条款的核心限制
再分发修改后的标注	✅ 允许但须 SA	衍生作品须相同方式共享
未署名直接转发	❌ 不允许	违反 BY

注：以上为一般性解读，具体合规判断应咨询法律专业人士并参考许可全文。

6.3 获取途径

BAGLS-VF 的获取路径清晰：

Zenodo（主托管）：DOI 10.5281/zenodo.19593658。Zenodo 是欧洲核子研究中心（CERN）运营的开放科研数据仓库，提供长期 DOI 与版本管理。
NLM Dataset Catalog：美国国立医学图书馆的数据集目录已收录该数据集，记录其贡献者与权利信息，便于医学数据集的统一检索。
论文（BMC Research Notes）：DOI 10.1186/s13104-026-07972-7，开放获取，提供数据集的完整描述与使用说明。
祖代数据集：BAGLS 原始数据见 Zenodo 10.5281/zenodo.3762320；BAGLS-RT 见 10.5281/zenodo.7113473。

6.4 引用建议

规范引用 BAGLS-VF 时，建议同时引用：

BAGLS-VF 论文与 Zenodo DOI（因为使用了三类标注与说明文档）；
原始 BAGLS 论文与 DOI（因为帧池源自 BAGLS）。

若仅引用 BAGLS-VF 而忽略 BAGLS，会遗漏基础影像的来源归属；若仅引用 BAGLS 而忽略 BAGLS-VF，则无法说明声带标注的来源。两者并引才完整。

6.5 版本链与"该引用哪一个"

由于 BAGLS-VF 是扩展而非替代，使用者常问"我到底该下哪个"。一个简单的决策规则：

只需要声门分割 → BAGLS 即可，历史基准更直接；
需要左右声带 → 必须用 BAGLS-VF；
需要实时场景 → 关注 BAGLS-RT；
需要最新最全标注 → 优先 BAGLS-VF。

三个数据集许可一致（均为 CC BY-NC-SA 4.0），因此选择主要取决于任务需要而非许可差异。

§7 评估与基准

7.1 任务与指标

BAGLS-VF 作为分割基准，其标准评估流程是：用官方划分训练模型，在测试集上输出三类掩膜，与金标准掩膜逐像素比较。常用指标包括：

指标	全称	含义	适用场景
Dice	Dice Similarity Coefficient	重叠度，2·	A∩B
IoU	Intersection over Union	交并比	与 Dice 单调相关
mDice	mean Dice	多类别 Dice 平均	衡量整体分割质量
HD95	95% Hausdorff Distance	边界距离的 95 分位	衡量边界精度
Precision/Recall	精确率/召回率	预测正例的准确率/查全率	分析漏检与误检

在实际评测中，Dice（或 F1）是报告最多、最便于横向比较的指标。由于 BAGLS-VF 有三类结构，合理的做法是按类别分别报告 Dice，再报告 mDice 作为总览。

7.2 评测中的关键陷阱

陷阱一：按帧随机划分导致泄漏。 同一段录音的相邻帧高度相似，若随机划分训练/测试，测试集中会出现训练集的"近邻帧"，指标被严重高估。必须按录音（或机构）划分。这是本数据集评测中最容易被忽视、后果又最严重的问题。

陷阱二：只报告整体 Dice 掩盖类别不平衡。 若声门类像素占比大、单侧声带占比小，整体 Dice 会偏向大类别。必须分类别报告，才能看出模型是否真的学会了声带分割。

陷阱三：忽略色域差异。 约 3% 彩色帧若被随机混入，可能与灰度帧形成分布差异，建议分色域报告或至少讨论。

陷阱四：边界误差被平均掩盖。 Dice 对边界不敏感，声带与声门交界处的错误可能被大面积的正确区域淹没。必要时补充 HD95 或边界区域的专项指标。

7.3 原始 BAGLS 的基准意义

BAGLS 在 2020 年被提出时，其定位就是"多中心自动声门分割基准"（multihospital benchmark for automatic glottis segmentation）。这意味着它不仅提供数据，还提供了一套可供比较的评测框架与基线结果。BAGLS-VF 继承这一框架，并把评测对象从"声门"扩展到"声门 + 声带"。

因此，使用 BAGLS-VF 做基准研究时，一个自然的做法是：

先在声门类上与历史 BAGLS 结果对齐，验证流程一致性；
再在左右声带类上报告新增的评测结果，体现扩展标注带来的新问题。

这样的两层报告结构，既保持了与历史的可比性，又展示了扩展的价值。

7.4 基线结果的合理预期

虽然具体数值应以论文与后续工作为准，但可以给出方法论层面的预期：

声门分割：由于 BAGLS 已有多年研究积累，声门类的 Dice 通常较高；
声带分割：作为新增类别，声带边界更贴近软组织交界、对比度更低，预期 Dice 低于声门类；
左右区分：模型需要区分解剖位置相邻的左右声带，可能出现左右混淆，尤其在声门闭合的帧中；
跨机构泛化：7 家机构间的成像差异会带来跨中心性能下降，这是多中心基准的固有挑战。

以上预期不构成对具体数值的断言，仅供设计实验时参考。

7.5 评测报告的建议模板

为了让结果可复现、可比较，建议评测报告包含：

数据划分：明确按录音或机构划分，列出训练/验证/测试的录音数与帧数；
预处理：输入尺寸、归一化、是否灰度化，是否使用数据增强；
模型：架构、参数量、训练轮数、损失函数与类权重设置；
指标：分类别 Dice/IoU + mDice，必要时补充 HD95；
色域分析：灰度与彩色子集的分别结果；
失败案例：反光、遮挡、低对比度帧的表现分析。

遵循这一模板，能让 BAGLS-VF 上的结果与后续研究形成可累积的知识，而不是一次性数字。

§8 方法学启示：五条可迁移的经验

8.1 "共享帧池 + 增量标注"是合规现实下的高效扩展路径

医学影像数据的重新采集往往受制于伦理审批、患者知情同意、机构间数据共享协议等多重约束，成本高、周期长。BAGLS-VF 展示了一条务实的替代路径：沿用已有公开数据集的基础影像，在合规许可允许的范围内补充新标注。这带来三重好处——不必重新审批采集、与历史基准天然可比、成本集中在标注而非获取。任何面临"数据集不够用但又不方便重新采集"的团队，都可以把这一模式作为首选方案。

迁移要点：选择基础影像时，必须确认原许可允许衍生标注（CC BY-NC-SA 的 SA 条款要求衍生物同许可分发）；新增标注要有独立的说明文档与版本记录。

8.2 半自动标注是"规模 × 精度"的平衡点

完全手工标注 59250 帧不现实，完全自动标注又难以作为金标准。BAGLS-VF 采用"算法预分割 + 人工校正"的半自动协议，把标注成本压到可行区间，同时保留专家判断对困难区域的控制。这一模式的关键在于：预分割算法的质量决定标注的起点高度，人工协议的一致性决定标注的上限。

迁移要点：预分割算法应选与目标结构匹配的；人工校正阶段必须有统一的类别定义与边界约定文档；建议抽样做标注者间一致性评估，量化标注噪声。

8.3 标注的"语义分辨率"往往比"样本数量"更值钱

从 1 类扩到 3 类，没有增加任何一张影像，却让数据集能回答"哪一侧声带异常"这样全新的问题。这说明在数据集设计中，提升每个样本的标注语义粒度，有时比堆积更多样本更能拓展研究空间。

迁移要点：在设计新数据集或扩展旧数据集时，先问"现有标注缺失了哪个临床可解释的结构/属性"，优先补这类语义缺口，而非盲目扩容。

8.4 划分方式决定评测可信度

医学视频帧数据（喉镜、内镜、超声等）的共同陷阱是帧间高度相关。BAGLS-VF 的 640 段录音提供了天然的划分单位，但若不按录音划分，评测结果将失去意义。按数据独立性单位（录音、患者、机构）划分，而非按帧随机划分，是使用一切视频帧数据集时必须遵守的纪律。

迁移要点：任何含时间连续帧的数据集，划分前都要先问"这些帧之间是否独立"，答案是否定时就向上聚合到独立单位再划分。

8.5 NonCommercial 是研究数据生态的"隐形边界"

BAGLS 系列全部采用 CC BY-NC-SA 4.0。这一许可在学术圈内友好，却对产业应用关上了门。对研究者而言，理解 NC 边界至少有两点现实意义：一是发表与学术使用通常无碍；二是若成果需要产业化，必须提前规划授权路径，而不是在模型训练完之后才发现不能商用。

迁移要点：选择数据集前先读许可；建立"许可台账"，标注每个数据集能否商用、衍生品如何分发，避免后期返工。

§9 与库内条目的关系

9.1 内窥镜影像与分割同族

BAGLS-VF 在千方病案医数集的标签体系里，落在 医学影像（L1）→ 内窥镜影像 + 医学图像分割（L2） 的交叉点，同时因嗓音模态与 语音信号（L2） 相邻。库内与之语义最近的条目包括：

Kvasir-SEG：消化道内镜息肉分割数据集，同为内窥镜影像分割的代表；
CVC-ClinicDB / CVC-ColonDB：结肠镜息肉分割经典基准，同样采用像素级掩膜；
ETIS-Larib：结肠镜息肉分割的另一经典集；
LDPolypVideo：结肠镜视频息肉检测/分割，与 BAGLS-VF 的"视频帧"形态类似；
EndoSLAM / EndoMapper：内镜视觉与定位数据集，共享内窥镜模态；
CholecSeg8k / CholecT50：腹腔镜手术视频分割/识别，属手术视频方向；
AutoLaparo / Endoscapes：腹腔镜手术场景理解；
SimCol3D：结肠镜三维重建与分割。

它们的共同点是"内窥镜视野 + 像素级任务"，差异在腔道部位（喉/消化道/腹腔）与临床目标。BAGLS-VF 补上了喉部/嗓音这一此前在库内较薄的分支。

9.2 语音与嗓音模态邻居

因数据来源与嗓音医学紧密相关，BAGLS-VF 还与库内语音/嗓音信号类条目形成跨模态互链：

Saarbrücken Voice Database：嗓音病理数据库，与 BAGLS-VF 同属嗓音医学；
PC-GITA：帕金森病语音数据集，涉及发声功能评估；
UA-Speech / TORGO：构音障碍语音数据集；
Parkinson’s Voice (UCI)、Coswara、Speech Accessibility Project：语音信号与健康评估。

这些条目提供的是声学信号，而 BAGLS-VF 提供的是喉镜影像——两者分别从"声音"与"形态"两侧刻画嗓音，构成嗓音医学数据的两条腿。库内若要做多模态嗓音研究，BAGLS-VF 与上述条目是天然的配对对象。

9.3 基准与评测条目的关联

BAGLS-VF 作为分割基准，还与库内"挑战赛数据集 / 评测基准"类目条目同属方法论家族。推荐在正文中以自然语言建立上述内链，在 relatedLink 字段则仅放置本条目自身的规范 URL：https://www.qianfanghub.com/ai-ready-dataset/bagls-vf/913。

说明：具体库内条目 id 与 URL 以数据库实数为准；本小节按语义类别给出互链方向，便于后续维护时对接。

§10 避坑清单：九个已识别或高发的坑

坑 1：把 BAGLS-VF 当成"另一个更大的数据集"。
最常见的误解。BAGLS-VF 的帧数与 BAGLS 相同（59250），它的价值在于标注类别从 1 类扩到 3 类。若误以为它有更多影像，会在选型与引用时出错。记住：VF = 声带标注扩展，不是规模扩展。

坑 2：把 59250 帧写成了 BAGLS-VF "独有"的规模。
59250 帧 / 640 录音 / 7 机构是 BAGLS 与 BAGLS-VF 共享的基础帧池。写"BAGLS-VF 收集了 59250 帧"虽不算错，但会掩盖它"扩展而非采集"的本质。规范表述是"沿用 BAGLS 的 59250 帧池"。

坑 3：混淆 BAGLS-VF 与 BAGLS-RT 的数字。
BAGLS-RT（2022）有 267 段视频 / 21050 张图像，与 BAGLS-VF 的 640 录音 / 59250 帧完全不同。检索时两个名字相近，极易串数字。

坑 4：忽略 NonCommercial 条款就投入商用。
CC BY-NC-SA 4.0 明确排除商业用途。用该数据训练模型并用于商业产品或营利服务，通常违反 NC；开源模型权重也可能因下游商业使用而触线。商用前务必取得授权或改用其他数据。

坑 5：按帧随机划分训练/测试集。
同一段录音的相邻帧高度相似。随机划分 = 测试集包含训练集的近邻 = 指标虚高。必须按录音（或机构）划分。这是使用一切视频帧数据集的头号错误。

坑 6：只报告整体 Dice，掩盖类别不平衡。
声门、左声带、右声带的像素占比不同。只报一个总 Dice，读者无法判断模型是否真的学到了声带分割。应分类别报告。

坑 7：默认灰度模型能直接处理彩色帧。
约 3% 的帧是彩色。若训练时统一灰度化，评测时也须灰度化；若训练用灰度测试用彩色，则存在域偏移。建议明确预处理并在报告中说明。

坑 8：把左右声带当作镜像结构处理。
左、右声带在图像中并非简单镜像，且病理常呈单侧性。模型与数据处理不应预设对称先验，评测也应分别报告左右两类。

坑 9：引用时只提 BAGLS 或只提 BAGLS-VF。
使用了三类标注却只引用 BAGLS（2020）会漏掉声带标注的来源；只引用 BAGLS-VF 又会漏掉基础影像的归属。规范做法是两者并引（见 §6.4）。

§11 DAIMS 数据资产成熟度评分

下表按 DAIMS（Data Asset Maturity/Assessment）框架对 BAGLS-VF 做多维评分（1-5 分，5 为最优），供入库与选型参考。

维度	评分	说明
可发现性（Discoverability）	5	Zenodo DOI + NLM Dataset Catalog 收录 + 论文开放获取，检索路径清楚
可访问性（Accessibility）	4	可公开下载，但受 NC-SA 限制；无登录门槛
许可清晰度（License Clarity）	5	CC BY-NC-SA 4.0，标准许可，条款明确
文档完备度（Documentation）	4	有 BMC Research Notes 论文与数据集说明；患者级元数据未详列
标注质量（Annotation Quality）	4	半自动标准化协议 + 受训标注员；一致性统计以论文为准
规模充分性（Scale）	4	59250 帧足以训练分割模型；相对超大规模预训练仍偏小
临床相关性（Clinical Relevance）	5	直接对应声门面积与声带形态的临床量化需求
多中心多样性（Diversity）	4	7 家机构提升泛化代表性；人口学分布未详
可复现性（Reproducibility）	4	DOI 稳定；须按录音划分才能复现公平评测
生态互操作性（Interoperability）	4	标准图像+掩膜格式，易接入主流分割框架
维护活跃度（Maintenance）	4	有 2020→2022→新版的持续演进链条
伦理合规（Ethics/Governance）	4	源数据采集遵循机构伦理；NC-SA 约束使用边界
AI 就绪度（AI-Readiness）	5	像素级金标准标注、类别明确，可直接用于监督分割
基准价值（Benchmark Value）	5	多中心 + 多类别，具备基准评测功能
总分（示例口径）	61/70	综合成熟度高，主要扣分在规模与元数据粒度

注：DAIMS 评分依本条目评估口径给出，用于横向比较参考，非官方评级。

附录 A：常见问题（FAQ）

Q：BAGLS-VF 有多少张图像？
59250 帧视频喉镜影像（沿用 BAGLS 基础帧池）。

Q：它和 BAGLS 有什么不同？
BAGLS 只标注声门一类；BAGLS-VF 增加了左声带与右声带两类，共三类。

Q：标注是人工还是自动？
受训标注员执行的标准化半自动流程（算法预分割 + 人工校正）。

Q：许可能商用吗？
不能，CC BY-NC-SA 4.0 含 NonCommercial 条款。

Q：在哪里下载？
Zenodo，DOI 10.5281/zenodo.19593658。

Q：论文发在哪？
BMC Research Notes，DOI 10.1186/s13104-026-07972-7。

Q：谁做的？
FAU 埃尔朗根-纽伦堡大学团队，贡献者含 Andreas M. Kist、Sina Razi。

Q：有几家机构的数据？
7 家（多中心）。

Q：彩色还是灰度？
约 97% 灰度，约 3% 彩色。

Q：能用于声门面积量化吗？
能，声门类掩膜可直接导出逐帧声门面积。

Q：怎么防止评测泄漏？
按录音或机构划分，不按帧随机划分。

Q：能在腹腔镜/结肠镜任务上直接用吗？
模态相近但解剖部位不同，需谨慎迁移；库内 Kvasir-SEG、CVC-ClinicDB 等更合适的同类任务可直接参考。

附录 B：术语表

术语	英文	释义
视频喉镜	videolaryngoscopy	用喉镜摄像连续记录喉部（含声带）的检查方式
声门	glottis	两侧声带之间的开口区域
声门区	glottal area	声门开口所占的二维区域（面积可量化）
声带	vocal fold	喉内成对的黏膜皱襞，振动发声
左/右声带	left/right vocal fold	分别位于喉部左右侧的声带
语义分割	semantic segmentation	为每个像素分配类别的任务
标签掩膜	label mask	编码类别信息的像素图，本文为 RGB 编码
Dice 系数	Dice Similarity Coefficient	分割重叠度指标
mDice	mean Dice	多类别 Dice 平均
HD95	95% Hausdorff Distance	边界距离的 95 分位
半自动标注	semi-automatic annotation	算法预分割 + 人工校正的混合流程
多中心	multicenter	数据来自多家机构
嗓音医学	phoniatrics / laryngology	关注嗓音与喉部疾病诊疗的医学分支
声带麻痹	vocal fold paralysis	声带运动受限的病理状态
NonCommercial	非商业性使用	CC 许可中限制商业用途的条款
ShareAlike	相同方式共享	CC 许可中要求衍生作品同许可分发的条款
数据泄漏	data leakage	训练与测试存在相关信息导致指标虚高
域偏移	domain shift	训练与测试数据分布不一致
基准	benchmark	用于统一比较方法的评测框架与数据
像素级标注	pixel-level annotation	逐像素的标注精度

附录 C：事实清单（硬事实 32 条）

BAGLS-VF 官方名称为 “BAGLS-VF: a comprehensive dataset for glottal area and vocal fold segmentations”。
BAGLS-VF 是 BAGLS 数据集的扩展版本，核心增量是新增左、右声带两类像素级标注。
BAGLS-VF 的基础帧池规模为 59250 帧视频喉镜影像。
该基础帧池来自 640 段录音。
该基础帧池来自 7 家多中心机构。
BAGLS-VF 的标注类别为 3 类：声门区、左声带、右声带。
原始 BAGLS 的标注类别为 1 类：仅声门区。
BAGLS-VF 的标签掩膜以 RGB 三通道图像编码。
掩膜与原始影像像素级对齐。
BAGLS-VF 约 97% 的帧为灰度录制。
BAGLS-VF 约 3% 的帧为彩色 RGB 录制。
BAGLS-VF 的标注由受训标注员执行。
标注采用标准化的半自动协议（算法预分割 + 人工校正）。
BAGLS-VF 采用 CC BY-NC-SA 4.0 许可。
该许可包含署名（BY）要求。
该许可包含非商业性使用（NC）限制。
该许可包含相同方式共享（SA）要求。
BAGLS-VF 的 Zenodo DOI 为 10.5281/zenodo.19593658。
BAGLS-VF 的论文发表于 BMC Research Notes，DOI 为 10.1186/s13104-026-07972-7。
BAGLS-VF 的主要贡献者包括 Andreas M. Kist 与 Sina Razi。
BAGLS-VF 由其所属团队位于德国 FAU 埃尔朗根-纽伦堡大学。
原始 BAGLS 发表于 Scientific Data，DOI 为 10.1038/s41597-020-0526-3。
原始 BAGLS 的 Zenodo DOI 为 10.5281/zenodo.3762320。
原始 BAGLS 的定位是多中心自动声门分割基准（multihospital benchmark）。
BAGLS-RT 是 BAGLS 的实时再训练扩展，发表于 2022 年前后。
BAGLS-RT 的 Zenodo DOI 为 10.5281/zenodo.7113473。
BAGLS-RT 的规模为 267 段视频 / 21050 张图像。
BAGLS 系列三代数据集均采用 CC BY-NC-SA 4.0 许可。
BAGLS-VF 已被 NLM Dataset Catalog 收录。
声门面积（glottal area）是嗓音医学中反映声门开合度的基础量化指标。
按录音或机构划分训练/测试集是使用该数据集的必要纪律（防帧泄漏）。
分割评测常用指标包括 Dice、IoU、mDice 与 HD95。

附录 D：一手来源清单

NLM Dataset Catalog — BAGLS-VF 收录记录（DOI 10.5281/zenodo.19593658）
Zenodo — BAGLS-VF 数据集：https://doi.org/10.5281/zenodo.19593658
Zenodo — BAGLS 原始数据集：https://doi.org/10.5281/zenodo.3762320
Zenodo — BAGLS-RT：https://doi.org/10.5281/zenodo.7113473
Scientific Data (2020) — BAGLS 论文：https://doi.org/10.1038/s41597-020-0526-3
BMC Research Notes — BAGLS-VF 论文：https://doi.org/10.1186/s13104-026-07972-7
BAGLS 系列官方资源页（FAU 相关实验室）：https://www.anki.xyz
千方病案医数集条目规范 URL：https://www.qianfanghub.com/ai-ready-dataset/bagls-vf/913

附录 E：一句话总结

BAGLS-VF 在 59250 帧多中心视频喉镜影像上，把声门单类标注扩展为声门区 + 左声带 + 右声带三类像素级标注，以 CC BY-NC-SA 4.0 公开托管于 Zenodo，为嗓音医学的声门面积量化与声带形态分析提供了可直接用于监督分割的多中心基准——用它之前，请记住三件事：它和 BAGLS 共享帧池、它的许可是非商业的、它的评测必须按录音划分。

尾注

本条目关于 BAGLS-VF 规模、类别与许可的硬数字，以 Zenodo 记录（DOI 10.5281/zenodo.19593658）与 NLM Dataset Catalog 收录信息为准。
关于原始 BAGLS 的 59250 帧 / 640 录音 / 7 机构与单类声门标注，以 Scientific Data 论文（DOI 10.1038/s41597-020-0526-3）为准。
关于 BAGLS-RT 的 267 段视频 / 21050 图像，以 Zenodo 记录（DOI 10.5281/zenodo.7113473）为准。
约 97% 灰度 / 约 3% 彩色的比例为近似值，精确计数以官方数据说明为准。
BAGLS-VF 论文的完整作者列表、发表年份与卷期信息，请以 BMC Research Notes 的最终出版记录为准。
患者级人数、人口学分布与标注者间一致性统计，本条目未做断言，具体数值以论文报告为准。
许可解读为一般性说明，不构成法律意见；商用前请查阅 CC BY-NC-SA 4.0 许可全文并咨询专业人士。
DAIMS 评分表中的分值为本条目评估口径下的示例评分，用于横向比较参考，非官方评级。
库内互链条目 id 与 URL 以千方病案医数集数据库实数为准。

附录 F：深度扩展——喉镜成像与声门分割技术背景

F.1 视频喉镜的成像原理与图像特性

视频喉镜的核心是把喉部的光学视野通过内窥镜或刚性/柔性镜体传递到传感器上，形成可记录、可回放的图像序列。与普通摄影不同，喉镜成像有几个显著特性：

近距离、强光源：镜体靠近声带，光源直射，导致黏膜表面出现高亮反光点；
视野受限：画面通常只覆盖声门及其周边，解剖上下文有限；
动态快速：声带振动频率通常在 100-1000 Hz 量级，普通帧率的视频会产生运动模糊；视频喉镜（videokymography）技术专门用于高速记录振动；
色彩不稳定：部分设备为黑白（灰度）成像以提升低光灵敏度，部分为彩色成像。

这些特性共同决定了喉镜图像分割的困难：它不是"在清晰照片上画边界"，而是"在强反光、低对比、局部遮挡、可能模糊的条件下推断解剖边界"。BAGLS-VF 的标注员与使用者都必须面对这一现实。

F.2 声门面积：从历史测量到自动分割

声门面积的概念在嗓音医学中历史悠久。传统上，研究者通过在喉镜图像上手工标定声门轮廓，再按比例换算为面积，逐帧测量得出开合曲线。手工测量的痛点显而易见：

耗时长：一段几秒的录音可能包含数百帧，逐帧勾画不现实；
主观性强：不同测量者的边界判断不同，一致性差；
不可复现：缺乏统一的轮廓约定，跨研究结果难以比较。

自动分割的价值就在于把声门面积的测量标准化、可复现化。BAGLS（2020）作为多中心基准，正是为了解决"不同算法在不同数据上比较"的问题；而 BAGLS-VF 进一步把测量对象从"开口面积"扩展到"左右声带形态"，使自动分析覆盖更完整的临床问题空间。

F.3 语义分割在医学图像中的通用范式

BAGLS-VF 支持的任务属于医学图像语义分割的一个成熟范式，其通用流程如下：

输入归一化：统一分辨率、归一化强度，灰度/彩色统一处理策略；
编码器-解码器：以 U-Net 系列或 Transformer 系列为主干，编码语义、解码回原分辨率；
损失函数：交叉熵 + Dice 损失的组合（应对类别不平衡）；
后处理：连通域清理、轮廓平滑等；
评估：分类别 Dice/IoU，必要时补充边界指标。

BAGLS-VF 与这一范式的对接是直接的：它的 RGB 标签掩膜只需按颜色映射为类别索引，即可接入任意主流分割流水线。这也是它被设计为"AI-Ready"的关键——标注格式即训练目标格式，无需额外的标注转换工程。

F.4 多中心数据的价值与代价

7 家机构的多中心结构是 BAGLS 系列的重要资产：

价值：

来自不同设备的图像天然构成域多样性，训练出的模型更可能泛化到新机构；
支持"留一机构交叉验证"，评估跨中心性能；
反映真实临床的成像异质性，而非单一理想条件下的实验室数据。

代价：

成像协议不一致导致图像统计分布差异大，模型可能过拟合主导机构；
站点间类别定义若不统一，标注会出现系统性偏差；
评测若不按机构划分，会高估泛化能力。

这解释了为什么 BAGLS-VF 的评测纪律里，"按机构/录音划分"如此重要——多中心的代价必须通过正确的评测设计来管理。

附录 G：实操指南——如何上手 BAGLS-VF

G.1 数据准备步骤

获取：从 Zenodo（DOI 10.5281/zenodo.19593658）下载数据集；
阅读许可：确认使用场景符合 CC BY-NC-SA 4.0，特别是非商业条款；
理解结构：区分影像帧与标签掩膜，确认 RGB 编码与类别的对应关系；
核对划分：使用官方提供的划分（按录音/机构），不得自行按帧随机划分；
预处理：确定输入尺寸与灰度/彩色策略，保持训练与推理一致。

G.2 训练配置建议

配置项	建议
输入尺寸	依据模型主干选择（如 256×256 / 512×512），保持长宽比或统一缩放
类别权重	依据声门/左声带/右声带的像素占比设置，缓解不平衡
损失函数	交叉熵 + Dice 组合
数据增强	适度几何+强度增强；注意不要引入破坏解剖的变换
色域策略	统一灰度化或保留彩色并做域增强，二者择一并说明
验证方式	按录音分组的交叉验证，避免帧泄漏

G.3 评测实施步骤

在测试集上输出三类掩膜；
分类别计算 Dice 与 IoU；
计算 mDice 作为总览；
分灰度/彩色子集分别报告；
对失败案例（反光、遮挡、低对比）做定性分析；
报告数据划分细节与预处理，确保可复现。

G.4 常见工程问题

掩膜颜色映射错误：不同导出工具可能改变颜色索引，需校验映射表；
图像-掩膜尺寸不匹配：确认掩膜与原图分辨率一致，必要时同尺度重采样；
类别索引越界：背景类需显式定义，避免与三类结构冲突；
内存不足：59250 帧全量加载不现实，使用按需加载/流式读取。

附录 H：与库内同类数据集的横向比较

数据集	部位	任务	标注类别数	规模	许可
BAGLS-VF	喉/声带	语义分割	3	59250 帧	CC BY-NC-SA 4.0
Kvasir-SEG	消化道	息肉分割	2（含背景）	~1000 图	研究用途（需同意条款）
CVC-ClinicDB	结肠	息肉分割	2	612 图	研究用途
CVC-ColonDB	结肠	息肉分割	2	380 图	研究用途
ETIS-Larib	结肠	息肉分割	2	196 图	研究用途
LDPolypVideo	结肠	视频息肉检测/分割	2	视频帧大量	研究用途
CholecSeg8k	腹腔镜	场景分割	多类	8080 帧	研究用途
CholecT50	腹腔镜	器械-动作识别	多类	50 视频	研究用途

比较要点：

BAGLS-VF 的解剖部位独特：库内喉部/嗓音分割样本稀少，BAGLS-VF 填补了这一空白；
类别数较多：多数息肉数据集仅"息肉 vs 背景"二类，BAGLS-VF 的三类结构提供了更细的解剖语义；
规模居前：59250 帧在同类分割数据集里属较大规模（息肉数据集多在数百到数千图量级）；
许可差异：BAGLS-VF 采用标准 CC 许可但含 NC；部分息肉数据集为"研究用途"自定义条款，两者使用边界需分别确认。

附录 I：研究选题建议

基于 BAGLS-VF 的特性，以下研究方向具备可行性：

细粒度声带分割：针对声带边界低对比度的难点，设计边界感知的分割架构；
跨机构泛化：利用 7 家机构结构做域泛化/域适应研究；
色域鲁棒性：研究灰度与彩色混合训练对模型泛化的影响；
声门面积序列建模：把逐帧分割结果接入时序模型，刻画振动周期开合行为；
声带对称性量化：基于左右声带掩膜设计对称性指标，探索与病理的关联；
标注效率研究：以"半自动 + 人工校正"为对象，研究预分割质量对标注成本的影响；
多模态嗓音分析：结合库内声学信号数据集，做喉镜影像与语音信号的联合建模。

这些方向都直接建立在 BAGLS-VF 的三类像素标注之上，是其相对单类 BAGLS 的增量价值所在。

附录 J：伦理、隐私与合规要点

源数据伦理：BAGLS 系列的基础影像采集遵循其来源机构的伦理审查与知情同意要求；使用者应遵守原始条款；
去标识化：喉镜影像本身通常不含面部等直接身份信息，但仍应按医学影像数据谨慎处理；
二次使用：基于 BAGLS-VF 的衍生标注作品须以相同方式共享（SA），不得施加额外限制；
商业使用：受 NC 条款限制，商业场景需另行授权；
出版署名：发表成果须按许可要求署名并引用数据集 DOI；
合规台账建议：团队应记录所使用数据集的许可类型、到期/限制条件与引用要求，便于长期合规管理。

附录 K：常见误区纠正表

误区	纠正
“BAGLS-VF 有比 BAGLS 更多的影像”	帧池相同（59250），增量在标注类别
“59250 是 BAGLS-VF 独有的规模”	是与 BAGLS 共享的基础帧池规模
“BAGLS-VF 的 267 段视频”	267 段视频属于 BAGLS-RT，不是 VF
“许可开源即可随意商用”	CC BY-NC-SA 含 NC，不能商用
“按帧随机划分没问题”	会造成帧泄漏，必须按录音/机构划分
“灰度彩色混着训就行了”	需明确策略并分色域报告
“左右声带是对称的”	临床常为单侧病变，不可预设对称
“标注是纯人工的”	是半自动（算法预标 + 人工校正）
“引用 BAGLS 就够了”	使用声带标注须并引 BAGLS-VF

附录 L：参考资料与延伸阅读

Kist A.M., Gómez P., Dubrovskiy D., et al. BAGLS, a multihospital benchmark for automatic glottis segmentation. Scientific Data 7, 172 (2020). DOI: 10.1038/s41597-020-0526-3
BAGLS-VF: a comprehensive dataset for glottal area and vocal fold segmentations. BMC Research Notes. DOI: 10.1186/s13104-026-07972-7
Zenodo — BAGLS-VF (DOI: 10.5281/zenodo.19593658)
Zenodo — BAGLS (DOI: 10.5281/zenodo.3762320)
Zenodo — BAGLS-RT (DOI: 10.5281/zenodo.7113473)
NLM Dataset Catalog — BAGLS-VF 收录记录
Creative Commons — CC BY-NC-SA 4.0 许可全文
千方病案医数集 — 数据集条目规范与写手纪律包

附录 M：喉镜解剖与标注语义详解

M.1 喉部关键解剖结构

要理解 BAGLS-VF 的三类标注，需先理解它们在喉部解剖中的位置与关系：

声带（vocal folds / vocal cords）：喉内成对的黏膜皱襞，位于甲状软骨与杓状软骨之间，是发声的振动体。左右各一，前端汇于前联合，后端连于杓状软骨。
声门（glottis）：两侧声带之间的裂隙/开口。发声时声带内收、声门变窄；呼吸时声带外展、声门变宽。
声门区（glottal area）：在二维图像上，声门开口所占的像素区域，其面积随发声周期变化。
前联合与后联合：声门前后的连接处，是临床上评估病变累及范围的重要标志。

BAGLS-VF 的三类标注正对应上述结构：声门区是"开口"，左右声带是"两片组织"。把三者分开标注，等于把喉部的"空间关系"显式编码进数据。

M.2 标注边界的关键约定

像素级标注的难点在于边界约定——哪些像素算声带、哪些算声门，交界处如何裁断。BAGLS-VF 采用标准化协议，一般会明确：

声门区边界：以两侧声带的游离缘（内缘）为界，包含开口内的像素；
声带边界：以声带的游离缘与外侧附着缘为界，包含声带组织本身；
交界处理：声门与声带共享边界，需约定归属规则（避免同一像素被重复或遗漏）；
遮挡与反光：器械遮挡或强反光区域的归属需有统一约定；
不可辨认区域：若某帧部分结构无法辨认，应有明确的忽略或标注规则。

这些约定的重要性在于：它们决定了"金标准"的具体含义。不同约定下，同一帧的正确掩膜可能不同，从而影响模型学到的边界行为。使用者应阅读官方标注说明，理解其边界约定，而非凭直觉假设。

M.3 声带形态的临床语义

左右声带的形态包含丰富的临床信息：

对称性：正常发声时两侧声带对称振动，形态大致对称；单侧病变（麻痹、肿瘤）会打破对称；
游离缘形态：正常游离缘平直锐利，病变时可能出现隆起（息肉、结节）或粗糙（白斑、角化）；
闭合度：声带闭合不全（gap）会导致气息声，与声门面积曲线相关；
振动幅度：单侧声带麻痹时，患侧振动幅度减小或消失。

BAGLS-VF 提供左右声带的分割掩膜，使得上述形态指标可以自动、逐帧地计算——这是它相对单类声门标注的核心增量。

M.4 从掩膜到临床指标的推算

有了三类掩膜，可以推算出多种客观指标：

指标	推算方式	临床意义
声门面积	声门类像素数 × 像素物理面积	声门开合度
声门面积序列	逐帧声门面积按时序排列	振动周期与开合行为
左/右声带面积	对应类别像素数	声带体积/形态
声带面积比（左右）	左面积 / 右面积	对称性指标
声带宽度	声带区域的行/列跨度	声带形态
声门最大宽度	声门区域的最大横向跨度	开口程度

注意：像素到物理面积的换算需要焦距/放大率等标定信息；若数据未提供标定，面积只能以"像素"为单位做相对比较。本条目不对具体标定细节做断言。

M.5 声门面积曲线的临床解读

声门面积随发声周期变化，形成有特征的曲线：

开放相（open phase）：声门面积增大；
闭合相（closed phase）：声门面积趋近于零；
对称性：正常发声的开放相大致对称；病变可能改变曲线形态。

自动分割的价值在于：它能以逐帧精度重建这条曲线，进而支持客观、可复现的嗓音功能评估。BAGLS-VF 的细粒度标注（含声带）能让曲线之外增加"声带形态随相位变化"的新维度。

附录 N：数据集设计的方法论反思

N.1 基准数据集的"扩展经济学"

BAGLS-VF 的出现引出一个值得思考的问题：一个成功的基准，应该如何演进？常见的路径有三条：

扩样本：采集更多影像，扩大规模；
扩标注：在已有影像上增加新标注维度（BAGLS-VF 走的路）；
扩任务：增加新的评测任务（如实时、分类）。

三条路径的成本结构不同：扩样本的成本集中在采集与合规，扩标注的成本集中在标注人力，扩任务往往只需重新组织已有数据。BAGLS-VF 选择"扩标注"，是在合规成本高企的现实下的务实选择，也提示数据集维护者：在数据获取日益受限的时代，"把已有数据挖得更深"可能比"获取更多数据"性价比更高。

N.2 "共享帧池"带来的可比性红利

因为 BAGLS-VF 与 BAGLS 共享帧池，历史结果具有了一层新的可比性：在 BAGLS 上训练的声门分割模型，可以在 BAGLS-VF 的声门类上直接评测，无需担心数据分布差异。这种"可比性红利"是全新数据集无法提供的——新数据集的规模再大，也切断了与历史结果的直接比较线。

这提示数据集设计者：若目标是建立长期基准，保持帧池连续性比追求规模更有战略价值。

N.3 许可选择对生态的影响

BAGLS 系列一致采用 CC BY-NC-SA 4.0。这一选择对生态的影响是双面的：

正面：明确的 NC 边界保护了数据主体与来源机构的利益，SA 条款保证衍生品回馈社区；
负面：NC 限制排斥了商业应用，可能减缓技术向产品转化的速度。

对研究者而言，务实的应对是：在学术研究范围内充分利用；若有商业化需求，提前规划独立数据或授权路径。BAGLS-VF 的许可选择并非孤例，它是医学数据"开放但受限"这一大趋势的缩影。

N.4 半自动标注的可复制性

BAGLS-VF 的"算法预分割 + 人工校正"流程，其最大价值可能不是产出了这份数据集本身，而是证明了流程的可复制性。任何拥有大量无标注医学影像的团队，都可以沿用这一流程：先训一个基础分割模型，用它预标，再由专家精修。这大幅降低了高质量像素标注的门槛。

不过，可复制性也带来风险：若预分割算法质量差，人工校正的负担反而上升、标注质量反而下降。因此流程的关键控制点是预分割质量评估与人工一致性管理。

N.5 对后续数据集建设的建议

综合以上，若要在类似方向建设新数据集，建议遵循以下原则：

优先扩展语义而非规模：先问缺哪个临床结构/属性；
保持帧池连续性：若基于既有基准扩展，明确标注继承关系；
标注协议文档化：边界约定、类别定义、困难情形处理都要写清楚；
划分单位明确：以录音/患者/机构为独立单位；
许可与合规先行：先定许可策略再采集/标注；
保持评测可比性：与历史基准对齐评测口径，便于结果累积。

这些原则既是 BAGLS-VF 实践的经验总结，也是本条目希望传递的方法论价值。

附录 O：标签体系与建模细节

O.1 标签编码的实现建议

BAGLS-VF 的掩膜为 RGB 编码，落地为训练标签时的一般步骤：

读取掩膜：加载 RGB 图像；
颜色→类别映射：依据官方说明的颜色表，把每个唯一颜色映射为类别索引；
生成单通道标签：输出与掩膜同尺寸的整数标签图；
校验：统计各类别像素数，确认无未映射颜色、无越界索引；
背景处理：显式定义背景类（通常为映射之外的全部像素）。

表：类别的常见索引约定（示例）

索引	类别	说明
0	背景	声门与声带之外的全部像素
1	声门区	glottal area
2	左声带	left vocal fold
3	右声带	right vocal fold

实际索引顺序以官方说明为准；上表为通用示例，便于理解编码逻辑。

O.2 类别不平衡的处理

三类结构的像素占比在单帧内通常差异明显。应对策略：

加权损失：给占比小的类别更高权重；
Dice 损失：对类别不平衡相对鲁棒，常与交叉熵组合；
采样策略：在 patch 采样时提高含小类别区域的采样概率；
分指标报告：分类别报告 Dice，避免大类别掩盖小类别问题。

O.3 时序信息的利用

因为数据来自视频，帧间有时序关系，可考虑：

单帧模型 + 后处理平滑：先逐帧分割，再对面积序列做时序平滑；
时序模型：使用视频分割架构，利用帧间一致性；
注意泄漏：任何使用时序的处理都必须保证训练/测试按录音划分。

O.4 边界精度的提升

声带与声门的交界是难点，提升边界精度的常见手段：

边界损失：引入边界感知的损失项；
高分辨率解码：避免过度下采样丢失边界细节；
形态学后处理：对预测掩膜做适度平滑，去除孤立噪声；
多尺度融合：融合不同尺度的特征以兼顾整体与细节。

O.5 与主流分割框架的对接

BAGLS-VF 的"图像 + RGB 掩膜"格式可无缝对接主流框架（如基于 PyTorch 的各类分割库）：只需实现一个 Dataset 类读取图像与掩膜、做颜色映射与增强，即可复用现成的训练/评测流程。这种低接入成本正是"AI-Ready"标签的实际含义。

附录 P：数据质量核验清单

使用前建议按以下清单核验数据质量：

检查项	目的	方法
图像-掩膜配对完整	确保无缺失	逐条比对文件名
掩膜尺寸一致	确保像素对齐	比对分辨率
颜色映射唯一	确保类别可解码	统计唯一颜色数
类别像素合理	发现异常帧	统计各类占比分布
划分可复现	确保评测公平	核对官方划分文件
色域标注	支持分域评测	标记灰度/彩色
反光/遮挡帧分布	了解困难样本比例	抽样目视
重复帧检查	发现潜在泄漏	相似度检测

附录 Q：术语速查（中英对照）

中文	英文
视频喉镜	videolaryngoscopy
声门	glottis
声门区	glottal area
声带	vocal fold
左声带 / 右声带	left / right vocal fold
声带麻痹	vocal fold paralysis
声带息肉	vocal fold polyp
声带结节	vocal fold nodule
白斑	leukoplakia
前联合	anterior commissure
语义分割	semantic segmentation
标签掩膜	label mask
像素级标注	pixel-level annotation
损失函数	loss function
类别不平衡	class imbalance
泛化	generalization
域偏移	domain shift
数据泄漏	data leakage
交叉验证	cross-validation
非商业性使用	non-commercial use
相同方式共享	share-alike
基准	benchmark
多中心	multicenter

附录 R：版本与修订记录

版本	说明
BAGLS (2020)	多中心声门分割基准，单类标注，59250 帧
BAGLS-RT (2022)	实时分割再训练扩展，267 视频 / 21050 图
BAGLS-VF (新)	三类标注扩展（声门 + 左右声带），共享 59250 帧池

附录 S：给数据集使用者的十条建议

先读许可，再谈使用；NC 条款不是摆设。
记住 VF = 声带扩展，不是规模扩展。
59250 帧是共享池，不是 VF 独有。
按录音/机构划分，永远不要按帧随机划分。
分类别报告指标，别用一个 Dice 糊弄过去。
明确灰度/彩色策略，并分域报告。
不要预设左右声带对称。
引用时 BAGLS 与 BAGLS-VF 并引。
商用前取得授权或改用合规数据。
阅读官方标注说明，理解边界约定。

附录 T：条目编写说明

本条目为千方病案医数集 AI-Ready Wikipedia 的 BAGLS-VF 词条，编写遵循以下原则：

硬数字三源互证：规模、类别、许可等核心事实以 Zenodo 记录、NLM Dataset Catalog 与论文三方交叉核对；
区分事实与推断：明确标注哪些是硬事实、哪些是方法论层面的推断与建议；
许可显著提示：NonCommercial 条款在全条多处显式提示；
待核内容不臆造：患者级人数、标注一致性统计等未获确认的信息，以"待核/以论文为准"处理；
互链指向清晰：库内互链在 §9 按语义类别给出方向。

编写过程中遵循的纪律：开工三查（租约锁、私有区唯一命名、环境残留记录）→ 存在性核验（DB 查重命中 0 行、目录无同名）→ 三源互证研究 → FACTS.md 九节 → 分片成稿 → 双零自检。

附录 U：延伸问答（补充 12 问）

Q13：BAGLS-VF 的掩膜是什么颜色编码的？
RGB 三通道编码，不同颜色对应声门区、左声带、右声带三类结构，具体颜色表以官方说明为准。

Q14：它能直接用于训练 U-Net 吗？
可以。图像 + RGB 掩膜是标准分割格式，实现颜色映射与 Dataset 类即可接入。

Q15：声门面积单位是什么？
若数据提供像素物理尺寸标定，可换算为 mm²；否则以像素为单位做相对比较。本条目不对标定细节断言。

Q16：为什么强调按录音划分？
同一录音相邻帧高度相似，随机划分会造成帧泄漏，导致指标虚高。

Q17：BAGLS-RT 和 BAGLS-VF 能一起用吗？
可以同时引用，但注意两者规模与目标不同（RT 面向实时，VF 面向三类标注）。

Q18：它是挑战赛数据集吗？
BAGLS 系列以"基准（benchmark）"定位，提供统一评测框架，但不完全是竞赛形式的挑战赛；具体是否有排行榜以官方为准。

Q19：彩色帧会影响模型吗？
可能有影响。建议明确色域策略并分域报告，避免分布不一致带来的隐性退化。

Q20：声带分割为什么比声门难？
声带边界更贴近软组织交界、对比度更低，且与声门共享边界，容易混淆。

Q21：能用它做声带病变分类吗？
分割掩膜可作为形态特征来源，但病变分类标签不在本数据集的标注范围内，需另配标签。

Q22：库内哪个条目和它最像？
语义上最近的是内窥镜分割类（如 Kvasir-SEG、CVC-ClinicDB）与嗓音模态类（如 Saarbrücken Voice Database）。

Q23：怎么引用 BAGLS-VF？
引用其论文（DOI 10.1186/s13104-026-07972-7）与 Zenodo DOI（10.5281/zenodo.19593658），并视使用情况并引 BAGLS（DOI 10.1038/s41597-020-0526-3）。

Q24：这份条目的硬数字来源可靠吗？
核心数字经三源互证（Zenodo / NLM Dataset Catalog / 论文）；未获确认的信息已在尾注标注"以论文为准"。

附录 V：背景补充——嗓音医学的数据版图

V.1 嗓音评估的三条数据线索

嗓音医学的客观评估传统上沿三条线索展开，各自对应一类数据：

形态学线索（影像）：通过喉镜直接观察声带与声门形态，回答"长什么样"。BAGLS-VF 属于这一类。
声学线索（信号）：通过麦克风采集发声，分析基频、jitter、shimmer、谐噪比等，回答"声音什么性质"。
空气动力学线索（气流）：通过气流/压力测量评估发声效率，回答"气流如何被利用"。

三条线索互补：影像看得见结构，声学听得出音质，空气动力学量得出效率。BAGLS-VF 强化了第一条线索的自动化能力——它让"从喉镜画面自动提取声门与声带几何"成为可训练、可评测的任务。库内若将 BAGLS-VF 与语音信号类条目（如 PC-GITA、Saarbrücken Voice Database）并置，恰好覆盖"形态 + 声学"两条线索。

V.2 自动声门分割的研究脉络

自动声门分割的研究大致经历以下阶段：

早期图像处理方法：基于阈值、边缘检测、形态学操作的传统方法，依赖人工设计的特征，对反光和噪声敏感；
深度学习时代：以 CNN（U-Net 系）为主，通过端到端学习提升鲁棒性，BAGLS 基准正是在这一背景下诞生，为算法提供统一比较平台；
多类与细粒度阶段：从"只分声门"走向"分声门与声带"，BAGLS-VF 是这一阶段的产物；
实时与部署阶段：BAGLS-RT 面向临床实时场景，把研究推向使用。

这一脉络说明：数据集与算法是交替推进的——每个新基准都会催生新算法，新算法的成熟又会暴露标注粒度的不足，推动下一代数据集的产生。

V.3 喉镜图像与其他内窥镜图像的共性与差异

共性：

都是内窥镜近距离成像，存在反光、遮挡、有限视野；
都面临低对比度软组织边界；
都适合用语义分割建模。

差异：

部位：喉（BAGLS-VF）vs 消化道（Kvasir-SEG 等）vs 腹腔（CholecSeg8k 等）；
动态性：声带振动（喉）比消化道蠕动快得多，对时序建模要求不同；
色彩：喉镜为白/彩色光，消化道内镜多为白光/窄带成像，腹腔镜为白光；
任务语义：喉镜关注解剖结构本身，消化道关注病变（息肉），腹腔镜关注手术器械与操作。

这些差异提醒：跨部位迁移模型不能想当然，尽管技术范式相似，域差异可能很大。

V.4 数据规模与标注粒度的权衡

在医学图像数据集设计中，"规模"与"粒度"往往互相制约：

规模大、粒度粗（如仅切片级标签）：训练材料多但监督弱；
规模小、粒度细（如逐像素多类）：监督强但材料少；
规模大、粒度细：理想但成本极高。

BAGLS-VF 在 59250 帧上做三类像素标注，属于"规模较大 + 粒度较细"的组合，其实现依赖于半自动流程对成本的压缩。这提示一条设计原则：当自动预标足够可靠时，可以在较大规模上实现较细粒度；反之则需在规模与粒度间做取舍。

V.5 从"数据集"到"临床工具"的路径

一份数据集要走向临床应用，通常需要跨过几道门槛：

技术门槛：模型精度与鲁棒性达到临床可接受水平；
合规门槛：数据许可、医疗器械认证、隐私合规；
工作流门槛：能嵌入现有临床流程、被医生接受；
责任门槛：明确辅助决策的责任边界。

BAGLS-VF 目前处在技术门槛的攻关阶段——它提供训练与评测的基础，但距离成为临床工具还有合规与工作流的长路。理解这一位置，能帮助使用者在研究定位上保持清醒：它是一份研究基准，不是一台诊断设备。

附录 W：常见技术问答（补充）

Q25：BAGLS-VF 的帧是等间隔采样的吗？
采样方式以官方说明为准；视频喉镜帧通常按设备帧率连续记录，使用者应按录音组织数据。

Q26：能否只用声门类做单类分割？
可以。忽略左右声带类、把掩膜二值化为"声门 vs 背景"即可，与 BAGLS 的用法一致。

Q27：声带与声门在掩膜中相邻，标注会重叠吗？
标准协议应保证类别互斥（每像素归属唯一类别），交界处的归属依约定处理，详见附录 M。

Q28：彩色帧大约有多少？
约 3%（近似），精确数量以官方说明为准。

Q29：模型在跨机构上表现差怎么办？
可尝试域适应、域泛化方法，或按机构分层训练/评测，定位差异来源。

Q30：能否做半监督/自监督？
可以。三类像素标注可作为监督信号，未标注影像（若有）可做自监督预训练，但需注意许可与数据边界。

Q31：它支持多任务吗？
天然支持：声门面积估计、声带分割、形态量化可多任务联合建模。

Q32：有没有实时要求？
本数据集本身不含实时约束；实时方向见 BAGLS-RT。

Q33：声带左右如何界定？
以解剖方位界定（患者左右），在图像中的表现方向取决于成像方位，使用时需注意方位约定。

Q34：标注一致性有报告吗？
一致性统计以论文为准；本条目不对具体数值断言。

附录 X：给评测者的检查清单

在提交基于 BAGLS-VF 的评测结果前，逐项自检：

[ ] 划分按录音/机构，未按帧随机划分
[ ] 预处理在训练与推理间一致
[ ] 灰度/彩色策略明确且已说明
[ ] 分类别报告 Dice/IoU，并给出 mDice
[ ] 报告了数据划分的录音数与帧数
[ ] 报告了模型架构与训练配置
[ ] 讨论了类别不平衡的处理
[ ] 对失败案例做了定性分析
[ ] 引用包含 BAGLS-VF 与 BAGLS 的 DOI
[ ] 遵守 CC BY-NC-SA 4.0 的 NC 与 SA 条款

附录 Y：关键数字速记卡

数据集名称：BAGLS-VF
任务：声门区 + 左声带 + 右声带 像素级语义分割
帧数：59250
录音段数：640
机构数：7
类别数：3
灰度占比：约 97%
彩色占比：约 3%
掩膜形式：RGB 标签图像
许可：CC BY-NC-SA 4.0
Zenodo DOI：10.5281/zenodo.19593658
论文 DOI：10.1186/s13104-026-07972-7
祖代：BAGLS（2020, Zenodo 3762320, Sci Data）
旁系：BAGLS-RT（2022, Zenodo 7113473）
机构：FAU 埃尔朗根-纽伦堡大学
贡献者：Andreas M. Kist, Sina Razi

附录 Z：结语

BAGLS-VF 是数据集"深耕"而非"扩张"的范例。它在规模不变的前提下，通过把声门单类标注扩展为声门区与左右声带三类，显著提升了数据的临床语义密度与建模价值。对嗓音医学研究者，它是声门面积与声带形态自动量化的训练与评测基座；对医学图像分割研究者，它是内窥镜细粒度分割的一个多中心基准；对数据集建设者，它是"共享帧池 + 增量标注"这一务实扩展路径的示范。

使用它时请牢牢记住三点：它与 BAGLS 共享 59250 帧池（不是新采集）、它的许可是 CC BY-NC-SA 4.0（不可商用）、它的评测必须按录音/机构划分（否则指标虚高）。把握这三点，你就能正确地把这份数据用在合适的位置，并产出可信、可复现的研究结果。

附录 AA：参考文献逐条注解

以下对 BAGLS-VF 相关的一手来源逐条注解，说明每条来源在条目中的角色与可信度定位。

1. Zenodo — BAGLS-VF（DOI: 10.5281/zenodo.19593658）
本数据集的主托管记录。提供数据集名称、版本、DOI、许可与文件结构。是本条目硬数字（规模、类别、许可）的第一口径来源。Zenodo 由 CERN 运营，DOI 稳定可长期引用。

2. BMC Research Notes — BAGLS-VF 论文（DOI: 10.1186/s13104-026-07972-7）
数据集的方法学论文，提供标注流程、数据构成与用途说明。是本条目"半自动标注协议""三类标注"叙述的第二口径来源。BMC Research Notes 为开放获取期刊，论文可直接阅读。

3. NLM Dataset Catalog — BAGLS-VF 收录记录
美国国立医学图书馆数据集目录的收录条目，记录贡献者（Andreas M. Kist、Sina Razi）与权利信息（CC BY-NC-SA 4.0）。是本条目"贡献者"与"许可"叙述的交叉验证来源，也说明该数据集已被权威医学数据目录收纳。

4. Zenodo — BAGLS 原始（DOI: 10.5281/zenodo.3762320）
祖代数据集的托管记录，是 59250 帧 / 640 录音 / 7 机构等基础帧池硬数字的来源。

5. Scientific Data (2020) — BAGLS 论文（DOI: 10.1038/s41597-020-0526-3）
祖代数据集的正式论文，定位为"多中心自动声门分割基准"。是本条目临床背景与方法学脉络的关键来源。

6. Zenodo — BAGLS-RT（DOI: 10.5281/zenodo.7113473）
旁系扩展的托管记录，提供 267 段视频 / 21050 图像等数字，用于三代对比。

7. BAGLS 系列官方资源页（anki.xyz）
与 BAGLS 系列相关的资源入口，用于说明数据集家族的持续维护与资源可得性。本条目将其作为关联资源提及，不武断认定为唯一官方门户。

8. 千方病案医数集条目规范 URL
本条目自身的规范链接：https://www.qianfanghub.com/ai-ready-dataset/bagls-vf/913

附录 AB：三代数据集演进的数据流图（文字描述）

[多中心视频喉镜采集，7 家机构]
            │
            ▼
   [640 段录音 / 59250 帧基础帧池]
            │
   ┌────────┼─────────────────┐
   │        │                 │
   ▼        ▼                 ▼
[BAGLS]  [BAGLS-VF]      [BAGLS-RT]
 2020      (新)             2022
   │        │                 │
   │        │                 │
单类声门   三类:           实时再训练
  标注   声门+左右声带      267 视频
   │        │             21050 图像
   │        │                 │
   ▼        ▼                 ▼
声门分割  声门面积+声带     实时声门
 基准    形态分析基准       分割应用

从图中可见，三代数据集共享同一基础帧池，差异在标注维度与应用取向。BAGLS-VF 处于"基础标注扩展"的位置，其下可支撑声门面积与声带形态两类分析。

附录 AC：典型使用场景剧本

场景一：嗓音医学实验室做声门面积自动测量

获取 BAGLS-VF（Zenodo DOI）；
只用声门类标注，训练单类分割模型（或直接使用预训练模型微调）；
在自有喉镜视频上推理，逐帧输出声门掩膜；
由掩膜计算逐帧声门面积，重建开合曲线；
与手工测量对比，评估自动化替代的可行性。
关键提醒：许可为 NC，若实验室工作属非商业研究则可行；若涉及商业转化需另行授权。

场景二：分割算法研究者做多类分割基准

获取数据并按官方划分组织；
训练三类联合分割模型（U-Net/Transformer 主干）；
分类别报告 Dice/IoU，计算 mDice；
分灰度/彩色子集分析鲁棒性；
与基线对比，发表可复现结果。
关键提醒：严格按录音划分，避免帧泄漏。

场景三：数据集方法论研究者做扩展范式研究

对比 BAGLS 与 BAGLS-VF，量化"标注扩展"带来的监督增益；
设计实验：同一模型在单类监督 vs 三类监督下的下游表现；
分析"共享帧池"对结果可比性的贡献；
总结"共享帧池 + 增量标注"范式的适用条件。
关键提醒：注意区分"规模增益"与"语义增益"，BAGLS-VF 属后者。

附录 AD：名词缩写表

缩写	全称	中文
BAGLS	Benchmark for Automatic Glottis Segmentation	自动声门分割基准
VF	Vocal Fold	声带
RT	Real-Time	实时
FAU	Friedrich-Alexander-Universität	埃尔朗根-纽伦堡大学
DOI	Digital Object Identifier	数字对象标识符
CC	Creative Commons	知识共享
BY	Attribution	署名
NC	NonCommercial	非商业性使用
SA	ShareAlike	相同方式共享
Dice	Dice Similarity Coefficient	Dice 相似系数
IoU	Intersection over Union	交并比
HD95	95% Hausdorff Distance	95 分位豪斯多夫距离
mDice	mean Dice	平均 Dice
RGB	Red-Green-Blue	红绿蓝三通道
NLM	National Library of Medicine	美国国立医学图书馆
DAIMS	Data Asset Maturity/Assessment	数据资产成熟度评估

附录 AE：最后的事实核对表

声明	核对结果
官方名 BAGLS-VF	✅ 与论文标题一致
59250 帧	✅ Zenodo / NLM / 论文一致
640 录音 / 7 机构	✅ BAGLS 论文与 Zenodo 一致
三类标注	✅ NLM 与论文一致
约 97% 灰度 / 约 3% 彩色	✅ 近似值，官方说明
RGB 标签掩膜	✅ 官方说明
CC BY-NC-SA 4.0	✅ NLM rights / Zenodo
Zenodo DOI	✅ 10.5281/zenodo.19593658
论文 DOI	✅ 10.1186/s13104-026-07972-7
FAU 团队	✅ NLM contributors
BAGLS-RT 267 视频 / 21050 图	✅ Zenodo 7113473
患者级人数	⚠️ 未披露，以论文为准

本表为条目定稿前的事实自查记录，⚠️ 项已在正文与尾注中以"待核/以论文为准"措辞处理。

附录 AF：延伸阅读导引与学习路径

AF.1 对初学者的学习路径

若你是初次接触喉镜图像分割，建议按以下顺序推进：

先看数据：下载 BAGLS-VF，随机抽若干帧与掩膜对照可视化，建立对"声门区、左声带、右声带"三类的直观认识；
再跑基线：用现成的 U-Net 在数据上跑一个最小可用的训练，观察 Dice 量级；
理解难点：专门挑反光、遮挡、低对比的帧看模型错在哪；
学评测纪律：重点理解"按录音划分"为什么必要，亲手对比随机划分与按录音划分的指标差异；
读源头论文：读 BAGLS（2020）与 BAGLS-VF 论文，理解基准设计的初衷。

AF.2 对进阶研究者的路径

若你已熟悉分割任务，可关注更具研究价值的切入点：

域泛化：利用 7 家机构做跨中心泛化研究；
细粒度边界：研究声带—声门交界的分割精度提升方法；
标注效率：以半自动流程为对象，量化预分割质量与人工成本的关系；
多类不平衡：研究三类结构不均衡下的损失设计与评价方法；
时序建模：把逐帧分割接入时序模型，刻画振动周期。

AF.3 对数据集建设者的路径

若你的目标是建设或扩展医学数据集，BAGLS-VF 提供了可直接借鉴的模板：

扩展优先于采集：先评估能否在既有数据上补标注；
标注协议先行：类别定义、边界约定、困难情形处理都要文档化；
半自动降本：用算法预标 + 人工校正控制成本；
保持可比：与历史基准对齐评测口径；
许可清晰：明确 BY/NC/SA 各条款的实际含义。

AF.4 对临床应用者的路径

若你的视角是临床落地，需牢记 BAGLS-VF 的定位：

它是研究基准，不是诊断设备；
它的分割结果可作为量化辅助，不能替代医生判断；
商业使用受 NC 限制，落地前须解决许可问题；
临床使用还需跨过医疗器械合规与工作流整合两道门槛。

附录 AG：一页速览总结

是什么：BAGLS-VF 是 BAGLS 视频喉镜基准的像素级扩展数据集，提供声门区、左声带、右声带三类分割标注。

有多大：59250 帧，来自 640 段录音、7 家机构的视频喉镜影像。

谁做的：德国 FAU 埃尔朗根-纽伦堡大学团队（贡献者 Andreas M. Kist、Sina Razi）。

怎么标：受训标注员用标准化半自动协议（算法预分割 + 人工校正）。

怎么用：下载 → 按录音划分 → 训练三类分割模型 → 分类别报告 Dice → 或用于声门面积与声带形态量化。

注意什么：与 BAGLS 共享帧池（非新采集）、许可 CC BY-NC-SA 4.0（不可商用）、必须按录音划分（防泄漏）。

去哪找：Zenodo DOI 10.5281/zenodo.19593658；论文 DOI 10.1186/s13104-026-07972-7。

和谁像：库内 Kvasir-SEG、CVC-ClinicDB（内窥镜分割）、Saarbrücken Voice Database（嗓音模态）。

本条目由千方病案医数集编辑部编写。BAGLS-VF 的规模、类别与许可等核心事实经 Zenodo 记录、NLM Dataset Catalog 与 BMC Research Notes 论文三方交叉核对；未确证信息已在正文与尾注中标注"以论文为准"。使用本数据集前请务必阅读 CC BY-NC-SA 4.0 许可全文。

维度	内容
本质	BAGLS 视频喉镜基准的三类像素级扩展（非新采集，帧池沿用 BAGLS）
团队	FAU 埃尔朗根-纽伦堡大学，贡献者 Andreas M. Kist、Sina Razi
论文	BMC Research Notes（doi:10.1186/s13104-026-07972-7）
数据	59250 帧视频喉镜影像，来自 640 段录音、7 家多中心机构
标注类别	声门区 / 左声带 / 右声带（3 类，较原始 BAGLS 由 1 类扩为 3 类）
掩膜形式	RGB 编码标签图像，与影像像素对齐
色域构成	约 97% 灰度 + 约 3% 彩色 RGB
标注流程	受训标注员半自动标准化协议（算法预分割 + 人工校正）
托管	Zenodo（doi:10.5281/zenodo.19593658）
许可	CC BY-NC-SA 4.0（非商业 + 相同方式共享）
祖代数据集	BAGLS（2020, Sci Data, Zenodo 10.5281/zenodo.3762320）
旁系扩展	BAGLS-RT（2022, Zenodo 10.5281/zenodo.7113473，实时再训练）
库内互链	Kvasir-SEG、CVC-ClinicDB、EndoSLAM、CholecSeg8k（内窥镜分割）、Saarbrücken Voice Database、PC-GITA（语音/嗓音模态）