信息速览
Beyond FA（BFA）是 2025 年在 ISBI 上宣讲的一场弥散磁共振（diffusion MRI）挑战赛，由范德堡大学 MASI 实验室组织。它的核心问题不是「能不能用 AI 诊断阿尔茨海默病」，而是「在分数各向异性（FA）之外，还有哪些白质指标真的携带疾病信息」。参赛队自选白质模型，把每个受试者压缩成 128 个数字提交；主办方用统一的浅层网络在 500 张训练、100 张测试的隐藏数据上打分，从而把不同团队的指标放进同一把尺子。
FA 的问题在于敏感而不特异：轴突密度下降、髓鞘变薄、纤维交叉、部分容积、甚至扫描仪差异都会压低它，于是同一组 FA 数值既可能出现在正常老化里，也可能出现在轻度认知障碍里。要走出这个困境，神经影像界已经积累了大量替代模型——NODDI 的神经突密度、纤维束层面的统计分析、复杂网络测度——但它们的相对价值缺少同条件比较。Beyond FA 用众包加统一评测的方式填补这个空缺，属于方法学竞赛，而非临床诊断工具竞赛。
使用时先分清三层：可下载的只有 MASiVar 调试集与两个代码仓库；评测数据全程隐藏；结论层面能复用的是协议设计（128 维特征 + 浅层 MLP + 单壳限制），而不是某支队伍的成绩。若目的是复现或做二次研究，应从 MASiVar 与 PreQual 入手搭建流水线，再按官网的输入输出约定打包容器。
§1 它是什么：一场关于白质指标的方法学竞赛
1.1 名称的三重展开与一次常见误判
「BFA」这三个字母在医学影像文献里至少有过三种展开：骨折分析（bone fracture analysis）、眼底荧光血管造影（fundus fluorescein angiography）、以及本文的 Beyond FA。前两种与 DWI 无关，第三种才是 Beyond FA。官网标题写作「Beyond Fa - Beyond FA」，正文首段给出的定位是：一场弥散 MRI 挑战赛，目标是从阿尔茨海默病（Alzheimer’s Disease, AD）队列中提取有意义的特征，以更好地理解白质完整性。
「Beyond FA」这个名字本身是对分数各向异性（fractional anisotropy, FA）的判词。FA 是弥散张量成像（DTI）里最普及的标量：把水分子扩散的方向依赖性归一化到 0 到 1 之间，1 表示单方向扩散，0 表示各向同性扩散。在健康白质里它主要由轴突膜与髓鞘的方向约束决定，因此长期被当作「白质完整性」的代理。问题在于这个代理并不唯一——凡是会改变局部纤维排列或图像质量的因素都会改变 FA，而 FA 无法把「轴突变少」与「纤维走向变乱」区分开。
1.2 为什么是「挑战赛」而不是「数据集」
区分这两者很重要。多数医学影像数据集先有数据、后有任务：公开一批带标注的影像，社区在其上训练模型。Beyond FA 反过来：公开一套评测协议，参赛队自己去找数据训练特征提取器，主办方只保留最终评判用的隐藏样本。因此严格说，Beyond FA 的公开物是协议与接口，而不是一份可以下载的影像集合。
这一定位带来两个后果。第一，可复现性边界清晰但狭窄：任何人都能拿到 Docker 接口规范与预处理器 PreQual，却拿不到被评分的 500 张与 100 张。第二，任务定义本身可以复用：哪怕挑战赛已经关闭，其「128 维特征 + 浅层分类器 + 单一 b 值壳」的三段式设计，仍是评测白质指标的一个可移植模板。
1.3 组织方与版本链
组织方是范德堡大学（Vanderbilt University）的 MASI 实验室（Medical-image Analysis and Statistical Interpretation Lab），通信作者是 Bennett A. Landman，挑战赛由 Elyssa M. McMaster 牵头。协作者包括南加州大学（USC）的 Talia M. Nir 与 Neda Jahanshad，以及印第安纳大学的 Eleftherios Garyfallidis——后者是 DIPY 弥散影像处理库的作者，这一构成说明挑战赛的出发点偏向方法学社区而非临床社区。
版本链有三条主线。第一条是数据：2021 年发表的 MASiVar 数据集（OpenNeuro ds003416），提供多站点、多扫描仪、重复扫描的弥散数据，是 Phase 1 调试集的来源。第二条是预处理：同一年发表的 PreQual 流水线，负责去噪、畸变校正、运动校正与质控，官网要求隐藏数据入库前也必须过一遍。第三条是评估：2025 年发布的基线算法仓库与评测 MLP 仓库，对应官网「3/12 更新」「4/4 更新」两条注记。三条线在 2025 年 4 月的 ISBI 场次汇合。
1.4 时间线
| 时点 | 事件 | 出处 |
|---|---|---|
| 2021 | MASiVar 发表于 Magnetic Resonance in Medicine | OpenNeuro dataset_description.json |
| 2021 | PreQual 发表于 Magnetic Resonance in Medicine | PreQual README |
| 2025-03-12 | 基线算法仓库更新 | 官网 Additional Resources |
| 2025-03-28 | VALIANT 月报记载 37 支注册队伍 | Vanderbilt VALIANT |
| 2025-04-04 | 评测 MLP 仓库更新 | 官网 Additional Resources |
| 2025-04-17 | ISBI 2025 挑战赛场次 | ISBI 2025 Challenges 页 |
| 2025-07-01 | MIDL 2025 更新截止 | 官网 Timeline |
| 2026（核验时） | 挑战赛关闭，工作已投期刊 | 评测仓库 README |
§2 数据构成：十问十答
Q1：BFA 是不是骨折检测（bone fracture analysis）的数据集？
不是。BFA 的全称是 Beyond FA，FA 指弥散 MRI 的分数各向异性（fractional anisotropy）。官网开篇写明其目标是「extract meaningful features to better understand white matter integrity within Alzheimer’s Disease cohorts」。中文语境里 FA 常见的另外两种展开（骨折、荧光血管造影）都不适用。
Q2：500 张和 100 张分别是什么？
是主办方评测神经网络的训练集与测试集划分，不是对外发放的数据。训练 500 张含 210 名认知正常（CN）、210 名轻度认知障碍（MCI）、80 名阿尔茨海默病（AD）；测试 100 张为 34 CN、33 MCI、33 AD。参赛者自己的特征提取器用不用这些数据，网站不作限制。
Q3：参赛队要提交什么？
一个 Docker 容器。容器从 /input 读取四维 DWI（.mha）与梯度表 JSON，向 /output 写出 features-128.json，即 128 个数值；不足 128 个可以补零。主办方用它训练浅层 MLP 并测试三分类效果。
Q4：这个挑战现在还能参加吗？
不能。官方评测仓库 README 写明「This challenge has closed」，并称工作已投期刊。官网页面仍在，可作为协议与任务定义的一手档案，但没有提交入口。
Q5：有没有可以下载的数据集？
挑战评测数据不公开。唯一可直接下载的是 Phase 1 调试所用的 MASiVar（OpenNeuro ds003416，CC0，319 次扫描、97 名受试者）。其余可获取物是两个 GitHub 仓库：基线算法的 Docker 与评测 MLP 的架构示例。
Q6：这个挑战的标识符是什么？
没有数据集 DOI，也没有 Zenodo 或 arXiv 记录。引用时应使用 MIDL 2025 短论文 Introducing Beyond FA: Crowdsourcing Imaging Biomarkers for Alzheimer’s Disease（OpenReview KZXJDxQegd），或直接引官网与 GitHub 仓库。
Q7：为什么限制单一 b 值壳？
官网要求把 b 值限制在约 1000 s/mm² 的单一壳（995 与 1005 可接受）。理由是让各队的输入条件可比，避免多壳数据把差异归因于采集协议而不是白质模型本身。代价是依赖多壳拟合的模型无法完整发挥。
Q8：有哪些库内条目可以对照阅读？
ADNI 条目讲同一疾病谱的纵向队列，OpenNeuro 条目讲 MASiVar 的托管平台，WMH Challenge 讲白质影像的另一类任务（高信号分割），BrainPTM 2021 讲纤维束层面的术前映射。四者与 Beyond FA 构成从采集、托管到任务设计的完整链路。
Q9：Phase 1 的输出为什么是随机的？
官网说明 Phase 1 只用公开的 MASiVar 子集验证 Docker 格式，预测结果被刻意打乱，以免队伍用调试集的答案反推评测逻辑。官网同一段还注明，这样做是因为调试集条目太少，若给出真实结果，队伍可能直接对答案过拟合。
Q10：评测指标是什么？
官网未写明具体指标；「用浅层 MLP 训练与测试」是官网原话，但层宽、训练轮数、是否报告 AUC 或分类准确率均未在官网出现。这一项属官方文档未披露，引用时应避免替其补全。
2.1 规格表
| 项目 | 取值 | 可靠性 |
|---|---|---|
| 任务类型 | 受试者级三分类（CN/MCI/AD）的特征评测 | 官方原文确认 |
| 评测划分 | 训练 500 张、测试 100 张 | 官方原文确认 |
| 训练构成 | 210 CN / 210 MCI / 80 AD | 官方原文确认 |
| 测试构成 | 34 CN / 33 MCI / 33 AD | 官方原文确认 |
| 提交格式 | Docker 容器，/output/features-128.json 共 128 个数 |
基线仓库 README 确认 |
| 输入格式 | 四维 DWI .mha + 梯度表 JSON |
基线仓库 README 确认 |
| b 值口径 | 单壳约 1000 s/mm²（995、1005 可接受） | 官方原文确认 |
| 预处理 | 主办方对隐藏数据运行 PreQual | 官方原文确认 |
| 分类器 | 浅层 MLP（架构公开，超参数未披露） | 官方原文确认架构，超参数未披露 |
| 调试集 | MASiVar 公开子集 | 官方原文确认 |
| 上传限额 | Phase 1 五次、Phase 2 一次 | 官方原文确认 |
| 评测指标 | 未披露 | 官方文档未披露 |
| 标签来源 | 未披露 | 官方文档未披露 |
2.2 字段可靠性说明
表中「官方原文确认」指官网或仓库 README 有直接表述；「官方文档未披露」指三处一手来源均无对应内容，此时宁留空白也不补全。需要特别注意的是诊断标签：CN、MCI、AD 三组的判定标准（是否采用 NIA-AA 标准、是否结合淀粉样蛋白 PET、组别是否由同一中心判读）在任何一处公开文档里都找不到。这意味着即使拿到评测结果，也无法判断误差来自白质指标还是标签本身。
§3 怎么拿到：三条通路与一条死路
3.1 可以下载的部分
MASiVar 是最实在的一件。它在 OpenNeuro 上以 BIDS 格式发布，当前 DOI 版本为 10.18112/openneuro.ds003416.v2.0.2，许可为 CC0，即公共领域贡献，无需逐个签署数据使用协议。README 给出的设计是四个队列：队列 I 是一名成人受试者在同一台机器上重复扫描，三次会话、每次三到四次采集；队列 II 是五名成人各自在三到四台不同机器上扫描；队列 III 是八名成人在同一台机器上的多次会话；队列 IV 是八十三名五到八岁儿童。合计 319 次扫描，3T，b 值从 1000 到 3000 s/mm² 共五档，方向数按队列不同从 30 到 96 不等。
这份设计的意图不是提供疾病标签，而是把变异性做成可测量量：同一人换个扫描仪，FA 会变多少；换个重扫日，纤维束追踪会变多少。Beyond FA 选择它做 Phase 1 调试集，逻辑上很顺——参赛队要检验的正是「自己的指标会不会被这些非病理因素带走」。
两个 GitHub 仓库是第二件。MASILab/beyond_fa_microstruct_baseline 给出一个可跑的示例：从 DWI 计算 FA，再用 TractSeg 划分纤维束区域，取各区域平均 FA 作为特征。MASILab/BeyondFA_eval 给出评测 MLP 的架构示例，便于队伍在没有评测集的情况下自测接口。两者都以 MIT 或类似宽松许可发布的可能性较高，但本次核验未抓取 LICENSE 文件，引用时不宜断言具体条款。
PreQual 是第三件。它是整个流程的预处理底座，README 列出的步骤包括 MP-PCA 去噪、Gibbs 去振铃、Rician 校正、扫描间强度归一、磁敏感畸变校正、涡流校正、逐卷运动校正、逐层信号丢失填补等，配套的质控项覆盖梯度方向核对、逐壳信噪比与对比噪声比、张量拟合优度、体素级与区域级 FA 量化。它需要 Singularity 容器与 FreeSurfer 许可证才能跑满全流程，这一点在搭建环境时最容易漏。
3.2 不能拿到的部分
500 张训练集与 100 张测试集全程隐藏。官网的表述是「We will train and test our neural network based on hidden data」——注意主语是主办方，不是参赛者。参赛队在 Phase 2 只有一个 Docker 提交名额，看不到任何逐例输出。因此这 600 个数只能作为协议参数引用，不能当作数据规模写入任何「下载后可用」的描述。
3.3 获取路径的合规边界
MASiVar 是 CC0，商业使用、再分发、二次发表都不需要额外许可，这是它的主要优势。但 CC0 只覆盖 MASiVar 本身；参赛队若自选 ADNI 或其它受控访问队列训练特征提取器，那些数据的许可限制仍然独立生效，不会因为提交给 Beyond FA 而放宽。评测侧的提交内容（Docker 镜像与 128 维向量）在挑战赛关闭后是否会被主办方二次使用，官网没有说明，这构成一项需要在投稿或复用时自行确认的空白。
§4 质量与已知问题
4.1 假设—支持—反对三列表
| 假设 | 支持 | 反对 |
|---|---|---|
| 三分类标签可靠 | 挑战赛设 CN/MCI/AD 三档，且刻意把测试集配成近似均衡（34/33/33），说明组别定义经过设计 | 判定标准、来源中心、标注者均未披露；MCI 本身是异质性极高的过渡状态，转归不一致是常态 |
| 128 维足以承载白质信息 | 128 维已高于多数纤维束区域测度的数量（TractSeg 常用束区几十个），也足以容纳 NODDI 的多参数图统计量 | 若某队想做体素级或图论高维表征，128 维是硬压缩；补零机制只解决格式，不解决信息损失 |
| 单壳 b≈1000 足以比较模型 | 单壳是临床 DWI 最常见配置，限制单壳让比较贴近可获得的真实数据 | NODDI 等需要多壳多 b 值拟合的模型在单壳下只能退化近似，比较对它们不利 |
| 浅层 MLP 能公平比较特征 | 浅层分类器降低了「分类器本身学习能力」对结果的干扰，让差异更多归因于特征 | 浅层 MLP 对特征尺度与分布敏感，不同队伍的特征若未归一化，排名可能反映预处理而非生物学 |
| 隐藏数据消除了过拟合 | 测试集不公开，队伍无法直接调参 | 训练集规模 500、测试 100，样本量偏小；三分类各类约 33 例，指标差异的置信区间很宽 |
4.2 质量问题的分层
第一层是样本量。100 张测试集分三组，每组三十余例。在这一量级上，两个特征集的 AUC 相差 0.03 到 0.05 完全可能由抽样波动造成，而官网没有公布置信区间或重复实验设计。任何据此宣称「某类指标更优」的结论，强度只到 C 级（单一来源、无重复）。
第二层是类别不均衡的训练侧。训练集 210/210/80 刻意压低 AD 占比，官网解释是「鼓励队伍正视 AD 数据在易得 CN 数据中的稀缺」。这在方法学上诚实，但也意味着分类器在训练时会向多数类倾斜，测试集却接近均衡——训练与测试的类先验不一致，本身就是一个需要队伍自行处理的偏移。
第三层是预处理一致性。官网要求隐藏数据过 PreQual，也鼓励队伍对自己的数据做同样处理，但这只是「鼓励」。若某队用了不同的去噪强度或不同的畸变校正策略，其 FA 图与评测集的 FA 图就存在系统差异，而这种差异在 128 维向量里无法被识别。
第四层是文档缺口。评测指标未披露、标签来源未披露、MLP 超参数未披露，三项缺口叠加，使得「复现排行榜」在原则上不可能。这不影响协议本身的参考价值，但限制了它作为基准的可比性。
§5 能做什么：五类可复用场景
5.1 用 MASiVar 做指标稳健性实验
最直接的一种用法：把同一套白质指标（FA、MD、NODDI 的 NDI/ODI、纤维束统计量）在 MASiVar 的重复扫描设计上跑一遍，看哪些指标对扫描仪与重扫日的敏感度最低。队列 I 给的是同人同机的时间稳定性，队列 II 给的是同人跨机的设备稳定性，两条曲线一比，就能判断某指标是否值得进入多中心研究。这是 Beyond FA 的 Phase 1 设计意图的直接延伸。
5.2 按 128 维协议自建小规模评测
若手上有一批带 CN/MCI/AD 标签的 DWI，可照搬 Beyond FA 的三段式：先让各方法输出固定长度特征向量，再用统一浅层分类器交叉验证。关键在固定长度与统一分类器这两条纪律——它们把「方法差异」与「调参差异」分开。样本量比原挑战赛大时，还应报告自助法置信区间，避免重蹈 100 张测试集的覆辙。
5.3 作为预处理流水线的教学样例
PreQual 的步骤清单本身就是一份 DWI 预处理的标准答案：去噪、去振铃、Rician 校正、强度归一、两类畸变校正、运动校正、脱落填补、偏置场校正。配合官方的质控项清单，可作为团队搭建流水线时的检查表。库内 BrainPTM 2021 条目讲的是纤维束映射的另一条路线（术前规划场景），两者对照能看清「通用预处理」与「任务专用处理」的分界。
5.4 作为挑战赛设计的方法学参考
BFA 在赛制上有几处值得借鉴。第一是隐藏数据 + Docker 提交，杜绝了答案泄漏；第二是 Phase 1 输出随机化，防止队伍用调试集反推；第三是刻意让训练集与测试集的类先验不一致，逼队伍处理真实世界的不均衡；第四是允许自选训练数据，把评测焦点从「谁的数据多」移到「谁的指标好」。反过来说，它没做到的是公开评测指标与置信区间，这是后来者可以直接补上的短板。
5.5 不适用场景
BFA 不能用来做临床诊断模型的验证。它没有公开的评测集，没有经过临床验证的阈值，也没有报告敏感度与特异度在真实就诊人群中的表现。任何把 BFA 的协议包装成「阿尔茨海默病 AI 诊断方案」的表述都超出了原始设计。库内 ADNI 条目提供的是纵向多模态队列，若要训练诊断模型，那类数据才是起点。
5.6 最小可执行示例
echo "一、取 MASiVar 的一个受试者会话"
datalad install https://github.com/OpenNeuroDatasets/ds003416.git
cd ds003416
datalad get sub-cIs1/ses-s1Ax1/dwi/*
echo "二、按 PreQual 默认参数预处理（需 Singularity 与 FreeSurfer license）"
singularity run -B $PWD/inputs:/INPUTS -B $PWD/outputs:/OUTPUTS \
-B /path/to/freesurfer/license.txt:/APPS/freesurfer/license.txt \
--nv prequal.simg
echo "三、从预处理结果算 FA 并按 TractSeg 分区取均值（基线算法思路）"
echo " （具体命令见 MASILab/beyond_fa_microstruct_baseline 的 scripts/entrypoint.sh）"
echo "四、把区域均值整理成长度 128 的向量，不足补零"
python3 -c "import json; v=[0.0]*128; v[:8]=[0.41,0.38,0.52,0.47,0.44,0.39,0.36,0.49]; \
json.dump(v, open('features-128.json','w'))"
这段代码只演示接口形态，不产生任何有判别意义的结论。第 4 步的数值是占位示例，换成自己算出的区域均值才有意义。
§6 常见误读与引用陷阱
| 常见说法 | 实际口径 | 证据位置 |
|---|---|---|
| BFA 是骨折分析数据集 | BFA = Beyond FA，FA 指分数各向异性，任务在脑白质 | 官网首段 |
| 500 张与 100 张是可以下载的数据 | 是主办方评测网络的训练/测试划分，全程隐藏 | 官网 Data © 与 Challenge Task 段 |
| 参赛队必须用官方数据训练 | 参赛者可自选任意含 DWI 的数据；官方只给 MASiVar 做 Phase 1 调试 | 官网 Data (a)(b) |
| 挑战赛的评测指标是 AUC | 官网未写指标，只写「浅层 MLP」 | 官网 Challenge Task 段 |
| 这个挑战赛仍在开放 | 评测仓库 README 明确「This challenge has closed」 | GitHub BeyondFA_eval |
| BFA 有数据集 DOI 可以引用 | 无 DOI、无 Zenodo、无 arXiv；可引 OpenReview KZXJDxQegd 短论文 | 官网与 OpenReview |
| 128 维特征必须恰好 128 维 | 不足可补零，超过则不得 | 基线仓库 README |
| 37 是提交队伍数 | 37 是 2025 年 3 月的注册队伍数，提交数未公布 | VALIANT 月报 |
| MASiVar 的 319 次扫描等于 319 名受试者 | 319 是扫描次数，受试者为 97 人（14 成人 + 83 儿童） | MASiVar README |
| 单壳限制只是形式要求 | 单壳会实质性削弱多壳模型（如 NODDI 完整拟合）的表现 | 官网 Data (b) |
技术陷阱一：.mha 与 NIfTI 的单位约定。 基线仓库提供了 convert_mha_to_nifti.py 与 convert_json_to_bvalbvec.py 两个转换脚本，说明主办方内部用的是 SimpleITK 风格的 .mha 加独立 JSON 梯度表。自行搭建时若跳过这两个脚本，直接把 NIfTI 的 bval/bvec 当输入，梯度方向可能出现翻转或符号错误，FA 图会整体变形而不报错。
技术陷阱二：Phase 1 的随机输出会被误当基线。 官网写明 Phase 1 输出随机，仅用于格式校验。若把某次 Phase 1 提交的得分记录下来当作「基线成绩」，后续所有比较都会被这个随机数锚定。
技术陷阱三：b 值 995 与 1005 的等同性。 官网把二者都列为可接受，但高 b 值区间的信噪比差异会让部分模型的拟合不稳定。跨数据集拼接时若不记录实际 b 值，只记「约 1000」，误差会累积到纤维束统计量上。
技术陷阱四：PreQual 的 FreeSurfer 依赖。 PreQual 容器在跑满全流程时需要挂载 FreeSurfer 许可证文件。缺少该文件时部分步骤会静默跳过，输出的 FA 图看似正常，但畸变校正不完整——这类静默降级是最难排查的一类问题。
技术陷阱五：把 features-128.json 当成固定 schema。 128 维只是长度约束，没有任何语义约束：第 1 维是什么量、量纲如何、是否需要归一化，全由参赛队自定。跨队伍比较特征重要性时必须先确认各自的维度定义，否则比较的是两套不同的坐标轴。
技术陷阱六：把 ISBI 场次时间当作提交截止。 ISBI 2025 的 4 月 17 日是宣讲场次，不等于提交截止；官网 Timeline 只留了一条 7 月 1 日的 MIDL 更新截止。以宣讲日期倒推提交窗口会得出错误结论。
§7 白质影像的判读难点：这一模态到底难在哪
Beyond FA 之所以要「超越 FA」，根子不在算法，而在弥散 MRI 这个模态本身的成像与判读特性。这一节把难点按物理成因到临床后果拆开，五条线索彼此耦合，任何一条失控都会传导到最后的 128 维特征里。
7.1 分辨率：体素是毫米级，纤维是微米级
临床 DWI 的体素通常是 2 毫米立方，高分辨率协议也只到 1 毫米量级。而皮质脊髓束的直径在毫米级，单个轴突在微米级。一个 2 毫米体素里塞进去的可能是平行纤维、交叉纤维、扇形散开的纤维，也可能是脑脊液与灰质的混合。FA 在这个体素里只给出一个数：扩散的主方向有多强。当纤维交叉时，两个方向的扩散互相抵消，FA 被压低到与病理性脱髓鞘相似的水平。
这是 FA 特异度低的第一个物理来源。NODDI 这类模型试图用多隔室拟合把「神经突密度」与「方向分散」拆开，代价是拟合对噪声更敏感，也更容易被体素内的部分容积污染。挑战赛把 b 值限制在单壳，等于把这个问题的解法空间收窄了——多壳数据里本来可以靠多个衰减曲线互相约束。
7.2 遮挡与交叉：纤维束追踪的累积误差
纤维束追踪（tractography）把体素级方向场串成三维曲线。问题在于，串接是局部决策的累积：每个体素选一个方向，误差沿路径放大。交叉区、扇形区、与脑脊液相邻的边界区，都是决策最容易错的地方。追出来的「束」可能走进灰质、可能折返、可能凭空多出一条不存在的通路。
临床研究里常见做法是把纤维束配准到标准空间或用 TractSeg 之类的自动分割，再取束内平均 FA。这一步把体素级误差转成了区域级均值：好处是稳健，坏处是均值把「束内有多少体素是假的」这个信息抹掉了。Beyond FA 的基线算法正是走这条路——用 TractSeg 定义区域，取区域平均 FA。它适合做接口演示，但作为科学结论，区域均值掩盖了追踪误差。
7.3 体位与运动：头部微动如何变成 FA 变化
弥散序列对运动极其敏感。每一次激发都要施加一对强梯度，受试者在扫描期间的微小头部运动会让相邻方向的信号对不齐，涡流也会造成几何形变。未校正的运动在 FA 图上表现为条带状伪影，或者整幅图的对比度改变。更麻烦的是，运动与年龄、认知状态相关：认知障碍患者更难长时间保持不动，于是运动伪影会在病例组里系统性增多，形成一条「伪路径」——模型学到的可能不是白质病变，而是配合度。
这就是为什么 Beyond FA 把 PreQual 写进协议：去噪、Rician 校正、运动校正、脱落填补，每一项都在削减这条伪路径。但校正本身不是中性的，不同的校正强度会改变 FA 的绝对数值。跨站点研究里若各站点校正参数不一致，站点效应会与疾病效应混在一起。
7.4 设备差异：多站点多扫描仪下的可复现性
MASiVar 的设计正好是为这个问题提供量化素材。它把受试者安排在三个站点、四台扫描仪上重复扫描，b 值从 1000 到 3000 分五档，方向数从 30 到 96。同一名受试者在不同机器上的 FA 差异，可以直接用来估计「设备效应」的量级。
已知的差异来源至少有四类：主磁场均匀性与梯度非线性、线圈与信噪比、序列实现细节（回波时间、层厚、是否并行加速）、以及后处理链的版本。前两类是硬件，后两类是软件。硬件差异难以完全消除，软件差异理论上可以统一——这也是「公开预处理流水线」的价值所在。但即使软件统一，硬件差异仍会残留成站点偏移，需要靠照护中心效应模型或 ComBat 之类的协调方法处理，而这类处理又会引入新的信息损失。
7.5 临床流程中的位置：它不是筛查，也不是急诊
把 Beyond FA 放回临床流程看，它既不是急诊，也不是筛查，更不是术前规划。它对应的是记忆门诊与临床研究之间的那一段：患者因认知主诉就诊，完成神经心理量表与结构 MRI，若进入研究队列，才可能加做弥散序列。
这一段流程的特点是：检查时间充裕（可做长序列）、受试者配合度差异大（老年、可能焦虑）、结果不直接决定治疗（当前没有针对白质指标的特异性药物决策节点）。这三点决定了弥散 MRI 的现实约束——它必须容忍低质量数据，必须在有噪声的条件下给出稳健统计量。Beyond FA 把「低质量临床数据」写进问题陈述，正是对这一位置的回应。
与之对照，库内 WMH Challenge 对应的是白质高信号分割，走的是结构像路线的常规阅片辅助；BrainPTM 2021 对应术前纤维束映射，服务的是神经外科手术规划，对定位精度要求远高于诊断分类。三者在流程中的位置不同，评价标准也不同——把它们混为一谈是常见的引用错误。
7.6 难点的传导链
把上述五条串起来看，形成一条完整的传导链：物理分辨率限制 → 体素内纤维构型复杂 → 标量指标（FA）信息坍缩 → 追踪与分区引入累积误差 → 运动与设备差异叠加 → 最终 128 维向量里既有生物学信号，也有大量非生物学方差。
挑战赛的设计选择正是针对这条链的不同环节：单壳限制控制输入可比性（环节一），自选模型放开指标空间（环节三），隐藏数据阻断过拟合（环节四），PreQual 统一预处理（环节五）。但没有任何一项能单独消除这条链——这也是为什么它的定位是「比较指标」，而不是「排出指标优劣」。
§8 在生态中的位置
8.1 与同类挑战赛的关系
弥散 MRI 领域的挑战赛不多，多数集中在分割与追踪：白质纤维束分割、卒中病灶分割、肿瘤分割。Beyond FA 的特别之处在于它比的是标量指标而非分割结果，因此评价对象从「边界画得准不准」变成了「一个数能不能区分人群」。这一转向让它的对照组不是别的挑战赛，而是 DTI 时代的经典指标研究。
与 WMQI、ENIGMA 白质协作组等横向比较方向相比，Beyond FA 的差异在于赛制：它用隐藏数据 + Docker 提交，而不是公开数据上的排行榜。赛制的差别决定了结论的强度——隐藏数据减少过拟合，但也牺牲了可复现性。
8.2 与库内条目的关系
| 库内条目 | rid | 关系 |
|---|---|---|
| ADNI — 阿尔茨海默病纵向多模态队列 | 101 | 同一疾病谱的纵向队列；Beyond FA 的 AD 样本来源未披露是否取自 ADNI |
| OpenNeuro — 开放神经影像数据共享平台 | 100 | MASiVar（ds003416）的托管平台，BIDS 规范的执行者 |
| WMH Challenge — 脑白质高信号分割基准 | 501 | 同属白质影像，任务为分割；与本次的指标评测形成互补 |
| BrainPTM 2021 脑术前白质纤维束映射 | 1239 | 纤维束层面的应用场景（术前规划），与 Beyond FA 的方法学评测场景不同 |
四条互链构成从数据托管（OpenNeuro）、疾病队列（ADNI）、到任务设计（WMH、BrainPTM）的纵向路径。阅读顺序建议：先看 OpenNeuro 了解 BIDS 与数据集托管机制，再看 Beyond FA 理解协议设计，最后看 ADNI 与 BrainPTM 理解两侧的应用边界。
8.3 对下游研究的影响面
Beyond FA 的下游影响大致有三类。第一类是工具链：PreQual 与 TractSeg 的组合已成为 DWI 预处理的常见起点，挑战赛的宣传扩大了它们的可见度。第二类是方法学：把「特征向量 + 统一分类器」作为比较框架，比直接比端到端模型更适合小样本的神经影像场景。第三类是组织方式：众包指标而非众包模型，让不具备大规模算力的团队也能参与。
反过来，它也留下了一个未解的问题：如果不同白质指标的判别力差异小于扫描仪差异，那么「哪个指标更好」这个问题本身是否就有意义？这个问题在挑战赛的封闭数据里无法回答，只能靠 MASiVar 这类多站点重复扫描数据去逼近。
§9 挑战赛的比赛结构
9.1 两个阶段的分工
Phase 1 是接口调试阶段。参赛队把 Docker 提交上去，平台在 MASiVar 的公开子集上运行，返回调试日志。预测结果被随机化，队伍只能确认容器能跑通、输出格式正确。官网给的尝试上限是五次，若多次失败可以联系主办方协助。
Phase 2 是评测阶段。队伍只有一个提交名额，主办方把容器在隐藏数据上运行，用 128 维特征训练并测试浅层 MLP。官网没有公布这一阶段的时间窗口细节，只写「上传一次」。
这个两阶段结构的设计意图很清楚：把格式错误挡在 Phase 1，把方法差异留给 Phase 2。代价是 Phase 2 只有一次机会，任何非方法因素的失误（依赖缺失、超时、内存超限）都会直接变成零分，而官网没有给出失败重试的说明。
9.2 提交物的技术约束
容器的运行环境由主办方控制：Linux amd64、无网络、可申请 GPU、输入只读挂载在 /input、输出写到 /output。基线仓库的示例命令里可以看到 --network none 与 --gpus all 两个参数，说明评测时容器不能联网下载权重，GPU 可用但不是必需。
输入路径约定是 /input/images/dwi-4d-brain-mri/ 放四维 DWI，/input/dwi-4d-acquisition-metadata.json 放梯度表。输出路径固定为 /output/features-128.json。中间文件写到 /tmp，评测时会挂一个匿名卷，不保留。
这些约束对方法选择有实质影响：需要在线下载预训练权重的方案不可行，必须在构建镜像时把权重打进去；需要大量临时磁盘的方案要控制体积；依赖 FreeSurfer 的方案要自带许可证。
9.3 评估器的黑箱程度
评测 MLP 的架构是公开的，队伍可以在本地复现其结构。但训练轮数、优化器、随机种子、是否做交叉验证、最终报告哪个指标，官网都没有写。这意味着队伍即使完全复现了网络结构，也无法预测自己的得分——能优化的只有特征质量本身。
从方法学角度，这既是优点也是缺点。优点是防止队伍针对评估器做对抗性优化；缺点是让「可复现的基准」这一目标落空。后来的类似挑战赛若想改进，至少应公开评估指标的定义与置信区间计算方法。
§10 总结
10.1 适用
- 需要在多站点、多扫描仪条件下评估白质指标稳健性的团队；
- 想复用「固定长度特征 + 统一浅层分类器」比较框架的方法学研究者；
- 搭建 DWI 预处理与质控流水线、需要一份权威步骤清单的工程团队；
- 设计医学影像挑战赛、想参考隐藏数据与 Docker 提交机制的 organizers。
10.2 不适用
- 需要训练阿尔茨海默病诊断模型并做临床验证的项目——没有公开评测集与临床阈值；
- 需要多壳多 b 值数据拟合完整 NODDI 的研究——单壳限制使其不可行；
- 需要大体量标注数据的深度学习研究——600 张评测数据全程隐藏，公开的只有 319 次扫描的 MASiVar；
- 需要引用稳定 DOI 做数据溯源的工作——该挑战赛没有数据集 DOI。
10.3 三句话
第一，Beyond FA 的公开物是协议而非数据，能拿到的只有 MASiVar 调试集与两个 GitHub 仓库。第二，它的核心贡献在于把「白质指标孰优」这个问题变成了可比较的实验设计，而不是给出了某个确定的答案。第三，引用它时最容易犯的错是望文生义——BFA 不是骨折，FA 不是荧光血管造影。
§11 引用与检索实务
11.1 引用格式建议
由于没有数据集 DOI，引用时应采用「会议短论文 + 官网 + 仓库」的三段式。短论文条目为：McMaster EM, Newlin N, Schwartz T, et al. Introducing Beyond FA: Crowdsourcing Imaging Biomarkers for Alzheimer’s Disease. MIDL 2025 Short Papers. OpenReview KZXJDxQegd. 官网引用为 Beyond FA Grand Challenge, https://bfa.grand-challenge.org/（访问日期需注明）。若引用 MASiVar，应使用其独立 DOI 10.18112/openneuro.ds003416.v2.0.2。
11.2 检索路径
| 目标 | 推荐查询式 | 预期命中 |
|---|---|---|
| 挑战赛主页 | site:grand-challenge.org “Beyond FA” | bfa.grand-challenge.org |
| 短论文 | “Beyond FA” crowdsourcing imaging biomarkers Alzheimer | OpenReview KZXJDxQegd / MIDL 2025 |
| 调试数据 | openneuro ds003416 / MASiVar diffusion variability | OpenNeuro 数据集页 |
| 基线代码 | MASILab beyond_fa_microstruct_baseline | GitHub 仓库 |
| 评估代码 | MASILab BeyondFA_eval | GitHub 仓库 |
| 预处理 | PreQual dtiQA diffusion preprocessing Vanderbilt | GitHub + MRM 2021 |
| 易混检索（勿用） | “BFA” bone fracture / “BFA” fundus angiography | 与 Beyond FA 无关的领域 |
11.3 引用时的四条纪律
第一，不要把 37 支注册队伍写成提交队伍数。第二，不要把 ISBI 宣讲日当作截止日。第三，不要把 319 次扫描写成 319 名受试者。第四，不要替主办方补全未披露的评测指标——写「未披露」是准确，写「AUC」是编造。
附录 A 关键数字速查
| 数字 | 含义 |
|---|---|
| 500 | 评测网络训练集规模 |
| 100 | 评测网络测试集规模 |
| 210 / 210 / 80 | 训练集 CN / MCI / AD 构成 |
| 34 / 33 / 33 | 测试集 CN / MCI / AD 构成 |
| 128 | 提交特征向量长度 |
| 5 / 1 | Phase 1 / Phase 2 上传次数上限 |
| 319 | MASiVar 扫描次数 |
| 97 | MASiVar 受试者人数（14 成人 + 83 儿童） |
| 3 / 4 / 4 | MASiVar 站点数 / 扫描仪数 / 队列数 |
| 37 | 注册队伍数（2025-03） |
附录 B 缩写表
| 缩写 | 全称 | 备注 |
|---|---|---|
| BFA | Beyond FA | 本挑战赛简称，勿与骨折分析混淆 |
| FA | fractional anisotropy | 分数各向异性 |
| MD | mean diffusivity | 平均弥散率 |
| DWI | diffusion weighted imaging | 弥散加权成像 |
| DTI | diffusion tensor imaging | 弥散张量成像 |
| CN | cognitively normal | 认知正常 |
| MCI | mild cognitive impairment | 轻度认知障碍 |
| AD | Alzheimer’s disease | 阿尔茨海默病 |
| NODDI | neurite orientation dispersion and density imaging | 神经突方向离散与密度成像 |
| MLP | multilayer perceptron | 多层感知机 |
| BIDS | Brain Imaging Data Structure | 脑影像数据结构规范 |
附录 C 上手检查清单
- 确认要做的是指标比较还是诊断建模——后者不适用 Beyond FA。
- 下载 MASiVar 时核对 DOI 版本号（v2.0.2），不要用旧快照。
- 跑 PreQual 前确认 Singularity 与 FreeSurfer 许可证都已就位。
- 若用
.mha输入，先跑官方两个转换脚本，核对梯度方向符号。 - 自建评测时固定特征长度与分类器，样本量不足 300 时报告自助法置信区间。
- 引用前重读官网 Timeline，避免用过期的截止日。
- 引用队伍数时写「注册」不写「提交」。
附录 D 未覆盖内容
未覆盖：评测集的具体来源队列与诊断标准；浅层 MLP 的超参数与评估指标；挑战赛的排行榜与获奖队伍；短论文正文的完整方法描述（核验时点被访问控制拦截）；两个 GitHub 仓库的具体许可条款（未抓取 LICENSE 文件）。
附录 E 检索模板
"Beyond FA" AND (diffusion OR "white matter") AND (challenge OR ISBI)
MASiVar AND ("diffusion MRI" OR variability) AND Vanderbilt
PreQual AND ("quality assurance" OR preprocessing) AND diffusion
TractSeg AND ("bundle segmentation" OR "white matter tracts")
四条模板分别对应挑战赛、调试数据、预处理与基线段。组合使用时，用 AND 限制同段共现，避免收录引用链过远的文献。
§12 FAQ：十八个高频问题
Q1：BFA 和「骨折分析」到底怎么区分？
两把钥匙。第一把看对象：Beyond FA 的输入是四维弥散磁共振（DWI），输出是白质特征向量；骨折分析用的一般是 X 光或 CT。第二把看动词：Beyond FA 做的是「指标比较」，骨折分析做的是「病灶检出与定位」。若在检索结果里看到 BFA 配 CT 或 X 光，几乎一定指的是另外的缩写。
Q2：FA 这个指标为什么被单独点名？
因为它是 DTI 时代最普及的标量，也最容易被误当成「白质健康度」。它的计算方式决定了它只回答「扩散有多偏向一个方向」，不回答「这个方向上的组织是什么」。轴突减少、髓鞘变薄、纤维交叉、体素内部分容积都会压低它。于是 FA 低这一现象可以有至少四种解释，这正是「低特异度」的具体含义。
Q3：挑战赛要求提交 Docker，为什么不直接提交特征文件？
因为特征文件可以被队伍针对测试集逐步调参，而 Docker 是在主办方环境里对隐藏数据跑出来的。容器化把「训练数据」与「评测数据」在物理上隔开了：队伍无法在提交前看到测试样本，也无法在运行中联网获取外部信息。这是防止排行榜被过拟合的常用做法。
Q4：128 这个数字是怎么定的？
官网与仓库 README 只说输出必须包含 128 个值，未解释数字来源。可推测的理由有两条：一是 128 足以容纳纤维束区域均值一类的特征（数十到上百维），二是固定长度便于统一分类器。但「为什么不是 64 或 256」属于官方未披露，不宜写成设计意图。
Q5：补零会不会影响公平性？
会。128 维中若大部分是零，分类器对该样本的有效信息量就低于填满 128 维的队伍。官网允许补零是因为格式必须统一，并不等于补零后的向量与填满的向量在信息论上等价。做二次分析时应记录每队的有效维度数。
Q6：MASiVar 为什么被选作 Phase 1 的调试集？
因为它恰好覆盖了挑战赛最关心的变异来源：同一受试者、不同扫描仪、不同重扫日、不同 b 值、不同方向数。用它调试容器，能顺带检验流水线对设备差异的鲁棒性。它还有一个现实优点——CC0 许可，分发无摩擦。
Q7：PreQual 在这个流程里承担什么角色？
它是「让比较成立」的基础设施。若各队预处理方式不同，128 维特征里就混入了预处理差异，最终排名反映的可能不是白质模型优劣。官网要求主办方对隐藏数据跑 PreQual，并鼓励队伍对自己的数据照做，目的就是压缩这一层差异。
Q8：单壳 b≈1000 的限制会淘汰哪些方法？
主要淘汰依赖多壳多 b 值联合拟合的方法。NODDI 的自由度较高，单壳下只能靠固定部分参数近似；一些基于多指数衰减的模型同理。相对而言，DTI 派生的 FA/MD、纤维束统计量、基于方向分布函数的测度受影响较小。
Q9：挑战赛关闭后，这些协议还有用吗？
有，但要区分用途。作为「比较框架」它仍然可复用：固定长度特征、统一分类器、隐藏测试集这三条纪律与具体赛事无关。作为「基准成绩」它已经失效：没有公开的评测集，也没有权威排行榜可供对标。
Q10：能不能用 MASiVar 训练一个 CN/MCI/AD 分类器？
不能。MASiVar 的受试者是健康成人与健康儿童，没有疾病标签。它的价值在于估计测量变异，而不是提供训练样本。
Q11：ADNI 和 Beyond FA 是什么关系？
不确定。Beyond FA 的 AD 样本来源未在公开文档中披露，不能断言取自 ADNI，也不能断言没有。可确定的是两者面向同一疾病谱：ADNI 提供纵向多模态队列，Beyond FA 提供方法学比较框架。
Q12：为什么说 100 张测试集的统计功效有限？
三分类各约 33 例，任何指标的估计都带有较宽的置信区间。以 AUC 为例，30 余例的正样本下，标准误通常在 0.05 量级；若两队差距小于这个量级，排名可能被抽样波动左右。官网未报告置信区间，这一推断只能作为阅读警告。
Q13：训练集与测试集的类别比例为什么要不一样？
训练集 210/210/80，测试集 34/33/33。前者贴近真实世界中 CN 易得、AD 稀缺的分布，后者接近均衡以便比较。官网明确说这是为了「鼓励队伍正视 AD 数据的稀缺」。副作用是分类器在训练时偏向多数类，队伍需要自行处理类先验偏移。
Q14：这个挑战赛和「众包」有什么关系？
它众包的是「指标选择」而非「模型训练」。多数挑战赛给定数据与任务，让队伍比模型；Beyond FA 放开指标空间，让队伍提交自己认为最好的白质表征。这一转向把方法学判断放回了参赛队手里。
Q15：它的结果发表在哪里？
短论文发表于 MIDL 2025 的 Short Papers，OpenReview 编号 KZXJDxQegd。官方评测仓库在核验时点仍写「已投期刊」，未给出刊名与 DOI，因此期刊版本尚无法引用。
Q16：做二次分析要注意什么？
三件事：确认自己拿到的是哪个版本的数据（MASiVar 有多个 DOI 快照）；确认预处理参数与官方一致；确认引用的是短论文而非某个未发表的会议摘要。
Q17：为什么条目里反复强调「未披露」？
因为在这类挑战赛中，未披露项往往正是影响结论的关键项——评测指标、标签标准、MLP 超参数都属此类。把空白标成空白，比替发布方补一个看起来合理的值更有信息量。
Q18：如果我要办一个类似的挑战赛，应该改什么？
至少改三处：公开评测指标与置信区间计算方法；公开测试集的类先验与抽样设计；给 Phase 2 留出容错重试名额。这三条都不影响防止过拟合，却能显著提高结论的可复现性。
§13 方法学解剖：128 维特征能承载什么
13.1 从体素到时标量的三级压缩
弥散数据到 128 维向量，中间要经过至少三级压缩。第一级是体素级：每个体素的四维信号（多个方向多个 b 值）被拟合成一个模型，得到 FA、MD、NDI、ODI 等参数图。第二级是区域级：把参数图按纤维束或脑区取统计量（均值、中位数、体素比例）。第三级是受试者级：把多个区域的统计量拼成一个定长向量。
每一级都在丢信息。第一级丢掉的是信号本身的形态（例如非高斯扩散的细节），第二级丢掉的是空间分布（束内异质性被均值抹平），第三级丢掉的是区域间的高阶关系（除非显式构造协方差或图论测度）。理解这三级压缩，才能判断某支队伍的方法究竟在哪一级做了创新。
13.2 常见特征族的取舍
| 特征族 | 代表量 | 压缩级 | 单壳可用性 | 主要弱点 |
|---|---|---|---|---|
| DTI 标量 | FA、MD、RD、AD | 体素→区域 | 好 | 交叉纤维区失真 |
| 纤维束统计 | 束内平均 FA、体积、长度 | 区域 | 好 | 依赖追踪或分割精度 |
| 方向分布函数 | fODF 峰数、各向异性 | 体素 | 好 | 对噪声与部分容积敏感 |
| NODDI 类 | NDI、ODI | 体素 | 受限 | 单壳下拟合退化 |
| 图论测度 | 全局效率、聚类系数 | 受试者 | 好 | 依赖连接组构建，误差累积 |
| 机器学习表征 | 自编码器隐变量 | 受试者 | 好 | 可解释性弱，难以归因 |
这张表的用途不是排名，而是让引用者判断：某篇论文报告「某指标优于 FA」时，比的究竟是哪一个层级的东西。
13.3 统一分类器的两面性
浅层 MLP 作为统一分类器，优点是把「分类器学习能力」这个变量降下来，让差异更多归因于特征。但浅层网络对特征尺度敏感：若某队输出的是 FA 均值（0 到 1 之间），另一队输出的是图论测度（可能上百），未归一化时前者的梯度信号会远弱于后者。官方是否要求归一化，公开文档里没有写。
这一空白带来一个可检验的推测：若评测时未做标准化，排名可能部分反映特征的量纲而非生物学信息。要验证这一点，需要拿到各队的 128 维向量做重跑——而这不对外开放。
13.4 从「比较指标」到「归因」
即便拿到排名，也很难回答「为什么这个指标更好」。原因在于特征族的差异往往与预处理选择耦合：用 NODDI 的队伍通常会更仔细地做去噪，用 FA 的队伍可能直接取默认预处理。于是排名反映的是「方法 + 流程」的联合效应，而非单一指标的独立贡献。
要拆开这个耦合，需要析因设计：同一批数据、同一套预处理、只换指标。Beyond FA 的赛制做不到这一点，因为预处理由各队自控。这也是为什么它的结论只能停在「某队的方法在这批数据上表现更好」，而不能推广为「某类指标本质上更好」。
§14 局限与风险
14.1 五个结构性局限
第一，没有公开评测集。挑战赛关闭后，协议仍在但数据不可得，任何二次验证都必须自建数据集，可比性随之打折。第二，标签与指标均未披露。这使得「评分如何产生」这一环成为黑箱，外部无法审计。第三，样本量小。100 张测试集三类均衡，但每类仅三十余例。第四，单壳限制。它保护了可比性，却压缩了模型空间。第五，文档层级单薄。官网只有一页说明，仓库 README 偏工程，方法学细节集中在短论文里，而短论文只有摘要级别公开。
14.2 值得警惕的三类风险
风险一，把协议当作临床证据。挑战赛的评测集是研究队列，不是就诊人群；分类器在均衡测试集上的表现不能外推到门诊。
风险二，把排名当作指标优劣的定论。如上一节所述，排名混合了方法与流程的联合效应，样本量也不支持细粒度结论。
风险三，把 MASiVar 的变异当成噪声全部消除。变异本身是有信息的：设备差异若能被指标稳定地反映出来，说明该指标对采集条件敏感，这本身就是选型时的关键信息。
14.3 与临床决策的距离
从「挑战赛得分」到「临床可用」之间至少还缺三段验证：外部验证（其他中心、其他扫描仪）、校准（概率输出与真实风险一致）、以及在真实就诊流程中的决策价值（改变治疗与否）。Beyond FA 的定位在设计之初就停在第一段之前——它比较的是指标，不是产品。
§15 组织与协作：一个实验室的产出链
15.1 三条产出线的交汇
MASI 实验室的产出可以看成三条线：数据线（MASiVar）、工具线（PreQual、TractSeg 相关工具）、评测线（Beyond FA）。三条线并非同时起步：数据与预处理在 2021 年成形，评测线在 2025 年借用前两者作为基础设施。这种「先造基础设施、再办比赛」的路径，比先办比赛再补基础设施更省力，也更可能留下可复用的资产。
15.2 人员构成反映的方法学取向
从 ISBI 的挑战赛作者名单看，主力来自范德堡的影像分析团队，外单位包括 USC 的 ENIGMA 方向研究者与印第安纳大学的 DIPY 作者。这一构成说明挑战赛的诉求偏向「社区共建工具与规范」，而不是「单中心临床研究」。这也解释了为什么它把最大力气花在接口与预处理标准化上，而不是在结果解读上。
15.3 对国内团队的可用性
对国内团队而言，这件事的可用部分集中在工具链：PreQual 与 TractSeg 都是公开可用的，MASiVar 是 CC0。挑战赛本身已关闭，但它提出的问题——哪个白质指标更稳、更特异——在本地队列上依然成立。可行的做法是用 MASiVar 校准流水线，再在自有数据上重复「固定长度特征 + 统一分类器」的比较。
§16 与相邻条目的对照阅读
16.1 与 ADNI（rid 101）的对照
ADNI 提供的是纵向、多模态、带临床终点的队列；Beyond FA 提供的是比较框架。两者的关系像「样本」与「尺子」：ADNI 可以给尺子提供刻度，但尺子本身不产生样本。阅读 ADNI 时关注数据字典与访问政策，阅读 Beyond FA 时关注评测协议的约束条件。
16.2 与 WMH Challenge（rid 501）的对照
两者都在白质上做文章，但任务形态相反。WMH 是分割任务，输出是每个体素是否属于高信号区，评价靠重叠度指标；Beyond FA 是分类任务，输出是一个受试者的特征向量，评价靠分类性能。把两者混为一谈，会得出「白质影像就是分割」的错误印象。
16.3 与 BrainPTM 2021（rid 1239）的对照
BrainPTM 的场景是术前规划：肿瘤推挤白质，纤维束需要被精确定位以避开功能区。此时对定位误差的容忍度远低于诊断分类。Beyond FA 的场景是群体层面的指标比较，个体误差可以被统计平均。两者对同一份 DWI 的要求不同，评价标准自然不同。
16.4 与 OpenNeuro（rid 100）的对照
OpenNeuro 是托管平台，MASiVar 是它上面的一份数据。理解 OpenNeuro 的版本机制（快照、DOI、CC0 宽限期）有助于正确引用 MASiVar 的具体版本——这也是 Beyond FA 强调 v2.0.2 的原因。
§17 DAIMS 数据成熟度评估
DAIMS（Data and AI Maturity Score）从六个维度衡量一份数据资产距离「可直接用于 AI 研发」还有多远。下表按 Beyond FA 的实际可得性给分，满分 5 分。
| 维度 | 得分 | 依据 |
|---|---|---|
| 可发现性 | 3 | 官网与仓库公开可查，但无数据集 DOI，检索入口分散 |
| 可获取性 | 2 | 评测数据完全不可得；仅 MASiVar 与代码可得 |
| 文档完备度 | 2 | 官网单页说明，关键项（指标、标签、超参数）缺失 |
| 标注质量 | 1 | 三分类标签来源、判定标准、标注者均未披露 |
| 格式规范 | 4 | 输入输出接口明确（.mha + JSON → 128 维 JSON），MASiVar 为 BIDS |
| 许可清晰度 | 3 | MASiVar 为 CC0 明确；两个仓库的许可文件未核，评测数据不公开 |
总分 15/30。这一分数反映的定位很明确：作为「协议参考」它合格，作为「AI 训练数据资产」它不合格。使用者若把它当作数据源，会在可获取性与标注质量两项上直接卡住。
§18 一句话结论与使用建议
一句话：Beyond FA 是一份关于「如何公平比较白质指标」的实验设计，而不是一份可以下载的影像数据集。
使用建议分三条。若目的是学习 DWI 预处理，从 PreQual 与 MASiVar 入手，把官方步骤当作检查表。若目的是做指标比较研究，照搬「固定长度特征 + 统一分类器」的纪律，但务必补上置信区间与外部验证。若目的是引用，用短论文加官网，避开任何暗示「有公开数据集」的表述。
§19 挑战赛设计的十项决策复盘
Beyond FA 的赛制里有十处设计选择，每一处都在「可比较性」与「可复现性」之间做了一次取舍。把它们逐条摊开，可以看出这类挑战赛的通用权衡结构。
19.1 隐藏数据而非公开排行榜
选择隐藏数据，换来的是防过拟合，失去的是社区可复现。公开排行榜的好处是任何人都能在同一数据上重跑；隐藏数据的好处是排名不被针对性调参污染。Beyond FA 选了后者，代价是挑战赛关闭后无法再验证任何结论。
19.2 众包指标而非众包模型
多数影像挑战赛给定数据让队伍比模型，Beyond FA 放开指标空间让队伍比表征。这一转向把方法学的判断权交给参赛者，也让参赛门槛从「有算力」降到「有想法」。副作用是评价对象的离散度变大——不同队伍的「特征」可能根本不在同一抽象层级上。
19.3 固定长度 128 维
定长向量让统一分类器成为可能，代价是强制压缩。对纤维束统计量而言 128 维足够宽裕，对体素级表征或图论测度则可能过窄。补零机制解决了格式问题，却把「有效维度不同」这个不公平带进了评测。
19.4 统一浅层分类器
浅层网络减少了「分类器本身学习能力」对结果的贡献，让差异更多归因于特征。代价是对特征尺度敏感，且官方未说明是否做标准化。这一空白使得排名的解释力受限。
19.5 单壳 b≈1000
单壳贴近临床可获得的数据形态，也让各队的输入条件可比。代价是抑制了多壳模型。995 与 1005 被并列接受，说明主办方关注的是「同一数量级内的可比性」，而非严格的物理一致性。
19.6 强制 PreQual 预处理
对隐藏数据统一跑 PreQual，减少了预处理差异这一混淆变量。但官网对参赛队只是「encourage」，不是强制；若队伍自行预处理，差异仍会存在。
19.7 两阶段赛制与上传限额
Phase 1 五次、Phase 2 一次。前者留出调试空间，后者提高单次提交的压力。这一设计在小规模挑战赛里常见，问题是 Phase 2 的一次性提交没有任何容错，技术故障与方发失误无法区分。
19.8 训练集与测试集类先验不匹配
训练 210/210/80，测试 34/33/33。这一设计刻意制造了先验偏移，迫使队伍处理不均衡。方法学上是诚实的，但也让「谁处理得更好」混入了排名。
19.9 调试集选 MASiVar
选一份多站点重复扫描数据做调试集，等于把「变异鲁棒性」这条隐藏考点提前透露给准备充分的队伍。这一选择同时带来了 CC0 的便利。
19.10 结果发布路径
短论文走 MIDL 2025，正式论文投期刊但未见刊。结果是「协议可引、成绩不可引」。对后来者而言，可引用的部分只有协议设计本身。
§20 术语深解：六个容易混淆的概念
20.1 各向异性与各向同性
扩散的各向异性指水分子在一个方向上比另一个方向更容易移动。在有序排列的纤维束里，沿纤维方向扩散快、垂直方向慢，FA 接近 1；在脑脊液里各方向接近，FA 接近 0。需要注意的是，FA 低并不等于组织坏了——交叉纤维、体素内混合都会压低它。
20.2 弥散张量与方向分布函数
DTI 用二阶张量描述扩散，只允许一个主方向，遇到交叉纤维必然失效。方向分布函数（ODF）放弃单方向假设，用球面上的分布描述多个方向，因此能表达交叉。代价是估计更复杂，对采样方向数与信噪比要求更高。
20.3 神经突密度与方向离散
NODDI 把体素内的信号拆成三部分：胞内（神经突内）、胞外（神经突外）与脑脊液。神经突密度指数（NDI）反映胞内体积分数，方向离散指数（ODI）反映纤维朝向的分散程度。两者合起来比 FA 更能区分「纤维少了」与「纤维乱了」。但这套模型的拟合需要多壳多 b 值数据，单壳下只能退化近似。
20.4 纤维束与纤维束分区
纤维束（tract）是解剖学意义上的通路，纤维束分区（bundle region of interest）是分割算法在标准空间里划出的区域。前者是生物学对象，后者是计算对象。用 TractSeg 取区域平均 FA，实际取的是「算法认为属于该束的体素」的均值，这一均值受分割精度影响。
20.5 隐藏测试集与外部验证集
隐藏测试集由主办方掌握、参赛者不可见，用于一次性的排名；外部验证集由第三方中心提供，用于检验泛化。两者目的不同：前者防过拟合，后者防过拟合之外的分布偏移。Beyond FA 有前者，没有后者。
20.6 认知正常、轻度认知障碍与阿尔茨海默病
CN 指神经心理测验在正常范围；MCI 指存在客观认知下降但日常功能基本保留；AD 指达到痴呆标准。三者之间不是静态分类而是动态转归：MCI 每年有相当比例转为 AD，也有相当比例回到正常。这意味着任何三分类任务的标签都带时间戳，脱离随访谈组别会丢失关键信息。
§21 二次研究选题建议
21.1 稳健性排序
用 MASiVar 的重复扫描设计，对十种以上白质指标做「同人同机」「同人跨机」「同人跨日」三类变异的排序。产出是一张敏感度矩阵，回答「哪些指标值得进多中心研究」。这类研究不需要疾病标签，可行性最高。
21.2 压缩层级的影响
固定模型与数据，只改变压缩层级（体素级、区域级、受试者级），看分类性能如何变化。这一实验可以直接检验「128 维是否够用」这个悬而未决的问题。
21.3 预处理敏感性
对同一批数据用不同的 PreQual 参数组合处理，比较最终特征的漂移幅度。产出是「预处理选择的代价」这一实用结论，对工程团队价值大。
21.4 类先验偏移的处理
在自建数据上复现「训练不均衡、测试均衡」的设定，比较重采样、加权损失、阈值调整三种策略的效果。这直接对应 Beyond FA 赛制里的一处设计。
21.5 特征量纲的干扰
构造一个受控实验：同一组特征，一半做标准化一半不做，看浅层分类器的排名是否翻转。若翻转明显，就说明 Beyond FA 的排名可能部分由量纲决定。
§22 结语：这份协议留下了什么
一份协议的价值，往往不在于它选出了什么，而在于它把什么问题变成了可操作的实验。Beyond FA 留下的三样东西值得记住：把「白质指标孰优」拆成可比较的特征向量；把「防止过拟合」落实到隐藏数据与容器提交；把「预处理一致性」写进赛制而非留作建议。
它没有留下的也很清楚：公开的评测集、公开的指标定义、公开的标签标准。这三项空白决定了它只能被引用为方法学设计，不能被引用为基准成绩。翻译成一句实务建议就是——读它的时候学设计，用的时候别当数据。
编辑说明
核验时间：2026-10-18。
核验方式：读取 Grand Challenge 官网主页与 Timeline 页、OpenNeuro ds003416 的 dataset_description.json 与 README／participants.tsv、GitHub 上 MASILab/BeyondFA_eval 与 MASILab/beyond_fa_microstruct_baseline 的 README、MASILab/PreQual 的 README，以及 ISBI 2025 Challenges 页与 Vanderbilt VALIANT 月报的公开文本。
未取得的一手材料：OpenReview 短论文正文与 PDF 在核验时点返回 403 访问控制，方法细节只能依据官网与仓库 README；两个 GitHub 仓库的 LICENSE 文件未抓取，正文对其许可条款未作断言。
双口径与存照：
| 项 | 两种口径 | 处理 |
|---|---|---|
| 500/100 | 任务头记为「规模」；官网原文为评测网络的训练/测试划分 | 正文按官网口径写 |
| 挑战赛性质 | 任务头推测为骨折/乳腺/眼底影像 | 官网证实为弥散 MRI 白质指标评测，正文 §1.1 与 §6 已纠正 |
| 队伍数 | 37 为 2025-03 注册数，非提交数 | 正文写「注册」 |
| 受试者数 | README 写 14 名成人 + 83 名儿童；participants.tsv 为被试×会话长表 168 行 | 正文按 README 口径写 97 人，未自行推算 |
| 论文状态 | 短论文已发表（MIDL 2025 Short Papers）；期刊版未见刊 | 正文只引短论文 |
版本日志：2026-10-18 首版。核验时点挑战赛已关闭，官网仍在线。
下次复核触发点：期刊版正式见刊并给出 DOI；官网 Timeline 更新；MASiVar 发布新 DOI 快照。
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：
- brainweb — 共享标签：医学影像 / MRI / 神经科学 / 脑影像 / 评测基准
- nfbs — 共享标签：MRI / 神经科学 / 脑影像 / 评测基准
- oasis — 共享标签：医学影像 / MRI / 神经科学 / 脑影像
- fastmri — 共享标签：医学影像 / MRI / 神经科学 / 脑影像
- bigbrain — 共享标签：医学影像 / 神经科学 / 脑影像
- celegans-connectome — 共享标签：神经科学 / 脑影像 / 评测基准
- microns — 共享标签：神经科学 / 脑影像 / 评测基准
- ulf-enc — 共享标签：医学影像 / MRI / 脑影像 / 评测基准
- adam-aneurysm — 共享标签：医学影像 / 神经科学 / 脑影像 / 评测基准
- mr-art — 共享标签：医学影像 / MRI / 脑影像 / 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。
