信息速览
INFOBOX — Human Meridian Acupoint Images 一屏速览
维度 内容 本质 真实人体照片 + 中医师人工标注的经络穴位图像集，不是合成渲染图 核心规模 12 条正经、296 个穴位（论文原文口径），逐张标注并校对 标注者 资深中医师（论文原文：experienced TCM practitioners），按经络走向与穴位位置标定 论文 IJRAI 38(13)，2024-09-07 上线（Crossref），doi:10.1142/S021800142457012X 作者 Yugui Zhang、Anyi Feng 等 10 人（第一作者与通讯信息见 §3） 配套算法 边缘增强式数据增广（edge-enhancement augmentation）+ 穴位检测网络 下载 论文指向作者公布的数据集入口页；是否仍在架需现场核对（§7） 许可 论文与图表默认保留权利；数据本体条款论文未明示（§7、§9） 同批区分 与 acusim（Blender 合成 174 颈颅穴位图）不是同一资源：本条为真人照片人工标注 库内互链 tcm-tongue（1052，舌象）、tcmbank（1124，经络穴位知识库）、slice-3d（141，真实三维照相体表）、skincap（782，皮肤影像标注）
中医经络穴位的计算机视觉研究，长期处在一个有点拧巴的位置：需求很古老，数据很年轻。经络学说的文本体系有两千多年，穴位定位的标准（WHO 标准穴位定位、GB/T 12346 等）也早已成文；但要让神经网络"看见"穴位，需要的是成千上万张带像素坐标的照片——这类数据直到 2020 年代才陆续出现，而且大多零散、小规模、只覆盖某一局部。本篇条目介绍的 Human Meridian Acupoint Images（下文简称 HM 数据集）是其中覆盖较完整的一份：它把十二正经的 296 个穴位整体搬进照片标注，并由有临床经验的中医师逐张标定、交叉校对。
这份数据最值得关注的地方不在规模，而在标注的来源。绝大多数穴位定位算法用的是"按骨度分寸公式推算 + 少量样本校准"的路线：先检测关节点，再按比例算出穴位坐标。这条路线的隐含假设是"穴位位置可以由解剖标志线性推算"，而这一假设在临床上恰恰是有争议的——穴位是"人的经验共识"，不是"几何必然"。HM 数据集选择让中医师直接在照片上指点，等于把这层经验共识变成了可计算的监督信号。这也是它作为真实影像基准的核心价值。
与此同时，必须把一条边界写在前头：本条目与同批次入库的 acusim 是完全不同的两种资产。acusim 用 Blender 渲染 504 个合成人体、63,936 张图、174 个颈颅部穴位，全部图像由三维软件生成，不含任何真实人体；HM 数据集则是真人照片，标注由中医师手工完成。前者胜在规模与几何精度，后者胜在真实性与临床可信度。两者都不是对方的替代品，也都不能单独支撑"临床可用"的结论。§9 会专门给出两条路线并置时的读法与联合使用建议。
导语读法三则：
- 只想知道能不能用：先读 §1 十问十答，再看 §6 使用边界与 §10 避坑清单；核对许可的一句话结论在 §7.4。
- 关心标注方法学：§3 标注流程与 §4 数据规格是重点，尤其是"专家逐张标注"与"按公式推算"的差别，以及它对评测数字的影响。
- 关心与合成数据的对照：§5 与 §9.3 把两条技术路线放在同一张表里逐维对照，包含"什么情况下该用哪条"的决策建议。
§0 导读：这个数据集解决什么问题
0.1 一个被反复描述却很少被真正填上的空白
在计算机视觉的版图里，人体关键点检测（human keypoint detection）是最成熟的方向之一：COCO、MPII、AFLW 等基准把"找关节"这件事做到了工业可用。但"找穴位"不是"找关节"。关节有明确的解剖实体——膝关节就是股骨、胫骨与髌骨的连接处，做一次 MRI 就能看到；穴位没有对应的解剖实体，它的位置来自历代医籍的记述、骨度分寸的换算与临床取穴的经验，不同流派对同一穴位的定位可有毫米级到厘米级的差异。
论文在引言里把这件事的现状讲得很直接：计算机视觉在安防、自动驾驶、智慧城市里已经用得很广，但用图像处理技术检测人体经络，此前基本是空白。已有的少量工作要么只做手部或面部几个穴位，要么依赖骨度分寸公式做几何推算，缺乏"整条经络、整片区域"的标注。HM 数据集提出的目标因此有两个：一是补上"整经络标注"这个数据缺口，二是给出一个即便在小样本条件下也能工作的检测方法。
0.2 数据集的三个设计判断
从论文的结构与表述反推，这个数据集做了三个不太一样的选择，值得逐条说明：
判断一：标"经络"而不只标"穴位"。 论文反复强调标注是"按人体经络的位置与方向（position and direction）“完成的，并且数据集"标注了 12 条经络”。这意味着除了 296 个穴位点之外，经络的走向本身也是被标定的对象。对算法而言，这比单纯的穴位点检测多了一层结构约束：穴位在经络上是有序的，先检测经络走向、再沿经络定位穴位，理论上比"在整幅图上撒点"更稳定。论文所谓"经络检测（meridian detection）"与"穴位检测（acupoint detection）"并列，也印证了这一点。
判断二：人工标，不做纯公式推算。 论文明确写"由有经验的中医师根据人体经络的位置与方向人工标注并校对（manually annotated and proofread by experienced TCM practitioners）“，目标是"使标注的经络尽可能准确”。这句话的分量在于：它承认了穴位的"经验性"，并用人力去覆盖公式无法覆盖的个体差异。代价是标注成本高、规模受限，收益是标注的临床可信度。
判断三：面向小样本设计增广。 数据规模受制于人工标注，论文因此专门设计了一种边缘增强的数据增广（edge-enhancement data augmentation）：不是常见的旋转、翻转、裁剪，而是增强图像的底层边缘视觉特征（underlying edge visual features），在数据量有限时靠强化边缘信息来扩充样本。这个选择与任务直接相关——经络走向在照片上本来就是"看不见的线"，算法能依赖的线索主要是肌肉轮廓、骨骼突起的边缘与皮肤褶皱，因此强化边缘等于强化任务信号。
0.3 这篇条目要回答的五个问题
- 这 296 个穴位、12 条经络具体是怎么标的，标到什么粒度？（§3、§4）
- 论文报告的检测效果有多好，这些数字的信噪比如何？（§5）
- 真人照片标注与合成渲染标注各自的强弱在哪里，什么时候该用哪一个？（§6.5、§9.3）
- 许可与获取到底是怎样，能不能直接用于商用模型训练？（§7）
- 如果我要在它之上做研究，最容易踩的坑是哪几个？（§10）
0.4 一条必须先讲清的边界
本条目在全文多处强调一个事实：HM 数据集是真实照片，不是渲染图。这条边界之所以需要反复说，是因为同批次里还有一条 acusim——它也自称"人体穴位数据集"，也做 174 个穴位的定位，也发在 Scientific Data 这样的开放期刊上，但它所有的"人"都是 Blender 渲染出来的合成模型。两者在检索结果里高度相似，在引用时极易混淆。区别见下表，§9 会逐条展开。
| 对照项 | HM 数据集（本条目） | acusim（同批，详见其条目） |
|---|---|---|
| 图像来源 | 真实人体照片 | Blender + DAZ 渲染 |
| 穴位数量 | 296（12 条正经） | 174（颈颅部） |
| 覆盖范围 | 全身十二正经 | 仅颈颅部 |
| 标注者 | 资深中医师逐张手工标注 | 2 个基准模型专家标注 + 几何吸附传播 |
| 规模 | 论文未给出图张总数（见 §9） | 63,936 张 |
| 真伪属性 | 真实 | 合成 |
一句话记住：看"人"是不是真的，先看它是照片还是渲染图。
§1 数据集速览：十问十答
Q1：这个数据集到底是什么？
一份面向计算机视觉任务的人体经络穴位图像集：图像是真实人体照片，标注是 12 条正经与 296 个穴位的位置与走向，由资深中医师逐张标定并校对。论文把它定位为"填补图像处理技术用于人体经络检测这一领域空白"的基础数据。
Q2：为什么强调"真人照片"？
因为穴位定位的难点之一就是真实体表的复杂性——皮肤褶皱、体毛、光照不均、衣物遮挡、体型差异。合成图像可以把这些因素参数化，但也因此丢掉了真实分布的"脏"。真人照片标注是检验模型能否落地的唯一硬标尺。本条目与同批 acusim 的差别也在这里（§0.4、§9.3）。
Q3：296 个穴位是怎么数出来的？
论文口径是"12 条经络、共标注 296 个穴位"。十二正经在国家标准中合计 309 穴（肺 11、大肠 20、胃 45、脾 21、心 9、小肠 19、膀胱 67、肾 27、心包 9、三焦 23、胆 44、肝 14）。论文的 296 与 309 不等，差额 13；论文未逐经列出各经的穴位清单，因此无法确认缺的是哪 13 个、是按什么规则做的取舍（§9 遗留疑点 1）。
Q4：包含任脉、督脉吗？
不包含。论文只列了十二正经（脾、心包、胃、肺、心、肾、胆、肝、三焦、膀胱、大肠、小肠），未提任脉、督脉，也未提经外奇穴。而临床取穴中任督二脉占比很高（例如百会、人中、关元、气海），这是使用时必须知道的覆盖缺口。
Q5：标注的粒度是什么？
至少包含两层：穴位中心点的位置（用于检测与定位任务），以及经络的走向（用于"经络检测"任务）。论文没有逐字段描述标注文件格式，但"position and direction"的表述与两类任务并存说明标注不止于点（§4.3）。
Q6：谁标的？标了几遍？
资深中医师（experienced TCM practitioners）按经络的位置与方向人工标注，并做过校对（proofread）。论文没有披露标注者人数、从业年限、标注工具、交叉复核方式，也没有给出标注者间一致性指标（ICC/Kappa）。这一点在使用时应作为已知局限看待（§9 遗留疑点 3）。
Q7：图像有多少张、多少分辨率？
论文摘要与结果部分没有给出图像总数与统一分辨率的硬数字。这是本条目与多数 AI-Ready 条目最不一样的地方：规模数字不可得（§9 遗留疑点 2）。任何"该数据集很小/很大"的判断都缺乏文本依据，只能依据作者公布渠道的实际内容现场核对。
Q8：配套方法做了什么？
两件事：一是边缘增强式数据增广，在样本量受限时通过强化图像底层边缘特征来扩充有效样本；二是穴位检测算法，论文报告该方法能有效提升检测精度，并证明"用图像处理技术检测人体经络是可行的"。
Q9：能下载吗？
论文正文给出了下载地址（作者方域名下的数据集入口页）。截至本条目的核验时点，该入口页已经转为一家中医智能装备企业的官网，数据集本身的可达性无法在页面层面确认（§7.2 记录核验过程）。使用前必须自行确认可达性与完整性。
Q10：能做商用吗？
论文本身没有在摘要、正文或致谢中声明数据集的许可条款；期刊页面对论文与图表默认保留全部权利。这意味着没有可直接援引的开放许可。计划商用或再分发时，须联系作者取得书面许可（§7.4 给出核对清单）。
§2 出处与身份：论文、作者与时间线
2.1 论文身份卡
| 字段 | 内容 | 来源 |
|---|---|---|
| 英文标题 | An Image Dataset and an Effective Detection Algorithm for Human Body Acupoints | Crossref / 期刊页 |
| 中文译名 | 一套人体穴位图像数据集及其高效检测算法 | 本条目译 |
| 期刊 | International Journal of Pattern Recognition and Artificial Intelligence（IJPRAI，世界科技出版公司 World Scientific） | Crossref |
| 卷期 | 38 卷 13 期 | Crossref |
| DOI | 10.1142/S021800142457012X | Crossref |
| 上线日期 | 2024-09-07（Crossref published date-parts） | Crossref |
| 参考文献体例 | 期刊常规研究论文 | 期刊页 |
| 开放获取 | 否（isAccessibleForFree: false，需订阅或机构权限） | Crossref |
| 被引 | 抓取时点 Crossref 记录 1 次 | Crossref |
需要说明的是：IJPRAI 是模式识别领域的常规 SCI 期刊，并非数据类专刊，因此这篇论文的写法更接近"方法论文 + 数据发布"的混合体裁，而不是 Scientific Data 那种逐字段描述数据字典的格式。这一体裁差异直接导致了若干信息缺失——例如图像总数、标注文件字段、许可条款，在数据类期刊里通常是必填项，在方法类期刊里则常被省略。
2.2 作者与机构
论文共 10 位作者，Crossref 记录的署名顺序为：Yugui Zhang、Anyi Feng、Liping Zhang、Bin Li、Lu Zhang、Fengcai Cao、Weijun Li、Linpeng Wang、Xu Liu、Mingliang Zhou。
关于机构归属，必须如实写一句：本次核验未能取得逐位作者的机构对应关系。期刊全文页对自动抓取启用了人机验证，开放获取镜像站只回传了标题、期刊、DOI 与作者名单，未附机构信息。因此本条目不臆测"某某属于某中医药大学"之类的归属。可以确认的间接线索有两条：
- 数据集下载入口指向的域名（zksylf.com）在核验时属于一家总部位于北京、专注"数字中医循经治疗机器人"的企业，且该企业在官网自述与中国工程院院士、中国中医科学院西苑医院、首都医科大学附属北京中医医院等有产医研合作。
- 部分作者的姓名与中医针灸、针灸机器人方向的公开研究存在重合，但未取得可引用的机构页面佐证。
两条线索都只能说明"该数据集与中医智能装备产业界/临床界存在关联"，不能据此认定具体作者的单位。这一项列入 §9 遗留疑点 5，建议后续通过期刊 PDF 首页或作者 ORCID 补齐。
2.3 时间线
2022 ─┬─ 相关工作积累期（论文引用的手部/面部/背部穴位数据集多集中于此前后）
│
2024 ─┼─ 09-07 论文在 IJPRAI 上线（Crossref 记录）
│
2025 ─┼─ 综述《A review of acupoint localization based on deep learning》
│ （Chin Med 2025）在回顾穴位定位数据集时收录本文工作
│
2026 ─┴─ 10-17 本条目核验时点：下载入口页已转为厂商官网，
数据集的可达性无法在页面层面确认
两年左右的时间里，这篇论文的处境发生了两个变化。第一，它从"少数几个整经络标注的尝试之一"变成了综述文章里的常规引用项——2025 年那篇深度学习穴位定位综述在梳理"躯干穴位定位数据集"时，把本文与另外几项背部、面部、手部工作并列。第二，它的下载入口不再是一个功能完整的数据集页面，而是并入了一家企业的官网。后一个变化对可复现性有实质影响（§7.2）。
2.4 在同类数据集谱系中的位置
把 2025 年综述里列出的穴位定位数据集按身体区域排一排，HM 数据集的独特之处就清楚了：
| 数据集/工作 | 部位 | 图像来源 | 规模（论文口径） | 标注方式 |
|---|---|---|---|---|
| HM 数据集（本条） | 全身十二正经 | 真人照片 | 论文未披露张数；12 经 296 穴 | 中医师逐张标注 + 校对 |
| Sun 等（基于 11K Hands） | 手掌 + 手背 | 真人照片（11K Hands 衍生） | 3,860 掌 + 4,175 背 | 按国标与临床常用度标 11 + 7 穴 |
| Seo 等（PK 数据集） | 前臂 + 手 | 真人照片 | 94 人 → 940 张（1488×837） | 4 名技术助理在专家监督下按骨度分寸标注 |
| Kuang | 背部裸露 | 真人照片 | 7,010 张 → 去重后 6,109 张 | 43 穴，骨度分寸公式定位 |
| Liu 等 | 背部 | 拍照 + 网络爬取 + DCGAN 扩充 | 4,000 张（1500×2000） | 12 个临床要穴 |
| FACupoint | 面部 | 灰度照片 | 654 张（480×360，TIFF） | 24 类面部穴（共 43 穴），5 名执业中医师标注取均值 |
| 耳穴 EID | 耳部 | 手持设备拍摄 | 504 张（500×500），252 人 | 91 个耳穴关键点，按 GB/T 13734-2008 |
| acusim（同批） | 颈颅部 | 三维渲染（合成） | 63,936 张（504 模型 × 144 机位） | 2 个基准模型专家标注 + 几何吸附传播 |
这张表能读出三层信息。
其一，规模与覆盖是此消彼长的。凡是逐张手工标注的真人数据集，规模都在几百到几千张；凡是规模上到万级、十万级的，要么是公式推算（Kuang 的 6,109 张背图），要么是生成式扩充（Liu 的 DCGAN），要么是渲染合成（acusim）。HM 数据集选择了"覆盖最广 + 标注最实"的位置，代价是规模不可知。
其二，标注方式决定了评测数字的含义。当标注来自公式推算时，模型学的其实是公式；当标注来自真人照片上的人工指认时，模型学的是标注者与照片呈现的联合分布，这才谈得上"真实场景"。HM 数据集属于后者，这也是它在方法论上最值得引用的理由。
其三，同一篇综述已经承认"数据集之间不可直接比大小"。不同工作覆盖不同部位、不同穴数、不同标注来源，横向比较 mAP 或 PCK 没有意义。这一提醒对本条目尤其重要，因为 §5 要谈的检测数字也是在特定协议下得到的。
§3 标注方法：中医师如何把"看不见的线"变成标注
3.1 穴位标注为什么比其他关键点难
关键点检测的前提是"关键点可被指认"。膝关节可被指认，因为它在体表有明确的对应物（髌骨）；而穴位在体表没有任何可见标记，取穴依靠的是几类间接线索：
- 体表标志：骨骼突起、肌肉凹陷、肌腱之间的沟（例如腕横纹中点取大陵）。
- 骨度分寸：以特定解剖标志之间的距离折算出若干"寸"，再按比例定穴。这是国家标准取穴法的基础。
- 指寸法：以患者本人手指宽度为一寸来折算，天然带个体适配。
- 经验与手感：临床医师的"摸穴"经验，难以形式化。
这四类线索中，前三类可以写成算法，第四类不能。论文选择让中医师直接标注，等于把第四类也纳入了标注体系——标注者看到的不是"公式算出的点"，而是"按临床习惯应该取的点"。这一选择的价值与代价是对称的：价值在于临床可信度，代价在于一致性无法用公式保证。
3.2 标注流程（据论文表述重构）
论文对流程的表述相当简略，只能据原文给出的要素重构出一条流程：
步骤 1 图像准备
收集人体照片（论文未披露具体来源与设备）
│
步骤 2 经络走向标定
中医师依据经络的「位置与方向」，先确定 12 条经络的走行路径
│
步骤 3 穴位定位
沿经络走向按解剖标志与骨度分寸确定 296 个穴位的中心点
│
步骤 4 专家校对
由有经验的中医师复核（proofread），修正明显偏离
│
步骤 5 形成标注文件
图像 + 穴位坐标 + 经络归属（具体字段格式论文未述）
需要强调：上述流程是依据论文文字的重构，不是论文原图原表的复述。论文没有提供流程图，也没有提供标注界面截图或标注规范文档。这一缺失在方法类论文里并不罕见，但对想要复现标注的人来说是实质性障碍——你可以下载到标注结果，却无法判断标注者在边界情形（例如肘横纹附近的曲池）是如何取舍的。
3.3 十二正经与 296 穴的口径
论文列出的 12 条经络与国家标准十二正经一致：
| 序号 | 经络 | 英文 | 国标穴数 | 本数据集是否有逐经明细 |
|---|---|---|---|---|
| 1 | 手太阴肺经 | Lung Meridian | 11 | 论文未列 |
| 2 | 手阳明大肠经 | Large Intestine Meridian | 20 | 论文未列 |
| 3 | 足阳明胃经 | Stomach Meridian | 45 | 论文未列 |
| 4 | 足太阴脾经 | Spleen Meridian | 21 | 论文未列 |
| 5 | 手少阴心经 | Heart Meridian | 9 | 论文未列 |
| 6 | 手太阳小肠经 | Small Intestine Meridian | 19 | 论文未列 |
| 7 | 足太阳膀胱经 | Bladder Meridian | 67 | 论文未列 |
| 8 | 足少阴肾经 | Kidney Meridian | 27 | 论文未列 |
| 9 | 手厥阴心包经 | Pericardium Meridian | 9 | 论文未列 |
| 10 | 手少阳三焦经 | Triple Energizer Meridian | 23 | 论文未列 |
| 11 | 足少阳胆经 | Gallbladder Meridian | 44 | 论文未列 |
| 12 | 足厥阴肝经 | Liver Meridian | 14 | 论文未列 |
| — | 合计 | — | 309 | 论文只给总数 296 |
这里有一个必须摆明的算术：国标十二正经合计 309 穴，而论文标注 296 穴，缺口 13。可能的原因有三种：
- 部分穴位在照片上不可见。背部的膀胱经穴位需要裸露背部，胸腹部的胃经、肾经穴位需要正面裸露；若拍摄受着装限制，部分穴位无法标注。
- 部分穴位解剖标志不明显或临床使用频率低，被主动剔除。
- 论文数字口径不同（例如把左右对称穴位算作一穴，或按某个流派口径计数）。
三种原因在论文里都没有线索可以排除。读者在实际使用时应以数据文件中穴位清单为准，而不是以"296"这个总数做推断。这一点对下游任务有直接影响：如果你的模型只在这 296 个穴位上训练，部署到需要 361 穴的临床场景时会遇到系统性缺类（§6.4）。
3.4 标注粒度的两层含义
论文用 “position and direction” 描述标注依据，这两个词对应两类可计算的监督信号：
位置（position）：穴位中心点的二维像素坐标。这是标准的检测 / 关键点回归监督。若一个穴位在照片上对应大约 10–20 像素的尺度（取决于分辨率与拍摄距离），那么网络的回归精度目标应在若干像素以内，换算到体表约几毫米。
方向（direction）：经络的走行方向。这在数学上有两种常见表达：一是把经络标注为折线（polyline），二是标注为带状掩码（mask）。前者适合做"沿经络顺序定位穴位"的结构约束，后者适合做分割任务。论文没有说明采用哪一种，但从它同时声称"标注了 12 条经络"与"检测人体经络"来看，经络本身是被当作一个可学习的对象而非仅作元数据。
这对任务设计的影响：如果经络有走向标注，一个自然的多任务设计是"先分割经络带，再在带上回归穴位点"，这样穴位点的搜索空间从整幅图收缩到一条细带上，对小样本尤其有利。§5 讨论的检测算法是否采用了这类结构，论文未明确，但这是该数据集在方法学上最有潜力的用法之一。
3.5 与"公式推算式标注"的根本差别
为了把这一点说透，做一个具体的对照推演。假设要标注右臂上的曲池（LI11，屈肘时肘横纹外侧端与肱骨外上髁连线中点）：
- 公式路线：先检测肩、肘、腕三个关节点，按骨度分寸把肘横纹折算成一条线段，再取线段中点。误差来源包括关节检测误差、骨度分寸的比例偏差、以及"外上髁"这一解剖标志在体表无法被关节点表达。
- 专家路线：中医师看图，找到肘横纹与肱骨外上髁这两处体表标志，按临床手感取中点。误差来源主要是标注者之间的判断差异。
两条路线的误差结构完全不同。公式路线的误差是系统的、可预测的（关节检测偏 5 像素，穴位就偏几像素）；专家路线的误差是随机的、与个体判断相关的。用公式路线训练出的模型去对标公式路线生成的测试集，指标会很好看，但那只证明了"模型学会了公式"；用专家路线标注的测试集去评估，才能回答"模型是否学会了取穴"。
HM 数据集的价值正在于它站在后一条路线上。这也是为什么本条目在 §5 谈检测结果时会格外注意"测试集从哪来"这个问题。
§4 数据规格与可用性
4.1 已确认的规格
| 项目 | 值 | 依据 |
|---|---|---|
| 图像类型 | RGB 人体照片 | 论文摘要（image dataset） |
| 覆盖经络 | 12 条正经 | 论文摘要与正文列举 |
| 穴位数量 | 296 | 论文摘要 |
| 标注内容 | 穴位位置 + 经络走向 | 论文 “position and direction” |
| 标注者 | 资深中医师，含校对 | 论文正文 |
| 增广方法 | 边缘增强式增广 | 论文方法节 |
4.2 未披露的规格（必须如实标注）
以下信息在论文中缺失，直接影响到"能不能用"的判断：
| 缺失项 | 影响 | 缓解办法 |
|---|---|---|
| 图像总数 | 无法估算数据规模与训练成本 | 到下载页核对文件数与体积 |
| 图像分辨率 | 无法换算像素误差与体表毫米的对应 | 抽样查看 EXIF 与图像尺寸 |
| 受试者人数/性别/年龄 | 无法评估人群代表性 | 查看数据说明文档或联系作者 |
| 拍摄设备与光照 | 无法判断跨设备鲁棒性 | 同上 |
| 标注文件格式 | 无法直接写数据加载器 | 下载后查看样例 |
| 训练/测试划分 | 无法判断指标是否可比 | 论文若无划分说明，需自建划分并报告 |
| 许可条款 | 无法判断商用可行性 | 联系作者书面确认 |
| 标注者间一致性 | 无法评估标注噪声上限 | 要求作者提供或自行抽样复核 |
这不是本条目在苛责一篇 2024 年的期刊论文——方法类期刊本就不强制要求数据卡片。但对 AI-Ready 视角的读者来说，一张完整的数据表比一段漂亮的指标更重要。这张"缺失表"本身就是本条目希望传递的信息：当你打算把这份数据纳入自己的训练流水线时，前两周的工作量主要花在搞清楚这些空白上，而不是调模型。
4.3 从论文线索推导的三种可能组织方式
由于标注文件格式未披露，使用者可能在下载后遇到三种组织方式中的任意一种，提前知道有助于快速判断：
组织方式 A：一张图一个标注文件
images/0001.jpg ↔ labels/0001.json（或 .txt）
常见字段：acupoint_id, name, x, y, meridian
组织方式 B：按经络分目录
meridian_LU/ 肺经图像与其 11 穴标注
meridian_LI/ 大肠经图像与其 20 穴标注
...
组织方式 C：一张表管全部
annotations.csv：image_id, acupoint_code, x, y, meridian, annotator
images/ 目录按 image_id 关联
三种方式对加载器的影响不同：A 最便于逐图处理，B 便于按经络做分组建模（与 acusim 的"按经络分多任务头"思路相通），C 最便于做统计分析与标注一致性检查。如果拿到的是 C，第一件事应该是按 acupoint_code 分组统计每穴的样本数，因为 296 穴的平均样本很可能极不均衡——躯干与四肢上的大穴（如足三里、合谷）在临床图像中出现的频率远高于耳后、指端的小穴。
4.4 一个务实的可用性判断
把上述信息拼起来，本数据集的"AI-Ready（就绪度）"大致处在这样一个位置：
- 标注质量：中上。有临床人员参与，且有校对环节；但缺一致性量化，无法给上限。
- 文档完整度：偏低。核心规格大面积缺失，复现成本高。
- 可获取性：不确定。入口页已转为厂商官网，需现场核对。
- 许可清晰度：低。无明示条款，商用需单独授权。
- 任务覆盖面：高。12 条经络整体覆盖，在同类真人数据集中最广。
这意味着它更适合被当作"评测基准与标注参照"使用——用它检验一个在别处训练好的模型是否认得真实照片上的穴位；而不太适合被当作"从零训练的大规模语料"使用。这个判断会在 §6 与 §9 反复出现，也是本条目给读者的核心建议之一。
§5 检测方法与效果：边缘增强增广为什么对这个任务有效
5.1 论文的方法主线
论文把自己的贡献表述为三件事：发布基于人体经络的数据集、设计一种数据增广方法、给出一套能跑通的检测算法。方法部分的叙述顺序也对应这三件事：
输入：人体照片（真实拍摄）
│
├─ 增广：边缘增强（强化图像底层边缘视觉特征）
│ └─ 目的：小样本条件下扩充有效训练信号
│
├─ 检测：穴位 / 经络
│ └─ 目的：输出穴位位置与经络走向
│
└─ 输出：穴位坐标 + 类别（经络归属）
需要注意，论文的结论句是"证实了使用图像处理技术检测人体经络的可行性（demonstrating the feasibility）“，而不是"达到临床精度”。这是一个可行性验证的定位，读者引用时不应把它的指标与临床级定位系统相提并论。
5.2 为什么"边缘增强"在这个任务里是合理增广
数据增广的一般目的是"在不改变标签语义的前提下扩充输入的分布"。常见的旋转、翻转、缩放、色彩抖动，依据的是"这些变换不改变类别"。但穴位定位任务的特殊性在于：标签是几何量，任何几何变换都必须同步变换标签，否则增广直接注入噪声。这解释了为什么很多为分类任务设计的强增广不能照搬过来。
边缘增强则绕开了这个矛盾：它改变的是图像的视觉呈现方式，不改动几何位置，因此标签无需变换。具体而言，强化边缘在物理上对应着更清晰的肌肉轮廓、骨骼突起边界与皮肤褶皱，而这些正是中医师在照片上定位穴位时依赖的可视线索。论文的直觉是：如果人靠边缘取穴，模型也应该靠边缘取穴；把边缘强化出来，等于把任务信号从背景中"提亮"。
这一思路与医学影像领域若干做法同源，可以做一个横向对照：
| 方法 | 做法 | 与本文的异同 |
|---|---|---|
| 边缘增强增广（本文） | 强化底层边缘特征，扩充样本 | 不改几何、不改标签，适合定位任务 |
| CLAHE 类局部对比度增强 | 直方图均衡，提升局部对比 | 目标相似（提亮结构），但主要作用于灰度分布而非边缘 |
| 频域高通滤波 | 抑制低频、保留高频 | 原理上接近，易放大噪声 |
| 合成数据渲染（acusim 路线） | 从三维世界生成新样本 | 解决的是"数据量"，不是"信号强度" |
本文与 acusim 其实是两类互补的技术：一个把已有小样本的信号提纯，一个用合成手段放大样本量。二者并不冲突，§9.3 会讨论组合使用。
5.3 指标怎么读：三个必须问清的问题
论文报告了检测精度提升，但没有在摘要层面给出完整的评测协议。任何指标要能被引用，必须能回答三个问题：
问题一：测试集从哪来？
如果是同一批标注者在同一批照片上划分出的测试集，那么指标反映的是"模型对同分布标注的拟合能力"；如果测试集来自独立的拍摄批次或不同设备，指标才反映泛化。论文没有明确划分方式，这直接决定了指标的可解释性。
问题二：分母是什么？
穴位检测的常见指标有几种口径，差别极大：
- PCK（Percentage of Correct Keypoints）：预测点与真值点的距离小于阈值（如归一化后的 0.05）即算正确，分母是该类穴位的样本数。
- mAP@τ：把每个穴位当作一个检测目标，用 IoU 或距离阈值判定命中，再对所有类别取平均。
- MDE（Mean Distance Error）：直接报告平均距离误差（像素或毫米），不设阈值。
同一个模型在三种口径下的数字不可互换。引用时必须写清用的是哪一种。
问题三：按穴位分层的表现如何？
296 个穴位在难度上差异巨大。躯干、四肢的大穴解剖标志清晰，容易定位；耳后、指端、足趾末端的小穴边界模糊，且容易在照片中互相遮挡。总体平均值会把两者混在一起。若论文未给分层结果，读者应自行在测试时按穴位分组统计。
三个问题里，本条目能确认的只有一点：论文的方法确实带来了可测量的精度提升（这是它"effective"一词的依据）。其余协议细节需查全文（§9 遗留疑点 4）。
5.4 一个必须避免的误读
“检测精度提升"不等于"临床可用”。这一点在穴位定位领域有非常具体的含义：
- 临床容差以毫米计。文献与临床实践普遍把 5 mm 左右视作可接受取穴误差的量级；换算到一张 1000 像素宽、覆盖 50 cm 视野的照片上，5 mm 约等于 10 像素。像素误差超过 10 就可能落到相邻穴位或非穴位区。
- 相邻穴位间距可能只有一两厘米。例如手腕附近的神门、大陵、太渊彼此相距很近，一个 15 像素的误差就足以让三者互相混淆。
- 误检的代价不对称。把穴位定位偏到同一条经络上是"取穴不准"，偏到相邻经络上则是"取错经"，临床意义完全不同。分类指标必须与定位指标联合评估。
所以，读到任何"精度提升"的结论，正确的引用方式是：“该方法在真人照片标注集上证明了经络可被图像处理技术检测，为后续研究提供了可行性证据”，而不是"该方法可用于临床取穴"。
§6 使用边界：真人标注的强项与软肋
6.1 强项：标注反映临床共识
HM 数据集最硬的一点是标注来源。它不依赖关节检测器，也不依赖骨度分寸的线性外推，而是让有经验的中医师在照片上直接指认。这意味着标签的分布里包含了那些难以形式化的成分：某个穴位应当落在肌肉与骨的哪个交界，某类体型需要如何微调，某个角度的照片上应该按哪条体表标志取。
对训练而言，这带来两个好处：
- 标签噪声不会系统性偏向某种公式。公式推算的标签会让模型学到公式的偏差；专家标签的偏差更多是随机的，模型可以通过多视图、多标注者平均来抵消。
- 任务定义更接近真实需求。临床上医师看图取穴，模型要替代的正是这一动作。用专家标注训练，任务的"输入-输出"关系与临床一致。
6.2 软肋一：规模与均衡性未知
真人照片的人工标注成本高，规模天然受限。前文 §2.4 的对照表已经说明，凡是逐张手工标注的真人数据集都在几百到几千张量级。若 HM 数据集同处这个量级，296 个穴位的平均样本只有个位数到十位数，这对深度学习是相当紧的。
更麻烦的是长尾分布：采集时更可能拍到躯干与四肢的大穴，耳后、指端、足趾末端的小穴样本会更少。三类问题会随之出现：
- 尾部穴位的定位误差显著高于头部穴位；
- 多任务头设计时，尾部类别的分类损失被头部类别淹没；
- 若按穴位平均（macro-average）而非按样本平均（micro-average）汇报，指标会明显下降。
应对建议：训练时对尾部穴位做加权采样，评测时同时报告 micro 与 macro 两套指标，并按穴位分组给出热力图。
6.3 软肋二：覆盖缺口（任督二脉与奇穴）
数据集只含十二正经。而临床取穴中，任脉与督脉的穴位使用频率极高：百会（GV20）、人中（GV26）、膻中（CV17）、中脘（CV12）、关元（CV4）、气海（CV6）等都是高频穴。此外，经外奇穴（如太阳、印堂、四神聪）在针灸临床中也常被使用。
这意味着：用 HM 数据集训练的模型，在临床上会系统性缺失约三分之一的常用穴位。若直接把模型部署到教学或辅助取穴系统，用户会发现"该找的穴位找不到"。
应对建议：把 HM 数据集视为"十二正经部分"的评测集，在系统层面单独维护一个任督二脉与奇穴的模块；或者以 HM 为骨干、用 acusim 的 174 个颈颅穴位补充头颈部覆盖（acusim 的穴位定义源自 361 穴 / 14 经的标准人体模型，覆盖任督）。
6.4 软肋三：二维标注不含深度
HM 数据集提供的是照片上的二维坐标。而针灸的核心动作是"进针"，进针涉及深度、角度与组织层次。二维点无法表达：
- 针尖应到达的深度（例如背部穴位有严格的进针深度限制，过深可能伤及胸膜）；
- 进针角度（直刺、斜刺、平刺）；
- 穴位下方的解剖结构（血管、神经、脏器）。
这不是 HM 数据集独有的问题——绝大多数基于照片的穴位数据集都有这个限制。acusim 用体积球（球体一半在皮下、一半在皮外）表达深度的思路，正是对这一缺口的补位。两者在这一点上恰好互补（§9.3）。
6.5 适用与不适用：一页对照
| 使用场景 | 是否适用 | 理由 |
|---|---|---|
| 验证"模型是否认得真实照片上的穴位" | 适用 | 真人照片 + 专家标注，正是最需要的标尺 |
| 教学演示与课程作业 | 适用 | 覆盖 12 经，概念完整，规模适合课程 |
| 小样本方法的对照实验 | 适用 | 规模小而标注实，便于观察过拟合 |
| 从零训练大规模检测模型 | 不适用 | 规模不足以支撑，应以合成或大规模真人集预训练 |
| 跨设备/跨光照鲁棒性研究 | 不适用（证据不足） | 拍摄条件未披露，无法构造受控对比 |
| 临床取穴精度声明 | 不适用 | 二维标注 + 未经验证的临床协议，不能支撑临床结论 |
| 三维进针规划 | 不适用 | 无深度标注 |
| 任督二脉/奇穴识别 | 不适用 | 覆盖缺口 |
§7 可获取性：从 col.jsp?id=127 说起
7.1 论文给出的下载入口
论文在摘要之后给出的数据集下载地址形如：
https://www.zksylf.com/col.jsp?id=127
这是一个典型的 CMS 页面地址（col 表示栏目，id=127 表示栏目编号），说明数据集最初挂在某个站点的一个栏目下，而不是像 Zenodo、Dryad、Figshare 那样的专业数据仓储。这一细节对长期可获取性有实质影响：
- 专业数据仓储会分配 DOI，并承诺长期保存（dark archive）。
- 站点栏目页没有 DOI，内容归属随站点改版而变。
7.2 核验过程记录
本条目的核验按如下顺序进行，结论如实记录：
| 步骤 | 操作 | 结果 |
|---|---|---|
| 1 | Crossref 按标题检索 | 命中 DOI 10.1142/S021800142457012X，确认期刊、卷期、上线日期、作者名单 |
| 2 | 期刊全文页抓取 | 返回人机验证页（Just a moment…），无法取得正文与方法细节 |
| 3 | 开放获取镜像页读取 | 取得标题、期刊、DOI、作者名单与发表月份，未见机构与许可信息 |
| 4 | 综述文献交叉核对 | 2025 年 Chin Med 综述收录本文，确认 12 经 / 296 穴口径与"下载地址"表述 |
| 5 | 下载入口页现场访问 | 页面已是一家专注"数字中医循经治疗机器人"企业的官网首页，未见数据集文件列表 |
第 5 步的结论需要谨慎表述：页面转为厂商官网，不等于数据集已下线。可能是栏目重构（原栏目编号失效）、可能是数据转为申请制、也可能是迁移到了新入口。但就"按论文地址能否直接下载"这一个问题而言，答案是否定的。
7.3 可获取性评级
| 维度 | 评级 | 说明 |
|---|---|---|
| 是否有 DOI | 部分（论文有 DOI，数据无独立 DOI） | 论文可稳定引用，数据本体不可 |
| 是否有专业仓储 | 否 | 依托站点栏目页 |
| 是否可直接下载 | 未确认 | 原入口已改版 |
| 是否有许可声明 | 否 | 论文未声明 |
| 是否有版本记录 | 否 | 未见版本号与更新日志 |
7.4 许可与合规：一份可直接照做的核对清单
论文没有声明数据集许可，期刊对论文与图表默认保留权利。这意味着任何"这是开放数据、可以随便用"的假设都不成立。在把 HM 数据集纳入任何产品、发表物或公开模型之前，建议按下列清单逐项确认：
□ 1. 联系通讯作者，索取书面使用许可（邮件即可，注明用途、分发范围、
是否允许派生模型公开、是否允许商用）
□ 2. 确认照片中受试者的肖像权与知情同意范围：
是否允许用于算法研究？是否允许公开发表图像？
是否允许多人二次使用？（这一项最容易被忽略）
□ 3. 确认是否存在机构伦理批件，批件编号与适用范围
□ 4. 若用于商用模型训练，另取商用授权；不要用"学术许可"覆盖商用场景
□ 5. 若需公开数据集派生版本（如重新标注、增广后版本），单独取得再分发授权
□ 6. 在论文与产品中如实引用原论文 DOI，并在方法节说明数据来源与许可状态
这份清单的第 2 项需要特别强调。穴位照片与一般医学影像不同：它的价值恰恰在于"可见的体表"，因此照片里往往包含可识别的人体部位甚至面部。即使论文只字未提肖像权，使用者在公开图像或发布派生数据集时仍负有独立合规义务。合成数据（如 acusim）不存在这个问题，这也是它被产业界青睐的现实原因之一。
7.5 如果下载不到，还可以怎么办
在数据本体不可达的情况下，仍有三条可走的路：
- 以论文为方法参照，在自有照片上复刻标注流程。论文的标注流程（中医师逐张标注 + 校对）是可操作的，唯一成本是人力。对临床科室或中医类高校，这条路比等数据更现实。
- 用公开真人手部/面部数据集做部分替代。前文 §2.4 列出的 11K Hands 衍生集、FACupoint、耳穴 EID 都有相对明确的可获取路径，适合做局部任务的原型验证。
- 用合成数据做预训练，用少量自建真人数据做微调。这是 §9.3 推荐的组合路线。
§8 真伪辨析：真人标注路线与合成渲染路线
8.1 为什么"真伪"在穴位数据里是个技术问题
在多数医学影像场景里，"真"与"假"的界线清晰：CT 是扫描的，就是真的；GAN 生成的就是合成的。但穴位数据的情况更复杂，因为穴位本身就不是一个可以直接观测的实体。无论是照片还是渲染图，像素上都没有"穴位"这个东西；两者的差别在于标注从哪来：
- 照片标注：中医师看真实的皮肤、骨突、肌肉轮廓，按临床经验指点。
- 渲染标注：工程师在三维模型上按标准穴位定位放球体，再由投影公式算出像素坐标。
所以严格地说，两条路线的差别不是"真数据 vs 假数据"，而是"真实的观测 + 人工的判断"与"合成的观测 + 几何的推算"。这个区分对理解两者的适用范围至关重要。
8.2 两条路线的逐维对照
| 维度 | HM 数据集（真人照片 + 专家标注） | acusim（合成渲染 + 几何标注） |
|---|---|---|
| 观测来源 | 相机拍摄的真实体表 | Blender 渲染的三维模型 |
| 覆盖范围 | 十二正经 296 穴（全身） | 颈颅部 174 穴 |
| 规模 | 论文未披露 | 63,936 张（504 模型 × 144 机位） |
| 穴位表示 | 二维像素坐标（含经络走向） | 三维体积球 + 投影二维坐标 + 深度 |
| 标签来源 | 中医师逐张标注 + 校对 | 2 个基准模型专家标注 + 表面吸附传播 |
| 个体差异 | 真实个体，天然存在 | 504 种参数化组合 |
| 光照/设备 | 真实，但未系统披露 | 渲染器布光，参数精确已知 |
| 遮挡 | 真实遮挡，未标注遮挡状态 | 有可见性权重与遮挡过滤 |
| 标注一致性 | 未量化 | 基准模型间隐含一致，可复现 |
| 可复现性 | 依赖固定数据版本 | 脚本可重渲，任意新视角可生成 |
| 许可 | 未声明，商用需授权 | 三口径并存（CC0 / CC BY 4.0 / CC BY-NC-ND） |
| 主要短板 | 规模不明、覆盖缺任督、无深度 | 域差大、非真实人群、仅颈颅 |
| 主要长板 | 临床可信、任务定义贴地 | 规模大、几何精确、可扩展 |
8.3 一个容易被忽略的对照点：标注的"一致性上限"
合成数据的支持者常强调"标注精确"：几何上，球心位置就是标准穴位，没有人为误差。这句话对了一半。合成标注确实没有"标注者手抖"，但它仍有误差，来源是：
- 基准模型上的专家标注本身仍有人为判断成分（两个亚裔外观模型也不是真人）；
- 表面吸附把基准模型的穴位传到了不同体型的模型上，体型差异越大，吸附偏差越大；
- 三维到二维的投影假设了相机参数与变换链完全正确，任何一环出错都会整体偏移。
反过来，真人照片标注也不是"有噪声就不好"。专家标注的噪声是与任务同源的：临床上不同医师对同一穴位的定位也会有分歧，模型学到这种分歧反而是对的。若用一个零分歧的合成标签去训练，模型会"过度自信"——它在合成图上误差极小，在真人图上却可能因为把某条细微褶皱当成解剖标志而系统性偏移。
8.4 库内其他真实体表数据的呼应
HM 数据集不是库内唯一一份"真实人体表面影像"。把它们放在一起看，可以更清楚地定位本条目：
| 条目 | 影像类型 | 部位 | 与本条目的关系 |
|---|---|---|---|
| body-acupoint-images（本条目） | 真人照片 | 全身十二正经 | — |
| slice-3d（141） | 三维全身照相 | 全身（皮损为主） | 同为"真实体表照片"，可对照标注方式 |
| skincap（782） | 皮肤影像 + 文本描述 | 皮肤局部 | 说明"照片 + 专家描述"的标注范式 |
| skincon（784） | 皮肤影像 + 概念标注 | 皮肤局部 | 概念级标注的邻域案例 |
| tcm-tongue（1052） | 舌象照片 | 舌 | 中医视觉的另一支，同为专家标注 |
| healthy-total-body-cts（994） | CT 全身 | 内部解剖 | 与体表标注形成"内外"对照 |
一个值得注意的现象是：体表类数据集普遍面临同一个矛盾——看得见的地方标注便宜，需要标注的地方看不清。皮肤影像标注皮损，皮损本身是可见的；穴位标注取穴点，取穴点本身不可见。这正是穴位数据集的难度所在，也是它必须依赖专家而不能纯靠众包的原因。
§9 与同批 acusim 的区分，及与库内条目的关系
9.1 两句话讲清区别
- body-acupoint-images（本条目）：真人照片 + 中医师逐张人工标注，覆盖十二正经 296 穴，规模未披露，做的是"看见真人身上的穴位"。
- acusim：Blender + DAZ 渲染的合成人体，504 模型 × 144 机位 = 63,936 张图，覆盖颈颅部 174 穴，标注由基准模型专家标注 + 几何吸附生成，做的是"看见渲染图上的穴位"。
用一句更短的话：一个是拍出来的，一个是算出来的。
9.2 为什么这两条会被混淆
三处相似点让它们在检索结果里难以区分：
- 名称相似：两者在英文语境里都可能被写作 “human acupoint dataset” / “human meridian dataset”。
- 任务相似：都以"穴位定位（acupoint localization / detection）"为主任务。
- 发表形式相似：都发表在开放获取或半开放获取的期刊上，都有配套的方法验证（一个用检测算法，一个用 VGG19 多任务网络）。
区分它们最快的方法是看三个数字：296 是真人那条，174 / 504 / 63,936 是合成那条；再看"人"是照片还是渲染图，基本不会错。
9.3 联合使用：一条可操作的路线
两条路线并不互斥，反而可以拼成一条完整流水线：
阶段一 预训练（规模）
acusim 63,936 张合成图，174 个颈颅穴位，三维坐标 + 深度
→ 学通用特征、学"穴位在人体上的相对位置"这一先验
│
阶段二 域对齐（把合成域拉向真实域）
在 HM 数据集（或自有真人照片）上做微调 / 域适应
→ 抵消合成图的皮肤纹理、光照、头发差异
│
阶段三 评测（可信度）
以真人照片专家标注为测试集，按穴位分层报告
→ 这是唯一能回答"是否认得真实穴位"的评测
│
阶段四 扩覆盖（补缺口）
HM 缺任督二脉与奇穴、缺四肢细节 → 用 acusim 的标准人体模型补穴位定义，
再用少量真人数据校准
这条路线有一个前提必须说明：阶段二的真人数据量若太小（例如只有几百张），域对齐会非常脆弱，容易过拟合到少数几个穴位。此时更稳的做法是只微调回归头、冻结主干，或者在特征层做统计对齐（如 BN 统计量替换），而不是全网络微调。
9.4 引用时的措辞建议
| 场景 | 推荐写法 | 需要避免的写法 |
|---|---|---|
| 介绍真人基准 | “在真实人体照片上由中医师标注的 12 经 296 穴数据集上……” | “在穴位数据集上……”（未区分真伪） |
| 介绍合成预训练 | “在 Blender 渲染的颈颅部 174 穴合成数据集上预训练……” | “在人体穴位数据集上预训练……” |
| 报告跨域结果 | “合成预训练 + 真人微调，在真人测试集上……” | 只报合成测试集结果并声称临床可用 |
| 综述对照 | 并列两条路线，注明图像来源与标注方式 | 把两者规模直接比较 |
9.5 库内互链点
以下条目在"真实体表 / 中医视觉 / 专家标注"三个维度与本条目相关，均为在架条目（status=1 且 del_sign=0）：
| 条目 | rid | 关联理由 |
|---|---|---|
| tcm-tongue | 1052 | 中医视觉，专家标注，同为"体表可见 + 需要专业判断"的范式 |
| tcmbank | 1124 | 经络—穴位—主治知识库，可与穴位定位结果串联成"定位 → 释义"链路 |
| tcmssd | 1054 | 中医证候标准化，提供"穴位 → 证候"的下游语义层 |
| mtcmb | 1108 | 中医多任务基准，可评估定位模型在更广任务上的迁移 |
| tcmeval-sdt | 1053 | 中医评测体系，说明本条目在评测维度上的位置 |
| nb-tcm-chm | 1116 | 中药材图像，同属中医视觉但任务不同 |
| slice-3d | 141 | 真实三维全身照相，体表标注的邻近案例 |
| skincap | 782 | 皮肤影像 + 文本，专家标注范式对照 |
| skincon | 784 | 皮肤影像概念标注，概念级标签的方法参照 |
| acusim | 见其条目 | 同批合成路线，互补关系（§9.1–9.3） |
| 11K Hands 类手部数据 | 库内暂无独立条目 | 综述中常用于手部穴位定位，可作为外部对照 |
§10 避坑清单：使用这份数据前必须知道的十二件事
坑 1：把"穴位数据集"当成一个可互换的类。 同名的数据集在图像来源（照片/渲染）、部位（全身/颈颅/手/面）、穴数（296/174/43）、标注方式（专家标注/公式推算/几何传播）上差异极大。引用前必须核到"图是什么、标的是什么、谁标的"三件事，缺一不可。
坑 2：把 acusim 与本条目混为一谈。 这是本批次最容易发生的事故（§9.1）。记住数字：296 是真人，174/504/63,936 是合成。
坑 3：用 296 当"全身穴位总数"。 全身经穴 361 个（十二正经 309 + 任督 52），加上经外奇穴更多。本数据集只覆盖十二正经的一部分，且与国标 309 差 13（§3.3）。任何"覆盖率"计算都要以实际穴位清单为分母。
坑 4：假设标注格式是标准 COCO。 论文未披露标注文件格式（§4.2）。拿到数据后应先写一个格式探针脚本，打印前 10 个样例的结构，再决定加载器写法。
坑 5：忽略长尾分布。 296 穴的平均样本可能是个位数，尾部穴位样本更少。不处理长尾，模型会在尾部穴位上系统性失效（§6.2）。
坑 6：只看 micro-average 指标。 按样本平均会被高频穴位主导。必须同时报 macro-average 与分层热力图。
坑 7：把"可行性验证"的指标当"临床精度"。 论文自身措辞是 feasibility（§5.1）。临床容差以毫米计，相邻穴位间距可能只有一两厘米（§5.4）。
坑 8：假设有深度标注。 本数据集是二维标注，不可直接用于进针规划（§6.4）。需要深度时应转向三维/体积式标注的数据（如 acusim 的体积球）。
坑 9：默认可以商用。 论文未声明许可，期刊对论文与图表保留权利。商用前须书面授权（§7.4）。
坑 10：忽略肖像权。 穴位照片的体表可见性决定了它可能含可识别部位。数据许可不等于肖像权许可，两者需分别取得（§7.4）。
坑 11：按论文地址下载失败就断言数据集不存在。 入口页改版不等于下线（§7.2）。应联系作者或查其后续发布渠道。
坑 12：把合成数据训练结果直接外推到真人。 合成图上的高精度不能替代真人照片上的评测（§8.3）。跨域必须实测。
§11 DAIMS 评估与就绪度打分
DAIMS（Dataset AI-readiness Maturity Score，数据集 AI 就绪度成熟度评分）是本库用于横向比较各数据集"能否直接喂给 AI 流水线"的框架。它的六个维度分别考察：文档、标注、规模、许可、可获取性、可评测性。下表针对本条目逐维打分（1–5 分，5 分最好），打分依据全部来自前文可核验的事实。
| 维度 | 得分 | 判据 | 佐证小节 |
|---|---|---|---|
| 文档完备度（Documentation） | 2 | 论文为方法类体裁，缺数据卡片；图像总数、分辨率、受试者构成、标注格式均未披露 | §4.2 |
| 标注质量（Annotation） | 3 | 有资深中医师标注 + 校对，临床可信；但缺标注者数、一致性指标与标注规范文档 | §3.2、§3.5 |
| 规模（Scale） | 2 | 296 穴覆盖广，但图像张数未知，按同类真人集推断量级偏小 | §2.4、§6.2 |
| 许可清晰度（Licensing） | 1 | 论文无许可声明，数据无独立 DOI，商用需单独授权 | §7.4 |
| 可获取性（Accessibility） | 2 | 原下载入口已转厂商官网，当前可达性未确认 | §7.2 |
| 可评测性（Evaluability） | 2 | 缺训练/测试划分说明与评测协议，指标口径不清 | §5.3 |
| 综合（均值） | 2.0 | 属于"有临床价值、需大量补文档才能进流水线"的类型 | — |
对照说明：这一分数低于库内多数经过数据卡片整理的数据集，但不等于它没有价值。它的高分项在"标注质量"与"覆盖广度"——这两项恰好是合成数据最难补的。就绪度低说明的是"拿来即用的成本高"，不是"学术价值低"。
就绪度提升路线（若作者愿意补文档）：
- 补一份数据卡片：图像张数、分辨率、受试者人口学、拍摄设备、标注文件字段说明（可把 2 分提到 4 分）。
- 补许可声明与独立 DOI（可把 1 分提到 4 分，并解决长期可获取性）。
- 补训练/测试划分与评测协议（可把 2 分提到 4 分）。
- 补标注者数量与一致性指标（可把 3 分提到 4 分）。
四项补齐后综合分可从 2.0 提到约 3.8，进入"较易使用"区间。
§12 一页速查卡与延伸阅读
12.1 速查卡
名称 Human Meridian Acupoint Images（人体经络穴位图像数据集）
本质 真实人体照片 + 中医师人工标注（非渲染、非合成）
覆盖 12 条正经，296 个穴位（国标十二正经合计 309，缺 13，原因未述）
未覆盖 任脉、督脉、经外奇穴；无深度标注
论文 IJRAI 38(13)，2024-09-07 上线，doi:10.1142/S021800142457012X
方法 边缘增强式数据增广 + 穴位/经络检测算法（可行性验证定位）
下载 论文给 zksylf.com/col.jsp?id=127，现已转向厂商官网，需现场核对
许可 未声明；论文与图表保留权利；商用前须书面授权
混淆点 与同批 acusim（合成、174 颈颅穴、63,936 张）不是同一资源
主用途 真实场景评测、小样本方法对照、教学演示
慎用 从零训练大模型、临床精度声明、三维进针规划、任督穴位识别
12.2 按角色的阅读路径
- 算法工程师：§4.2（缺什么）→ §5.3（指标口径）→ §6.5（能不能用）→ §10（十二个坑）。
- 中医信息化研究者：§3（标注方法学）→ §3.5（公式路线 vs 专家路线）→ §6.3（覆盖缺口）→ §9.3（与合成的组合）。
- 临床与教学人员：§0.1（为什么难）→ §6.5（适用对照）→ §12.1（速查卡）。
- 数据管理者：§7（许可与获取）→ §11（DAIMS 与补文档路线）。
12.3 三条带走的结论
- 它的价值在标注来源，不在规模。 真人照片 + 中医师判断，是合成数据与公式推算都无法替代的一层。这一点决定了它适合做"评测标尺"而不是"训练语料"。
- 它的信息缺口与它的价值一样明显。 图像张数、许可、划分协议三项缺失，让"拿来即用"变成"先花两周做尽职调查"。§7.4 的清单可以照着做。
- 它必须和 acusim 一起读。 只读其中任何一条，都会对"穴位数据能做什么"形成片面印象：只看合成会高估技术成熟度，只看真人会低估工程可行性。
12.4 延伸阅读（均为本条目写作时实际检索到的来源）
- 原论文：Zhang Y, Feng A, Zhang L, et al. An Image Dataset and an Effective Detection Algorithm for Human Body Acupoints. IJPRAI, 2024, 38(13). doi:10.1142/S021800142457012X
- 综述：A review of acupoint localization based on deep learning. Chinese Medicine, 2025. doi:10.1186/s13020-025-01173-3
- 同批对照：acusim（Sci Data 2025;12:625，doi:10.1038/s41597-025-04934-9）与本库 acusim 条目
- 数据入口（论文原文给出）：https://www.zksylf.com/col.jsp?id=127
§13 附录与存照
13.1 附录 A：本文与 acusim 条目的边界声明
本条目与 acusim 条目在同一天经同一批次分派写作，为避免两条目互相污染表述，约定如下：
- 本条目所有规模数字（12 经、296 穴）均为真人照片集口径；所有 174 / 504 / 63,936 均属 acusim，本条目只在对照语境中引用。
- 本条目不使用 acusim 的任何性能数字（99.73%、92.86%）作为本数据集的证据。
- acusim 条目在 §2.6、§9.3 已把本条目定位为"真实照片互补集"，与本条目的 §9 表述互为镜像。
13.2 附录 B：核验过程与三源互证
| 事实项 | 源 1 | 源 2 | 源 3 | 结论 |
|---|---|---|---|---|
| 论文存在与 DOI | Crossref API | 期刊页面（DOI 解析可达） | 第三方镜像聚合站 | 三源一致 |
| 期刊/卷期/日期 | Crossref：IJPRAI 38(13)，2024-09-07 | 镜像站：IJPRAI，2024-08-01 标注 | 综述引用 | 卷期一致；月份两口径（§13.4） |
| 12 经 / 296 穴 | 论文摘要（镜像站转述） | 综述转述 | 论文索引摘要 | 三源一致 |
| 标注由中医师人工完成 | 论文摘要 | 综讨论述 | — | 两源一致 |
| 下载地址 | 论文摘要 | 综述引用同址 | 现场访问改版 | 地址存在但内容已变 |
| 许可 | 论文未声明 | 期刊页需订阅 | — | 判定为"未声明" |
13.3 附录 C：本条目数据来源与字段对应
| 本条目字段 | 取值来源 | 相对可靠性 |
|---|---|---|
| 经络数、穴位数（12 / 296） | 论文摘要与正文，二源转述一致 | 高 |
| 期刊、卷期、DOI、作者名单 | Crossref | 高 |
| 上线日期 2024-09-07 | Crossref published date-parts | 高（与镜像站月份口径差见 §13.4） |
| 标注方式描述 | 论文摘要 “manually annotated and proofread by experienced TCM practitioners” | 高 |
| 边缘增强增广 | 论文摘要 “edge-enhancement data augmentation” | 高 |
| 图像张数、分辨率、受试者构成 | 论文未披露 | 无 |
| 下载入口现状 | 现场访问记录（2026-10-17） | 中（页面可能再变） |
13.4 附录 D：双口径存照清单
| 编号 | 冲突点 | 口径 A | 口径 B | 处理 |
|---|---|---|---|---|
| 1 | 上线月份 | Crossref：2024-09-07 | 镜像站标注：2024-08-01 | 以 Crossref 为准，正文用 2024-09-07 并注明两口径 |
| 2 | 十二正经穴数 | 论文：296 | 国标合计：309 | 并存，正文 §3.3 列表并说明差额 13 未解释 |
| 3 | 数据集规模 | 论文：未披露张数 | 同类真人集：数百至数千张量级 | 不用类比数值替代，正文如实标"未披露" |
| 4 | 可获取性 | 论文：给出下载地址 | 现场：入口页转厂商官网 | 并记，正文 §7.2 逐步记录 |
| 5 | 许可 | 论文：未声明 | 期刊：论文与图表保留权利 | 判定为"无开放许可"，商用须授权 |
13.5 附录 E：遗留疑点（供后续补齐）
- 296 与 309 的差额 13 分布在哪些经络，是否因拍摄可见性剔除，需查全文表格或数据文件穴位清单。
- 图像总张数与分辨率，需从数据文件或作者处取得。
- 标注者人数与一致性指标（ICC / Kappa / 平均距离分歧），需查全文方法节。
- 评测协议（训练/测试划分、指标类型 PCK/mAP/MDE），需查全文结果节。
- 作者机构归属与伦理批件，需查期刊 PDF 首页与致谢。
- 数据集当前可达路径，需联系作者或查其后续发布渠道。
- 受试者人口学构成（人数、年龄、性别、体型分布），关系到人群代表性。
13.6 附录 F：作者署名存照
Crossref 记录的 10 位作者按署名顺序为：Yugui Zhang、Anyi Feng、Liping Zhang、Bin Li、Lu Zhang、Fengcai Cao、Weijun Li、Linpeng Wang、Xu Liu、Mingliang Zhou。本条目未对任何作者的机构作断言（理由见 §2.2）。若后续取得期刊 PDF，应在此处补齐机构与通讯作者信息。
13.7 附录 G：术语对照
| 中文 | 英文 | 本条目中的用法 |
|---|---|---|
| 经络 | meridian | 本文特指十二正经，不含任督 |
| 穴位 / 腧穴 | acupoint | 体表的取穴位置，二维坐标为主 |
| 骨度分寸 | bone proportional measurement | 以解剖标志间距折算"寸"的取穴法 |
| 指寸法 | finger-cun | 以本人手指宽度折算的取穴法 |
| 经外奇穴 | extra acupoints | 不在十四经上的经验效穴，本文未覆盖 |
| 边缘增强增广 | edge-enhancement data augmentation | 论文提出的样本扩充方法 |
| 数据增广 | data augmentation | 扩充训练样本分布的通用技术 |
| 关键点检测 | keypoint detection | 本任务在 CV 领域的归属 |
| 域差 | domain gap | 合成图与真实照片之间的分布差异 |
| 就绪度 | AI-readiness | 数据可直接进入 AI 流水线的程度 |
13.8 结语
HM 数据集在穴位视觉这条不算热闹的赛道上，提供了一份很难被替代的东西：由中医师在真人照片上指认出来的穴位。它规模不大、文档不全、许可不明——这些都是事实；但它回答的问题（“模型能不能在真实的人身上找到穴位”）恰恰是合成数据回答不了的那个。把它当作评测标尺，把 acusim 当作规模补足，两条路线合起来，才是这个领域目前最完整的一份技术底稿。
§14 研究设计：在 HM 数据集上做实验该怎么搭
14.1 从"我要一个能用的穴位定位模型"倒推实验设计
假设你的目标是做一个能在临床上辅助取穴的原型。合理的实验设计不是一个模型跑到底，而是分四步走，每一步都要有明确的失败判据：
步骤 1 基线
在 HM 数据集上直接训练一个小网络（如 HRNet / YOLO-pose 的小变体）
判据：若验证集 PCK@0.05 低于 60%，说明数据量或标注粒度撑不住，
应转"合成预训练 + 真人微调"路线（§9.3）
步骤 2 分层诊断
按经络分组统计误差，画出 12 条经络的误差条形图
判据：若某几条经络误差显著高于其他（常见于膀胱经、胆经这类长经络），
说明是长程依赖与遮挡问题，而非数据不足
步骤 3 跨域检验
用 acusim 训练、HM 测试；再用 HM 训练、acusim 测试
判据：两个方向的落差都要报出来，不能只报有利方向
步骤 4 临床代理指标
把像素误差换算成体表毫米（需要图像尺幅与拍摄距离）
判据：以 5 mm 量级作为参考线，报告落入比例，而不是只报像素 RMSE
四个步骤里，最容易省略的是步骤 3。多数论文只报"在目标数据集上的结果"，而穴位定位的真实风险恰恰是跨域——合成图上的模型一到真实照片就崩，或者反过来。把双向落差都报出来，是对读者诚实的做法。
14.2 按经络分组的统计怎么做
296 个穴位分属 12 条经络，样本数与难度都不均衡。建议按下列结构组织统计表：
经络 穴数 测试样本数 平均误差(px) 中位误差(px) 5mm 内占比
肺经 ? ? ? ? ?
大肠经 ? ? ? ? ?
胃经 ? ? ? ? ?
脾经 ? ? ? ? ?
心经 ? ? ? ? ?
小肠经 ? ? ? ? ?
膀胱经 ? ? ? ? ?
肾经 ? ? ? ? ?
心包经 ? ? ? ? ?
三焦经 ? ? ? ? ?
胆经 ? ? ? ? ?
肝经 ? ? ? ? ?
合计 296 — — — —
表中的问号不是占位，而是提醒：这些数必须从数据文件里数出来，不能从论文推断。如果有穴位在标注中缺失（对应 §3.3 的 13 个差额），应单独列一行"未标注穴位"，不要静默丢弃。
14.3 两个容易被忽视的评测细节
细节一：镜像对称不该被当成数据增广的免费午餐。 水平翻转对人体关键点是标准增广，但穴位有左右之分：左合谷与右合谷是两个不同的类别实例。若把水平翻转当作增广却不交换左右标签，模型会学到"同一位置既是左穴又是右穴"，分类头持续被污染。正确做法是翻转图像的同时交换穴位的左右归属，或干脆把左右对称的穴位合并为同一类别只做定位不做左右判别。
细节二：遮挡标注的缺失会被误算成"定位错误"。 本数据集未提供遮挡标记（§4.2）。若照片中某穴位被手臂或衣物挡住，标注者要么不标，要么按估计位置标。前者会造成"该穴样本缺失"，后者会造成"标签本身带偏"。评测时应把这类样本单独识别出来（可用模型预测置信度或人工抽检），避免把"人也没看清"的样本算进模型错误。
14.4 与临床流程的接口设计
若原型要进入临床辅助场景，接口设计要考虑三件事：
- 输出不是坐标，而是"建议取穴点 + 置信度"。临床医师需要知道模型有多确定，低置信度时应提示人工确认。
- 必须支持"按当前体位重新定位"。照片是静态的，但患者体位会变（屈肘取曲池、握拳取后溪），模型需在体位变化后重新输出。
- 必须保留经络视图而不只是点位。经络走向是医师判断取穴是否合理的上下文；只给点不给线，临床上很难验证。
这三条都指向同一个结论：HM 数据集的经络走向标注比它的穴位点标注更有长期价值，因为"线"提供了可解释的结构，"点"只是线的采样。
§15 常见误解澄清
15.1 误解一：“穴位定位就是一个关键点回归任务”
严格说，关键点回归只是其中一层。穴位定位包含四个可分离的子问题：
| 子问题 | 输出 | 需要的标注 |
|---|---|---|
| 定位（localization） | 坐标 | 穴位点 |
| 分类（identification） | 哪个穴位 | 穴位编码 + 经络归属 |
| 结构化（structuring） | 与经络的顺序关系 | 经络走向 |
| 解释（interpretation） | 该穴主治什么 | 知识库（如 tcmbank 1124） |
HM 数据集前三层都有覆盖（点、编码、走向），第四层没有——它不含主治信息。这意味着任何"从图像直接给出治疗建议"的系统，都需要额外接一个知识库，而不能靠这份数据端到端完成。
15.2 误解二：“人工标注一定比公式推算准”
不一定。人工标注的准确度取决于标注者的水平与规范。若标注者经验不足，或标注规范含糊，人工标注可能比公式推算偏差更大——公式至少是自洽的。人工标注的优势在于它能捕捉公式无法覆盖的个体差异，而不是"人一定比公式准"。
判断一份人工标注是否可信，要看三件事：标注者资质、标注规范是否成文、是否有一致性检验。HM 数据集满足第一条（资深中医师），第二条与第三条论文未披露（§3.2、§9 附录 E）。所以更准确的说法是：它的标注有临床来源，但标注质量的上限未被量化。
15.3 误解三：“数据集规模越大越好”
在穴位定位任务里，规模不是唯一变量。1 万张公式推算的图，训练出的模型可能不如 500 张专家标注的图——因为前者学的是公式，后者学的是取穴。真正决定上限的是标注与真实任务的一致性，规模只是在这个前提下加速收敛的手段。
这也是为什么本条目反复建议把 HM 当评测标尺、把 acusim 当规模补足：两者的价值曲线不在同一根轴上。
15.4 误解四：“合成数据再过几年就能完全替代真实数据”
渲染技术确实在进步（acusim 的皮肤纹理与解剖保真度已经不低），但完全替代面临三个结构性障碍：
- 标注源仍是真人。acusim 的基准穴位仍由中医师在两个模型上标注，合成只是把这个标注"传播"开，"专家判断"这一环无法合成。
- 人群分布的合成依赖先验。要合成"真实人群的体型分布"，必须先知道真实分布；这个知识本身来自真实数据。
- 临床验证必须用真人。无论训练用什么，器械注册与临床研究的证据链最终落在真实患者身上。
所以更可能的未来是"合成做规模、真人做校准与验证"的分工格局，而不是替代。
15.5 误解五：“有下载链接就等于开放数据”
开放数据（open data）有相对严格的判定：可公开获取、可自由使用、可再分发、最好有明确许可与持久标识（DOI）。HM 数据集在这四项上分别处在"不确定 / 未声明 / 未声明 / 无数据 DOI"的位置（§7.3）。把它称作"公开可下载的数据集"或许可以，"开放数据"则言过其实。
§16 案例解剖：一个穴位从照片到模型输出的全过程
16.1 选穴：为什么用曲池（LI11）
选曲池做解剖，是因为它同时具备三个特征：解剖标志明确（肘横纹外侧端与肱骨外上髁连线中点）、临床高频、体表位置在常见照片中可辨。它几乎出现在所有上肢穴位数据集里（§2.4 的 PK 数据集、Sun 等的上肢集都含它），便于横向对照。
16.2 第一段：采集
环节 拍摄者为受试者拍一张屈肘约 90° 的上臂前外侧照片
变量 相机距离、焦距、光照方向、皮肤色调、体毛、衣物遮挡
问题 相机距离变化会改变同一穴位的像素尺度；
屈肘角度变化会改变肘横纹的走向；
光照方向会改变肱骨外上髁的阴影位置
这一段的关键认识是：同一穴位在不同照片上的像素坐标不是一个固定值，而是一个分布。任何以单一坐标训练的模型，学到的是这个分布的条件均值；若训练照片的拍摄条件单一，模型就只学过那个条件下的均值。
16.3 第二段：标注
环节 中医师在照片上确定曲池位置
依据 肘横纹外侧端 + 肱骨外上髁，取两者连线中点
难点 肘横纹在照片上可能因屈肘角度而变形；
外上髁的可见性依赖光照与旋转角度；
不同医师对"中点"的理解差异可达数毫米
产物 一个像素坐标（以及它所属的经络：手阳明大肠经）
这一段是本数据集的全部价值所在。换成公式路线，这一段的产物由关节检测器 + 骨度分寸公式给出；换成合成路线，这一段的产物由三维模型上的球心投影给出。三条路线的产物形式相同（一个坐标），含义完全不同。
16.4 第三段：模型推理
输入 同一张照片
输出 曲池的预测坐标 + 置信度
误差 预测与专家标注的欧氏距离（像素）
换算 若照片宽 W 像素覆盖体表 L 毫米，则 1 像素 ≈ L/W 毫米
判断 误差换算成毫米后是否落在临床可接受范围内
换算这一步常被省略。没有尺幅信息（拍摄距离、焦距、传感器尺寸）就无法把像素误差转成毫米误差，而临床上关心的恰恰是毫米。若数据集中不含尺幅信息，那么所有像素级指标都只能用于同数据集内部的相对比较，不能跨数据集、更不能对临床做绝对承诺。
16.5 第四段：临床复核
场景 医师看到模型输出后，判断"这个位置对不对"
可能结果 1 同意 → 记为一次成功
可能结果 2 不同意但接近 → 人工微调后采纳
可能结果 3 完全不同意 → 判为失败
这三类结果构成的评价体系与 PCK 或 mAP 都不同。它衡量的是"辅助价值"而非"定位精度"：一个 8 毫米误差但在临床可接受范围内的预测，可能比一个 3 毫米误差但落在错误经络上的预测更有用。这一层评价在现有文献里几乎没有被系统研究过，是 HM 这类真实数据最有潜力的应用方向。
16.6 四个段落的启示
把四段连起来看，会发现一个不对称：采集与标注决定了模型的天花板，模型本身只是逼近这个天花板。HM 数据集在"标注"这一段做得比多数同类数据扎实（有中医师参与），但在"采集"这一段几乎没有披露（§4.2）。这意味着使用它时最需要补的是尺幅与拍摄条件信息，而不是模型结构。
§17 数据治理与伦理
17.1 三类权利必须分开看
穴位照片涉及的权利至少有三层，常被混为一谈：
| 权利层 | 内容 | 谁持有 | 本条目状态 |
|---|---|---|---|
| 著作权 | 照片的拍摄与编辑权益 | 拍摄者/机构 | 论文未说明 |
| 肖像权/人格权 | 受试者对其体表影像的控制 | 受试者本人 | 论文未说明 |
| 数据许可 | 允许他人如何使用数据集 | 数据集发布方 | 论文未声明 |
这三层是叠加关系而非替代关系：即使数据集发布方给了宽许可，也不代表受试者已同意其影像被公开或商用；反过来，受试者同意用于研究，也不代表允许再分发。
17.2 伦理审查的可见性
论文未提及伦理审查批件（§2.2、§13.5）。这在中文期刊的工程类论文里并不少见，但从数据治理角度看是一个缺口：没有批件信息，使用者无法判断受试者的知情同意覆盖了哪些用途。
作为对照，acusim 完全绕开了这个问题——合成数据没有受试者，因此不存在肖像权与知情同意的负担。这一优势在产业落地时价值很大，也是合成路线在商业产品中被优先采用的原因之一。但"没有伦理负担"不等于"可以直接用"：acusim 的许可三口径问题（见其条目 §7）同样是治理难题，只是性质不同。
17.3 使用者的最低合规动作
即使只做学术研究，也建议完成以下三项：
- 不公开原始图像。发表论文时用示意图、局部裁剪或合成示意替代原图，避免把可能识别的体表影像二次传播。
- 在方法节写明数据来源与许可状态。哪怕写的是"作者未声明许可，经邮件取得研究用途授权"也比不提要好。
- 派生模型发布前复核。模型权重可能"记住"训练图像的某些特征，公开权重前应评估是否构成对原数据的再分发。
17.4 一份可复用的数据卡片模板
如果团队要基于 HM 数据集做二次发布（例如重新标注、扩充、翻译标注），建议附一份最小数据卡片，把 HM 缺的信息补齐：
数据集名称：
版本与日期：
图像来源（拍摄/采集/爬取，各占多少）：
图像张数与分辨率范围：
受试者构成（人数/年龄/性别/体型，若不可披露请说明原因）：
标注者（人数/资质/从业年限）：
标注规范（取穴依据文件，例：GB/T 12346）：
标注一致性（ICC 或 Kappa，及计算方式）：
穴位清单（逐经列出，含左右处理规则）：
遮挡与不可见样本的处理规则：
训练/测试划分规则：
评测协议（指标定义、阈值、分层方式）：
许可（数据/代码/论文分别声明）：
伦理批件编号与适用范围：
这张卡片的作用不是形式主义，而是让后续使用者不必像本条目一样花大量篇幅去标注"未披露"。
§18 相关工作与数据生态补遗
18.1 2025 年综述给出的穴位定位数据集全景
前面 §2.4 已经用一张表把本文放进同类数据集的谱系里。这里再做一层补充：按身体区域归并，能看清这个领域的数据分布有多不均。
| 区域 | 代表工作 | 穴位数量 | 图像来源 | 标注方式 |
|---|---|---|---|---|
| 面部 | FACupoint | 24 类 / 43 穴 | 灰度照片（480×360 TIFF） | 5 名执业中医师标注后取均值 |
| 面部 | Yuan 等（两套） | 22 穴 / 11 类 | WIDER Face 与自采正脸 | 3 名资深针灸师按 WHO 标准 |
| 面部 | Chen 等 | 9 穴 | 1,040 张正脸灰度 | 与针灸专家合作 |
| 眼部 | Gao 等 | 18 穴 | 600 张（512×512），300 人 | 10 年以上经验针灸师 |
| 耳部 | EID | 91 个耳穴关键点 | 504 张（500×500），252 人 | 按 GB/T 13734-2008，报告 ICC |
| 手部 | Sun 等（11K Hands 衍生） | 掌 11 + 背 7 | 3,860 掌 + 4,175 背（1600×1200） | 按国标与临床常用度 |
| 手/前臂 | Seo 等（PK） | 5 穴 | 940 张（1488×837），94 人 | 4 名技术助理在专家监督下 |
| 手背 | Li 等（11K Hands 衍生） | 10 穴 | 11K Hands 子集 | 中医师标注 + 增广 |
| 手掌 | Zheng 等 | 16 类 | 1,000 张 11K Hands | 定位 + 反射区分割 |
| 手掌 | Wang 等 | 11 穴 | 1,170 张单掌 | 含十宣、四缝等特定穴 |
| 腕/前臂 | Cai 等 | 3 穴 | 110 张，56 名志愿者 | — |
| 前臂 | Sun 等 | 2 穴 | 719 张 | — |
| 上肢 | Chan 等 | 5 穴 | 278 张 | — |
| 背部 | Kuang | 43 穴 | 7,010 → 6,109 张（去重） | 骨度分寸公式 |
| 背部 | Liu 等 | 12 穴 | 4,000 张（含 DCGAN 合成） | 骨度 + 经验法 |
| 全身 | 本文（HM 数据集） | 296 穴 / 12 经 | 论文未披露 | 中医师逐张标注 + 校对 |
| 颈颅 | acusim | 174 穴 | 63,936 张渲染图 | 专家标注 + 几何吸附 |
| 手部 | Masood 等 | 15 穴 | RGB-D | 艾灸机器人应用 |
从这张表能读出三条结构性事实：
事实一：区域分布极度不均。 面部、手部、眼部、耳部都有专门数据集，背部次之，全身级别只有本文一家。这解释了为什么本文的"296 穴 / 12 经"值得被单独引用——不是因为规模，而是因为它是唯一把整条经络线拉通的真人标注集。
事实二：标注方式呈三分格局。 一类是专家逐张标注（本文、FACupoint、耳穴 EID、面部 Yuan 等），一类是公式推算（Kuang 的背部 43 穴），一类是监督下的技术助理标注（Seo 的 PK）。三类各有优劣，评测数字不能直接横比。
事实三：合成路线目前只有 acusim 一家。 这既是机会（赛道空），也是风险（缺乏同行的独立验证）。
18.2 一个反直觉的观察：为什么手部数据最多
手部穴位数据集数量在所有区域里最多，原因不在临床重要性，而在采集便利。手部照片容易标准化：背景可控、姿态有限、不需要脱衣、受试者心理负担低，还可以直接借用公开的大规模手部数据集（11K Hands）做底。相比之下，背部需要裸露，胸部与腹部涉及隐私，颈颅需要固定体位，全身更是要解决着装、隐私、伦理审查三重问题。
这条观察对理解 HM 数据集的价值有直接帮助：它能做到"全身 12 经"，说明采集方在伦理与流程上投入了不成比例的成本——而这部分成本在论文里恰恰是被省略的（§4.2）。换句话说，它的信息缺口主要落在"怎么采"这一环，而不是"怎么标"。
18.3 库内可衔接的知识与评测条目
HM 数据集本身只有图像与坐标，没有语义层。若要把它接成一条完整的"定位 → 释义 → 评测"链路，库内已有现成的组件：
[图像层] body-acupoint-images（本条目，真人照片 + 296 穴）
│ 定位输出：穴位坐标 + 经络归属
▼
[知识层] tcmbank（1124，经络—穴位—主治知识库）
tcmssd（1054，证候标准化）
│ 语义输出：穴位主治、所属证候、配伍关系
▼
[评测层] mtcmb（1108，中医多任务基准）
tcmeval-sdt（1053，中医评测体系）
│ 结论：定位准确 ≠ 决策正确
▼
[对照层] tcm-tongue（1052，另一支中医视觉）
slice-3d（141）/ skincap（782）（真实体表影像标注范式）
这条链路的价值在于提醒：穴位定位只是中医智能化的入口，不是终点。一个能精准定位 296 个穴位的系统，仍然不知道这些穴位治什么；反过来，一个知识库再完整，也需要图像输入来决定"针扎在哪"。本条目与 tcmbank（1124）的互链，应该是双向的。
18.4 与舌诊数据集的结构性对比
同在中医视觉下，tcm-tongue（1052）与本条目构成一组有趣的对照：
| 维度 | tcm-tongue（舌诊） | body-acupoint-images（本条目） |
|---|---|---|
| 观察对象 | 舌象（颜色、苔质、形态） | 体表取穴位置与经络走向 |
| 标注对象 | 类别标签（舌色/苔色等） | 坐标 + 类别 + 走向 |
| 可见性 | 舌体在照片中直接可见 | 穴位在照片中不可见，需专业判断 |
| 标注难点 | 类别边界模糊（如淡红与红） | 位置边界模糊（如中点如何取） |
| 可众包性 | 较低（需专业判断） | 极低（需临床经验） |
| 任务类型 | 分类 / 分割 | 检测 / 关键点回归 |
| 规模瓶颈 | 图像采集与类别平衡 | 标注人力 |
两者的共同点是"都需要专业判断"，不同点是"判断的对象一个是类别、一个是位置"。把两者并列，有助于理解中医视觉任务的两类主要难点：类别边界与位置边界。
18.5 一个值得关注的空白：缺乏统一评测协议
从 §18.1 的表里能看出，这些数据集在评测上几乎各说各话：有的报 PCK，有的报 mAP，有的报平均距离误差 MDE，有的只报"精度提升百分比"。更麻烦的是，即使是同一指标，阈值定义、归一化方式、左右对称处理也各不相同。
这导致一个尴尬局面：谁都可以声称自己的方法"优于现有工作"，因为没有一个共同的测试集与协议。HM 数据集若要发挥更大作用，最有价值的贡献可能不是提供更多图像，而是提供一个公开的、有统一划分的评测集——这正是本条目在 §11 提出"补训练/测试划分"的理由。
§19 写作说明与核验边界
19.1 本文的资料边界
本条目写作过程中可用的资料只有四类：Crossref 元数据、期刊页可达信息、第三方镜像聚合页的摘要转述、2025 年综述的转述。未能取得论文全文（期刊页启用人机验证），因此以下内容无法逐句核对原文：
- 方法节的网络结构与训练细节；
- 结果节的具体指标数值与表格；
- 数据集下载页在论文中给出的完整描述；
- 致谢、伦理声明与利益冲突声明。
凡涉及上述内容，本条目均以"论文表述为……""据摘要"等方式限定，未做具体数值的转述或推演。这是本条目的诚实边界，也是与前文 §13.5 遗留疑点对应的写作约束。
19.2 哪些内容是可复用的、哪些是需要读者自行核实的
| 内容类型 | 可复用性 | 说明 |
|---|---|---|
| 论文身份信息（DOI、卷期、日期、作者名单） | 高 | Crossref 一手数据 |
| 12 经 / 296 穴 | 高（口径层面） | 多源转述一致；逐经明细需查原文 |
| 标注方式（中医师人工标注 + 校对） | 高 | 摘要原文表述 |
| 边缘增强增广 | 高 | 摘要原文表述 |
| 图像张数、分辨率 | 无 | 论文未披露，本文未补 |
| 检测指标具体数值 | 无 | 未取得全文，本文不转述 |
| 下载入口现状 | 中 | 现场访问结论，页面可能再变 |
| 与 acusim 的对照 | 高 | 基于 acusim 条目已核验的事实 |
19.3 与前文各节的对应关系
§0 导读 → 建立"真实照片 vs 合成渲染"的第一印象
§1 十问十答 → 快速事实层
§2 出处身份 → 论文与作者的可核验部分
§3 标注方法 → 方法学核心（专家路线 vs 公式路线）
§4 数据规格 → 已披露 / 未披露两张表
§5 方法与效果 → 边缘增强增广的原理与指标读法
§6 使用边界 → 适用与不适用
§7 可获取性 → 入口页核验与许可清单
§8 真伪辨析 → 两条技术路线的逐维对照
§9 同批区分 → 与 acusim 的直接区分与联合路线
§10 避坑清单 → 十二个高频误用
§11 DAIMS → 六维打分与提升路线
§12 速查卡 → 一页带走
§13 附录 → 双口径存照与遗留疑点
§14 研究设计 → 拿它做实验怎么搭
§15 误解澄清 → 五个常见误读
§16 案例解剖 → 曲池从采集到复核的四段
§17 数据治理 → 三层权利与最小合规动作
§18 相关工作 → 领域全景与库内衔接
§19 写作说明 → 本文的资料边界
19.4 一句话收束全文
如果只能记住一件事，请记住这句：这份数据集的价值不在于它有多大，而在于它的穴位是"人"在"真人"身上"指"出来的——这正是同批的 acusim 用渲染与投影无法替代的那一层；而 acusim 用 63,936 张图补上的规模与几何精度，也恰是本条目无法提供的。两条路线并置，才是当前穴位视觉研究最完整的一份底稿。
§20 经络速查：十二正经的走向特征与标注难点
这一节把 §3.3 的表格展开成"每一经标什么、难在哪"，供实际标注或复核时对照。十二正经的走向在中医理论中有明确路径，但在照片上"看见"这条路径，每一条经络的难度并不相同。
20.1 手三阴经（肺、心包、心）
三条手阴经都从胸部走向手部，沿上肢内侧分布，体表位置相对表浅，但在全身照片里往往被袖口遮挡。
| 经络 | 走向要点 | 常见标注难点 | 对照片拍摄的要求 |
|---|---|---|---|
| 手太阴肺经 | 起于中焦，沿上肢内侧前缘下行至拇指桡侧 | 肘窝附近与心包经接近，边界易混 | 需露出上臂内侧与前臂掌面 |
| 手厥阴心包经 | 沿上肢内侧中线下行至中指 | 掌长肌腱两侧的取穴依赖屈腕动作 | 需拍摄屈腕或至少自然放松位 |
| 手少阴心经 | 沿上肢内侧后缘下行至小指桡侧 | 尺侧腕屈肌腱在多数照片中不显 | 需良好侧光勾勒肌腱阴影 |
手三阴经的共同难点是"内侧不可见"。上臂内侧在正面照里几乎完全被遮挡，需要专门的抬臂、旋前体位。这一点解释了为什么多数手部数据集选择掌心朝上的拍摄姿态——它同时暴露了三条阴经的末端。
20.2 手三阳经（大肠、三焦、小肠）
三条手阳经走上肢外侧与后侧，体表覆盖较薄，骨性标志（桡骨茎突、尺骨鹰嘴）可作为参照，相对容易标注。
| 经络 | 走向要点 | 常见标注难点 | 对照片拍摄的要求 |
|---|---|---|---|
| 手阳明大肠经 | 起于食指桡侧，沿前臂外侧上行至对侧鼻旁 | 肘横纹外侧端的曲池是经典难点（§16） | 需屈肘约 90° 且侧光 |
| 手少阳三焦经 | 起于无名指尺侧，沿前臂外侧中线上行至耳后 | 前臂中段的三焦经穴位在骨间膜上方，定位靠比例 | 需露出前臂外侧面 |
| 手太阳小肠经 | 起于小指尺侧，沿前臂后缘上行至耳前 | 肩胛区穴位在背面照中才可见 | 需正背双面拍摄 |
一个容易被忽略的事实：手三阳经的穴位分布跨过了"前面照片"与"背面照片"两个视角。若数据集只提供正面照，小肠经的肩胛区穴位就只能缺标或按推断补——这与 §3.3 中 13 个差额的可能来源直接相关。
20.3 足三阳经（胃、胆、膀胱）
足三阳经是十二经里最长的三条，也是标注工作量最大的三条。
| 经络 | 走向要点 | 常见标注难点 | 对照片拍摄的要求 |
|---|---|---|---|
| 足阳明胃经 | 从面部下行经胸腹至足背 | 胸腹部需裸露，且体表标志随体型变化大 | 正面全身照，需着装让步 |
| 足少阳胆经 | 沿身体侧面下行至足 | 侧身位才能完整看到，且跨越头侧、胁肋、下肢外侧 | 需标准侧位照 |
| 足太阳膀胱经 | 沿背部两侧下行至足小趾 | 穴位最多（67 个），背部需完全裸露 | 背面全身照 |
膀胱经的 67 穴占了十二正经 309 穴的约五分之一，是单条经络里标注量最大的一条。若本文的 296 穴中膀胱经只标了部分（这在全身照采集里很常见），那么"296 vs 309"的 13 个差额里很可能有相当一部分落在这里。这只是一个基于解剖分布的推测，未经论文证实，列入 §13.5 疑点 1 的核查方向。
20.4 足三阴经（脾、肾、肝）
足三阴经沿下肢内侧上行至腹胸，走行区域涉及隐私部位附近的穴位，是全身照片采集中最受限制的一组。
| 经络 | 走向要点 | 常见标注难点 | 对照片拍摄的要求 |
|---|---|---|---|
| 足太阴脾经 | 起于足大趾，沿下肢内侧前缘上行至胸胁 | 内踝上方的三阴交与肾经、肝经邻近 | 需下肢内侧照 |
| 足少阴肾经 | 起于足心，沿下肢内侧后缘上行至胸 | 涌泉在足底，需足底照 | 需足底与下肢内侧照 |
| 足厥阴肝经 | 起于足大趾外侧，沿下肢内侧中线上行至胁肋 | 与脾经在胫骨内侧并行，间距小 | 需高分辨率才能分辨 |
肾经的涌泉（KI1）位于足底，是全身照片里最容易被漏掉的穴位之一——因为几乎所有站姿或坐姿照片都拍不到足底。若有数据集中缺少涌泉，那是采集限制而非标注疏漏，这一点在使用时应予理解。
20.5 从经络走向反推拍摄方案
把上面四组归纳一下，可以得到一份"要想完整标注 296 穴，至少需要哪些视角"的清单：
必需视角（缺一则必然缺穴）
□ 正面全身（含胸腹裸露区）
□ 背面全身（含背部裸露区）
□ 左、右侧位全身
□ 双上肢外侧位（旋前，屈肘）
□ 双上肢内侧位（旋后，伸肘）
□ 双足底位
可选视角（提升遮挡覆盖）
□ 屈腕 / 伸腕局部
□ 屈膝 / 伸膝局部
□ 抬臂过头位（腋下区域）
这份清单不来自论文，而是依据十二正经的解剖分布推导的。它的用处是给一个判断依据：如果一份数据集的图像张数看起来"不多"，先问它覆盖了多少视角——若只覆盖了正面与背面两个视角，那么下肢内侧与足底的穴位必然缺失，296 这个数的构成就需要重新核对。
§21 术语与穴位编码速查
21.1 常用编码体系
| 体系 | 示例 | 说明 |
|---|---|---|
| 国际代码（WHO） | LI11（曲池） | 经络英文缩写 + 穴位序号，国际通用 |
| 国标代码（GB/T 12346） | LI11 / 曲池 | 与国际代码基本一致 |
| 中文拼音缩写 | Quchi | 检索用，不唯一 |
| 汉字穴名 | 曲池 | 临床书写常用 |
本文在示例中统一使用国际代码 + 汉字穴名，以便与下游知识库（如 tcmbank 1124）对齐。
21.2 本文出现的穴位与代码
| 穴名 | 代码 | 经络 | 出现小节 |
|---|---|---|---|
| 曲池 | LI11 | 手阳明大肠经 | §3.5、§16 |
| 大陵 | PC7 | 手厥阴心包经 | §3.1 |
| 神门 | HT7 | 手少阴心经 | §5.4 |
| 太渊 | LU9 | 手太阴肺经 | §5.4 |
| 足三里 | ST36 | 足阳明胃经 | §4.3 |
| 合谷 | LI4 | 手阳明大肠经 | §4.3、§14.3 |
| 后溪 | SI3 | 手太阳小肠经 | §14.4 |
| 涌泉 | KI1 | 足少阴肾经 | §20.4 |
| 三阴交 | SP6 | 足太阴脾经 | §20.4 |
| 百会 | GV20 | 督脉（本数据集未覆盖） | §6.3 |
| 人中 | GV26 | 督脉（本数据集未覆盖） | §6.3 |
| 膻中 | CV17 | 任脉（本数据集未覆盖） | §6.3 |
| 关元 | CV4 | 任脉（本数据集未覆盖） | §6.3 |
表中后四项是刻意列出的"未覆盖"穴位：它们是临床高频穴，却在 HM 数据集之外。把它们写进表格，是提醒读者在估算覆盖率时别忘了它们。
21.3 经络英文缩写的常见混淆
| 缩写 | 经络 | 易混对象 | 区分要点 |
|---|---|---|---|
| LU | 肺经 | LI（大肠经） | 只差一个字母，F 型标注里极易配错 |
| LI | 大肠经 | LU / SI | 见上；与 SI（小肠经）在肩部区域相邻 |
| PC | 心包经 | HT（心经） | 两者在前臂内侧并行 |
| HT | 心经 | PC | 见上 |
| SP | 脾经 | ST（胃经） | 经脉配对，走向常被混淆 |
| ST | 胃经 | SP | 见上 |
| KI | 肾经 | BL（膀胱经） | 表里经，前后相对 |
| BL | 膀胱经 | KI | 见上 |
| GB | 胆经 | LR（肝经） | 表里经 |
| LR | 肝经 | GB | 见上 |
| TE / SJ / TW | 三焦经 | — | 三种写法并存（Triple Energizer / San Jiao / Triple Warmer），标注文件里需统一 |
| SI | 小肠经 | LI | 与大肠经在肩胛与颈部邻近 |
最后一行值得单独说明：三焦经在国际文献里有三种缩写并存，直接从不同来源合并标注时若不统一，会出现"同一穴位被当成两类"的隐性错误。
§22 参考文献与来源清单
22.1 一手来源
- Zhang Y, Feng A, Zhang L, Li B, Zhang L, Cao F, Li W, Wang L, Liu X, Zhou M. An Image Dataset and an Effective Detection Algorithm for Human Body Acupoints. International Journal of Pattern Recognition and Artificial Intelligence, 2024, 38(13). doi:10.1142/S021800142457012X
- Crossref 元数据（works API 查询 DOI 10.1142/s021800142457012x）：标题、期刊、卷期、上线日期 2024-09-07、作者名单、is-referenced-by-count=1、license 字段为空。
- 论文给出的数据集入口：https://www.zksylf.com/col.jsp?id=127 （2026-10-17 现场访问已转向厂商官网）。
22.2 二手来源（用于交叉核对）
- A review of acupoint localization based on deep learning. Chinese Medicine, 2025. doi:10.1186/s13020-025-01173-3 —— 用于核对 12 经 / 296 穴口径、下载地址表述，并取得 §18.1 的区域分布全景。
- AllSci 镜像页（DOI 同源）：确认标题、期刊、当月发表标注与作者名单。
- 论文索引摘要页（多平台转述）：确认摘要要点——数据集缺口、人工标注与校对、12 经 296 穴、边缘增强增广。
22.3 库内互链条目（在架，status=1 且 del_sign=0）
- tcm-tongue（1052）、tcmssd（1054）、nb-tcm-chm（1116）、mtcmb（1108）、tcmeval-sdt（1053）、tcmbank（1124）：中医视觉、知识库与评测族。
- slice-3d（141）、skincap（782）、skincon（784）：真实体表影像与专家标注范式。
- healthy-total-body-cts（994）：内部解剖影像，与体表标注形成内外对照。
- acusim（同批）：合成渲染路线的对照条目，详见其条目与本文 §9。
22.4 引用纪律
- 引用本条目时请同时标注原论文 DOI，不要只引百科条目。
- 引用"12 经 296 穴"时应注明这是论文口径，与国标 309 的差额原因未明。
- 引用本文与 acusim 的对照时，务必同时写明两者的图像来源（照片 / 渲染），避免读者误以为二者可互换。
§23 版本记录
| 版本 | 日期 | 变更 |
|---|---|---|
| v1.0 | 2026-10-17 | 首版入库稿。完成论文三源核验、下载入口现场访问、与 acusim 的边界声明与 DAIMS 打分 |
23.1 本版未完成事项
- 论文全文未取得（期刊页人机验证），方法节与结果节细节未逐句核对。
- 作者机构归属未取得，未在正文作任何机构断言。
- 数据本体未下载，图像张数与标注格式未现场核实。
- 与 acusim 的联合使用建议（§9.3）为方法学推演，未做实验验证。
23.2 后续版本建议补充
- 若能取得全文：补齐 §5.3 的评测协议、§3.3 的逐经穴位清单、§2.2 的机构信息。
- 若能取得数据：补齐 §4.1 的规模数字、§4.3 的实际文件结构、§14.2 的分层统计示例。
- 若能复现实验：在 §9.3 的联合路线上给出实测数字，替换现有的推演表述。
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：
- umid — 共享标签：医学影像 / 目标检测 / 图像分类 / 医学图像分割 / 评测基准
- acusim — 共享标签：医学影像 / 目标检测 / 图像分类 / 医学图像分割 / 评测基准
- fpus23 — 共享标签：医学影像 / 目标检测 / 图像分类 / 医学图像分割 / 评测基准
- prostate158 — 共享标签：医学影像 / 目标检测 / 医学图像分割 / 评测基准
- dental-opg-xray — 共享标签：医学影像 / 目标检测 / 图像分类 / 评测基准
- multicenter-dental-panoramic — 共享标签：医学影像 / 目标检测 / 图像分类 / 医学图像分割
- fetal-abdominal — 共享标签：医学影像 / 目标检测 / 医学图像分割 / 评测基准
- inredd-dataset-pan924 — 共享标签：医学影像 / 目标检测 / 图像分类 / 医学图像分割
- heart-lung-segmentations-data — 共享标签：医学影像 / 目标检测 / 医学图像分割
- tn3k — 共享标签：医学影像 / 图像分类 / 医学图像分割 / 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。
