信息速览
INFOBOX — CAS2023 一屏速览
维度 内容 本质 MICCAI 2023 首届脑动脉分割挑战赛及其配套 TOF-MRA 公开数据集 团队 清华大学（陈慧军/赵锡海 领衔，11 位作者）+ 华盛顿大学（Chun Yuan / Niranjan Balu） 组织支持 MICCAI 2023 + SMRA 2023；奖金由 TS Imaging 赞助（$4000/$1500/$500） 数据 训练 100 例 + 测试 50 例；3D TOF-MRA；各向同性 1mm；.nii.gz 标注 单类二值脑动脉掩码；14,349 张切片；标注体积 17-331 cm³（中位 170） 任务 从有症状性颅内动脉狭窄患者的 3D TOF-MRA 中分割脑动脉 指标 DSC + AHD + 狭窄区 DSC + 狭窄区 AHD，加权 35/35/15/15 冠军 PhiWCH 0.88284（前 8 名仅差 0.0015，头部极拥挤） 时间线 训练集 2023-05-15 → 测试期 2023-08-16~22 → 排名 2023-09-05 → 颁奖 2023-10 评测平台 CodaLab LISN（competitions/9804） 许可 双口径：CodaLab Terms “CC BY NC” vs Zenodo “CC BY-ND 4.0” 获取 CodaLab 竞赛页下载；图像用途仅限本挑战赛 库内互链 topbrain2026(632)、topaneu2026(637)、imagecas(549)、atlas-v2(489)、orcascore(776)
CAS2023 是脑血管影像领域的一个"补空白"型挑战赛：在它之前，脑动脉分割研究普遍依赖私有标注，公开可访问、带良好标注的大规模 TOF-MRA 数据长期缺席；它用 100 例带金标准的训练集 + 50 例隐藏测试集，把"从三维飞行时间磁共振血管造影里精确勾出脑动脉树"这件事第一次摆到了公开擂台上。它的临床锚点很具体——有症状性颅内动脉狭窄：先把血管分割准，才能谈管腔狭窄程度的定量评估，进而支撑动脉硬化、夹层、动脉炎、烟雾病等一连串脑血管病的诊断链条。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——注意图像用途仅限本挑战赛，且 CodaLab 与 Zenodo 两处许可口径打架，别想当然。
- 关心方法与排名：直奔 §3 与 §5——四指标加权规则、前 8 名只差 0.0015 的拥挤榜单、nnU-Net 作为事实基线的证据链。
- 做血管分割算法：直奔 §2 与 §7——1mm 各向同性重采样、二值单类标签、以及它和 TopBrain/TopAneu/ImageCAS 在脑血管分割家族里的位置。
§0 导读：这个数据集解决什么问题
脑动脉分割是脑血管病定量分析的前置环节：要先勾勒出动脉树，才能测量某段血管的管腔狭窄程度、判断斑块位置、随访病变进展。磁共振血管造影（MRA）是显示脑动脉树的临床常规手段，其中飞行时间法（TOF-MRA）无需造影剂即可描绘脑血管解剖，是应用最广的无创技术。
但这件事长期缺"标准答案"。真实研究里用的大多是小规模私有数据集和私有标注，公开可访问、带高质量脑动脉标签的大规模 TOF-MRA 数据极稀缺——这直接卡住了自动分割算法的开发与验证。CAS2023 的定位就是在 MICCAI 2023 上办起首届脑动脉分割挑战赛，用统一的数据与统一的评测，把散落的研究拉到同一张对照表上。
它要分的对象难在三点：脑动脉网络本身复杂且个体间差异极大；小血管因血流缓慢或平面内流动而信号微弱；即便对专家，逐像素手动分割也相当吃力。因此任务被明确限定为有症状性颅内动脉狭窄患者的 3D TOF-MRA 脑动脉二值分割——不做多类血管命名、不做斑块分类，只回答"每个体素是不是动脉血管"。
§0 读法三则：
- 这是挑战赛数据集，不是一份纯发布的静态数据：它自带时间线、排行榜、奖金与使用限制，"数据"和"比赛规则"是同一个包。
- 全篇硬数字以 CodaLab 官方页为主线来源（训练 100/测试 50、四指标加权、榜单）；Zenodo 与 openmedlab 用于交叉验证名称、作者与许可，并暴露口径差异。
- 它最大的坑是"许可"：CodaLab Terms 写 CC BY NC，Zenodo 记录写 CC BY-ND 4.0——两个都不是同义词，见坑 1。
0.1 从临床需求到数据缺口
理解 CAS2023 的动机，要从一条临床因果链看：缺血性卒中的主要病因是脑血管病（动脉狭窄、闭塞等），准确评估脑血管病变对诊断、治疗与干预至关重要；磁共振血管造影（MRA）是显示脑动脉树、辅助诊断的常规手段；而对 MRA 做精确的脑动脉分割，则是后续一切定量分析（尤其管腔狭窄程度估计）的前提。这条链的每一环都成立，唯独在"给算法训练与验证用的公开数据"这一环断了——这正是 CAS2023 要补的缺口。
0.2 为什么"手动分割"是瓶颈
即便对专家，逐像素手动分割脑动脉也很吃力，原因有三：脑动脉网络本身复杂、个体间解剖差异大；小血管因血流缓慢或平面内流动而信号微弱，边界模糊；三维数据逐体素勾画工作量巨大。因此自动分割算法不是"锦上添花"而是"刚需"，而算法的可靠性检验又必须有大规模、带良好标注的公开数据——私有数据无法支撑可比的评测。
0.3 "首届"的分量与它的保留
CAS2023 自称是 MICCAI 上的首届脑动脉分割挑战赛。这个"首届"的意义在于建立了一个可复用的模板：统一的 TOF-MRA 输入、统一的二值标注口径、统一的四指标评测、统一的 CodaLab 提交。但它也保留了首届赛事常见的稚嫩：无官方论文、许可口径未统一、标注流程未公开、测试集金标准不公开。读这个条目时，既要注意它开创性的一面，也要注意这些制度化不足留下的长期成本。
0.4 与同时代"血管挑战赛"的横向定位
2023 年前后，血管分割挑战赛集中涌现：CAS2023（脑动脉 TOF-MRA）、ImageCAS（冠脉 CTA，同年）、TopCoW（Willis 环）。它们共同反映了医学影像社区对"血管"这一细、长、易断结构的集体攻关。CAS2023 在其中的差异点是把临床病变（狭窄）直接写进评测——多数血管分割挑战只评"分得像不像"，它额外评"狭窄区分得准不准"。这让它比纯解剖分割任务更贴近临床，但也引入了狭窄区定义不透明的隐患。
0.5 一句话定位
CAS2023 = 脑动脉 TOF-MRA 公开基准的开端 + 首届赛事常见的制度缺口。 它的数据规格可以作为工程起点，它的许可与元数据短板则应作为使用前必须核查的风险项。
§1 数据集速览：十问十答
Q1：CAS2023 是什么？
MICCAI 2023 的首届脑动脉分割挑战赛（Cerebral Artery Segmentation Challenge 2023），及其配套的 3D TOF-MRA 脑动脉分割数据集与在线评测平台。主办方为清华大学与华盛顿大学，由 SMRA 2023 与 MICCAI 2023 支持。
Q2：数据有多少？
训练集 100 例（带脑动脉金标准掩码）、测试集 50 例（2023-08-16 发放、隐藏标签）。训练集 100 例合计 14,349 张二维切片。
Q3：什么模态、什么规格？
3D TOF-MRA（飞行时间磁共振血管造影），已重采样为各向同性 1.00×1.00×1.00 mm；图像尺寸从 208×320×96 到 784×784×255 不等，中位 640×640×150。文件格式 .nii.gz。
Q4：标注是什么样？
单类二值分割——只标脑动脉（血管为前景、其余为背景），不做动脉命名分部、不做狭窄/斑块标注。标注体积 17-331 cm³，中位 170 cm³，100 例全覆盖。
Q5：任务具体做什么？
从有症状性颅内动脉狭窄患者的 3D TOF-MRA 中自动分割脑动脉树，输出体素级二值掩码。
Q6：怎么排名？
四个指标：Dice 相似系数（DSC）、平均豪斯多夫距离（AHD）、狭窄区 DSC、狭窄区 AHD；最终得分 = 35%×DSC + 35%×AHD + 15%×DSC_stenosis + 15%×AHD_stenosis。
Q7：谁赢了？
冠军 PhiWCH（0.88284），亚军 SVCC（0.88276），季军 BIT-BUAA-BNU（0.8825）。前 8 名总分仅相差 0.0015，竞争极为胶着。榜末为 Chinese Academy of Sciences Brain Imaging Platform（0.6492）。
Q8：主流解法是什么？
nnU-Net 是事实基线。第 9 名 UW 使用纯 nnU-Net 默认配置（batch size 2 + Dice+CE 损失），第 6 名 SZTU-IME 用多参数配置的 nnU-Net 集成并做边缘增强。
Q9：数据怎么拿？
在 CodaLab 竞赛页（competitions/9804）Participate > Files 下载训练集与测试集。注意官方使用限制：图像仅限本挑战赛用途。
Q10：为什么它对 AI-Ready 重要？
它是脑血管分割"从私有标注走向公开基准"的一个标志性事件，也是首个脑动脉 TOF-MRA 公开挑战赛；但它同时是一个许可口径不一致、无官方论文、无公开测试金标准的"半开放"样本——AI-Ready 光谱上一个值得解剖的中段案例。
Q11：它和 TopCoW、TopBrain 是什么关系？
同域继任关系。TopCoW（2023）做 Willis 环血管分割，TopBrain 1.0/2.0（2025/2026）把它扩展为全脑 48 类动静脉分割（CTA+MRA）。CAS2023 是"单类脑动脉 TOF-MRA"这一细分任务的首届，TopBrain 系列是后续的多类扩展。三者共同构成脑血管分割挑战的演进链条。
Q12：为什么榜单没有官方论文佐证？
组织方在 Terms 第 2 条明示"挑战赛组织方不会先发表挑战赛论文"（the challenge organizers will not publish a challenge paper first），把发表权留给参赛队。这既是"不抢跑"的善意，也留下了"缺统一方法学描述"的空缺——第三方的复现只能依赖各队自述。
Q13：训练 100 例算大还是小？
在 3D 医学分割里属于"小样本中等规模"：够训练一个常规 3D 网络（nnU-Net 在此即能到 ~0.88），但远不足以支撑自监督预训练或大模型微调。对比 ImageCAS 的 1,000 例，CAS2023 的体量小一个数量级。
Q14：这个数据集现在还能下吗？
可以。CodaLab 竞赛页（competitions/9804）至今留存，训练集与测试集文件仍在 Participate > Files 下，赛事本身状态为 “Ended”（Competition Ends 字段写 Never）。下载需 CodaLab 平台账号，且使用受许可与用途限制约束（见 §6）。
Q15：它有没有影响到后续研究？
有间接影响：它把"TOF-MRA 脑动脉公开基准"这件事立了起来，此后 ISMRM 2024 的 SwinUNETR 研究、MedSAM/nnUNet 融合研究等都直接引用 CAS2023 作为公开评测数据。"CAS2023"已成为 TOF-MRA 血管分割论文的常用评测集名称。
§2 数据构成与规格
2.1 规模与划分
| 子集 | 例数 | 标签 | 发放时间 | 获取方式 |
|---|---|---|---|---|
| 训练集（train） | 100 | 脑动脉二值掩码（金标准） | 2023-05-15 | CodaLab > Participate > Files > Public Data 下载 zip |
| 测试集（test） | 50 | 隐藏（仅组织方持有） | 2023-08-16 | CodaLab > Starting Kit（CAS2023_testdataset_&example&fix） |
| 合计 | 150 | — | — | CodaLab 竞赛页 |
规模上它属于"挑战赛中量级"：训练 100 例足够训练常规 3D 分割网络，也足以让榜单头部拉开区分度，但远小到不足以支撑基础模型预训练。测试 50 例的设计是挑战赛惯例——隐藏标签、CodaLab 云端打分，防止过拟合排行榜。
2.2 图像规格
| 属性 | 规格 |
|---|---|
| 模态 | 3D TOF-MRA（Time-of-Flight Magnetic Resonance Angiography） |
| 对比机制 | 无需造影剂，利用流入增强效应显示血流 |
| 体素间距 | 1.00 × 1.00 × 1.00 mm（各向同性，min=median=max 三档一致） |
| 图像尺寸（min） | 208 × 320 × 96 |
| 图像尺寸（median） | 640 × 640 × 150 |
| 图像尺寸（max） | 784 × 784 × 255 |
| 二维切片总数 | 14,349（基于 100 训练例统计） |
| 文件格式 | .nii.gz（NIfTI，gzip 压缩） |
| 目录结构 | nnUNet 默认（imagesTr / labelsTr / dataset.json） |
三档尺寸跨度说明原始扫描视野与体素网格差异较大，但统一重采样到 1mm 各向同性后，spacing 这一维被"标准化"了——这是数据工程上对使用者最友好的一步：无需再自行处理各向异性分辨率，网络可以直接在物理尺度一致的数据上训练。尺寸跨度（最小 208×320×96 vs 最大 784×784×255）依然意味着需要裁剪或滑窗策略。
2.3 标注规格
| 属性 | 数值 |
|---|---|
| 类别数 | 1（脑动脉，前景/背景二值） |
| 覆盖例数 | 100（训练集 100%） |
| 最小标注体积 | 17 cm³ |
| 中位标注体积 | 170 cm³ |
| 最大标注体积 | 331 cm³ |
标注是单类二值掩码：不区分颈内动脉、大脑中动脉、大脑前动脉、后循环等解剖分区，也不标注狭窄段或斑块。这意味着该数据集适合训练"血管 vs 非血管"的二值分割模型，但不能直接用于血管命名、分段或病变定位——那些需要额外的解剖知识层。
标注体积从 17 到 331 cm³、中位 170 cm³，近 20 倍的跨度反映出个体间血管树大小与显影范围的巨大差异（也含狭窄程度不同的影响）。做体积归一化或多尺度训练时要留意这个分布。
2.4 临床与数据来源
数据采集自有症状性颅内动脉狭窄患者。这一人群选择是有临床针对性的：正因为患者存在动脉狭窄，其 MRA 上"血管显示是否完整、狭窄段能否被准确勾出"才成为有意义的任务。挑战赛明确指出，精确的脑动脉分割有助于狭窄的识别与定量表征，进而辅助动脉硬化、夹层、动脉炎、烟雾病、可逆性脑血管收缩综合征等血管疾病的诊断。
需注意公开页面未披露：患者级数量（是否 150 例对应 150 名患者、有无同一患者多例）、采集医院、扫描仪型号与参数、伦理审查批号。这些是评估数据合规性与可复现性的关键信息，缺失是 AI-Ready 评级的主要失分点（见 §6 与坑 5）。
2.4.1 为什么选"有症状性颅内动脉狭窄"人群
人群选择不是随意的，它有三重考量：
- 临床相关性：颅内动脉狭窄是缺血性卒中的主要病因之一，该人群的影像最需要自动化分析（狭窄程度直接影响治疗决策）；
- 任务难度适配：有病变的血管比健康血管更考验算法——狭窄段的细、弱、易漏特性，天然构成难度梯度；
- 评测价值：在该人群上评测更能反映模型在真实临床场景（而非健康志愿者）中的可用性。
这也解释了为什么"狭窄区指标"被设权重：组织方刻意把人群的核心临床问题（狭窄）转化为可量化的评测维度。
2.4.2 与健康人群脑血管数据的差异
库内 IXI Brain（rid 482）等健康脑影像基准与本数据集形成对照：健康人群的血管解剖规整、信号均匀，分割相对容易但临床价值有限；CAS2023 的病变人群数据则"难而有意义"。方法研究可先在健康数据（如 IXI）上验证基础管线，再迁移到 CAS2023 这类病变人群数据上做压力测试——这条路径比直接用病变数据起步更稳妥。
2.5 数据来源与文献口径的差异
关于名称与元数据，三个公开来源口径并不完全一致，成稿以 CodaLab 官方页为准并逐条存照：
| 来源 | 训练/测试 | 许可 | 作者数 | 备注 |
|---|---|---|---|---|
| CodaLab competitions/9804（官方） | 100 / 50 | CC BY NC（Terms） | 12 清华 + 2 UW | 主源，含榜单与规则 |
| Zenodo 7839970 | 未列例数 | CC BY-ND 4.0 | 11（缺 Han Jiang） | 存 pdf 说明，2023-04-18 |
| openmedlab Awesome-Medical-Dataset | 100（仅训练） | 未列 | 11（缺 Han Jiang） | 转引，表头误写 Tumor |
| SZTU 官网报道 | 100 / 50 | 未列 | — | 第 6 名参赛方报道 |
许可的 CC BY NC 与 CC BY-ND 4.0 分属不同条款家族（NC=非商业，ND=禁演绎），二者不能互换——使用者必须就"能不能商用/能不能改"这两个问题分别向组织者确认。这是本条目最重要的坑（坑 1）。
2.6 从元数据缺失反推数据治理
把公开页面缺失的字段列全，能看清这份数据在治理层面的空白：
| 应披露字段 | 是否披露 | 影响 |
|---|---|---|
| 训练/测试例数 | ✅ 100 / 50 | 规模明确 |
| 体素间距、尺寸范围 | ✅ 1mm / 三档 | 预处理可规划 |
| 标注类别与体积 | ✅ 单类二值 / 17-331 cm³ | 任务明确 |
| 患者级数量 | ❌ | 无法判断是否存在同患者多例（数据泄漏风险） |
| 采集医院、扫描仪、参数 | ❌ | 无法评估多中心异质性与可复现性 |
| 伦理审查批号 | ❌ | 合规审查无法完成 |
| 标注者人数、资质、协议 | ❌ | 无法评估标注质量与可靠性 |
| 狭窄区指标定义 | ❌ | 第三方无法精确复现榜单 |
对使用者的含义：这是一份"数据规格明确、数据治理模糊"的数据集。做方法学研究够用，做合规审查或严格复现则信息不足。把上表当作"使用本数据集时必须自行承担的不确定性清单"。
2.7 与 nnUNet 目录结构的关系
数据遵循 nnUNet 默认目录（imagesTr / labelsTr / dataset.json），意味着上手门槛极低：把数据解压后放到 nnUNet_raw 对应 Task 下，改一下 dataset.json 的 modality 与 label 定义，就能直接跑 nnUNet 的训练管线。这解释了为什么榜单上 nnU-Net 系方法占据主导——数据格式本身就为 nnU-Net 而生。对不用 nnUNet 的团队，.nii.gz 是通用格式，转 MONAI/SimpleITK 也无障碍。
2.8 训练/验证/测试的划分口径
挑战赛的标准三分是"训练/验证/测试"，但 CAS2023 的公开信息里只明确了两档：训练集 100 例（带标签）、测试集 50 例（隐藏标签）。中间是否有独立的公开验证集、验证集多少例，官方页面未披露。参赛队的通行做法是从 100 例训练集中自行切分验证集——例如 ISMRM 摘要的 SwinUNETR 研究用 80 训练 + 20 内部验证。
这一"训练集自切验证"的实践带来两个后果：
- 不同队伍的验证集不一致，方法间的对比只能在测试集榜单上做，而测试集标签不公开，因此方法学对比缺乏可复现的中间层；
- 100 例的总量被验证集进一步稀释，实际用于训练的可能只有 80-90 例，加剧了小样本问题。
对使用者的建议：若把 CAS2023 作为方法评测集，应明确声明自己的划分方式（5 折交叉验证 或 80/20），并在报告中说明无法与官方榜单直接对比的原因。
2.9 图像尺寸分布对训练的影响
尺寸从 208×320×96 到 784×784×255，体素量相差约 11 倍。这一异质性决定了训练策略：
| 策略 | 适用 | 代价 |
|---|---|---|
| 全局下采样到固定尺寸 | 简单、显存友好 | 小血管在下采样中丢失，与"分小血管"目标冲突 |
| 固定 patch 滑窗 | 保留分辨率 | 边缘效应、推理慢 |
| 多尺度训练 | 兼顾 | 实现复杂 |
nnU-Net 采用"自适应 patch + 滑窗推理"的折中，正是为应对这类异质尺寸而设计。对自研管线的提醒：不要在 CAS2023 上做全局下采样——你的目标是小血管，下采样会先毁掉它。
2.10 体素间距统一带来的可比性红利
所有病例的 spacing 都被统一到 1.00×1.00×1.00 mm（min=median=max），这是一个常被忽视但至关重要的数据工程细节。它的红利有三：
- 物理量直接可比：Dice/Hausdorff 等指标在物理尺度上一致，无需按病例再缩放；
- 网络设计简化：不需要处理各向异性卷积核（相比 BraTS 等 z 轴稀疏的数据更省心）；
- 体积统计可靠：标注体积（17-331 cm³）直接由体素数换算，中位 170 cm³ 可作为后处理阈值参考。
代价是重采样可能引入插值模糊（若原始 z 分辨率较低），稀释小血管对比度——这是"标准化"与"保真"之间的固有取舍，使用者在预处理阶段应知悉。
2.11 二值标注的建模含义
单类二值掩码看似简单，但在建模上有两个隐含要求：
- 拓扑连通性：脑动脉是一条连通的树（或少数几条），模型输出应尽量保持连通，孤立碎片是显著的错误信号——这使连通域后处理成为必要而非可选；
- 细结构召回：血管平均宽度远小于体素尺寸的若干倍，Dice 对细结构不敏感（一根细血管分错对全局 Dice 影响小），因此必须结合 Hausdorff 与狭窄区指标看。
这两点决定了 CAS2023 不适合"只看 Dice 调参"的做法——榜单之所以并报四个指标，正是为了捕捉 Dice 抓不到的细结构误差。
§3 挑战赛任务与评测体系
3.1 任务定义
任务单一而清晰：从 3D TOF-MRA 中分割脑动脉。输入是三维体数据，输出是与输入同尺寸的二值掩码。它不设多任务、不做分级分类，因此参赛者的全部精力集中在"分割精度"这一个维度上——这也是榜单头部如此拥挤（前 8 名差 0.0015）的原因：任务天花板不高，大家都能做得不错，区分度只能来自细枝末节。
3.2 评测指标
组织方用四个指标，分为"全域"与"狭窄区"两层：
| 指标 | 含义 | 权重 |
|---|---|---|
| DSC（Dice Similarity Coefficient） | 全域重叠度 | 35% |
| AHD（Average Hausdorff Distance） | 全域平均豪斯多夫距离（边界误差） | 35% |
| DSC_stenosis | 狭窄区域内的 Dice | 15% |
| AHD_stenosis | 狭窄区域内的 AHD | 15% |
最终得分：Final Score = 35%×DSC + 35%×AHD + 15%×DSC_stenosis + 15%×AHD_stenosis。
设计意图很明确：全域 DSC/AHD 占大头（70%），考察整体分割质量；狭窄区单独设指标（30%），是因为临床最关心的恰恰是狭窄段——那里血管最细、信号最弱、最容易分错，也正是定量评估管腔狭窄程度的成败所在。用部分权重把临床痛点单独拎出来打分，是这个挑战赛评测设计上比较讲究的一点。
3.3 排名流程
官方排名方法分三步：
- 对全部病例计算 DSC、AHD、DSC_stenosis、AHD_stenosis 以及运行时间；
- 对前四个指标分别排名；
- 计算最终得分（加权公式）并据此确定最终排名。
运行时间被记录但不直接进入加权得分，仅作参考。这一处理意味着纯精度导向——一个慢但准的 nnU-Net 集成可以击败一个快而略糙的模型。
3.4 提交规范
测试期（2023-08-16 开放）的提交流程：
- 从 Starting Kit 下载测试集（50 例），路径
/CAS2023_testdataset_&example&fix/testdata； - 本地跑方法生成
.nii.gz预测； - 打包为
submission.zip，内含result/（000.nii.gz … 050.nii.gz）+code/+team_info.txt（队名/成员/邮箱/机构）； - 在 CodaLab 提交，约 20-30 分钟出分；格式错误会 Failed；
- 每人每天最多提交 3 次，总计上限 10 次；最新一次成功提交自动计入排名，可手动切换；测试期排行榜不公开。
测试期曾因格式错误导致多队提交失败，组织方因此把截止日延至 2023-08-22 23:59 UTC（官方 Updates 有明文记载），这是一个可直接复用的经验：3D 分割挑战赛的提交格式（文件命名、维度、数据类型）最容易翻车。
3.5 组织与奖项
- 组织者：清华大学（Huijun Chen、Xihai Zhao 等）+ 华盛顿大学（Chun Yuan、Niranjan Balu）；
- 支持：MICCAI 2023 与 SMRA 2023（磁共振血管造影学会）联合支持；
- 奖金（SMRA 提供、TS Imaging 赞助）：一等 $4000、二等 $1500、三等 $500；
- 获奖队伍受邀在 SMRA 2023 与 MICCAI 2023 做报告；
- 无强制论文发表要求，参赛队可自由发表自己的方法与结果（组织方不抢先发挑战赛论文）。
3.6 参赛规模与生态
从 CodaLab 榜单可见 21 支有效排名队伍，来源包括高校（BIT/北航 BUAA/BUAA_MI/GZHU/SZTU/清华系）、企业（Infervision 推想医疗）、中外混合团队（UW/PhiWCH/UWUT）以及个人参赛者（Davide Resta/sicong/Zehan Zhang/Theresa Nolte）。这种"高校+企业+个人"的混合构成是医学影像挑战赛的典型生态：企业带来工程化能力（推想第 5 名），高校带来方法创新，个人参赛者常贡献可复现的开源方案（UW oorouskhani 的 GitHub repo 是榜单中少见的开源范例）。
挑战赛的"溢出价值"也在这里：除了榜单本身，参赛方公开的报告（如 SZTU 官网、GitHub 上的 nnU-Net 实现细节）构成了事实上的补充文档，弥补了官方无论文的空缺。对后来者而言，研究 CAS2023 时"读榜单 + 读参赛方自述"是绕不开的两步。
3.7 评测设计的可取与不足
可取之处：
- 双层指标：全域（DSC/AHD）看整体，狭窄区（DSC_stenosis/AHD_stenosis）看临床要点，权重 70/30 平衡；
- Dice 与 Hausdorff 并重：Dice 看体积重叠、Hausdorff 看边界，避免"只对内部、不管边界"的偏科模型；
- 运行时间记录：虽不入加权，但为工程可用性留了观察窗口。
不足之处：
- 狭窄区定义不透明：直接导致第三方不可复现（坑 4）；
- 测试集过小（50 例）：头部差距 0.0015 落在统计噪声区间内，排名区分度不足；
- 单一任务、单一模态：不做血管命名、不做多模态，限制了数据的方法学价值；
- 无官方基线：缺乏统一的 nnU-Net 基线分数公布，参赛队各自跑基线，分数不可比。
这套评测设计的经验在于：双指标加权值得借鉴，但指标定义必须公开到可复现的程度，否则再精巧的权重设计也无法被第三方验证。
§4 排行榜与参赛方法：头部极拥挤的实证
4.1 最终排名全表
组织方 2023-09-05 公布最终排名，21 支有效队伍：
| 排名 | 队伍 | SCORE | DSC | DSC_stenosis | AHD | AHD_stenosis |
|---|---|---|---|---|---|---|
| 1 | PhiWCH | 0.88284 | 0.8760 | 0.8893 | 0.8976 | 0.8483 |
| 2 | SVCC | 0.88276 | 0.8769 | 0.9012 | 0.8902 | 0.8584 |
| 3 | BIT-BUAA-BNU | 0.8825 | 0.8754 | 0.8938 | 0.8957 | 0.8504 |
| 4 | BITer | 0.8818 | 0.8772 | 0.9032 | 0.8888 | 0.8515 |
| 5 | Infervision | 0.88170 | 0.8770 | 0.9004 | 0.8906 | 0.8501 |
| 6 | SZTU-IME | 0.88168 | 0.8777 | 0.8999 | 0.8897 | 0.8493 |
| 7 | GZHU | 0.88143 | 0.8780 | 0.8987 | 0.8895 | 0.8488 |
| 8 | blackbean | 0.88138 | 0.8757 | 0.8956 | 0.8923 | 0.8497 |
| 9 | UW | 0.8801 | 0.8765 | 0.8999 | 0.8874 | 0.8482 |
| 10 | XB | 0.8798 | 0.8737 | 0.8961 | 0.8931 | 0.8400 |
| 11 | Davide Resta | 0.8796 | 0.8637 | 0.8840 | 0.9047 | 0.8441 |
| 12 | NexToU | 0.8780 | 0.8745 | 0.8983 | 0.8840 | 0.8472 |
| 13 | BUAA_MI | 0.8762 | 0.8714 | 0.8918 | 0.8874 | 0.8415 |
| 14 | sicong | 0.8749 | 0.8693 | 0.8770 | 0.8914 | 0.8365 |
| 15 | UWUT | 0.8688 | 0.8642 | 0.8915 | 0.8726 | 0.8455 |
| 16 | CREATIS - MYRIAD | 0.8660 | 0.8648 | 0.8835 | 0.8757 | 0.8222 |
| 17 | Zehan Zhang | 0.8475 | 0.8496 | 0.8756 | 0.8412 | 0.8236 |
| 18 | Theresa Nolte | 0.8275 | 0.8215 | 0.8522 | 0.8366 | 0.7865 |
| 19 | Los Moritos | 0.7876 | 0.8332 | 0.8085 | 0.7418 | 0.7430 |
| 20 | SKMR | 0.7525 | 0.8093 | 0.8762 | 0.6267 | 0.8101 |
| 21 | 中科院脑影像平台 | 0.6492 | 0.6820 | 0.7161 | 0.6121 | 0.5776 |
4.2 三个可读的结论
（1）头部极其拥挤，尾巴骤然坠落。 前 8 名总分落在 0.88138-0.88284 的 0.0015 窄带里，几乎无法区分；而第 9 名开始出现可分辨的落差，到第 17-21 名则急剧下滑（第 21 名仅 0.6492）。这说明任务在"做得不错"这一段已经没有区分度，分数的价值主要落在"谁掉队了"。
（2）DSC 与 AHD 的排名不完全一致。 例如 GZHU 的 DSC（0.8780）是全场最高，但总分只排第 7——因为其 AHD（0.8895）被其他队伍反超。这正体现了双指标加权的用意：只看重叠度会漏掉边界精度差异。第 11 名 Davide Resta 更典型：DSC 仅 0.8637，但 AHD 高达 0.9047（全场第二），靠边界质量把总分拉回中游。
（3）狭窄区指标拉分明显。 SVCC 的 DSC_stenosis 达 0.9012、AHD_stenosis 0.8584（均为前列），虽全域 DSC（0.8769）非最高，仍以 0.88276 拿下总榜第二——狭窄区 30% 的权重在这里起了作用。SKMR 则相反：DSC_stenosis 0.8762 尚可，但 AHD 只有 0.6267，暴露其边界质量差。
4.3 参赛方法画像
官方页面不要求开源代码（但要求连同结果提交代码以保完整性，鼓励公开）。从公开的参赛报告看，主流技术路线高度趋同：
| 队伍 | 排名 | 方法要点 | 来源 |
|---|---|---|---|
| UW | 9 | 纯 nnU-Net 默认配置（batch size 2 + Dice+CE），100 公开数据训练、50 隐藏测试 | GitHub orouskhani |
| SZTU-IME | 6 | 多参数配置的 nnU-Net 集成 + 原始数据边缘增强 | SZTU 官网报道 |
| ISMRM 2024 摘要 | — | SwinUNETR + hard example mining 损失，80 训练/20 内部验证，平均 Dice 0.844 | ISMRM CDS |
可提炼的方法论结论：在 100 例这个量级上，nnU-Net 是性价比最高的事实基线——第 9 名的纯默认配置已经进入前十，说明大多数队伍（含未公开的）很可能都是在 nnU-Net 或 nnU-Net 变体上做工程化增强。Transformer 路线（SwinUNETR）在小训练集上也能接近 CNN 的水平（ISMRM 摘要报告平均 Dice 0.844），但并未在榜单上形成压倒性优势——这与小样本 3D 医学分割中"强数据增强 + nnU-Net 自配置"仍是稳定赢家的普遍经验一致。
4.4 榜单的解读边界
读这张榜单要带三个提醒：
- 榜单基于隐藏测试集，第三方不可复现——50 例测试金标准不公开，所有分数只能引用不能核验；
- 头部差异可能是噪声——前 8 名 0.0015 的差距小于评测波动本身，把"第一名"当作"最优方法"证据是过度解读；
- 没有官方基线论文——组织方未发布挑战赛论文，缺少统一的基线复现与失败案例分析，方法学信息只能从参赛方自述拼凑。
4.5 分数与临床指标的映射
把榜单分数翻译回临床含义，有助于理解"0.88 的 DSC 到底意味着什么"：
- DSC 0.876（冠军）意味着预测血管与真实血管的平均重叠度约 87.6%。对粗大的主干动脉，这个水平足够可靠；但对小血管（尤其是狭窄段），剩余 12% 的误差往往集中在最细、信号最弱的部分——这正是临床最关心的区域。
- AHD 0.897（冠军的归一化平均豪斯多夫距离）反映边界贴合度，数值越高越好（此处报的是 1 减去归一化距离）。边界误差主要来自血管末端与小血管的分支点。
- DSC_stenosis 0.889（冠军）是狭窄区的重叠度，略高于全域 DSC，说明头部队伍的模型在狭窄区并未明显退化——但这依赖于官方对"狭窄区"的划定，而该划定标准未公开（坑 4）。
一句话映射：榜单上的 0.88 是一个"看似很高、但误差恰好集中在临床要处"的数字。它的价值在于建立了可比性，而非证明"分割问题已解决"。
4.6 从排名反推方法优劣的谨慎读法
榜单常被误读为"方法排行榜"，但正确的读法是"方法差异的噪声下界"。理由：
- 单次提交、单一划分：没有交叉验证，无法估计方法自身的方差；
- 头部差距 < 可能的评测波动：前 8 名 0.0015 的差距，很可能被一次不同的随机种子淹没；
- 方法细节未公开：绝大多数队伍的架构、增强、集成策略未披露，无法归因。
因此榜单的可靠信息是：nnU-Net 系方法能达到 ~0.88；得分低于 0.85 的队伍大概率配置有误。至于"第 1 名的方法比第 3 名好"，证据不足。
4.7 参赛生态的启示
CAS2023 的参赛构成（高校 13+、企业 1+、个人参赛者若干）展示了一个健康的挑战赛生态：企业（推想第 5）带来可落地的工程管线，高校带来方法创新，个人参赛者（如 GitHub 开源 nnU-Net 方案的 UW 成员）带来可复现的基线。这种多元性是挑战赛相较"纯数据集发布"的额外价值——它不仅产出数据，还产出了一个可参照的方法生态。
对后来者的建议：研究 CAS2023 时，除了榜单，应主动检索参赛方的公开仓库与报告（GitHub/SZTU 官网），那里有官方文档缺失的实现细节。
4.8 与后续研究的引用关系
CAS2023 已成为 TOF-MRA 脑动脉分割的常用公开评测集，后续研究对它的引用方式有两类：
- 作为公开基线数据：报告"我们在 CAS2023 上达到 Dice X"，用于证明方法与主流可比（如 ISMRM 2024 的 SwinUNETR 研究）；
- 作为迁移/融合实验数据：把 CAS2023 与其他血管数据集联合，验证方法的泛化性（如 MedSAM/nnUNet 融合研究）。
这两类引用都说明 CAS2023 的价值主要不在"榜单名次"，而在它提供了一个公开、可对照、有挑战性的脑动脉分割基准——这正是首届挑战赛最重要的长期贡献。
§5 与前作及同域数据集的对照
5.1 在脑血管分割挑战家族中的位置
CAS2023 是"脑动脉分割"这一细分任务的首届公开挑战赛。把它放进脑血管/血管分割的家族谱系里对照：
| 数据集/挑战 | 年份 | 模态 | 类别数 | 规模 | 与 CAS2023 的关系 |
|---|---|---|---|---|---|
| CAS2023 | 2023 | TOF-MRA | 1（动脉二值） | 100+50 | 本条目：首届脑动脉分割 |
| TopCoW | 2023 | CTA/MRA | CoW 拓扑 | — | 同域：Willis 环分割 |
| TopBrain 1.0/2.0 | 2025/2026 | CTA+MRA | 48 类（动+静脉） | 90 | 继任/扩展：从单类动脉到全脑 48 类 |
| TopAneu 2026 | 2026 | CTA/MRA | 动脉瘤 | — | 同域：颅内动脉瘤检测 |
| ImageCAS | 2023 | 冠脉 CTA | 1（冠脉二值） | 1,000 | 姊妹任务：冠脉而非脑动脉 |
| orCaScore | — | 冠脉 CTA | 钙化评分 | — | 姊妹任务：冠脉钙化评测 |
对照之下可以看清 CAS2023 的"原型"地位：它用单类二值、100 例的极简设定，验证了"公开 TOF-MRA + 统一评测"这条路的可行性；此后的 TopBrain 系列把类别数从 1 扩到 48、把模态从单模态扩到 CTA+MRA、把任务从纯分割扩到狭窄/闭塞临床任务——CAS2023 可以看作这条演进链条的起点。
5.2 与 ImageCAS 的"血管分割双城记"
ImageCAS（库内 rid 549）与 CAS2023 是最贴近的比较对：两者都是 2023 年的血管分割数据集，都用二值单类标注，都在同一年把"血管分割"作为公开基准推向社区。差异在解剖位置和规模：
- ImageCAS：冠脉 CTA，1,000 例，单中心（广东省人民医院）2012-2018 采集，Apache 2.0 开放；
- CAS2023：脑动脉 TOF-MRA，100+50 例，清华+华盛顿大学，许可口径不一致。
一个走"大规模+清晰开许可"，一个走"挑战赛+临床针对性（狭窄）"——两种数据集建设哲学的对照。做血管分割选型时，若需要大规模即插即用数据选 ImageCAS，若需要 TOF-MRA 脑动脉且能接受挑战赛使用限制，选 CAS2023。
5.3 与 ATLAS 的临床对象呼应
ATLAS（rid 489）做的是慢性卒中病灶分割，与 CAS2023 共享"脑血管病"这个临床对象但切面不同：ATLAS 分的是卒中结果（病灶区域），CAS2023 分的是卒中病因通道（狭窄的动脉）。临床上两者互补——血管分割越准，狭窄与后续卒中的因果链条越清晰。做卒中影像 AI 时，把血管层（CAS2023 式）与病灶层（ATLAS 式）结合是有意义的方向。
5.4 三种"血管分割任务"的难度梯度
把库内三个血管分割数据集按任务难度排一排，能看清各自的定位：
| 数据集 | 血管对象 | 类别 | 难点 |
|---|---|---|---|
| ImageCAS（549） | 冠状动脉 | 1（二值） | 心脏运动、对比剂显影、分支多 |
| CAS2023 | 脑动脉（TOF-MRA） | 1（二值） | 小血管信号弱、无造影剂、个体差异大 |
| TopBrain 2.0（632） | 全脑血管（动+静脉） | 48 | 动静脉分离、多类命名、CTA+MRA 双模态 |
难度大致沿"单一血管床二值 → 单一血管床二值（更细）→ 全血管床多类"递增。CAS2023 处在中间：比冠脉分割更细（脑小血管），但比 TopBrain 2.0 简单（不做分类与动静脉分离）。方法研究可从 CAS2023 起步，逐步迁移到 TopBrain 2.0。
5.5 数据获取哲学的三分
把 ImageCAS、SegRap、CAS2023 三个 2023 年前后的分割数据集按"获取哲学"对照，可看清 CAS2023 的独特性：
| 数据集 | 获取方式 | 许可清晰度 | 商用可行性 |
|---|---|---|---|
| ImageCAS（549） | 公开直链 | Apache 2.0（清晰） | 可 |
| CAS2023 | 竞赛平台下载 | 双口径矛盾 | 不确定 |
| SegRap（679） | EUA 请求制 | 无标准化 license | 需授权 |
CAS2023 卡在中间：比 SegRap 好下（无需签署 EUA），但比 ImageCAS 难用（用途受限、许可矛盾）。它代表了一种"竞赛平台开放下载、但制度层未跟上"的中间形态。
5.6 与 BraTS 的"挑战赛数据集成熟度"对照
BraTS（rid 24）是医学影像挑战赛数据集里"制度最成熟"的标杆：官方论文完备、数据版本化、评测代码公开、社区持续更新十余年。以它为参照系反观 CAS2023，差距清晰可见：
| 成熟度维度 | BraTS | CAS2023 |
|---|---|---|
| 官方总结论文 | 有（逐年） | 无 |
| 数据 DOI | 有 | 仅说明 pdf 的 Zenodo DOI |
| 评测代码 | 公开 | 未公开 |
| 版本迭代 | 多年多版 | 单次 |
| 许可 | 清晰 | 双口径矛盾 |
这张表不是为了贬低 CAS2023，而是说明：一个挑战赛赛后的"制度化投入"决定它是成为长期基准还是短期赛事。BraTS 之所以成为脑肿瘤分割的默认基准，与其持续的论文、数据、代码投入密不可分；CAS2023 若要走向同样的地位，附录 8.1 的五条改进是绕不过的功课。
5.7 对脑血管病 AI 研究者的选型小结
综合以上对照，给脑血管/血管分割研究者的选型建议：
- 想快速验证方法：CAS2023（数据规整、nnU-Net 即跑）→ 但注意用途限制；
- 想发可复现论文：优先许可清晰的数据（ImageCAS）或论文完备的数据（BraTS）；
- 想做多类血管分割：TopBrain 2.0（48 类，CTA+MRA）；
- 想做病变级任务：TopAneu 2026（动脉瘤）；
- 想做卒中全链条：CAS2023（血管）+ ATLAS（病灶）组合。
CAS2023 的定位是"入门与基线"，而非"终极基准"——这是它数据规格好、制度层弱的双重性决定的。
5.8 一个数据集"生命周期"的观察
从 CAS2023 可以观察到一个挑战赛数据集的典型生命周期：赛前（数据准备与大范围宣传）→ 赛中（社区聚集、方法爆发）→ 赛后（榜单冻结、关注度回落）。CAS2023 目前处于"赛后"阶段：竞赛页保留、数据可下、榜单冻结，但无官方论文、无版本更新、无维护声明。它的后续命运取决于组织方是否愿意投入"赛后制度化"成本（见 §8.1 五条）。
这个生命周期模型有普遍性：库内诸多挑战赛数据集（SegRap/PDDCA 等）都面临同样的问题——如何在赛事热度消退后保持数据的可用性与可信度。CAS2023 的价值之一，就是把它作为一个清晰的观察样本呈现出来。
§6 获取与许可：一个"半开放"样本的解剖
6.1 获取路径
| 资产 | 入口 | 方式 |
|---|---|---|
| 训练集（100 例） | CodaLab > Participate > Files > Public Data | 下载 CAS2023_trainingset zip |
| 测试集（50 例） | CodaLab > Participate > Files > Starting Kit | 下载 CAS2023_testdataset_&example&fix |
| 评测 | CodaLab 提交 submission.zip | 云端打分（每日 3 次/总计 10 次） |
| 说明文档 | Zenodo DOI 10.5281/zenodo.7839970 | pdf（非影像本体） |
| 联系 | shz21@mails.tsinghua.edu.cn | 组织者邮箱 |
没有独立的 Zenodo 数据 DOI、没有 HuggingFace 镜像、没有官方 GitHub 数据仓。数据获取完全依赖 CodaLab 平台，需要注册该平台账号。这一点对 AI-Ready 评分不利：CodaLab 的下载链接不稳定（需登录）、无版本化数据 DOI、无内容校验和。
6.2 许可：本条目最大的坑
两个官方渠道给出不一致的许可：
- CodaLab 官方 Terms and Conditions：原文 “CC BY NC”（署名-非商业性使用）；
- Zenodo 记录（DOI 10.5281/zenodo.7839970）：标注 “Creative Commons Attribution No Derivatives 4.0 International”（CC BY-ND 4.0，署名-禁止演绎）。
这是两个含义不同的许可：CC BY NC 允许演绎但不许商用；CC BY-ND 允许商用但不许演绎。一个使用者如果只看 Zenodo 会以为"可商用但不可改"，只看 CodaLab 会以为"可改但不可商用"——两种理解都可能出错。而更关键的是，CodaLab 的 Requirements 第 1 条对图像另外加了一层限制：“图像的用途将仅限本挑战赛，参赛者同意不以任何其他身份使用图像。”
三层叠加（CodaLab Terms + Zenodo + Requirements）的净效果是：这份数据的可再分发性和商用性都高度不确定，任何超出"参加挑战赛/学术研究"的用途都应先与组织者（shz21@mails.tsinghua.edu.cn）书面确认。这与同库 ImageCAS（Apache 2.0，清晰商用许可）形成鲜明对比。
6.3 AI-Ready 光谱上的位置
用库内的可获取性光谱定位：
| 档位 | 库内参照 | 本条目 |
|---|---|---|
| 公开直链（最开放） | ImageCAS（Apache 2.0） | — |
| 平台托管直链 | Zenodo 型 | — |
| 竞赛平台定向开放 | SegRap 式（EUA 请求制） | — |
| 竞赛平台 + 用途受限 | — | CAS2023（CodaLab + 仅限竞赛） |
CAS2023 在光谱上比 SegRap（需签 EUA）宽松一档（无需申请即可下载），但比 ImageCAS 严格得多（用途受限、许可矛盾）。它的价值恰恰在于是一个"看起来开放、细看受限"的典型：文件名、下载口都公开，但一旦认真读许可就会发现用途窄、条款乱。这类数据集是 AI-Ready 质检的重点观察对象——能下到手 ≠ 能放心用。
6.4 用户的实际选择
若你的目的是：
- 纯学术研究、发论文：可在竞赛用途/学术研究框架内使用，但引用时务必披露数据的受限许可（不要笼统写 CC BY）；
- 商用或再分发：不建议；先与组织者确认，或改用 ImageCAS/TopBrain 等许可更清晰的数据；
- 需要 TOF-MRA 脑动脉数据做方法验证：CAS2023 目前仍是少数公开选项之一，配合 TopBrain（CTA+MRA，48 类）一起用能覆盖更大范围。
6.5 许可双口径的技术性拆解
把 CC BY NC 与 CC BY-ND 4.0 拆开逐项对比，看清使用者到底受什么约束：
| 维度 | CC BY NC | CC BY-ND 4.0 |
|---|---|---|
| 署名要求 | 必须 | 必须（BY） |
| 商业使用 | 禁止（NC） | 允许（无 NC） |
| 修改/演绎 | 允许 | 禁止（ND） |
| 再分发 | 允许（非商业） | 允许（原样） |
| 相同方式共享 | 无此要求（非 SA） | 无此要求 |
冲突点一目了然：若按 CodaLab 口径，你不能商用但可以改；若按 Zenodo 口径，你可以商用但不能改。两套规则的交集（绝对安全的用途）只有"非商业 + 不修改 + 原样使用"——这对需要训练/微调模型的研究者来说几乎等于"只能看不能动"。而这还没算上 Requirements 的"仅限本挑战赛用途"这第三重限制。三重叠加后，负责任的使用前提是先获得组织者的书面澄清。
6.6 与官方联系渠道
公开页面给出的唯一联系邮箱是 shz21@mails.tsinghua.edu.cn（对应组织者账号 sunhaozhong）。论文/数据引用、许可确认、后续版本咨询都应走这个渠道。注意：无公开的 FAQ 页、无 issue 追踪、无数据使用条款细则页——一切澄清靠邮件，这是"制度层未跟上"的具体表现。
§7 技术启示与工程要点
7.1 TOF-MRA 分割的固有难点
从数据集规格可以反推出几个工程上必须面对的问题：
- 小血管信号弱：TOF 依赖流入增强，慢流或平面内流动的小血管信号天然弱，分割召回率上不去是常态。这直接解释了为什么狭窄区指标要单独设权重——狭窄段本身就是小信号区。
- 各向同性重采样的双刃剑：统一到 1mm 各向同性便于网络处理，但原始各向异性数据的 z 轴分辨率若本来较低，重采样会引入插值模糊，稀释小血管对比度。
- 尺寸跨度大：从 208×320×96 到 784×784×255，全局训练需滑窗或分块策略；nnU-Net 的自适应 patch 与 spacing 处理恰好覆盖这类异质数据，这可能是它在榜单上占主导的工程原因。
- 单类二值掩码：训练目标简单（二分类），但缺乏解剖先验约束，模型可能产生"不连通的血管碎片"，需要在后处理里做连通域与拓扑修正。
7.2 nnU-Net 为何成为事实基线
榜单证据（§4.3）显示，第 9 名用纯 nnU-Net 默认配置即进前十。nnU-Net 在本任务上表现稳健的原因可归纳为：
- 自动配置：根据数据 spacing、尺寸、类别数自动决定网络深度、patch 大小、归一化与增强策略——恰好适配 CAS2023 的异质尺寸与统一 1mm spacing；
- 强数据增强：旋转、缩放、弹性变形、亮度扰动等对小样本 3D 分割至关重要（100 例属于典型小样本）；
- 区域自适应：处理大尺寸图像时用重叠滑窗推理，避免全局下采样丢失小血管；
- 社区惯性：nnU-Net 已是医学分割挑战赛的默认起点，绝大多数参赛者会先跑它再改进，形成"基线即强基线"的生态。
对后来者的直接建议：在 CAS2023 这类 100 例量级的 3D 血管分割任务上，先把 nnU-Net 端到端跑通、拿到接近 0.88 的分数，再谈网络结构创新——跳过这一步直接上 Transformer，很可能不如一个调好的 nnU-Net。
7.2.1 nnU-Net 的三步上手路径
给第一次接触 CAS2023 的工程团队一条最小可行路径：
步骤 1：环境
pip install nnunetv2 （或原始 nnUNet）
准备 nnUNet_raw/Dataset001_CAS2023/{imagesTr,labelsTr,dataset.json}
步骤 2：转换与规划
nnUNetv2_plan_and_preprocess -d 1 --verify_dataset_integrity
框架自动推断 patch 尺寸、spacing、网络深度（约 128³ patch）
步骤 3：训练与推理
nnUNetv2_train 1 3d_fullres 0 # 单折先验证流程
nnUNetv2_predict -i imagesTs -o pred -d 1 -c 3d_fullres
后处理：最大连通域 + 形态学闭运算
按 UW 的经验（第 9 名），这套默认管线无需任何自定义即能进入榜单前十。改进空间主要在数据增强（边缘增强，SZTU-IME 的做法）、损失函数（hard example mining，ISMRM 摘要的做法）与模型集成（多配置 nnU-Net 集成）。
7.2.2 榜单方法的方法论归纳
把 §4.3 的三条公开路线抽象成可迁移的经验：
- 纯基线也够强（UW）：说明任务本身的"可解性"高，难点不在网络结构而在数据与后处理；
- 集成提升稳健性（SZTU-IME）：多参数 nnU-Net 集成 + 边缘增强，说明"数据增强 + 模型平均"比单点结构创新更能稳定提分；
- Transformer 不自动占优（ISMRM）：SwinUNETR 在 100 例小样本上能接近 CNN，但无压倒性优势——与"小样本 3D 分割中 CNN+强增强仍稳"的普遍经验一致。
7.3 评测指标的可复现实现
DSC 与 AHD 的实现细节会显著影响分数，复现时要注意：
| 指标 | 常见陷阱 |
|---|---|
| DSC | 空掩码（全背景）病例的分母处理；是否按体素计数 |
| AHD | 双向对称计算（预测→金标准 与 金标准→预测 的平均）；单位（体素 vs mm）；是否用归一化表面距离 |
| 狭窄区指标 | 狭窄区的定义（是否用金标准掩码的形态学细化？）未公开——这是复现的最大障碍 |
狭窄区如何界定、DSC_stenosis 具体怎么算，官方公开页面未给出定义。这意味着即便拿到测试集，第三方也无法精确复现榜单分数（除非精确知道组织方的狭窄区划定算法）。这是该挑战赛在可复现性上的硬缺陷（坑 4）。
7.4 数据预处理建议
综合数据集特性，推荐的预处理链：
1. 读取 .nii.gz，确认 spacing == (1.0, 1.0, 1.0)
2. 强度归一化：TOF-MRA 常用 z-score 或百分位裁剪（如 1%-99%）
3. 颅骨/背景裁剪：按强度阈值裁掉颈部和颅外区，缩小输入尺寸
4. 数据增强：随机旋转/翻转（注意血管无方向偏好，可 8 向翻转）、
弹性变形、gamma 扰动、加性噪声
5. 滑窗推理：patch 尺寸参考 nnU-Net 自适应结果（通常 128³ 附近）
6. 后处理：最大连通域 + 形态学闭运算，去除孤立碎片
7.5 标注质量的间接推断
官方未公开标注流程，但可以从数据推断一些线索：100 例全部有标注（coverage 100%）、标注体积中位 170 cm³ 且分布连续（17-331）——这种"连续、无异常离群"的分布，通常暗示标注要么由统一流程完成，要么经过了质量核查（否则容易混入全空或超大误标）。但这是间接推断，不能替代官方披露。使用者在报告结果时若要讨论标注质量，应把"标注流程未公开"作为已知局限声明。
7.6 狭窄区任务的实现挑战
狭窄区是全任务最微妙的部分。从工程角度看：
- 狭窄区如何定义？是金标准掩码上血管横截面变细的区段？还是病变标签？官方未说明——这意味着参赛队可能各自用不同方式理解狭窄区，而评测用的是组织方单方面的划定。
- 为什么头部队伍狭窄区分数不低？因为狭窄区往往伴随血管走行区域整体被分割出来，即使局部细节不完美，DSC_stenosis 也不会太低。
- 对使用者的含义：如果你的目标是临床狭窄定量，不要依赖 CAS2023 榜单的狭窄区分数作为"模型能做临床狭窄测量"的证据——榜单测的是"狭窄区内的血管重叠度"，不是"狭窄程度测量的准确度"。
7.7 小样本 3D 分割的通用经验（从 CAS2023 提炼）
CAS2023 是"100 例 3D 医学分割"的一个标准样本，可提炼几条通用经验：
- 格式标准化先于方法创新：数据已重采样统一 spacing、遵循 nnU-Net 目录，把精力花在方法与后处理而非格式转换上；
- 强增强是必需品：100 例属小样本，随机旋转/翻转/弹性变形/强度扰动缺一不可；
- 滑窗优于下采样：面对大尺寸与小目标，滑窗保分辨率是唯一选择；
- 多指标联合评估：Dice 对细结构不敏感，必须并用 Hausdorff/边界指标；
- 后处理不可省：连通域与形态学处理对血管类拓扑敏感任务是标配。
这些经验不局限于脑动脉——任何"细长、连通、小目标、小样本"的 3D 分割任务都适用。
§8 DAIMS 评估
以库内 DAIMS 五维框架（D 可发现性 / A 可获取性 / I 可互操作 / M 元数据质量 / S 可持续性）逐项打分：
| 维度 | 评分（1-10） | 依据 |
|---|---|---|
| D 可发现性 | 8 | CodaLab 竞赛页 + Zenodo DOI 双入口可检索；"CAS2023"关键词精确；但无官方论文，学术检索命中弱 |
| A 可获取性 | 6 | 训练/测试集免申请可下载（优于 EUA 请求制）；但需 CodaLab 登录、图像用途仅限竞赛、且许可口径矛盾 |
| I 可互操作 | 8 | NIfTI (.nii.gz) 标准 + nnUNet 目录结构，主流医学影像工具链（MONAI/nnU-Net/SimpleITK）直接兼容 |
| M 元数据质量 | 5 | 规格数字完备（spacing/尺寸/体积/权重）；但缺采集参数、患者信息、标注流程，狭窄区指标定义缺失；第三方转引表头误写 Tumor |
| S 可持续性 | 5 | 依赖 CodaLab 平台（竞赛页面长期留存但无版本化数据 DOI）；无可引用的 challenge paper；许可不清降低长期复用信心 |
| 综合评级 | 6.4/10（中） | 数据工程规范、规格清晰，但元数据深度、许可明确性、可复现性三处失分，被"半开放"结构拖累 |
对照说明：CAS2023 的 DAIMS 画像是一个典型的"工程规范但制度欠缺"的挑战赛数据集——它把数据做得很规整（标准格式、统一 spacing、清晰指标），却在许可、论文、元数据完整度这些"制度层"留下缺口。这与 ImageCAS（许可清晰、综合更高）与 SegRap（请求制、更低）各占光谱不同位置。
8.1 逐维度的改进建议
若组织方要发布 CAS2023 v2，最有效率的改进（按性价比排序）：
- 明确单一许可（A/S 维度）：在 CodaLab 与 Zenodo 统一口径，消除 NC/ND 冲突——这是最低成本、最高收益的修复；
- 补充元数据（M 维度）：公开采集参数、患者级数量、标注流程与伦理批号；
- 公开测试金标准或评测代码（D/A/S 维度）：让第三方可复现，或至少公开狭窄区划定的确定性算法；
- 迁移到稳定平台（S 维度）：把数据镜像到 Zenodo/HuggingFace，赋予版本化数据 DOI；
- 发表挑战赛总结论文（D/M 维度）：补上方法学描述与失败案例。
这五条对任何"挑战赛后转正式数据集"的项目都有参考价值——它们是挑战赛数据集从"一次性赛事"走向"长期基准"的必由之路。
8.2 DAIMS 与 AI-Ready 的关系
DAIMS 五维与 AI-Ready 的核心诉求（机器可读、可直接进入管线、可追溯、可持续）高度对应：D 对应"找得到"，A 对应"拿得到"，I 对应"读得进模型"，M 对应"理解得了"，S 对应"用得久"。CAS2023 在 D/I 两维表现好（可检索、格式标准），在 M/S 两维失分（元数据与可持续性），这正是它"看起来 ready、细看半 ready"的量化刻画。
8.3 三个"如果当初"的反事实
作为赛后复盘，设想三处不同选择会如何改变 CAS2023 的长期价值：
- 如果统一了许可：使用者不必在 NC/ND 之间自行判断，数据集的可复用性会显著提升，AI-Ready 评级可上一档；
- 如果发了挑战赛论文：方法学的可引用性、失败案例分析、基线复现都会有着落，"CAS2023 paper"的检索不再落空；
- 如果公开了测试金标准或评测代码：第三方可独立复现榜单，数据集的科学价值（而不仅是排名价值）才能真正释放。
这三条反事实恰好是医学挑战赛数据集"从赛事走向基准"的三个关键动作——CAS2023 的意义之一，就是提供了一个"缺了这三步会怎样"的鲜活样本。
§9 与库内条目的关系
9.1 家族图谱
- TopBrain 2.0（rid 632）：最直接的同域继任者。CAS2023 是单类脑动脉分割的"原型"，TopBrain 把它扩展为全脑 48 类（动脉+静脉）CTA+MRA 分割，并加入狭窄/闭塞临床任务。读 CAS2023 理解起点，读 TopBrain 2.0 看演进方向。
- TopAneu 2026（rid 637）：同颅内血管病理家族。TopAneu 做血管特异性颅内动脉瘤挑战，CAS2023 做脑动脉分割——动脉瘤检出依赖准确的血管分割，两者上下游相关。
- ImageCAS（rid 549）：血管分割姊妹数据集（冠脉 vs 脑动脉）。两者是"大规模开放（ImageCAS）vs 挑战赛受限（CAS2023）"两种建设哲学的对照，选型时应并读。
- ATLAS v2（rid 489）：卒中病灶分割。与 CAS2023 共享脑血管病临床对象（病因血管 vs 结果病灶），临床链条互补。
- orCaScore（rid 776）：冠脉钙化评分评测框架。同属心血管影像评测家族，方法论（指标设计、排行榜）可对照。
- IXI Brain（rid 482）：脑 MRI 多序列基准。脑影像基础对照，与 CAS2023 共享解剖区（脑）不同模态。
- BraTS（rid 24）：脑肿瘤分割，同 MICCAI 脑影像挑战赛谱系，是"挑战赛数据集"方法论的经典参照。
- SegRap（rid 679）/ PDDCA（rid 454）：MICCAI 分割挑战赛（鼻咽癌双模态 CT / 头颈 OAR），挑战赛组织与获取机制（EUA 请求制）的对照样本。
9.2 检索路径建议
- 检索词组合：“CAS2023” 或 “Cerebral Artery Segmentation Challenge” + “MICCAI 2023”；注意与"ImageCAS"（冠脉）、“TopCow”（Willis 环）区分。
- 若目标是找数据：CodaLab competitions/9804（训练集直下）；若需更大规模/更开放许可 → ImageCAS 或 TopBrain 2.0。
- 若目标是引用榜单：引 CodaLab LeaderBoard（注明 2023-09-05 公布），并提示测试集标签不公开、头部差距小于评测波动。
- 若目标是做脑血管分割方法：CAS2023（TOF-MRA 单类）+ TopBrain 2.0（CTA+MRA 多类）联合使用，前者验证基础能力、后者覆盖完整血管解剖。
9.3 与影像分割挑战赛家族的定位
CAS2023 代表了一类特定的数据集形态：“竞赛驱动、平台托管、单任务、受限许可”——与 SegRap（EUA 请求制）、BraTS（开放+论文完备）、ImageCAS（大规模+Apache）共同构成库内医学分割数据集的光谱。它的教学价值在于：演示了"挑战赛能快速聚集社区注意力，但如果制度层（许可/论文/元数据）没跟上，数据集的长期可复用性会受限"这一规律。
9.4 两条推荐的组合使用路径
路径 A：脑血管分割方法研究
CAS2023（TOF-MRA 单类，入门与基线）
↓ 方法验证通过
TopBrain 2.0（CTA+MRA 48 类，多类扩展）
↓ 临床任务延伸
TopAneu 2026（动脉瘤检测，病变级）
路径 B：卒中影像全链条
CAS2023（血管层：脑动脉分割，病因通道）
+
ATLAS v2（病灶层：慢性卒中病灶，临床结果）
↓
血管+病灶联合分析（病因→结果的可解释建模）
9.5 为什么本条目值得与 ImageCAS 并读
两者是 2023 年血管分割的"双子星"，构建哲学截然不同：ImageCAS 用 1,000 例单中心数据 + Apache 2.0 换取最大化的可复用性；CAS2023 用挑战赛机制 + 临床针对性（狭窄）+ 受限许可换取社区关注度。一个要"广而开放"，一个要"专而有赛"。把它们并读，能看清"数据集建设目标如何决定许可与规模选择"——这是库内数据集方法学研究的一个绝佳对照。
§10 避坑清单：六个已踩过的坑
坑 1：许可口径自相矛盾。CodaLab 官方 Terms 写 “CC BY NC”，Zenodo（DOI 10.5281/zenodo.7839970）写 “CC BY-ND 4.0”——NC（非商业）与 ND（禁演绎）是不同条款，二者不可互换。任何用途前先与组织者确认适用许可，切勿照搬单一来源；引用时须双记并注冲突。
坑 2：图像用途仅限本挑战赛。CodaLab Requirements 原文 “Use of images will be restricted solely to this challenge…not to use the images in any other capacity”——这让数据的可再分发性与商用性高度受限。看到"公开可下载"就假设"可自由使用"是典型误判。
坑 3：无官方挑战赛论文。组织方明示不先发 challenge paper，Article Address 始终标注为待定。检索"CAS2023 paper"会命中参赛队的自述报告（如 SZTU、GitHub orouskhani），而非官方方法学论文——引用时应标注来源性质（参赛方自述 vs 组织方文档）。
坑 4：狭窄区指标定义未公开。DSC_stenosis / AHD_stenosis 是榜单区分度的关键，但"狭窄区如何划定、如何计算"官方未披露。第三方即使拿到测试数据也无法精确复现榜单——报告独立复现结果时须声明指标口径可能与官方不同。
坑 5：元数据关键字段缺失。患者级数量、采集医院、扫描参数、伦理批号、标注流程（标注人数/资质/是否多层复核）在公开页面全部缺失。做合规审查或方法学研究时，这些缺失本身就是必须记录的结论——不要假设它们存在。
坑 6：日期与作者口径漂移。训练数据发布，CodaLab Timeline 计划写 “Apr 15, 2023”，实际 Updates 记录为 "2023-05-15"上传，openmedlab 转引写 “Publication Date: April, 2023”；作者数，CodaLab 列 12 位清华作者（含 Han Jiang），openmedlab/Zenodo 列 11 位（缺 Han Jiang）。逐条存照，引用时说明口径来源。
§11 总结
FAQ（高频问答 30 问）
A. 基础认知
Q1：CAS2023 是数据集还是比赛？
两者都是——它是 MICCAI 2023 举办的脑动脉分割挑战赛（比赛），配套提供训练/测试数据集与在线评测平台（数据）。数据与规则是同一个包。
Q2：名字怎么读、怎么拼？
全称 Cerebral Artery Segmentation Challenge 2023，简称 CAS2023 或 CAS 2023。注意与 ImageCAS（冠脉 CTA 分割）不是一回事——两者只共享 “CAS” 缩写。
Q3：谁组织的？
清华大学（陈慧军 Huijun Chen、赵锡海 Xihai Zhao 领衔）与华盛顿大学（Chun Yuan、Niranjan Balu），由 MICCAI 2023 与 SMRA 2023 支持。
Q4：什么时候办的？
2023 年：训练集 5 月上线，测试期 8 月 16-22 日，排名 9 月 5 日公布，10 月在 MICCAI/SMRA 2023 演讲。
Q5：有官方论文吗？
没有。组织方明确不先发 challenge paper，Article Address 始终标注为待定。可引的是 CodaLab 官方页、Zenodo 说明 pdf 与参赛方自述报告。
B. 数据与获取
Q6：数据多少、在哪下？
训练 100 例 + 测试 50 例，在 CodaLab competitions/9804 > Participate > Files 下载（训练集 Public Data，测试集 Starting Kit）。
Q7：什么模态、什么格式？
3D TOF-MRA（飞行时间磁共振血管造影），.nii.gz，nnUNet 目录结构，重采样到 1mm 各向同性。
Q8：标注是什么？
单类二值脑动脉掩码——只标动脉，不分段、不标狭窄。标注体积 17-331 cm³，中位 170 cm³。
Q9：能商用吗？
不建议——CodaLab Terms 写 CC BY NC，Zenodo 写 CC BY-ND 4.0，且 Requirements 限制图像仅限本挑战赛用途（坑 1、坑 2）。商用前须与组织者书面确认。
Q10：有镜像或 HF 版本吗？
没有。CAS2023 无 HuggingFace 镜像、无独立 Zenodo 数据 DOI、无官方 GitHub 数据仓，获取完全依赖 CodaLab 平台。
C. 评测与榜单
Q11：怎么排名的？
四指标加权：Final Score = 35%×DSC + 35%×AHD + 15%×DSC_stenosis + 15%×AHD_stenosis。
Q12：谁第一？
PhiWCH 0.88284；SVCC 0.88276、BIT-BUAA-BNU 0.8825 分列二三。前 8 名仅差 0.0015。
Q13：为什么头部这么挤？
任务天花板不高（单类分割，大家都能做到 0.88 附近），区分度只能来自细节，加之测试集只有 50 例，评测本身的波动可能大于头部差距——所以"第一名"不宜过度解读。
Q14：狭窄区指标为什么单独设？
临床最关心狭窄段（血管最细、信号最弱、最难分），用它 30% 的权重把临床痛点单独计分。SVCC 靠窄区指标反超拿下总榜第二。
Q15：主流方法是什么？
nnU-Net。第 9 名 UW 用纯默认配置即进前十；第 6 名 SZTU-IME 用多参数 nnU-Net 集成 + 边缘增强。
Q16：为什么 nnU-Net 这么强？
自动配置（自适应 spacing/尺寸/patch）+ 强数据增强（小样本关键）+ 滑窗推理（保小血管）+ 社区惯性（大家都先跑它）。
D. 技术细节
Q17：TOF-MRA 分割难在哪？
小血管信号弱（慢流/平面内流）、脑动脉网络复杂且个体差异大、尺寸跨度大。狭窄段是难中之难。
Q18：复现榜单分数容易吗？
不容易——测试集标签不公开，且狭窄区指标（DSC_stenosis 怎么算）官方未披露定义。第三方无法精确复现（坑 4）。
Q19：数据里有没有患者信息？
公开页面没有。患者级数量、采集医院、扫描参数、伦理批号全部缺失（坑 5）。做合规审查时须把缺失本身记为结论。
Q20：如果只记住一件事？
CAS2023 是脑动脉分割公开化的起点，但它的"半开放"属性（许可矛盾、用途受限、无论文、无测试金标准）提醒每个使用者：能下到手的数据，不等于能放心使用的数据。
E. 科研与合规
Q21：我要发论文，能引 CAS2023 吗？
可以，但需披露：①数据获取自 CodaLab competitions/9804；②无官方论文，引用组织方页面与 Zenodo；③许可口径矛盾（坑 1），说明你的用途依据。不要只写"CC BY"。
Q22：审稿人问"数据可复现吗"怎么答？
诚实答：数据可下载，但测试集标签不公开、狭窄区指标定义未公开，第三方无法精确复现榜单分数（坑 4）。你能复现的是训练/验证流程，不是官方排名。
Q23：能把 CAS2023 和其他数据集合并训练吗？
技术上可以，但许可上需谨慎——CAS2023 的"仅限本挑战赛用途"限制会传导到合并数据集。若必须合并，优先选许可兼容（如 ImageCAS Apache 2.0）的部分，并就 CAS2023 单独确认。
Q24：CAS2023 和 TopBrain 能一起用吗？
推荐组合。CAS2023（TOF-MRA 单类）做基础验证与 nnU-Net 基线，TopBrain 2.0（CTA+MRA 48 类）做多类扩展。两者模态与任务互补，但需分别核查各自许可。
Q25：数据集会不会更新（v2）？
未见公开计划。Zenodo 记录为 v1（2023-04-18），此后无版本更新。若有后继挑战赛（CAS 第二届）出现，按维护触发点更新（附录 S）。
Q26：怎么判断一篇论文用的是不是 CAS2023？
看是否引用 codalab.lisn.upsaclay.fr/competitions/9804 或 “CAS2023”，以及是否报告 100 训练/50 测试的规模。注意区分 ImageCAS（冠脉）与 CAS2023（脑动脉）。
F. 复现与工程
Q27：跑通 nnU-Net 需要多少显存？
3D fullres 模式通常需 10-16GB（取决于自适应 patch 尺寸）。CAS2023 尺寸跨度大，nnU-Net 会按中位尺寸规划 patch，一般单卡 16GB 可跑。
Q28：训练多久能到 0.88？
参考 UW 经验，纯 nnU-Net 默认配置训练即可接近榜单水平；具体轮数依硬件与折数而定，无官方推荐值。建议先用单折验证流程，再折数扩展。
Q29：后处理影响大吗？
大。连通域后处理直接影响 AHD（边界指标）——去掉孤立碎片能显著改善 Hausdorff 类指标。但官方是否做后处理、怎么做，未公开，故你的分数与榜单不可直接比。
Q30：做外部验证用什么数据？
可用 ImageCAS（冠脉，验证血管分割泛化性）或 TopBrain（脑血管多类）。但跨血管床迁移需重新训练或微调，不能直接套用 CAS2023 模型。
事实清单（硬事实 30 条）
- CAS2023 全称 Cerebral Artery Segmentation Challenge 2023，MICCAI 2023 首届脑动脉分割挑战赛。
- 组织者：清华大学（陈慧军、赵锡海领衔）+ 华盛顿大学（Chun Yuan、Niranjan Balu）。
- 支持方：MICCAI 2023 + SMRA 2023；奖金由 TS Imaging 赞助（$4000/$1500/$500）。
- 主页：https://codalab.lisn.upsaclay.fr/competitions/9804 。
- 关联 Zenodo：DOI 10.5281/zenodo.7839970，2023-04-18 发布，v1，11 作者。
- 数据模态：3D TOF-MRA（飞行时间磁共振血管造影）。
- 训练集 100 例（带二值掩码），测试集 50 例（隐藏标签），共 150 例。
- 体素间距：1.00×1.00×1.00 mm（各向同性，min=median=max）。
- 图像尺寸：min (208,320,96) / median (640,640,150) / max (784,784,255)。
- 二维切片总数：14,349（基于 100 训练例）。
- 标注：单类二值脑动脉掩码，覆盖 100%（训练集）。
- 标注体积：min 17 / median 170 / max 331 cm³。
- 文件格式：.nii.gz，nnUNet 目录结构（imagesTr/labelsTr/dataset.json）。
- 评测指标：DSC、AHD、DSC_stenosis、AHD_stenosis 四项。
- 加权公式：35%×DSC + 35%×AHD + 15%×DSC_stenosis + 15%×AHD_stenosis。
- 冠军 PhiWCH 0.88284；亚军 SVCC 0.88276；季军 BIT-BUAA-BNU 0.8825。
- 前 8 名 SCORE 仅差 0.0015（0.88284→0.88138）。
- 有效排名队伍 21 支；榜末 Chinese Academy of Sciences Brain Imaging Platform 0.6492。
- 时间线：训练集 2023-05-15 上线；测试期 2023-08-16 开放、2023-08-22 截止（延期）；2023-09-05 公布排名。
- 测试期因格式错误导致提交失败，截止日延至 2023-08-22 23:59 UTC（官方 Updates）。
- 提交限制：每人每天 3 次、总计 10 次；最新成功提交自动计入，可手动切换；测试期排行榜不公开。
- 许可口径一：CodaLab Terms “CC BY NC”。
- 许可口径二：Zenodo 记录 “CC BY-ND 4.0”。
- 图像使用限制：CodaLab Requirements 第 1 条——仅限本挑战赛用途。
- 无官方 challenge paper（Article Address 标注为待定）。
- 第 9 名 UW 使用纯 nnU-Net 默认配置（batch size 2 + Dice+CE）。
- 第 6 名 SZTU-IME 使用多参数 nnU-Net 集成 + 边缘增强。
- ISMRM 2024 摘要（SwinUNETR + hard example mining）：平均 Dice 0.844、狭窄区 0.889（80 训练/20 内部验证）。
- 联系邮箱：shz21@mails.tsinghua.edu.cn（组织者账号 sunhaozhong）。
- 患者级数量、采集医院、扫描参数、伦理批号、标注流程均未公开。
补充事实（延伸 8 条）
- CAS2023 是 MICCAI 上首次举办的脑动脉分割挑战赛（组织方自述"the first cerebral artery segmentation challenge in MICCAI 2023"）。
- 挑战赛由 CodaLab LISN（Université Paris-Saclay）平台托管，竞赛页地址 competitions/9804，平台时间跨度至今可访问。
- 获奖队伍受邀在 SMRA 2023 与 MICCAI 2023 做报告（Presentation at MICCAI 2023 / SMRA 2023，2023-10）。
- 每队每日提交上限 3 次、总计上限 10 次；最新成功提交自动计入排名，可手动切换。
- 训练集 zip 名 CAS2023_trainingset，测试集 CAS2023_testdataset_&example&fix，测试数据在 testdata 路径下。
- 组织方曾修正 cases 36/37 的 Excel pos_s 列错误（2023-06-21 更新）。
- 数据覆盖临床相关血管疾病谱：动脉硬化、夹层、动脉炎、烟雾病、可逆性脑血管收缩综合征。
- 榜单共 21 支有效队伍，第一名与最后一名 SCORE 差 0.23364（0.88284 vs 0.6492），头部与尾部差距显著。
术语表（24 条）
| 术语 | 释义 |
|---|---|
| CAS2023 | Cerebral Artery Segmentation Challenge 2023，MICCAI 2023 首届脑动脉分割挑战赛 |
| TOF-MRA | Time-of-Flight Magnetic Resonance Angiography，飞行时间磁共振血管造影，无需造影剂 |
| MRA | Magnetic Resonance Angiography，磁共振血管造影 |
| 脑动脉分割 | 从影像中勾出脑动脉树的体素级任务 |
| 颅内动脉狭窄 | 颅内动脉管腔变窄，缺血性卒中主要病因之一 |
| 缺血性卒中 | 脑血管阻塞导致的脑组织缺血坏死 |
| DSC | Dice Similarity Coefficient，重叠度指标 |
| AHD | Average Hausdorff Distance，平均豪斯多夫距离，边界误差指标 |
| DSC_stenosis | 狭窄区域内的 Dice |
| AHD_stenosis | 狭窄区域内的 AHD |
| 各向同性 | 体素三方向间距相等（此处 1mm） |
| 重采样 | 把体数据插值到统一网格 |
| NIfTI / .nii.gz | 神经影像常用格式（及 gzip 压缩版） |
| nnU-Net | 自配置医学分割框架，本挑战赛事实基线 |
| nnUNet 目录结构 | imagesTr/labelsTr/dataset.json 的数据组织方式 |
| 滑窗推理 | 大图分块预测再拼接，保小结构 |
| 连通域后处理 | 去除孤立碎片的形态学处理 |
| CodaLab | 竞赛托管与评测平台（LISN UPSaclay） |
| SMRA | Society of Magnetic Resonance Angiography，磁共振血管造影学会 |
| MICCAI | 医学影像计算与计算机辅助干预国际会议 |
| Challenge paper | 挑战赛方法学总结论文（本赛无） |
| 隐藏测试集 | 标签不公开、仅供线上评测的测试集 |
| 半开放数据集 | 可下载但用途/许可受限的数据（本条目典型） |
| DAIMS | 可发现性/可获取性/可互操作/元数据/可持续性五维评估框架 |
| FAQ | Frequently Asked Questions，高频问答 |
| Zenodo | CERN 运营的开放数据/软件归档平台 |
| DOI | Digital Object Identifier，数字对象唯一标识符 |
附录
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目名 | CAS2023（Cerebral Artery Segmentation Challenge 2023） |
| url_name | cas-2023 |
| 类型 | 挑战赛数据集（MICCAI 2023） |
| 组织 | 清华大学 + 华盛顿大学 |
| 规模 | 训练 100 + 测试 50 = 150 例 |
| 模态 | 3D TOF-MRA，1mm 各向同性 |
| 许可 | 双口径（CodaLab CC BY NC vs Zenodo CC BY-ND 4.0） |
| 主页 | codalab.lisn.upsaclay.fr/competitions/9804 |
| 抓取时点 | 2026-09-30 |
| 库内互链 | topbrain2026(632)/topaneu2026(637)/imagecas(549)/atlas-v2(489)/orcascore(776) |
附录 B：DAIMS 评估全表
| 维度 | 评分 | 依据 |
|---|---|---|
| D 可发现性 | 8 | CodaLab+Zenodo 双入口；无官方论文致学术检索弱 |
| A 可获取性 | 6 | 免申请可下但需登录、用途受限、许可矛盾 |
| I 可互操作 | 8 | NIfTI + nnUNet 标准，主流工具链兼容 |
| M 元数据质量 | 5 | 规格完备但缺采集参数/患者信息/标注流程；狭窄区定义缺失 |
| S 可持续性 | 5 | 依赖 CodaLab 平台、无版本化数据 DOI、无 challenge paper |
| 综合评级 | 6.4/10（中） | 工程规范、制度层欠缺 |
附录 C：逐项证据链自证
| 关键数字 | 来源 | 位置 |
|---|---|---|
| 训练 100 / 测试 50 | CodaLab 官方页 Overview/Submission | 竞赛页 |
| spacing 1.00×1.00×1.00mm / 尺寸三档 | openmedlab CAS2023.md Resolution Details | GitHub |
| 14,349 切片 | openmedlab CAS2023.md | GitHub |
| 标注体积 17/170/331 cm³ | openmedlab CAS2023.md Label Statistics | GitHub |
| 四指标 + 加权公式 | CodaLab Evaluation Criteria | 竞赛页 |
| 最终排名全表 | CodaLab LeaderBoard（2023-09-05） | 竞赛页 |
| CC BY NC | CodaLab Terms and Conditions | 竞赛页 |
| CC BY-ND 4.0 | Zenodo 7839970 metadata | zenodo.org |
| 图像仅限挑战赛用途 | CodaLab Requirements 第 1 条 | 竞赛页 |
| 时间线 | CodaLab Timeline + Updates | 竞赛页 |
| 组织者名单 | CodaLab Organizers + Zenodo creators | 两源 |
附录 D：数据获取决策树
需要脑动脉/血管分割数据？
├── 只要能下到手、学术研究用
│ └── CodaLab competitions/9804 > Participate > Files（训练 100 + 测试 50）
├── 需要开放许可（可商用/可再分发）
│ ├── 冠脉 CTA → ImageCAS（rid 549，Apache 2.0，1,000 例）
│ └── 脑血管多类 → TopBrain 2.0（rid 632，CTA+MRA，48 类）
├── 需要更大规模
│ └── ImageCAS（1,000 例）或 TopBrain 2.0
├── 需要 TOF-MRA 脑动脉专用
│ └── CAS2023（目前少数公开选项之一）
└── 需要测试金标准做复现
└── 不满足（测试标签不公开）——改用论文自带验证集的数据集
附录 E：双口径登记表
| # | 项 | 口径 A | 口径 B | 处理 |
|---|---|---|---|---|
| 1 | 许可 | CC BY NC（CodaLab Terms） | CC BY-ND 4.0（Zenodo） | 双记，用前与组织者确认 |
| 2 | 训练集发布 | Apr 15 2023（Timeline 计划） | 2023-05-15（Updates 实际） | 按实际上传日引用 |
| 3 | 作者数 | 12 清华 + 2 UW（CodaLab） | 11 + 2 UW（Zenodo/openmedlab，缺 Han Jiang） | 以 CodaLab 为准并注 |
| 4 | 概述表头 | 正确（脑动脉） | “Tumor”（openmedlab 模板残留） | 以 CodaLab 语义为准 |
附录 F：缩写速查
| 缩写 | 全称 |
|---|---|
| CAS2023 | Cerebral Artery Segmentation Challenge 2023 |
| TOF-MRA | Time-of-Flight Magnetic Resonance Angiography |
| MRA | Magnetic Resonance Angiography |
| DSC | Dice Similarity Coefficient |
| AHD | Average Hausdorff Distance |
| SMRA | Society of Magnetic Resonance Angiography |
| MICCAI | Medical Image Computing and Computer Assisted Intervention |
| nnU-Net | no-new-U-Net（自配置分割框架） |
| DAIMS | Discoverability/Accessibility/Interoperability/Metadata/Sustainability |
| EUA | End User Agreement（最终用户协议） |
附录 G：基于本数据集的研究检查清单（10 项）
- 许可核对：确认你的用途落在哪一层（竞赛/学术/商用）；许可口径矛盾（坑 1），务必与组织者书面确认。
- 用途边界：图像仅限本挑战赛用途（坑 2）——超出范围前先获授权。
- 引用规范：引 CodaLab competitions/9804 + Zenodo 7839970；注明无官方 challenge paper（坑 3）。
- 指标口径声明：复现时说明你没用官方狭窄区定义（未公开，坑 4），分数不可直接对比榜单。
- 元数据缺失记录：采集参数/患者信息/标注流程缺失（坑 5）本身就是须披露的局限。
- 基线复现：先用 nnU-Net 默认配置建立 ~0.88 基线，再谈方法创新。
- 预处理一致性：确认 spacing=1mm、强度归一化策略（z-score/百分位裁剪）并在文中声明。
- 后处理透明：连通域/形态学后处理会显著影响 AHD，须在方法节写明。
- 规模认知：100 例属小样本，注意过拟合；报告用交叉验证而非单次划分。
- 时点存照：榜单与规则随时点固定（2023-09-05 公布），引用存照抓取日期。
附录 H：挑战赛关键日期表
| 日期 | 事件 |
|---|---|
| 2023-04-15 | 计划训练数据发布日（后顺延） |
| 2023-05-15 | 训练集实际上线，Ranking phase 起始 |
| 2023-06-21 | 发布评估 Starting Kit；修正 cases 36/37 pos_s 列 |
| 2023-08-16 | 测试集发布，提交口开放 |
| 2023-08-22 | 测试期截止（延至 23:59 UTC） |
| 2023-09-05 | 最终排名公布 |
| 2023-10-01 | 公布获奖队伍 |
| 2023-10 | MICCAI 2023 与 SMRA 2023 演讲 |
附录 I：本条目生产档案
- 生产通道：cas-2023 正选（无改道；三轮搜索三源互证通过）
- 事实研究：WebSearch×3 + WebFetch×2（CodaLab 官方页 + Zenodo）+ openmedlab 转引 + ISMRM 摘要 + 库内反查
- FACTS.md：writing/cas-2023/FACTS.md 九节
- 成稿方式：五块直写拼接（part1-5），拼接后核对章节序
- 坑点：§10 六则（坑 1-6「坑 N：」编号制）
- description：成稿时即 ≤170 字符
- 互链计划：新篇正文内链 5 处（TopBrain 2.0/TopAneu/ImageCAS/ATLAS/orCaScore）
附录 J：排行榜完整数据表（SCORE 降序）
| 排名 | 队伍 | SCORE | DSC | DSC_stenosis | AHD | AHD_stenosis |
|---|---|---|---|---|---|---|
| 1 | PhiWCH | 0.88284 | 0.8760 | 0.8893 | 0.8976 | 0.8483 |
| 2 | SVCC | 0.88276 | 0.8769 | 0.9012 | 0.8902 | 0.8584 |
| 3 | BIT-BUAA-BNU | 0.8825 | 0.8754 | 0.8938 | 0.8957 | 0.8504 |
| 4 | BITer | 0.8818 | 0.8772 | 0.9032 | 0.8888 | 0.8515 |
| 5 | Infervision | 0.88170 | 0.8770 | 0.9004 | 0.8906 | 0.8501 |
| 6 | SZTU-IME | 0.88168 | 0.8777 | 0.8999 | 0.8897 | 0.8493 |
| 7 | GZHU | 0.88143 | 0.8780 | 0.8987 | 0.8895 | 0.8488 |
| 8 | blackbean | 0.88138 | 0.8757 | 0.8956 | 0.8923 | 0.8497 |
| 9 | UW | 0.8801 | 0.8765 | 0.8999 | 0.8874 | 0.8482 |
| 10 | XB | 0.8798 | 0.8737 | 0.8961 | 0.8931 | 0.8400 |
| 11 | Davide Resta | 0.8796 | 0.8637 | 0.8840 | 0.9047 | 0.8441 |
| 12 | NexToU | 0.8780 | 0.8745 | 0.8983 | 0.8840 | 0.8472 |
| 13 | BUAA_MI | 0.8762 | 0.8714 | 0.8918 | 0.8874 | 0.8415 |
| 14 | sicong | 0.8749 | 0.8693 | 0.8770 | 0.8914 | 0.8365 |
| 15 | UWUT | 0.8688 | 0.8642 | 0.8915 | 0.8726 | 0.8455 |
| 16 | CREATIS - MYRIAD | 0.8660 | 0.8648 | 0.8835 | 0.8757 | 0.8222 |
| 17 | Zehan Zhang | 0.8475 | 0.8496 | 0.8756 | 0.8412 | 0.8236 |
| 18 | Theresa Nolte | 0.8275 | 0.8215 | 0.8522 | 0.8366 | 0.7865 |
| 19 | Los Moritos | 0.7876 | 0.8332 | 0.8085 | 0.7418 | 0.7430 |
| 20 | SKMR | 0.7525 | 0.8093 | 0.8762 | 0.6267 | 0.8101 |
| 21 | 中科院脑影像平台 | 0.6492 | 0.6820 | 0.7161 | 0.6121 | 0.5776 |
附录 K：数据集规格速查（供管线配置）
| 参数 | 值 | 用途 |
|---|---|---|
| modality | TOF-MRA（单通道） | dataset.json 的 channel_names |
| labels | dataset.json 的 labels | |
| spacing | (1.0, 1.0, 1.0) | 确认无需重采样 |
| size range | (208,320,96)~(784,784,255) | 滑窗/裁剪策略 |
| file format | .nii.gz | 读入格式 |
| 训练例数 | 100 | 交叉验证折数参考 |
| 中位标注体积 | 170 cm³ | 后处理体积过滤阈值参考 |
附录 L：与相近数据集的元数据对照表
| 维度 | CAS2023 | ImageCAS(549) | TopBrain 2.0(632) |
|---|---|---|---|
| 模态 | TOF-MRA | 冠脉 CTA | CTA + MRA |
| 类别数 | 1 | 1 | 48 |
| 例数 | 100 + 50 | 1,000 | 90（50 训练 + 40 测试） |
| 格式 | .nii.gz | .nii.gz | NIfTI 16-bit LPS+ |
| 许可 | 双口径矛盾 | Apache 2.0 | open data.swiss（商用需许可） |
| 平台 | CodaLab | 官网 | Grand Challenge + Zenodo |
| 首类指标 | DSC/AHD/stensosis 四指标 | Dice | Dice + 污染指标 |
附录 M：许可核查工作流（建议）
拿到 CAS2023 数据前，先跑一遍许可核查：
1) 读 CodaLab Terms → 记录 "CC BY NC"
2) 读 Zenodo 7839970 → 记录 "CC BY-ND 4.0"
3) 读 CodaLab Requirements 第 1 条 → 记录"仅限本挑战赛用途"
4) 比对三者 → 发现 NC≠ND，用途受限，结论：许可不确定
5) 决策：
├── 学术研究且不涉及再分发 → 可在竞赛/研究框架内使用，报告披露受限许可
├── 商用/再分发 → 邮件 shz21@mails.tsinghua.edu.cn 书面确认
└── 无法确认 → 改用 ImageCAS/TopBrain 等许可清晰数据
附录 N：检索路径示范（关键词组合与查询式）
| 目标 | 推荐查询式 | 预期命中 |
|---|---|---|
| 挑战赛主页 | “Cerebral Artery Segmentation Challenge” MICCAI 2023 | CodaLab competitions/9804 |
| 数据说明 | CAS2023 dataset TOF-MRA cerebral artery | openmedlab CAS2023.md / Zenodo |
| 参赛方法 | CAS2023 nnU-Net cerebral artery segmentation | UW GitHub / SZTU 报道 / ISMRM |
| 同域竞品 | TopCow / TopBrain / TopAneu cerebral vessel | 库内 632/637 条目 |
| 反例（勿混） | ImageCAS（大写 CAS） | 冠脉 CTA 数据集，非本条目 |
检索卫生两条：一、“CAS” 是高频缩写（含 ImageCAS、CAS-Net 等），务必带上 “Cerebral Artery” 或 “TOF-MRA” 限定；二、CAS2023 无官方论文，命中多为参赛方自述或第三方转引，引用时标注来源性质。
附录 O：缩写速查（补充）
| 缩写 | 全称 |
|---|---|
| CoW | Circle of Willis（Willis 环） |
| CTA | Computed Tomography Angiography，CT 血管造影 |
| AIS | Acute Ischemic Stroke，急性缺血性卒中 |
| MRA | Magnetic Resonance Angiography |
| LPS+ | NIfTI 方向约定（Left-Posterior-Superior） |
| GS / OAR | Gleason Score / Organ at Risk（同类条目术语，仅供对照） |
附录 P：术语对照（中英）
| 中文 | 英文 |
|---|---|
| 脑动脉分割 | cerebral artery segmentation |
| 颅内动脉狭窄 | intracranial arterial stenosis |
| 飞行时间法 | time-of-flight |
| 管腔狭窄程度 | degree of luminal stenosis |
| 平均豪斯多夫距离 | average Hausdorff distance |
| 骰子相似系数 | Dice similarity coefficient |
| 狭窄区 | stenosis region |
| 隐藏测试集 | hidden test set |
| 挑战赛论文 | challenge paper |
| 最终用户协议 | end user agreement |
附录 Q：坑点档案（与 §10 对照）
| 坑 | 一句话档案 | 触发场景 |
|---|---|---|
| 坑 1 | 许可 CC BY NC vs CC BY-ND 4.0 矛盾 | 商用/引用 |
| 坑 2 | 图像仅限本挑战赛用途 | 再分发 |
| 坑 3 | 无官方 challenge paper（Article Address 标注为待定） | 文献检索 |
| 坑 4 | 狭窄区指标定义未公开 | 独立复现 |
| 坑 5 | 患者/医院/标注流程元数据缺失 | 合规审查 |
| 坑 6 | 日期与作者数口径漂移 | 著录/引用 |
附录 R：FAIR/AI-Ready 检查单
| 检查项 | 状态 | 说明 |
|---|---|---|
| F1 全局唯一标识 | ⚠️ | Zenodo DOI 存 pdf，无数据本体 DOI |
| F2 富元数据 | ⚠️ | 规格完备，采集/标注元数据缺失 |
| A1 可访问协议 | ⚠️ | CodaLab 下载需登录；用途受限 |
| A2 元数据可访问 | ✅ | 挑战赛页与 Zenodo 均可访问 |
| I1 互操作格式 | ✅ | NIfTI + nnUNet 标准 |
| I2 词汇表引用 | ✅ | 脑动脉/TOF-MRA 标准术语 |
| R1 来源溯源 | ⚠️ | 无官方论文说明数据来源 |
| R2 许可明确 | ❌ | 双口径矛盾 |
| R3 可复现流程 | ❌ | 测试集标签不公开、狭窄区定义缺失 |
| AI-Ready 综合 | 中偏低 | 数据规范但制度层欠缺 |
附录 S：维护计划与触发点
| 触发点 | 条件 | 动作 | 优先级 |
|---|---|---|---|
| 官方论文发布 | 组织方/参赛方发布挑战赛总结论文 | 补 §2-§5 方法与失败分析 | 1 |
| 许可澄清 | 组织者明确 NC/ND 口径 | 改写 §6 与 license 字段 | 2 |
| 数据迁移 | 数据迁至 Zenodo/HF 等稳定平台 | 更新获取路径与 DOI | 3 |
| 后续赛事 | CAS 第二届/后继挑战赛 | §5 家族图谱扩行 | 4 |
| 第三方复现 | 新论文报告 CAS2023 复现分数 | §4.3 表扩行 | 5 |
附录 T：缩写速查
| 缩写 | 全称 |
|---|---|
| CAS2023 | Cerebral Artery Segmentation Challenge 2023 |
| TOF-MRA | Time-of-Flight Magnetic Resonance Angiography |
| MRA | Magnetic Resonance Angiography |
| DSC | Dice Similarity Coefficient |
| AHD | Average Hausdorff Distance |
| SMRA | Society of Magnetic Resonance Angiography |
| MICCAI | Medical Image Computing and Computer Assisted Intervention |
| DAIMS | Discoverability/Accessibility/Interoperability/Metadata/Sustainability |
| EUA | End User Agreement |
附录 U：21 支参赛队伍名录（按最终排名）
| 排名 | 队伍 | 机构线索 |
|---|---|---|
| 1 | PhiWCH | 中外混合团队 |
| 2 | SVCC | 高校（stroke/vessel 方向） |
| 3 | BIT-BUAA-BNU | 北京理工 + 北航 + 北师大联合 |
| 4 | BITer | 北京理工大学 |
| 5 | Infervision | 推想医疗（企业） |
| 6 | SZTU-IME | 深圳技术大学健康与环境工程学院 |
| 7 | GZHU | 广州大学 |
| 8 | blackbean | 个人/团队 |
| 9 | UW | 华盛顿大学（GitHub orouskhani 开源） |
| 10 | XB | 个人/团队 |
| 11 | Davide Resta | 个人（意大利籍推测） |
| 12 | NexToU | 团队 |
| 13 | BUAA_MI | 北航医学影像 |
| 14 | sicong | 个人 |
| 15 | UWUT | 华盛顿大学 + 多伦多方向联合推测 |
| 16 | CREATIS - MYRIAD | 法国里昂 CREATIS 实验室 |
| 17 | Zehan Zhang | 个人 |
| 18 | Theresa Nolte | 个人（慕尼黑工大方向推测） |
| 19 | Los Moritos | 团队 |
| 20 | SKMR | 团队 |
| 21 | Chinese Academy of Sciences Brain Imaging Platform | 中科院脑影像平台 |
注：机构线索多为团队名推断，非官方披露——仅作检索导航用。
附录 V：TOF-MRA 原理速览
TOF-MRA（飞行时间磁共振血管造影）利用流入增强效应成像：静止组织在射频脉冲反复激发下磁化矢量饱和、信号变弱，而流入成像层面的新鲜自旋未被饱和、信号强，因此血流在图像上呈高信号，背景组织呈低信号。这一机制决定了：
- 优势：无需造影剂（无对比剂过敏/肾损伤风险），无创，适合筛查与随访；
- 弱点：慢流/涡流区域（如狭窄段、动脉瘤内）信号丢失，小血管因体素内相位离散而信号弱——这正是 CAS2023 分割任务的困难来源；
- 临床定位：颅内动脉狭窄、闭塞、动脉瘤、烟雾病等的无创评估，与 CTA 互为补充。
理解原理有助于解释数据集的两个特征：为何"狭窄区"被单独评测（信号最易丢失处），以及为何"各向同性 1mm 重采样"有利（还原小血管对比度）。
附录 W：数据字典（推断口径）
基于 openmedlab 转引与挑战赛提交规范推断的数据组织（非官方数据字典，以实际下载为准）：
| 字段/文件 | 类型 | 语义 |
|---|---|---|
| imagesTr/*.nii.gz | float NIfTI | 训练图像（TOF-MRA 原始强度） |
| labelsTr/*.nii.gz | uint8 NIfTI | 训练标签（0=背景，1=脑动脉） |
| dataset.json | JSON | nnUNet 数据集描述（modality/labels/tensorImageSize） |
| meta.csv（旧版口径） | CSV | 图像/mask 配对与 Spacing/Position 信息 |
| result/000.nii.gz…050.nii.gz | uint8 NIfTI | 测试预测（提交格式） |
| team_info.txt | 文本 | 提交队信息（队名/成员/邮箱/机构） |
提醒：训练集早期版本含 meta.csv（记录 Spacing/Position，官方曾修正 cases 36/37 的 pos_s 列），nnUNet 目录版本可能不含此文件——依下载版本为准。
附录 X：常见误用与纠正
| 误用 | 纠正 |
|---|---|
| 写"CAS2023 采用 CC BY 许可" | 错。双口径：CC BY NC vs CC BY-ND 4.0（坑 1） |
| 写"CAS2023 数据集可自由商用" | 错。图像仅限本挑战赛用途（坑 2） |
| 引用"CAS2023 论文（作者 XXX）" | 无官方论文；引用组织方页面 + Zenodo（坑 3） |
| 用 CAS2023 榜单分数做临床狭窄测量证据 | 过度解读；榜单测血管重叠度而非狭窄程度精度（§7.6） |
| 把"CAS2023"与"ImageCAS"混为一谈 | 前者脑动脉 TOF-MRA，后者冠脉 CTA |
| 认为头部第一名方法最优 | 前 8 名差 0.0015，落在评测噪声带（§4.6） |
附录 Y：赛事工作流时序图（文字版）
2023-04-15 计划发布训练数据（官方 Timeline 字段）
2023-05-15 训练集实际上线 ──► 参赛者下载 100 例，本地开发
2023-06-21 发布评估 Starting Kit；修正 cases 36/37 pos_s 列
2023-08-16 测试集发布（50 例）──► 提交口开放
2023-08-22 测试期截止（延长至 23:59 UTC）
2023-08-16 ~ 提交窗口：每队每日 3 次、总计 10 次；CodaLab 云端打分（20-30 min/次）
2023-09-05 最终排名公布（21 队）
2023-10-01 公布获奖队伍
2023-10 MICCAI 2023 + SMRA 2023 演讲
（Competition Ends 字段：Never）
附录 Z：术语对照（中英补充）
| 中文 | 英文 |
|---|---|
| 流入增强效应 | flow-related enhancement |
| 饱和效应 | saturation effect |
| 各向同性 | isotropic |
| 插值模糊 | interpolation blurring |
| 拓扑连通 | topological connectivity |
| 连通域 | connected component |
| 形态学闭运算 | morphological closing |
| 过拟合排行榜 | leaderboard overfitting |
| 评测噪声 | evaluation noise |
| 隐藏标签 | hidden labels |
附录 AA：一页纸摘要（供速览）
是什么：MICCAI 2023 首届脑动脉分割挑战赛（CAS2023），及其 100 例训练 + 50 例测试的 3D TOF-MRA 脑动脉二值分割数据集。
谁做的：清华大学（陈慧军/赵锡海领衔）+ 华盛顿大学（Chun Yuan/Niranjan Balu），MICCAI 2023 + SMRA 2023 支持。
数据规格：3D TOF-MRA，1mm 各向同性，.nii.gz，nnUNet 目录；标注单类二值，体积 17-331 cm³，中位 170 cm³；14,349 张切片。
任务与评测：脑动脉二值分割；四指标加权（35% DSC + 35% AHD + 15% 狭窄区 DSC + 15% 狭窄区 AHD）。
榜单：21 队；冠军 PhiWCH 0.88284；前 8 名仅差 0.0015；nnU-Net 是事实基线。
怎么拿：CodaLab competitions/9804 下载。
最大风险：许可双口径矛盾（CC BY NC vs CC BY-ND 4.0）+ 图像用途仅限本挑战赛 + 无官方论文 + 无测试金标准。
一句话：数据规格规范的脑动脉分割入门基准，但制度层未跟上——用前必查许可。
尾注
本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-09-30，抓取与核验时点见附录 A。事实陈述以 CodaLab 官方竞赛页（competitions/9804）、Zenodo 记录（DOI 10.5281/zenodo.7839970）与 openmedlab Awesome-Medical-Dataset 转引为源；许可口径矛盾（CC BY NC vs CC BY-ND 4.0）、作者数口径差异、训练集发布日漂移、第三方表头笔误等原始文档缺陷已在坑点与附录 E 存照。条目与库内 TopBrain 2.0（rid 632）、TopAneu 2026（rid 637）、ImageCAS（rid 549）、ATLAS v2（rid 489）、orCaScore（rid 776）等条目互链，构成脑血管与血管分割家族的检索面。
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：
- camus — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- dehazingecho2025 — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- topbrain2026 — 共享标签：医学影像 / 医学图像分割 / 脑影像
- isles — 共享标签：医学图像分割 / 脑影像 / 挑战赛数据集 / 心血管疾病
- wmh-challenge — 共享标签：医学图像分割 / 脑影像 / 挑战赛数据集 / 心血管疾病
- selma3d — 共享标签：医学影像 / 医学图像分割 / 脑影像 / 挑战赛数据集
- aims-tbi — 共享标签：医学影像 / 医学图像分割 / 脑影像 / 挑战赛数据集
- mms-2 — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- cmrxmotion — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- lvquant — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
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。
