CathAction — 血管内介入导管导丝分割碰撞检测与动作理解基准

INFOBOX — CathAction 一屏速览

维度	内容
本质	血管内介入（endovascular intervention）X 光透视理解大规模基准，MICCAI 2026 挑战赛 CATHACTION 官方数据集
团队	University of Liverpool AIRV Lab（Anh Nguyen）牵头，Imperial College London、UCL 等多机构；论文 36 位作者
论文	arXiv:2408.13126（v1 2024-08-23，v2 2024-08-30，10 页，预印本口径）
挑战赛	Endovascular Intervention Tool Segmentation and Collision Detection，Zenodo DOI 10.5281/zenodo.19707496（设计文档 2026-04-23 发布）
数据	569 段视频、约 500,000 标注帧（500×500、24 FPS）、约 25,000 张分割掩码
来源	5 具 Elastrat 硅胶主动脉弓体模（搏动泵）+ 5 头活体猪（碘造影剂）；10 名外科医生；LSA/LCCA/RCCA 三条动脉插管
任务	分割（导管/导丝分两类）、碰撞检测（尖端框 collision/normal 两类）、动作理解（五类动作识别+预测）
标注格式	分割 PNG 掩码；碰撞 YOLO TXT；动作 CSV 六列 + pickle
基准最优	预测 AFFT 37.91%；识别 TDN-ResNet101 62.50%；分割 SegViT Dice 63.47；碰撞检测 EFF AP 16.91
域适应	体模训练→动物测试：识别掉约 30 个百分点（62.50→25.62）；碰撞检测 mAP 14.88→7.88
获取	HuggingFace airvlab/CathAction 公开（4 个 zip 合计约 53.6 GB）＋官网 Google 表单登记
许可	数据 CC BY-NC-SA 4.0（四源一致）；Zenodo 设计文档记录级 cc-by-4.0（双口径存照）
库内互链	atm-airway(922)、flare(387)（同届 MICCAI 2026 挑战赛）；surgtoolloc-2022(821)、cholectrack20(886)（器械分割跟踪）等 11 条

CathAction 是一个把「手术室里最惊险的几分钟」搬进数据集的工程：血管内介入手术中，外科医生只能靠 2D X 光透视影像，把又细又长的导管（catheter）和导丝（guidewire）送进 3D 的人体血管树，而器械尖端一旦撞上血管壁，就可能造成穿孔、出血乃至器官衰竭。CathAction 用 5 具接了搏动泵的硅胶血管体模和 5 头活体猪，请 10 名专业血管介入外科医生反复执行插管操作，录下 569 段透视视频、约 50 万帧，并逐帧标注器械分割掩码、碰撞事件与五类操作动作——规模约为该领域此前最大公开数据集的 20 倍。它于 2026 年成为 MICCAI 挑战赛 CATHACTION（全称 Endovascular Intervention Tool Segmentation and Collision Detection）的官方数据集。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——HuggingFace 有公开直链（约 53.6 GB），官网另有表单登记渠道；许可是 CC BY-NC-SA，商用前务必确认。
2. 关心基准怎么打：直奔 §5 五大任务与基准——四个任务的 SOTA 数字都在 40% 上下徘徊，碰撞检测 AP 更是只有 16.91，这是一张「还没被解决」的任务清单。
3. 做域适应研究：直奔 §5.5——体模→动物的跨域设定是该数据集独有的卖点，识别精度跌幅约 30 个百分点是现成的基线锚点。

§0 导读：这个数据集解决什么问题

心血管疾病是全球最主要的死因之一，血管内介入（通过穿刺小切口，在血管内操纵导管与导丝完成支架置入、消融、给药等治疗）已是其标准治疗手段——创伤小、并发症少、术后恢复快。但这项操作对医生技能要求极高：核心挑战恰恰是「避免器械与血管壁碰撞」，因为一旦碰撞就可能带来穿孔（perforation）、出血（hemorrhage）与器官衰竭。现实中的医生只有 2D X 光透视图像可用，却要在 3D 血管环境里操控器械，全凭经验与手感。

把 AI 引入这个环节（实时导航辅助、碰撞预警、操作技能评估）的最大障碍不是算法，而是数据：公开的血管内介入数据集长期停留在「几百到几千帧、单任务、多数私有」的状态。论文 Table I 的对比一目了然——Ambrosini 等的 948 张掩码、Mastmeyer 等的 101 张、Brost 等的 938 帧、Ma 等的 1,048 帧……最大的 Danilov 数据集也只有约 25,271 帧，且几乎全部把导管与导丝混为一类。没有大规模标注数据，深度学习方法在这个「性命攸关」的领域就一直没能兑现其在通用视觉里的进展。

CathAction 的回答分三层。第一层是规模：569 段视频、约 500,000 标注帧、约 25,000 张分割掩码，自述为该领域「最大、最具挑战性、最全面」的数据集，比此前最大公开数据集约大 20 倍。第二层是标注粒度：导管与导丝分开两类分割（既往数据集多合并为一类）；碰撞检测给出逐帧器械尖端框并区分 collision/normal 两类；动作理解覆盖五类操作动作（进/退导管、进/退导丝、旋转）。第三层是双源域适应设计：同一套操作分别在硅胶体模与活体猪身上采集，天然构成「仿真→真实」的域适应（domain adaptation）基准——这正是医学 AI 从实验室走向临床的核心瓶颈。

§0 读法三则：

1. 这个条目同时覆盖三个身份：学术数据集（arXiv 论文）、MICCAI 2026 官方挑战赛（CATHACTION）、HuggingFace 公开数据包——三者许可与获取方式细节不同（§6）。
2. 全文硬数字均出自论文正文与表格、官网文档页与 HF API 实测；凡有口径出入处（作者名单、数据源描述、mAP 数字）均在 §10 与附录 S 存照，未做调和。
3. 检索时注意：挑战赛名（Endovascular Intervention Tool Segmentation and Collision Detection）与数据集名（CathAction）不同，Zenodo DOI 10.5281/zenodo.19707496 挂载的是挑战赛设计文档 PDF 而非数据本体——数据本体在 HuggingFace 与官网表单渠道（坑 2）。

§1 数据集速览：十问十答

Q1：CathAction 里到底有什么？
569 段 X 光透视视频（分辨率 500×500、帧率 24 FPS），其中约 500,000 帧带动作理解与碰撞检测标注，另有约 25,000 张单帧图像带导管/导丝分割掩码。所有标注均为人工完成并由资深介入外科医生复核。

Q2：数据是怎么采出来的？
两条采集线：其一，5 具由瑞士 Elastrat 公司制造的成人主动脉弓软硅胶体模，接搏动泵模拟血流，置于 X 光机下模拟患者躺位；其二，5 头活体猪，流程与人体手术一致，使用碘造影剂增强血管显影。10 名专业血管介入外科医生在两条线上执行插管操作。

Q3：为什么选猪？
论文的理由是猪的血管解剖被广泛认为与人类高度相似，能在受控体模之外提供真实组织、血流与生物变异性的视觉复杂度。伦理方面，因涉及辐射源与活体动物，全部伦理审批在采集前完成。

Q4：医生在视频里做什么操作？
插管三条目标动脉：左锁骨下动脉（LSA）、左颈总动脉（LCCA）、右颈总动脉（RCCA），使用商用导管与导丝。每段视频因此自然覆盖不同路径、不同器械状态下的操作序列。

Q5：分割标注为什么强调「分两类」？
既往数据集（如 Ambrosini、Nguyen 等）把导管与导丝当作一个类处理；CathAction 人工分开标注 catheter 与 guidewire 两类。这一差异使数据集能支持「器械级」的精细分析（例如分别评估导丝与导管的运动状态），论文明确将此列为本数据集相对前作的要点之一。

Q6：碰撞检测怎么定义？
被建模为对象检测问题：每帧给器械（导管或导丝）尖端画一个 bounding box，类别二选一——collision（尖端与血管壁接触）或 normal（未接触）。标注用开源标注工具完成，与动作标注相互独立但统一 24 FPS 编码。碰撞事件在真实手术中天然稀少，正负样本失衡是该任务的核心难点。

Q7：五类动作是什么？
advance catheter（进导管）、retract catheter（退导管）、advance guidewire（进导丝）、retract guidewire（退导丝）、rotate（旋转）。前四类分属导管、导丝两组；旋转因术中医生通常同时旋转两者而单列一类。标注形式为动作起止帧段（CSV 六列），全部动作由一名资深介入外科医生人工检查修正。

Q8：基准成绩怎么样？
四个任务的最好成绩：动作预测 AFFT 37.91%（top-1 准确率）、动作识别 TDN-ResNet101 62.50%、分割 SegViT Dice 63.47、碰撞检测 EFF AP 16.91（mAP 14.88）。除识别外全部低于或接近 40%——论文自己的结论是「现有方法远未达到可落地的高精度」。

Q9：域适应实验说明了什么？
全部模型在体模数据上训练、在动物数据上测试：识别 TDN-ResNet101 从 62.50% 跌到 25.62%（跌约 30 个百分点），BEVT 从 49.28% 跌到 31.22%，碰撞检测 EFF mAP 从 14.88 跌到 7.88。结论直白：实验室数据上的成功不会自动转化为临床可用性，这正是双源设计的价值——它把「域差距」变成了可量化的基准。

Q10：怎么拿到数据？
两条官方渠道：HuggingFace airvlab/CathAction（公开直链，4 个 zip 合计约 53.6 GB，含碰撞检测、分割体模-动物包、分割 human_train 包、动作理解视频包）；官网 download 页的 Google 表单登记。许可 CC BY-NC-SA 4.0，禁止商业用途，再分发需相同方式共享。GitHub airvlab/cathaction 提供代码与引用信息。

§2 数据构成与规格：四个数据包怎么组织

CathAction 的发布形态是四个主题数据包（HuggingFace airvlab/CathAction 主仓库直链，2026-10-09 API 实测大小）：

数据包	内容	大小（MB）	对应任务
video_action_understanding.zip	569 段透视视频 + 五类动作段标注（CSV/pickle）	39,871.6	动作识别、动作预测
segmentation_animal_phantom.zip	体模与动物单帧 X 光图像 + 导管/导丝分割掩码	9,424.9	分割
segmentation_human_train.zip	human_train 命名的分割子包（内容构成论文未说明）	136.4	分割
collision_detection.zip	逐帧器械尖端框 + collision/normal 两类标签	4,147.9	碰撞检测
合计		53,580.7（约 52.3 GB）

HF 仓库标签 size_categories 为 100K<n>1M 样本量级，与约 50 万标注帧一致；仓库 public、gated=false，README 为空文件（0 字节），使用说明以官网文档页为准。

§2.1 视频与帧规格

• 分辨率 500×500，帧率 24 FPS——动作标注与碰撞标注两条流水线统一采用同一帧率编码，保证两类标注在时间轴上可对齐。
• 动作标注以 CSV 六列组织：video_id（所属视频）、start_frame（起始帧）、stop_frame（结束帧）、all_action_classes（动作类别 ID 列表，支持一段内多类解析）等，并附 pandas pickle 文件（pickle protocol 2、pandas 0.22.0 生成，便于直接加载 DataFrame）。
• 碰撞检测采用 YOLO 格式：images/ 存帧图，labels/ 存同名 TXT（每行一个框：类别 + 归一化坐标），目录按 train/test 划分。

§2.2 分割数据包目录结构（官网文档页口径）

project_folder/
├── train/
│   ├── images/
│   │   ├── image1.jpg
│   │   └── ...
│   └── labels/
│       ├── mask1.png
│       └── ...
└── test/
    ├── images/
    │   ├── image1.jpg
    │   └── ...
    └── labels/
        ├── mask1.png
        └── ...

碰撞检测数据包结构与上述同构（labels 下为 TXT 而非 PNG）。掩码中导管与导丝分开两类着色——这是 CathAction 与既往「单类器械」数据集的关键结构差异。

§2.3 与既有数据集的规模对照（论文 Table I 口径）

数据集	影像类型	规模	真实/模拟	分割标注	任务覆盖
Ambrosini et al.	X 光图像	948	真实	手工	分割
Mastmeyer et al.	3D MRI	101	真实	手工	分割
Yi et al.	X 光图像	2,540	合成	自动	分割
Nguyen et al.	X 光图像	25,271	体模	半自动	分割
Danilov et al.	3D 超声视频	225	合成	手工	分割
Delmas et al.	X 光图像	2,357	模拟	自动	分割
Brost et al.	X 光图像	938	临床	半自动	跟踪
Ma et al.	X 光 + CT	1,048	临床	手工	重建
CathAction	X 光视频	500,000+ 帧 / 569 段视频	体模+活体动物	手工	分割+动作理解+碰撞检测

论文自述：CathAction 约为此前最大公开数据集的 20 倍，且是唯一同时覆盖分割、动作理解与碰撞检测三任务的血管内介入数据集。

§3 数据采集：体模与活体猪的双源设计

§3.1 为什么不用人数据

血管内介入是真实的医疗操作，出于隐私约束，大规模采集人数据「不现实且耗时」（论文原文口径）。CathAction 的替代方案是双源采集：用仿人体血管的软硅胶体模（vascular soft silicone phantom）提供受控环境，用活体动物提供真实手术场景的视觉复杂性。

§3.2 体模线（phantom setup）

• 5 具成人主动脉弓（aortic arch）体模，软硅胶材质，由瑞士 Elastrat Ltd. 制造；
• 体模连接搏动泵（pulsatile pump）模拟正常人体血流，增强器械-组织交互的真实感；
• 体模置于 X 光成像系统下方，摆位模拟躺在血管造影床上的患者。

§3.3 动物线（animal setup）

• 5 头活体猪（live pigs）作为受试对象；选猪的理由：其血管解剖与人类高度相似是学界公认；
• 装置与人体手术完全一致；术中由专业外科医生使用碘造影剂（iodine-based contrast agent）增强血管、器官及导管导丝的 X 光可见性；
• 动物数据整体上比体模数据更难：导管导丝在真实组织环境里可见性更低（论文 Fig. 3 直观对照）。

§3.4 操作与人员

10 名受过良好训练的专业血管介入外科医生执行全部操作，操作目标为三条动脉：左锁骨下动脉 LSA、左颈总动脉 LCCA、右颈总动脉 RCCA，使用商用导管与导丝。操作者全程穿戴防护服（日常医院实践）。

§3.5 伦理声明

数据采集同时涉及 X 射线辐射源与活体动物实验，论文声明所有相关伦理审批在采集开始前完成，动物受试遵循人道处理与医疗法规。

§3.6 双源设计的研究含义

同一套操作在两类环境中重复采集，天然构成一对「源域（体模）/目标域（动物）」数据。论文将此称为数据集的 adaptation property：研究者可以在体模数据上开发域适应方法，再迁移到（更接近真实人数据的）动物数据上检验——这正是医学 AI「仿真训练→临床落地」路径的可控试验场。注意：体模数据与动物数据各自的视频/帧数配比论文未以表格形式给出（仅分布图），复现分域实验需自行从数据包统计（遗留疑点，见附录 S）。

§4 标注体系：三类标注如何做出一致的质量

§4.1 动作标注（action annotation）

• 类别体系五类，来自资深介入外科医生的建议：advance catheter / retract catheter / advance guidewire / retract guidewire / rotate。前四类按器械分两组；rotate 单列的理由是实践中医生通常同时旋转导管与导丝，无法在 2D 影像中分开归属。
• 标注形式：为每段叙述性动作标注起止时间（帧），使用一款免费开源视频编辑器完成；
• 质量控制：所有 ground truth 动作由一名经验丰富的介入外科医生人工检查并修正；
• 输出：CSV 六列表 + pandas pickle，帧级分辨率的时间段标注。

§4.2 碰撞标注（collision annotation）

• 临床观察：导管/导丝与血管壁的碰撞绝大多数经由器械尖端（tip）发生，因此标注对象是每帧的尖端框而非整支器械；
• 两类框：collision（尖端与血管壁接触）/ normal（未接触）；
• 工具：开源标注工具逐帧绘制 bounding box；
• 与动作标注的关系：两套标注可独立进行，但所有视频统一按 24 FPS 编码以保证数据集内部一致性；
• 分布特征：论文 Fig. 6 显示 normal 框数量远多于 collision 框——碰撞事件的低发生率是真实场景的固有属性，也是该任务困难度的来源。

§4.3 分割标注（segmentation annotation）

• 标注对象：单帧 X 光图像中的导管与导丝，分开两类逐像素标注；
• 与前作的差异：既往数据集（论文引 Ambrosini、Nguyen 等）将两者合并为一个类；CathAction 的二类掩码支持器械级分析；
• 质量口径：论文称约 25,000 张 ground truth 掩码均为人工标注（manually labeled）；
• 输出：PNG 掩码，与图像同名对齐，train/test 目录划分。

§4.4 标注体系小结

维度	动作理解	碰撞检测	分割
标注粒度	帧段（起止帧）	逐帧 bounding box	逐像素掩码
类别数	5 类	2 类（collision/normal）	2 类（catheter/guidewire）
格式	CSV 六列 + pickle	YOLO TXT	PNG mask
复核	资深外科医生人工复查	开源工具逐帧标注	人工标注
主要困难	动作细粒度、器械外观相似	碰撞稀少 + 尖端目标极小	细长目标像素占比极低

§4.5 数据的统计画像（论文 Fig. 4-6 口径）

• 动作类别分布：体模与动物两个子集中五类动作的分布不均衡（论文以分布图呈现，未给出逐类计数表）；
• 动作段时长：段长度变异显著（Fig. 5），既有数秒内的快速操作也有长时间维持；
• 碰撞框 vs 正常框：数量差距悬殊（Fig. 6），动物数据的碰撞框相对占比与体模亦有差异；
• 这些分布特征共同指向：在该数据集上刷分必须处理类别不平衡与段长变异，简单均匀采样会系统性高估模型性能。

§5 任务与基准：五个任务的完整成绩单

论文以五个任务验证数据集效用：动作预测（anticipation）、动作识别（recognition）、分割（segmentation）、碰撞检测（collision detection）、域适应（domain adaptation）。训练配置统一为 Nvidia A100 GPU，数据约 80% 训练 / 20% 测试划分。以下表格均为论文 Table II-VIII 原文数字（top-1 准确率/AP/mAP 以百分比计）。

§5.1 动作预测（catheterization anticipation）

任务定义：给定观察窗口（observation time τo）内的帧序列，预测接下来预测窗口（anticipation time τa）内的动作类别。实验设置 τa = 1s、τo = 1s；交叉熵损失监督；batch size 64，训练 80 epochs，初始学习率 0.001（30-60 epochs 间降为 1/10）。

Baseline	发表会议	Accuracy	Precision	Recall
CNN	CVPR 2018	28.98	30.14	29.76
RNN	CVPR 2018	29.64	30.38	30.44
RU-LSTM	CVPR 2019	35.08	34.29	34.77
TempAggRe	ECCV 2020	34.64	35.56	34.71
Trans-SVNet	IJCARS 2022	29.06	19.67	20.28
AFFT	WACV 2023	37.91	36.87	37.63

要点：Transformer 系方法（AFFT）优于 CNN/RSTM 系；但 37.91% 的上限意味着预测任务远未解决——导管导丝运动快、外观细长，且实时性要求进一步压缩了可用模型空间。

§5.2 动作识别（catheterization recognition）

任务定义：给定视频段，预测该段对应的动作类别（五类）。双 A100 训练 80 epochs，batch size 512，空间流学习率 0.01、时间流 0.001（20/40 epochs 降为 1/10）。

Baseline	发表会议	Accuracy	Precision	Recall
TDN-ResNet50	CVPR 2021	58.34	59.12	57.22
TDN-ResNet101	CVPR 2021	62.50	61.89	62.77
Video Swin Transformer	CVPR 2022	51.67	52.14	51.24
BEVT	CVPR 2022	49.28	50.27	49.92

要点：识别整体高于预测（有观察窗口 vs 只能看过去），但论文强调「尚未达到可实际应用的水平」——导管导丝在不同环境下外观高度相似，动作类别取决于细微的运动特征。

§5.3 分割（catheter and guidewire segmentation）

任务定义：从单帧 X 光图像中分割出导管与导丝。使用各论文默认训练测试配置；指标为 Dice、Jaccard Index、mIoU、Accuracy。

Baseline	Dice Score	Jaccard Index	mIoU	Accuracy
UNet	51.69	57.51	31.17	63.26
TransUNet	56.52	55.93	34.13	55.61
SwinUNet	61.26	59.54	39.53	76.60
SSL	56.95	56.87	40.87	72.24
SegViT	63.47	54.12	42.48	68.73

要点：Transformer 系（TransUNet、SegViT）Dice 占优但领先幅度不大；与常规视觉分割不同，导管导丝是极端细长目标（像素占比极低），且 X 光影像下器械与血管投影容易混淆——这是「thin object」分割的标杆性难例。

§5.4 碰撞检测（collision detection）

任务定义：对象检测式——逐帧检出器械尖端框并分类 collision/normal。学习率 0.0003（20 epochs 后降为 1/10），共 80 epochs，batch size 4，单张 A100。带星号（*）者为 tiny object 检测器。

Baseline	AP Collision	AP Normal	AP Mean	mAP Collision	mAP Normal	mAP Mean
STEP	7.79	11.21	10.98	6.92	11.29	9.08
YOWO	8.32	12.18	11.73	7.46	12.28	9.92
YOWO-Plus	8.92	12.23	11.77	7.86	12.48	10.28
HIT	9.37	12.74	12.14	8.18	12.72	10.81
Yolov*	12.30	21.08	15.89	11.88	20.04	14.11
EFF*	13.70	22.10	16.91	12.14	20.78	14.88

要点：碰撞检测是全数据集最难的基准——最优 AP mean 仅 16.91（EFF，tiny object 检测器）。注意口径：部分第三方转述把 16.91 误作 mAP，论文原文 AP mean 16.91 / mAP mean 14.88（§10 坑 5 存照）。碰撞类别的 AP 系统性低于 normal 类别（稀有事件 + 尖端视觉足迹极小），论文将其列为未来研究的首要方向。

§5.5 域适应（domain adaptation）：本数据集的独有卖点

设定：全部模型在体模数据训练，在动物数据测试。动物数据更接近真实人体数据的成像难度。

预测任务域适应（Table VI）：

Baseline	Accuracy	Precision	Recall
RU-LSTM	22.93	23.91	22.57
TempAggRe	17.16	18.41	18.23
Trans-SVNet	19.06	17.67	19.58
AFFT	25.67	26.29	26.33

识别任务域适应（Table VII）：

Baseline	Accuracy	Precision	Recall
TDN-ResNet50	24.19	23.17	24.56
TDN-ResNet101	25.62	24.52	25.68
Video Swin Transformer	28.79	27.98	28.12
BEVT	31.22	30.48	31.79

碰撞检测域适应（Table VIII）：

Baseline	AP Mean	mAP Mean
STEP	1.87	1.62
YOWO	3.09	2.92
YOWO-Plus	1.21	1.09
HIT	1.24	1.11
Yolov*	8.09	7.21
EFF*	8.19	7.88

要点：识别精度从 62.50% 跌至 25.62%（跌幅约 30 个百分点），碰撞检测 mAP 从 14.88 跌至 7.88（近乎腰斩再腰斩）。论文结论：在受控仿真环境里的成功不会自动迁移到真实场景，任何「体模/仿真训练」路线都必须先过这道域差距之墙。

§5.6 跨任务总览：一张「还没解决」的清单

任务	最优模型	最优成绩	与「可落地」的距离
动作预测	AFFT（WACV 2023）	37.91%	高（五类随机基线 20%）
动作识别	TDN-ResNet101（CVPR 2021）	62.50%	中（论文自评不足）
分割	SegViT	Dice 63.47	高（细长目标）
碰撞检测	EFF*（tiny object）	AP 16.91 / mAP 14.88	极高
域适应	BEVT（识别）	31.22%	极高（跌 30 pp）

§6 获取与许可：三条渠道与一桩双口径

§6.1 渠道一：HuggingFace（推荐，公开直链）

• 仓库：airvlab/CathAction（官方 AIRV Lab 账号），public、gated=false；
• 四个 zip 数据包合计约 53.6 GB（明细见 §2 表）；
• license 标签：cc-by-nc-sa-4.0；downloads 388（2026-10-09 抓取时点）；
• lastModified 2026-05-18（挑战赛启动前后有过更新）；
• 注意：README 为空文件，加载方式与目录说明以官网文档页（airvlab.github.io/cathaction/docs/）为准。

§6.2 渠道二：官网表单登记

官网 download 页明确：CathAction 以 CC BY-NC-SA 许可发布，需填写 Google Form（表单 ID 1wFHbMSSRRivsnxPxJzbiyLIpi02H8szzY13BkbkF6fY）后获取数据。适合需要正式登记记录（如机构审批）的团队。

§6.3 渠道三：Zenodo 挑战赛设计文档

Zenodo DOI 10.5281/zenodo.19707496（标题即挑战赛全称 Endovascular Intervention Tool Segmentation and Collision Detection），2026-04-23 发布 v1，本体仅 1 个 PDF（挑战赛设计文档，0.1 MB）——不是数据本体。该记录是 MICCAI 2026 官方挑战赛列表所引 DOI。

§6.4 许可双口径存照

载体	许可	来源
数据集本体	CC BY-NC-SA 4.0	GitHub LICENSE 全文（Attribution-NonCommercial-ShareAlike 4.0 International）；官网下载页原文；MICCAI 挑战赛列表 Data license 列；HF 标签——四源一致
arXiv 论文	CC BY 4.0	arXiv 页面标注
Zenodo 挑战赛设计文档 PDF	cc-by-4.0（记录级元数据）	Zenodo API——注意这是设计文档许可，非数据集许可

结论：使用数据时按 CC BY-NC-SA 4.0 执行——署名、非商业、相同方式共享；引用论文按 arXiv 预印本口径。

§6.5 代码与工具

• GitHub airvlab/cathaction：官网 Code 页指向的代码仓库（2024-04-05 创建，12 stars，2026-10-09 时点）；README 含 BibTeX 引用信息；GitHub API license 字段 NOASSERTION（LICENSE 文件为 CC BY-NC-SA 全文但未放标准模板检测位），仓库未见代码单独许可声明——复用代码前建议向作者确认；
• 同实验室关联项目：CathSim（血管介入仿真器）、Guide3D（导丝跟踪数据集），官网互链，均不在本条目范围。

§6.6 引用格式（官网与 GitHub 提供的 BibTeX 口径）

@article{huang2024cathaction,
  title={CathAction: A Benchmark for Endovascular Intervention Understanding},
  author={Huang, Baoru and Vo, Tuan and Kongtongvattana, Chayun and others},
  journal={arXiv preprint arXiv:2408.13126},
  year={2024}
}

§7 挑战赛与团队：CATHACTION 在 MICCAI 2026 的位置

§7.1 挑战赛注册信息（MICCAI Society 官网口径）

MICCAI Society 官网「Biomedical Image Analysis Challenges」列表（2026 年度批次）收录：

字段	官网口径
挑战赛名称	Endovascular Intervention Tool Segmentation and Collision Detection
缩写	CATHACTION
设计文档 DOI	10.5281/zenodo.19707496
问题类别	Detection; Localization; Prediction; Segmentation; Tracking
数据许可	CC BY-NC-SA

官网注记：问题类别与数据许可信息提取自对应注册的挑战赛设计文档（challenge design document）。设计文档 PDF 内文（赛题划分、时间线、提交与评测细则）在本次抓取中因 Zenodo 文件下载限流未能获取，列为遗留疑点（附录 S）；条目成稿以论文基准任务（§5）与官网注册类别为据。

§7.2 挑战赛任务类别与数据集任务的对应

MICCAI 注册类别	对应数据集能力
Segmentation	导管/导丝二类掩码分割（§5.3）
Detection	尖端碰撞框检测 collision/normal（§5.4）
Localization	器械尖端定位（尖端框的定位成分）
Tracking	透视序列内器械连续跟踪（视频标注天然支持）
Prediction	下一动作预测 anticipation（§5.1）

§7.3 团队与机构

• 数据集与论文：University of Liverpool AIRV Lab 牵头（通讯与提交人 Anh Nguyen，实验室主页 https://www.csc.liv.ac.uk/~anguyen/），论文 36 位作者横跨 Imperial College London、UCL、University of Exeter、University of Aberdeen、Shanghai Jiao Tong University、University of Twente、Wuhan University、TU Wien、XJTLU、FPT Software AI Center、AIOZ、Vietnam National University 等机构；第一作者 Baoru Huang（Imperial College London 系，论文脚注声明三位作者贡献均等）；
• 挑战赛 Zenodo 记录署名（8 人）：Huang Baoru（Liverpool）、Fang Ruogu（Florida）、Qiu Jianing（MBZUAI）、Bicknell Colin（Imperial）、Li Shuo（Case Western Reserve）、Vasconcelos Francisco（UCL）、Stoyanov Danail（UCL）、Nguyen Anh（Liverpool）——与论文 36 人名单部分重叠但不一致（坑 3 存照）；其中 Bicknell（外科）、Fang、Qiu、Li 等为论文名单外新增署名，提示挑战赛阶段团队有所重组；
• 技术谱系：AIRV Lab 在血管介入 AI 方向持续产出——姊妹项目 CathSim（介入仿真器）与 Guide3D（导丝跟踪）与 CathAction 互为支撑：仿真器产生合成经验、数据集提供真实基准、跟踪数据集专攻导丝几何。

§7.4 时间线

时点	事件
2024-04-05	GitHub 仓库 airvlab/cathaction 创建
2024-08-23	arXiv:2408.13126 v1 提交
2024-08-30	v2 更新（当前版本，10 页）
2024-11-28	官网文档页统一更新（各页脚注 Updated 日期）
2026-04-22/23	挑战赛设计文档 PDF 生成并发布于 Zenodo（v1）
2026 年度	MICCAI 2026 官方挑战赛列表收录 CATHACTION
2026-05-18	HF 数据集仓库最后更新（实测）

§8 方法学启示：这个数据集教给医学 AI 的三件事

§8.1 「仿真-真实」域差距可以被量化

医学 AI 的标准困境：人数据难集、仿真数据好造但不敢信。CathAction 不空谈这个困境，而是把两端都做成同一套标注体系的数据，让「体模训练→动物测试」成为一个可直接跑分的标准设定——识别掉 30 个百分点、碰撞检测 mAP 腰斩再腰斩，域差距从修辞变成了数字。任何做「合成数据预训练→真实数据微调」的团队都值得把这套设定当作测谎仪。

§8.2 细长目标是分割领域的硬骨头

导管导丝在 500×500 的 X 光帧里只占极少量像素，且与血管投影形态相似——论文反复强调这类「thin object」让常规分割架构集体失灵（最优 Dice 仅 63.47，远低于通用场景 90+ 的常见水位）。凡涉及血管轮廓、神经走行、外科缝线等细长结构的数据集都会遇到同款问题，CathAction 提供了目前最大的练兵场。

§8.3 稀有安全事件的标注价值

碰撞检测任务的本质是「为低频高危事件建立监督信号」：碰撞框天然稀少（论文 Fig. 6），导致最优 AP 只有 16.91。这提示两件事：其一，评估这类任务时 AP 的绝对值意义有限，应重点看碰撞类别与 normal 类别的相对差距；其二，任何「手术安全预警」产品叙事都应该先在这样的基准上证明碰撞检出能力，再谈落地。

§9 与库内条目的关系：互链矩阵

本条目与库内 11 个条目互链（rid 为发布库 record_id，2026-10-09 实查）：

目标条目	rid	互链轴	用户动线
atm-airway	922	MICCAI 2026 同届挑战赛	同届赛事横向对比（支气管内手术 vs 血管内介入）
flare	387	MICCAI 2026 同届挑战赛	大规模医学分割挑战赛的方法论对照
surgtoolloc-2022	821	器械定位挑战赛	腔镜器械定位 vs 透视器械定位
cholectrack20	886	器械跟踪	视频内器械时序跟踪的同题异模态
m2cai16-tool	303	器械分割	腔镜器械分割任务谱系
cholect50	223	手术动作识别	手术动作分类的另一大本营
misaw	445	器械-组织交互与活动识别	手术工作流理解
jigsaws	283	手术技能评估	操作动作→技能水平
endoscapes	353	手术场景理解	安全关键区域标注思路对照
hamlyn-datasets	383	腔内/血管内影像	介入影像同族
multibypass140	323	多中心手术视频	手术视频规模化路径对照

互链读法三则：

1. 从「挑战赛视角」来的用户：atm-airway(922) + flare(387) + 本条目构成 MICCAI 2026 挑战赛三角。
2. 从「手术器械 AI 视角」来的用户：m2cai16-tool(303) → surgtoolloc-2022(821) → cholectrack20(886) → 本条目，恰好覆盖「分割→定位→跟踪→介入安全」四级任务链。
3. 从「动作/技能理解视角」来的用户：cholect50(223) + jigsaws(283) + misaw(445) + 本条目，覆盖腹腔镜与血管内两个模态的动作理解。

frontmatter schema_org 的 relatedLink 字段已按上述 11 条互链写出纯 URL（MedicalWebPage 节点内），供站内导航与爬虫直接消费。

§10 避坑清单：八个已踩过或容易踩的坑

坑 1：把挑战赛设计文档 DOI 当数据下载链接。
Zenodo 10.5281/zenodo.19707496 本体只有 1 个 0.1 MB 的 PDF（挑战赛设计文档），不是数据。数据在 HuggingFace airvlab/CathAction 与官网表单渠道。检索到 MICCAI 挑战赛页后直接去 Zenodo 下载会一无所获。

坑 2：以为数据是纯公开直链，跳过许可检查。
HF 仓库 gated=false 不等于无限制使用：许可是 CC BY-NC-SA 4.0——NC（非商业）对商用产品是硬约束，SA（相同方式共享）对二次分发是传染性约束。官网同时要求经 Google 表单登记，建议即便走 HF 直链也补一次表单登记以留档。

坑 3：作者名单口径混用。
论文 36 人（一作 Baoru Huang，Liverpool/Imperial 系）与挑战赛 Zenodo 记录 8 人名单不一致（后者含 Fang Ruogu、Qiu Jianing、Bicknell Colin、Li Shuo 等论文名单外作者）。引用数据集署名用论文口径，引用挑战赛组织方用 Zenodo 口径，不要拼接。

坑 4：把第三方转述的「mAP 16.91」当原文。
论文 Table V 原文：EFF 的 AP mean 16.91 / mAP mean 14.88。部分二手资料把 16.91 写成 mAP。引用时以论文表格为准，并区分 AP 与 mAP。

坑 5：以为数据里有人体影像。
论文口径：数据来自硅胶体模与活体猪，不含人患者影像。但官网介绍页只提体模（“human silicon phantoms” 一语指「人形硅胶体模」，易误读为人体数据），HF 又存在 segmentation_human_train.zip 包名——三处表述交错，极易误判。成稿按论文口径（体模+猪）为主，human_train 包构成待核（附录 S）。

坑 6：把「比最大前作大 20 倍」读成 1000 万帧。
「20 倍」的基数是该领域此前最大公开数据集（约 25,000 帧量级），CathAction 约 500,000 帧。20 倍是这两个数的比值，不要外推。

坑 7：用常规检测基准的 AP 水位评估碰撞检测成绩。
碰撞检测 AP 16.91 在通用检测榜单上近乎不可用，但在「稀有事件 + 极小目标 + 医学影像」三重困难叠加下是当前 SOTA。评估该任务应报告碰撞/normal 两类 AP 的分解与域适应跌幅，而非只报一个均值。

坑 8：用 Zenodo 记录元数据里的 cc-by-4.0 当数据许可。
该字段描述的是设计文档 PDF 本身的许可；数据集许可以 GitHub LICENSE 文件全文（CC BY-NC-SA 4.0 International）与官网、MICCAI 列表、HF 标签的四源一致口径为准。

§11 总结

CathAction 的价值可以用一句话概括：它把血管内介入 AI 从「小数据私有数据时代」带进了「大规模公开基准时代」，并且顺手把域差距做成了可以打分的靶子。

从数据工程看，它是教科书式的「不可得数据的替代方案」：体模提供受控可重复，活体动物提供临床真实感，两者共用一套标注体系，50 万帧的体量让深度学习方法第一次在这个领域有足够的训练料。从基准设计看，它不讨好——四个任务的 SOTA 全部停在远低于「可落地」的水位，域适应设定更是直接把最好的模型打回 25%。但这恰是它的学术诚实：论文从头到尾没有宣称「解决了」，而是反复强调「机会与挑战」。

对数据集的使用者，本条目给出三条行动建议：其一，商用前先读 CC BY-NC-SA 的 NC 条款（坑 2）；其二，报告碰撞检测与域适应结果时遵循 §5.4 与 §5.5 的分解口径（坑 7）；其三，凡涉及数据源描述，认论文口径并核对 HF 包名差异（坑 5）。

在千方病案医数集的知识网络里，CathAction 补上了「血管内介入」这块拼图：与腔镜系（cholect50、m2cai16-tool）、技能评估系（jigsaws）、同届挑战赛系（atm-airway、flare）共同构成手术数据科学的完整检索面。

FAQ（高频问答 32 问）

Q1：CathAction 的中文名怎么写？
无需另译，直接用 CathAction 或 CATHACTION。挑战赛语境写全称「血管内介入器械分割与碰撞检测挑战赛」（Endovascular Intervention Tool Segmentation and Collision Detection）。

Q2：CathAction 与 CATHACTION 是什么关系？
CathAction 是数据集/论文名（2024 年发布）；CATHACTION 是其基础上注册的 MICCAI 2026 官方挑战赛缩写。同一团队、同一数据，两个身份。

Q3：数据集包含多少数据？
569 段 X 光透视视频、约 500,000 帧动作/碰撞标注、约 25,000 张分割掩码。分辨率 500×500、帧率 24 FPS。

Q4：数据是在人身上采集的吗？
不是。数据主体是 5 具硅胶主动脉弓体模 + 5 头活体猪。「human silicon phantom」指人形硅胶体模，不是人体数据（坑 5）。

Q5：为什么用体模和猪？
人数据受隐私约束难以大规模采集；体模提供受控环境（搏动泵模拟血流），猪的血管解剖与人类高度相似且提供真实组织复杂度。

Q6：谁操作的？
10 名专业血管介入外科医生，在 X 光机下对 LSA、LCCA、RCCA 三条动脉执行插管，使用商用导管与导丝。

Q7：分割掩码有几类？
两类：catheter（导管）与 guidewire（导丝）分开标注——这是相对既往「单类器械」数据集的关键差异。

Q8：碰撞检测怎么标注的？
逐帧给器械尖端画 bounding box，分 collision（接触血管壁）/ normal（未接触）两类，YOLO 格式，train/test 目录划分。

Q9：动作理解有哪几类？
五类：advance catheter、retract catheter、advance guidewire、retract guidewire、rotate。rotate 单列因为术中通常同时旋转导管与导丝。

Q10：动作标注的文件格式？
CSV 六列（video_id、start_frame、stop_frame、all_action_classes 等），另附 pandas pickle（protocol 2、pandas 0.22.0 生成）。

Q11：碰撞和动作标注能对齐吗？
能。两套标注独立进行但统一 24 FPS 编码，时间轴一致。

Q12：标注质量怎么保证？
动作标注全部由一名资深介入外科医生人工复查修正；碰撞与分割为人工标注；类别体系由资深外科医生建议定义。

Q13：四个基准任务的最好成绩是多少？
预测 AFFT 37.91%；识别 TDN-ResNet101 62.50%；分割 SegViT Dice 63.47；碰撞检测 EFF AP mean 16.91（mAP 14.88）。

Q14：这些成绩算好还是差？
按通用视觉标准偏低（多数任务 40% 上下），论文自评「远未达到可实际应用的精度」——这正是数据集的价值：留下大量未解决空间。

Q15：域适应实验怎么设置？
全部模型在体模数据训练、在动物数据测试。识别 TDN-ResNet101 62.50→25.62（跌约 30 个百分点），碰撞检测 EFF mAP 14.88→7.88。

Q16：域适应结论是什么？
体模（仿真）上的成功不会自动迁移到接近真实的场景；医学 AI 的「仿真训练→临床落地」路线必须量化域差距。

Q17：数据去哪里下载？
HuggingFace airvlab/CathAction（公开直链，4 个 zip 约 53.6 GB）；或官网 airvlab.github.io/cathaction/docs/download/ 的 Google 表单登记。

Q18：Zenodo DOI 10.5281/zenodo.19707496 是数据吗？
不是，那是挑战赛设计文档 PDF（0.1 MB）。数据本体在 HF 与官网渠道（坑 1）。

Q19：可以用作商业用途吗？
不可以。数据许可是 CC BY-NC-SA 4.0，NC 条款禁止商业使用；商用需另行获得权利人许可。

Q20：二次分发要注意什么？
SA（相同方式共享）条款：再分发须保持 CC BY-NC-SA 并署名。HF 仓库 gated=false 方便获取，但许可义务不因获取渠道改变。

Q21：论文发在哪里？
arXiv:2408.13126（v2 2024-08-30，10 页），预印本口径；截至 2026-10-09 抓取时点未见正式期刊/会议版本记录。

Q22：怎么引用？
用官网/GitHub 提供的 BibTeX（huang2024cathaction，arXiv preprint 口径），见 §6.6。

Q23：挑战赛什么时候办的？
设计文档 2026-04-23 发布于 Zenodo，MICCAI 2026 官方挑战赛列表收录；具体比赛时间线在设计文档 PDF 内（本次抓取受限未获取，见附录 S）。

Q24：挑战赛有哪几个赛道？
MICCAI 注册的问题类别为 Detection、Localization、Prediction、Segmentation、Tracking 五类，与数据集的碰撞检测、尖端定位、动作预测、分割、跟踪能力一一对应（§7.2）。

Q25：团队是谁？
University of Liverpool AIRV Lab 牵头（Anh Nguyen），论文 36 位作者含 Imperial College London、UCL 等多机构；挑战赛记录另有 8 人署名名单（与论文名单部分重叠，坑 3）。

Q26：训练基准用什么硬件？
Nvidia A100 GPU。预测任务单卡 batch 64；识别任务双卡 batch 512；碰撞检测单卡 batch 4；均 80 epochs。

Q27：数据怎么划分？
论文基准统一约 80% 训练 / 20% 测试；分割与碰撞包在文件组织上自带 train/test 目录结构。

Q28：体模和动物数据各多少？
论文未以表格给出逐源数量（仅有分布图 Fig. 4-6）。做分域实验需自行从 segmentation_animal_phantom.zip 等包内统计。

Q29：segmentation_human_train.zip 是什么？
HF 发布包之一（136.4 MB），命名含 human_train 但论文口径数据源仅体模+猪；其精确构成官方未说明，使用前建议向作者确认（坑 5、附录 S）。

Q30：能和其他手术数据集混用吗？
任务与模态上可与库内腔镜系条目（cholect50、m2cai16-tool 等）互补，但标注体系、模态（透视 vs 可见光）、类别定义不同，不能直接合并训练标签；跨域研究正是其设计用途。

Q31：有官方代码吗？
GitHub airvlab/cathaction 提供代码入口与引用信息（12 stars，2026-10-09 时点）；仓库未单列代码许可，复用前建议确认。

Q32：报告实验结果时应注意什么口径？
①区分 AP 与 mAP（坑 4）；②碰撞检测报告碰撞/normal 两类分解；③域适应结果注明「体模训练→动物测试」设定；④引用规模数字用「约」（500,000 帧、25,000 掩码均为约数口径）。

事实清单（硬事实 36 条）

1. 挑战赛全称：Endovascular Intervention Tool Segmentation and Collision Detection，缩写 CATHACTION（MICCAI 2026 官方挑战赛列表）。
2. 挑战赛设计文档 DOI：10.5281/zenodo.19707496，Zenodo v1 发布于 2026-04-23（文件时间戳 2026-04-22）。
3. 论文：CathAction: A Benchmark for Endovascular Intervention Understanding，arXiv:2408.13126。
4. arXiv v1 提交 2024-08-23；v2 提交 2024-08-30；10 页；提交人 Anh Nguyen。
5. 论文 36 位作者；第一作者 Baoru Huang；三位作者贡献均等（论文脚注原文）。
6. 通讯与提交人：Anh Nguyen，University of Liverpool（AIRV Lab）。
7. 挑战赛 Zenodo 记录署名 8 人：Huang、Fang、Qiu、Bicknell、Li、Vasconcelos、Stoyanov、Nguyen。
8. 数据规模：569 段视频；约 500,000 标注帧；约 25,000 张分割掩码（论文摘要/正文/官网一致）。
9. 视频规格：500×500 分辨率、24 FPS。
10. 体模：5 具成人主动脉弓软硅胶体模，Elastrat Ltd.（瑞士）制造，接搏动泵。
11. 动物：5 头活体猪，碘造影剂增强，装置与人体手术一致。
12. 操作者：10 名专业血管介入外科医生。
13. 插管目标动脉：LSA（左锁骨下）、LCCA（左颈总）、RCCA（右颈总）。
14. 动作类别五类：advance catheter、retract catheter、advance guidewire、retract guidewire、rotate。
15. 碰撞标注两类：collision / normal，对象为器械尖端 bounding box，YOLO 格式。
16. 分割两类：catheter 与 guidewire 分开标注（区别于既往单类口径），PNG 掩码。
17. 动作标注格式：CSV 六列（video_id、start_frame、stop_frame、all_action_classes 等）+ pandas pickle。
18. 规模对照：约为此前最大公开数据集（约 25,000 帧量级）的 20 倍（论文自述）。
19. 基准划分：约 80% 训练 / 20% 测试；硬件 Nvidia A100。
20. 预测基准最优：AFFT（WACV 2023）accuracy 37.91（τa=1s、τo=1s）。
21. 识别基准最优：TDN-ResNet101（CVPR 2021）accuracy 62.50。
22. 分割基准最优：SegViT Dice 63.47；SwinUNet accuracy 76.60。
23. 碰撞检测基准最优：EFF*（tiny object 检测器）AP mean 16.91 / mAP mean 14.88。
24. 域适应设定：体模训练→动物测试；识别 TDN-ResNet101 62.50→25.62（跌约 30 pp）。
25. 域适应设定下 BEVT 识别 49.28→31.22；AFFT 预测 37.91→25.67；EFF 碰撞 mAP 14.88→7.88。
26. 数据许可：CC BY-NC-SA 4.0（GitHub LICENSE 全文 + 官网下载页 + MICCAI 列表 + HF 标签四源一致）。
27. Zenodo 记录元数据 license 字段标 cc-by-4.0——设计文档许可，非数据许可（双口径存照）。
28. arXiv 论文页面标注 CC BY 4.0（论文许可）。
29. HF 仓库：airvlab/CathAction，public、gated=false，downloads 388（2026-10-09），lastModified 2026-05-18。
30. HF 四个数据包大小：collision_detection.zip 4,147.9 MB；segmentation_animal_phantom.zip 9,424.9 MB；segmentation_human_train.zip 136.4 MB；video_action_understanding.zip 39,871.6 MB；合计 53,580.7 MB。
31. GitHub 仓库 airvlab/cathaction 创建于 2024-04-05；12 stars（2026-10-09 时点）。
32. 官网文档页（Jekyll）统一更新于 2024-11-28；下载渠道为 Google Form 表单登记。
33. 官网介绍页口径「data were collected using human silicon phantoms in a operating room」（仅提体模，与论文双源口径构成表述差异）。
34. MICCAI 注册问题类别：Detection、Localization、Prediction、Segmentation、Tracking；数据许可列 CC BY-NC-SA。
35. HF README 为空文件；使用说明以官网文档页为准。
36. 数据采集伦理：辐射源与活体动物相关伦理审批在采集前全部完成（论文声明）。

术语表（30 条）

术语	全称/原文	释义
血管内介入	endovascular intervention	经血管穿刺入路，在血管腔内操纵器械完成治疗（支架、消融、给药等）的微创术式
导管	catheter	细长管状介入器械，经血管送达目标部位
导丝	guidewire	先行进入血管引导导管走行的细长器械
透视	fluoroscopy	实时连续的 X 光成像，介入手术的主要「眼睛」
造影剂	contrast agent	碘基 radiopaque 物质，增强 X 光下血管可见性
体模	phantom	模拟人体解剖的物理模型；此处为软硅胶主动脉弓
搏动泵	pulsatile pump	模拟心脏搏动血流的泵，提升体模真实感
碰撞检测	collision detection	判定器械尖端是否接触血管壁
动作理解	action understanding	识别与预测医生操作动作（进/退/旋转）
动作预测	action anticipation	在观察窗口后预测下一动作，τa/τo 为预测/观察时长
域适应	domain adaptation	源域训练、目标域测试的迁移设定；此处体模→动物
细长目标	thin object	像素占比极低的细长结构，分割困难户
YOLO 格式	YOLO format	每帧一个 TXT，行内为类别+归一化框坐标
mAP	mean average precision	多类别平均精度的均值
Dice	Dice score	分割重叠度指标，2
Jaccard	Jaccard index	分割重叠度指标，
SegViT	SegViT	视觉 Transformer 分割网络，本基准分割最优
SwinUNet	SwinUNet	Swin Transformer 骨干的 U 形分割网络
TransUNet	TransUNet	Transformer+CNN 混合分割网络
AFFT	AFFT	动作预测网络（WACV 2023），本基准预测最优
TDN	Temporal Difference Network	时序差分动作识别网络（CVPR 2021）
RU-LSTM	RU-LSTM	用于动作预测的循环网络（CVPR 2019）
YOWO	You Only Watch Once	视频 3D 框检测网络
EFF	EFF	tiny object 检测器，本基准碰撞检测最优
LSA	left subclavian artery	左锁骨下动脉
LCCA	left common carotid artery	左颈总动脉
RCCA	right common carotid artery	右颈总动脉
AIRV Lab	AIRV Lab, University of Liverpool	数据集牵头实验室（Anh Nguyen）
CDD	challenge design document	挑战赛设计文档，MICCAI 挑战赛注册要件
CC BY-NC-SA	Attribution-NonCommercial-ShareAlike	署名-非商业-相同方式共享许可

附录 A：来源清单与抓取时点

本条目全部事实经三源以上互证，抓取时点 2026-10-09（00:25-00:45 UTC+8 窗口）：

源	URL	用途	抓取方式
MICCAI Society 挑战赛列表	https://miccai.org/index.php/special-interest-groups/challenges/	挑战赛存在性、注册类别、数据许可	WebSearch（含官网表格行摘录）
arXiv 论文 v2 全文	https://arxiv.org/html/2408.13126v2	规模、采集、标注、全部基准表	curl 全文落盘解析（194,639 B）
arXiv 摘要页	https://arxiv.org/abs/2408.13126	版本史、页数、提交人	curl
Zenodo 记录页	https://zenodo.org/records/19707496	挑战赛记录署名、发布日期、描述	WebFetch
Zenodo API	https://zenodo.org/api/records/19707496	文件清单、license 字段、DOI	curl JSON
官网首页/文档页	https://airvlab.github.io/cathaction/ 及 /docs/{introduction,tasks,download,segmentation,collision-detection,action-understanding}/	官网口径：许可、表单、任务、目录结构、动作五类	curl（Jekyll 静态页）
GitHub API + raw	https://api.github.com/repos/airvlab/cathaction 及 LICENSE/README	仓库时间、stars、LICENSE 全文、BibTeX	curl
HF 镜像 API	https://hf-mirror.com/api/datasets/airvlab/CathAction 及 /tree/main	仓库状态、标签、文件与大小实测	curl JSON

未抓取成功：Zenodo 设计文档 PDF 内文（文件下载两度 403 限流，重试纪律上限即停）；官网视频演示（video 标签媒体，不影响文字事实）。

附录 B：数据包数据字典

B.1 动作标注 CSV（六列）

列名	类型	示例	说明
video_id	string	video_1	动作段所在视频
start_frame	int	430	起始帧
stop_frame	int	643	结束帧
all_action_classes	list[int]	[1]	解析出的全部动作类 ID（列表）
（其余两列）	—	—	论文/官网列名口径为六列，剩余两列官方未逐一公开说明；附 pickle 文件内含同构 pandas DataFrame（protocol 2、pandas 0.22.0）

B.2 碰撞检测（YOLO TXT）

要素	值域	说明
类别	{collision, normal} 对应整数 ID	每帧每尖端一框
坐标	归一化 cx cy w h	YOLO 惯例
目录	train/images + train/labels；test/images + test/labels	与分割包同构

B.3 分割（PNG 掩码）

要素	说明
类别	catheter、guidewire 两类（掩码着色区分）
对齐	掩码与图像同名配对，单帧图像输入
目录	train/{images,labels}；test/
发布包	segmentation_animal_phantom.zip（体模+动物）；segmentation_human_train.zip（构成待核）

B.4 视频动作理解包

要素	说明
容器	video_action_understanding.zip（39,871.6 MB）
规格	569 段、500×500、24 FPS
标注	同 §B.1 CSV/pickle，覆盖约 500,000 帧

附录 C：论文基准复现配置速查

任务	模型	硬件	batch	epochs	学习率	关键超参
预测	CNN/RNN/RU-LSTM/TempAggRe/Trans-SVNet/AFFT	A100×1	64	80	0.001（30-60 ep 间 ÷10）	τa=1s、τo=1s、CE loss
识别	TDN/Video Swin/BEVT	A100×2	512	80	空间流 0.01、时间流 0.001（20/40 ep ÷10）	—
分割	UNet/TransUNet/SwinUNet/SSL/SegViT	—	—	—	—	各原论文默认配置
碰撞检测	STEP/YOWO/YOWO-Plus/HIT/Yolov*/EFF*	A100×1	4	80	0.0003（20 ep 后 ÷10）	带 * 为 tiny object 检测器

复现提示：划分约 80/20，但官方未公开逐样本划分清单；分域（体模/动物）切分需自行从包结构与标注文件统计；碰撞类别 AP 与 normal 类别 AP 应分开报告。

附录 D：DAIMS 横评（Discoverability / Accessibility / Interoperability / Metadata / Sustainability）

维度	评估	依据
D 可发现性	良好	arXiv 论文、官网、GitHub、HF、Zenodo 五个入口互链；MICCAI 官网挑战赛列表收录；slug 关键词 cathaction 唯一性强；注意「挑战赛名 ≠ 数据集名」会造成检索分叉（坑 1）
A 可获取性	良好（附条件）	HF 公开直链（gated=false，约 53.6 GB）+ 官网 Google 表单双渠道；体量较大（视频包近 39 GB），低带宽环境建议按包选择性下载
I 可互操作	中	YOLO TXT、PNG 掩码、CSV/pickle 均为主流格式；pickle 为旧版 pandas 0.22.0 生成，现代环境加载需兼容处理；无官方 datasets 加载脚本，README 为空
M 元数据	良好	论文表格完整、官网文档页目录结构明确、Zenodo/HF 元数据齐全；缺口：体模/动物逐源数量、human_train 包构成、测试划分清单
S 可持续性	中	学科顶会挑战赛背书（MICCAI 2026）+ 多机构团队；依赖实验室维护（GitHub 12 stars、HF 388 downloads，社区规模尚小）；CC BY-NC-SA 保障许可存续

附录 E：与同届 MICCAI 2026 挑战赛（库内条目）对照

条目	主题	与 CathAction 的对照点
atm-airway(922)	支气管内手术气道树建模	同为「腔内器械导航」类挑战赛：气道 vs 血管，同届、同为 CC BY-NC-SA 系许可
flare(387)	通用医学图像分割	大规模分割挑战赛方法论：多器官 vs 细长器械，任务难度画像互补

CATHACTION 在 2026 届的注册问题类别数（5 类）与双源域适应设计在当届挑战赛中特征鲜明：多数同届挑战赛以单任务或单模态为主，CATHACTION 同时注册检测/定位/预测/分割/跟踪五类，且是少数以「介入安全事件」（碰撞）为核心的赛事。

附录 F：基于本数据集的研究检查清单（12 项）

1. 许可核对：用途是否触碰 NC（非商业）红线？二次发布是否满足 SA（相同方式共享）？
2. 渠道选择：正式研究建议同时走官网表单登记留档；HF 直链仅解决获取便利。
3. 包选择：只做分割→segmentation_animal_phantom.zip 即可起步；动作/碰撞研究需 39 GB 视频包，预留磁盘。
4. pickle 兼容：动作标注 pickle 以 pandas 0.22.0 生成，现代环境优先解析 CSV；若必须读 pickle，注意 protocol 2。
5. 帧率一致性：动作与碰撞标注统一 24 FPS，跨包对齐时勿按秒近似换算。
6. 类别映射：动作五类 ID 与名称的对应表以官网 action-understanding 页为准；碰撞两类映射写死在 YOLO 标签约定里。
7. 划分口径：论文为约 80/20；做方法对比时注明自己的划分与官方是否一致。
8. 分域实验：体模/动物切分依据包名与标注文件自行统计；结果报告必须注明训练/测试域。
9. 碰撞指标：AP 与 mAP 分开报；碰撞类与 normal 类分解报；勿只报均值（坑 4、坑 7）。
10. 规模口径：帧数与掩码数均为约数（约 500,000 / 约 25,000），论文与官网一致；精确计数以你解包后统计为准并注明时点。
11. 引用完整性：数据引 arXiv:2408.13126；挑战赛语境加引 Zenodo DOI 10.5281/zenodo.19707496；二者不要混写。
12. 域外推声明：基于体模/猪数据的结论外推到人时，必须引用论文域适应跌幅（识别 -30 pp 量级）作为证据边界。

附录 G：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
本体论文	“CathAction” AND (“endovascular” OR “catheter”)	arXiv:2408.13126
挑战赛注册	“Endovascular Intervention Tool Segmentation and Collision Detection” OR “CATHACTION” MICCAI 2026	MICCAI 官网挑战赛列表 + Zenodo 19707496
数据本体	site:huggingface.co CathAction / HF API datasets?search=cathaction	airvlab/CathAction
团队谱系	Anh Nguyen Liverpool “AIRV” catheter guidewire	AIRV Lab 页 + CathSim/Guide3D 关联
域适应语境	“CathAction” AND (“domain adaptation” OR “phantom”)	论文 §IV-E 及后续引用者
碰撞检测语境	“collision detection” AND (“catheter” OR “guidewire”) AND “X-ray”	论文 §IV-D 及手术安全文献
反例（勿用）	把 Zenodo 19707496 当数据直链	只命中设计文档 PDF（坑 1）

检索卫生两条：一、CathAction（数据集）与 CATHACTION（挑战赛）检索结果高度重叠但身份不同，引用前先确认语境；二、HF 下载量等动态指标随时间变化，引用时注明抓取时点。

附录 S：双口径存照与遗留疑点汇总

存照 1：数据源描述三口径
论文：硅胶体模 + 活体猪（双源）；官网介绍页：仅提 “human silicon phantoms”；HF 包名：segmentation_animal_phantom.zip + segmentation_human_train.zip（含 human 字样）。处理：正文按论文口径（体模+猪）成稿，官网措辞解读为「人形硅胶体模」，human_train 包构成列为待核。

存照 2：许可双口径
数据集 CC BY-NC-SA 4.0（四源一致）vs Zenodo 记录元数据 cc-by-4.0（设计文档许可）vs arXiv 论文页 CC BY 4.0（论文许可）。处理：数据使用按 CC BY-NC-SA 4.0；三个许可各归各载体，不调和。

存照 3：碰撞检测最优数字
论文 Table V：EFF AP mean 16.91 / mAP mean 14.88；第三方转述有「mAP 16.91」说法。处理：以论文表格为准。

存照 4：作者名单
论文 36 人 vs 挑战赛 Zenodo 记录 8 人（含论文名单外 4 人）。处理：两份名单各自存照，不拼接。

存照 5：挑战赛问题类别与论文任务
MICCAI 注册五类别（Detection/Localization/Prediction/Segmentation/Tracking）vs 论文五任务（预测/识别/分割/碰撞/域适应）。两者非一一对应（识别在注册类别中无直接对应，Tracking 在论文基准中未单列），对应关系按 §7.2 合理映射并存照。

遗留疑点 1：挑战赛设计文档 PDF 内文（官方赛题定义、时间线、提交与评测细则）——Zenodo 文件下载 403 限流两次，按重试纪律即停；MICCAI 官网注记类别与许可「提取自设计文档」，故关键结论已有官网背书，PDF 内文缺失不影响成稿主干。

遗留疑点 2：论文正式发表版本（期刊/会议）未见记录，预印本口径成稿；若后续正式见刊，引用格式需升级。

遗留疑点 3：segmentation_human_train.zip 的精确构成与来源。

遗留疑点 4：569 段视频的体模/动物逐源数量、五类动作逐类计数（论文仅有分布图）。

遗留疑点 5：约 500,000 帧中逐任务标注覆盖的精确帧数分配（动作与碰撞是否全帧双标论文未明示——官网仅称约 500,000 帧服务于 action understanding 与 collision detection 两任务）。

---

尾注

本条目为 CathAction / CATHACTION 的 AI-Ready 百科化整理，生产于 2026-10-09。事实层基于 MICCAI Society 官方挑战赛列表、arXiv:2408.13126 全文、Zenodo 记录（API 元数据）、官网文档页（airvlab.github.io/cathaction）与 HuggingFace 数据集 API 实测五路来源互证；全部口径分歧（数据源三口径、许可双口径、作者名单双口径、AP/mAP 数字漂移）已如实存照于 §10 与附录 S，未做调和与拼加；Zenodo 设计文档 PDF 内文等未能实抓的部分列于附录 S 遗留疑点并注明原因。条目由写手代理 agent-f-cathaction 按私有区分片直写流程成稿，双零自检（check_md.py + preflight_check.py）通过后交付发布管线。库内互链：atm-airway(922)、flare(387)、surgtoolloc-2022(821)、cholectrack20(886)、m2cai16-tool(303)、cholect50(223)、misaw(445)、jigsaws(283)、endoscapes(353)、hamlyn-datasets(383)、multibypass140(323)，构成血管内介入与手术数据科学家族的完整检索面。

附录 H：手术数据科学坐标系——CathAction 在手术 AI 任务谱系中的位置

手术数据科学（surgical data science）通常被划成三个层次：术前（规划与导航建模）、术中（感知与决策支持）、术后（结局预测与技能评估）。CathAction 位于术中层，且同时踩着感知（分割、跟踪、定位）与决策支持（动作预测、碰撞预警）两条线。把库内手术系条目放进这个坐标系，能看清它补的是哪一块：

层次	任务	库内条目	模态	CathAction 的差异化
术中-感知	器械分割	m2cai16-tool(303)、endoscapes(353)	腹腔镜可见光	透视 X 光模态 + 细长目标 + 二类器械区分
术中-感知	器械定位/检测	surgtoolloc-2022(821)	腹腔镜可见光	尖端框带安全语义（collision/normal）
术中-感知	器械跟踪	cholectrack20(886)	腹腔镜可见光	视频连续帧 + 器械运动即语义
术中-决策	动作识别	cholect50(223)、misaw(445)	腔镜视频	五类动作体系来自介入专科医生定义
术中-决策	碰撞/安全	（库内此前无同类）	—	填补空白：安全事件监督信号
术中-决策	动作预测	slam-laparoscopic-motions(762)（动作与运动）	腔镜	τa/τo 双窗预测设定可直接迁移
跨层-技能	技能评估	jigsaws(283)	手术视频	动作序列是技能评估的中间表征
数据底座	血管内影像	hamlyn-datasets(383)	腔内影像	50 万帧量级的规模化对照

三条观察：

1. 安全语义是稀缺品。库内手术系条目几乎都以「做了什么/在哪里」为标注核心，CathAction 是唯一把「这么做会不会出事」（碰撞）做成逐帧监督的数据集。做手术安全研究的团队在这里能找到最直接的对标物。
2. 模态互补而非竞争。腔镜系数据集看的是「器械与组织在可见光下的交互」，CathAction 看的是「器械在 X 光下的投影位置」——两者对应介入手术的两套视觉信息源，方法上可迁移、数据上不可替代。
3. 动作体系的专科化。cholect50 的动作体系围绕腹腔镜手术步骤，CathAction 的五类动作围绕导管导丝操作原语——前者是「手术进行到哪一步」，后者是「手上在做什么动作」。做跨手术类型的工作流建模时，这一层抽象差异要在实验设计里显式处理。

附录 I：Table I 前作数据集谱系注

论文 Table I 罗列的八个前作数据集各自代表血管内介入数据工程的一个阶段，逐条注记如下（全部为论文引用口径）：

数据集（第一作者）	规模	模态	标注来源	谱系意义
Barbu et al.	—	X 光	传统阈值法验证	早期导丝整体定位，传统 CV 方法时代
Ambrosini et al.	948	X 光	手工	经典小规模掩码集；catheter+guidewire 合并单类
Mastmeyer et al.	101	3D MRI	手工	极小规模真导管数据，说明人数据之难
Yi et al.	2,540	X 光	自动	合成数据路线：规模可扩但真实度存疑
Nguyen et al.	25,271	X 光	半自动	此前最大；体模来源；仍是单类器械
Danilov et al.	225	3D 超声	手工	非透视模态尝试
Delmas et al.	2,357	X 光	自动	模拟环境重建任务
Brost et al.	938	X 光	半自动	临床小样本跟踪
Ma et al.	1,048	X 光+CT	手工	2D-3D 融合方向

谱系结论：CathAction 之前的公开数据全部卡在「千帧量级、单任务、单类器械」；CathAction 把三个维度同时拉满（帧数 ×20、三任务、二类器械），并补上了前作普遍缺失的「时间维」（视频动作）与「安全维」（碰撞）。引用论文 Table I 数字时注意：这些是论文写作时点的公开数据口径，后续若有新数据集出现，以最新文献为准。

附录 J：体量与工程实践——下载、解包与加载建议

J.1 磁盘与带宽预算

四个 zip 合计 53,580.7 MB（约 52.3 GiB）。解压后体量通常再涨（视频与图像压缩率有限），建议预留 110-120 GB。video_action_understanding.zip 单包 39,871.6 MB——带宽受限环境下用 HF 的按文件下载（只取需要的包），或先做分割类研究（segmentation 包合计约 9.5 GB）。

J.2 加载顺序建议

1. 先取 collision_detection.zip（4.1 GB）与 segmentation_animal_phantom.zip（9.4 GB）跑通两个静态任务；
2. 再取 video_action_understanding.zip 做时序任务；pickle 优先级低于 CSV（版本兼容，见检查清单第 4 项）；
3. segmentation_human_train.zip（136.4 MB）构成待核，首次实验可跳过。

J.3 常见工程坑

• 帧号从 0 还是从 1：CSV 的 start_frame/stop_frame 与视频解包后的帧索引基是否一致，官方未明说——首次对齐用可视抽查确认；
• YOLO 类别顺序：collision/normal 的整数 ID 映射以数据包内 classes 约定或实测可视化为准；
• 掩码色值：catheter/guidewire 的像素值映射官方文档未列色表，用唯一值统计自行建立映射；
• 500×500 的由来：帧已统一缩放到 500×500，若需要原始采集分辨率须向作者确认是否存在（论文未提及原始分辨率）。

J.4 合规流水线建议

机构内使用建议建立三件套：①下载登记记录（表单回执或 HF 下载日志）；②许可声明副本（CC BY-NC-SA 4.0 全文）；③再分发评估备忘（SA 条款对衍生数据集的影响）。NC 条款下，凡与商业实体共训或交付商业产品的用法都需要事先获得权利人书面许可。

附录 K：FAQ 补遗（16 问）

Q33：X 光透视和 DSA 是一回事吗？
CathAction 论文口径为 X-ray fluoroscopy（透视）。DSA（数字减影血管造影）是其增强变体，论文未声称使用减影技术；引用模态时写「X 光透视」最稳妥。

Q34：为什么动作预测的上限只有 1 秒（τa=1s）？
这是论文沿用通用动作预测文献的默认设定，便于与 RU-LSTM、AFFT 等基线公平对比；实际临床预警可能需要更长前瞻窗口，属开放问题。

Q35：识别任务的输入是整段视频还是滑窗？
输入为标注好的动作段视频片段（segment-level），预测五类之一；与预测任务的帧序列输入不同。

Q36：SSL 基线是什么？
分割基准表中 SSL（论文引文 [67]）为半监督/自监督分割方法之一，Dice 56.95——排名低于 SwinUNet 与 SegViT，说明纯视觉 Transformer 在该任务仍有优势。

Q37：碰撞框为什么只标尖端？
论文的临床依据：导管/导丝与血管壁的碰撞绝大多数经尖端发生；只标尖端使任务聚焦安全事件本身，也显著降低标注成本。

Q38：一个框还是两个框？
每帧中导管尖端与导丝尖端分别有框（各自判 collision/normal）；论文未给出逐帧框数统计，实测以数据包为准。

Q39：视频里只有导管导丝吗？
画面为真实透视视野，含骨骼、血管造影剂影等背景；这正是分割与检测的干扰源之一（论文讨论中提到器械与血管投影混淆问题）。

Q40：动物数据用了造影剂，体模呢？
论文动物线明确使用碘造影剂；体模线依托搏动泵与硅胶材质成像，是否加造影剂论文未明说——复现两域差异时注意该变量。

Q41：数据有患者伦理问题吗？
数据不含人患者影像（体模+猪），动物实验伦理已审批；因此使用时主要受许可条款约束，而非医疗隐私法规。

Q42：能否用它研究辐射剂量？
不能直接研究——数据是成像结果而非剂量记录；但「减少透视时长」类研究可用动作/碰撞时序做代理分析。

Q43：和 Guide3D 什么关系？
同实验室（AIRV Lab）姊妹项目：Guide3D 专攻导丝跟踪（官网互链），CathAction 覆盖分割/碰撞/动作三任务。两者数据相互独立，研究问题互补。

Q44：能做 2D-3D 配准研究吗？
数据集无配套 3D 血管模型或投影几何参数，论文基准不含配准任务；做 2D-3D 研究需另找数据源（如库内 hamlyn-datasets(383) 系）。

Q45：挑战赛评测指标与论文一致吗？
无法确证——设计文档 PDF 内文未能抓取（遗留疑点 1）。引用挑战赛指标务必以官方后续公布为准，不要默认沿用论文口径。

Q46：哪里看挑战赛排行？
本条目成稿时点未见公开排行榜页面；建议追踪 MICCAI 挑战赛官网与 AIRV Lab 主页的后续公告。

Q47：数据更新过吗？
HF 仓库 lastModified 2026-05-18；论文 v2 后数据包内容是否有增补官方无 changelog——引用规模数字建议注明「论文口径」。

Q48：怎么快速验证下载完整性？
HF API tree/main 返回各文件 LFS oid（SHA256 前缀）与 size；解包前后做大小与文件数核对（见附录 B 各包大小）。

附录 L：基准数字速查卡（论文 Table II-VIII 浓缩）

预测（Table II，accuracy/precision/recall）：CNN 28.98/30.14/29.76 · RNN 29.64/30.38/30.44 · RU-LSTM 35.08/34.29/34.77 · TempAggRe 34.64/35.56/34.71 · Trans-SVNet 29.06/19.67/20.28 · AFFT 37.91/36.87/37.63。

识别（Table III）：TDN-ResNet50 58.34/59.12/57.22 · TDN-ResNet101 62.50/61.89/62.77 · Video Swin 51.67/52.14/51.24 · BEVT 49.28/50.27/49.92。

分割（Table IV，Dice/Jaccard/mIoU/accuracy）：UNet 51.69/57.51/31.17/63.26 · TransUNet 56.52/55.93/34.13/55.61 · SwinUNet 61.26/59.54/39.53/76.60 · SSL 56.95/56.87/40.87/72.24 · SegViT 63.47/54.12/42.48/68.73。

碰撞检测（Table V，AP/mAP mean）：STEP 10.98/9.08 · YOWO 11.73/9.92 · YOWO-Plus 11.77/10.28 · HIT 12.14/10.81 · Yolov* 15.89/14.11 · EFF* 16.91/14.88。

预测域适应（Table VI）：RU-LSTM 22.93 · TempAggRe 17.16 · Trans-SVNet 19.06 · AFFT 25.67。

识别域适应（Table VII）：TDN-ResNet50 24.19 · TDN-ResNet101 25.62 · Video Swin 28.79 · BEVT 31.22。

碰撞域适应（Table VIII，AP/mAP mean）：STEP 1.87/1.62 · YOWO 3.09/2.92 · YOWO-Plus 1.21/1.09 · HIT 1.24/1.11 · Yolov* 8.09/7.21 · EFF* 8.19/7.88。

速查卡使用规则：①凡引用自本卡，请注明「论文 Table 编号」；②加粗为该表最优；③域适应三表均为「体模训练→动物测试」设定；④碰撞检测带 * 者为 tiny object 检测器。

附录 M：使用场景剧本（三个典型研究路径）

M.1 场景一：复现分割基线（最低成本入门）

• 目标：在 CathAction 分割任务上复现 UNet/SwinUNet/SegViT 三个基线，建立自己的对比锚点。
• 所需包：segmentation_animal_phantom.zip（9,424.9 MB）；可选 segmentation_human_train.zip（构成待核，不建议首轮使用）。
• 步骤：

步骤	动作	验收点
1	解包，统计 train/test 图像数与掩码唯一值	目录结构与附录 B.3 一致
2	建立掩码色值→类别映射（catheter/guidewire/background）	三类映射表落盘
3	按 UNet 原论文配置训练	收敛曲线无发散
4	计算 Dice/Jaccard/mIoU/accuracy 四指标	与 Table IV 同口径可比
5	换 SwinUNet、SegViT 重复 3-4	Dice 落在 61-64 区间附近

• 预期产出：三模型四指标对比表 + 失败案例可视化（细长断连、血管误检）。
• 注意：论文未公开逐样本划分清单，若自行重划分，与论文数字不可直接并列（应标注「自划分口径」）。

M.2 场景二：碰撞检测改进实验（研究空白最大）

• 目标：在 AP 16.91 的 SOTA 之上探索改进（类别失衡处理、tiny object 策略、时序上下文）。
• 所需包：collision_detection.zip（4,147.9 MB）。
• 步骤：

步骤	动作	验收点
1	解包 YOLO 数据，统计碰撞/normal 框数比	记录失衡比（论文 Fig.6 显示悬殊）
2	复现 EFF 或 Yolov 基线	AP mean 落在 14-17 区间附近
3	引入失衡对策（focal loss/重采样/复制碰撞框）	碰撞类 AP 单独提升
4	加入时序上下文（相邻帧融合）	与单帧基线对照
5	域适应设定重跑（体模训练→动物测试）	报告跌幅并与 Table VIII 对照

• 预期产出：碰撞类/normal 类分解指标 + 域适应跌幅曲线。
• 注意：mAP 与 AP 分开报（坑 4）；结论句式避免「检测率 X%」这类非标准口径。

M.3 场景三：域适应研究（数据集独有卖点）

• 目标：以体模→动物为源/目标域，验证或提出域适应方法。
• 所需包：segmentation_animal_phantom.zip（含两域分割数据）；若做时序任务另取 video_action_understanding.zip。
• 步骤：

步骤	动作	验收点
1	从包内元信息/目录切分体模子集与动物子集	两域样本数落盘（论文未提供，自行统计）
2	复现「仅体模训练→仅动物测试」源基线	对照 Table VI-VIII 同任务跌幅
3	加域适应方法（对抗对齐/风格迁移/自训练）	目标域指标提升
4	补「动物训练→动物测试」上界	确定域差距天花板
5	报告源域精度同步变化	防止「牺牲源域换目标域」的假提升

• 预期产出：源/目标双域指标矩阵 + 与论文跌幅的对照讨论。
• 注意：体模/动物逐源数量官方未公布（遗留疑点 4），划分依据需在论文中写明；动物数据是否加造影剂与体模不同（Q40），解释域差距时把该成像变量纳入讨论。

附录 N：全文表格索引

表格	位置	内容
数据包大小表	§2	四 zip 内容与实测大小
Table I 对照	§2.3	九个血管内介入数据集横评
任务标注体系表	§4.4	三类标注五维对照
注册类别映射表	§7.2	MICCAI 五类别 ↔ 数据集能力
时间线表	§7.4	2024-04 至 2026-05 七时点
五任务基准表	§5.1-§5.4	Table II-V 全量
域适应三表	§5.5	Table VI-VIII 全量
跨任务总览表	§5.6	最优成绩与差距评估
互链矩阵表	§9	库内 11 条目三轴
事实清单	附录区	36 条硬事实
术语表	附录区	30 条
来源清单	附录 A	八路来源与抓取方式
数据字典	附录 B	CSV/YOLO/掩码/视频包
复现配置表	附录 C	四任务超参速查
DAIMS 表	附录 D	五维评估
同届对照表	附录 E	atm-airway/flare
坐标系表	附录 H	手术 AI 三层定位
谱系注表	附录 I	Table I 逐条注
场景步骤表	附录 M	三个剧本各一表

附录 O：版本与维护触发点

本条目基于 2026-10-09 抓取快照。以下事件发生时应触发条目更新：

触发事件	更新动作
论文正式见刊（期刊/会议）	引用格式从预印本升级；补充正式卷期与 DOI
挑战赛官方公布时间线/排行榜	补 §7 时间线与新增基准章节；核对评测指标口径
Zenodo 设计文档可公开下载	核对遗留疑点 1：赛题细则、指标定义、数据划分官方口径
HF 仓库内容变更（新包/新版本）	重测 §2 包大小表；检查 segmentation_human_train.zip 构成（遗留疑点 3）
官方公布体模/动物逐源统计	消除遗留疑点 4；更新附录 M.3 步骤 1
数据许可变更（极低概率）	全文许可口径复核，重点 NC/SA 条款表述

维护纪律：任何更新先读官方原文再改正文；双口径不调和，只增补新存照。

附录 P：中英词汇对照（检索与写作两用）

中文	英文	备注
血管内介入	endovascular intervention	与 interventional radiology（介入放射）近义但更聚焦治疗操作
导管	catheter	数据集二类之一
导丝	guidewire	数据集二类之一
透视	fluoroscopy	实时 X 光成像
血管造影	angiography	透视+造影剂的检查/治疗场景
体模	phantom	soft silicone phantom 软硅胶体模
主动脉弓	aortic arch	体模解剖结构
搏动泵	pulsatile pump	模拟搏动血流
碘造影剂	iodine-based contrast agent	动物线使用
碰撞	collision	器械尖端接触血管壁
穿孔	perforation	碰撞后果之一
出血	hemorrhage	碰撞后果之一
插管	cannulation	医生操作动作总称
进/退导管	advance/retract catheter	动作类别 1/2
进/退导丝	advance/retract guidewire	动作类别 3/4
旋转	rotate	动作类别 5（单列）
动作预测	action anticipation	预测下一动作
动作识别	action recognition	段级动作分类
域适应	domain adaptation	体模→动物设定
细长目标	thin object	分割核心困难
器械尖端	instrument tip	碰撞框标注对象
归一化框	normalized bounding box	YOLO 格式
平均精度	AP	单类检测指标
平均精度均值	mAP	多类均值，勿与 AP 混写
Dice 系数	Dice score	分割重叠度
挑战赛设计文档	challenge design document (CDD)	MICCAI 注册要件
许可	license	CC BY-NC-SA 4.0
署名-非商业-相同方式共享	Attribution-NonCommercial-ShareAlike	四源一致的数据许可
预印本	preprint	arXiv:2408.13126 口径
手术数据科学	surgical data science	学科坐标（附录 H）

附录 Q：论文论证结构精读

论文（arXiv:2408.13126v2）共六章，论证链如下——理解结构有助于判断「哪些结论是被证据支撑的、哪些是倡议」：

章节	内容	论证强度
I 引言	心血管疾病负担 → 介入术式优势 → 2D 透视下操控 3D 血管的困难 → 现有数据集小/私有/单任务 → 提出 CathAction	背景共识，无争议
II 相关工作	计算机辅助介入方法综述 + 数据集综述（Table I 谱系）	检索性内容，支撑「规模缺口」主张
III 数据集	III-A 采集（体模/动物/伦理）· III-B 标注（动作/碰撞/分割）· III-C 统计（569 视频、50 万帧、2.5 万掩码、分布图、adaptation property）	数据集本体主张，一手
IV 基准	五任务 × 现有 SOTA 方法	实验主张，配置完整（附录 C）
V 讨论	与传统 CV 任务的差异（细长目标、实时性、安全攸关）+ 开放问题	观点性内容
VI 结论	三贡献总结（数据集、基准、讨论）	—

三个精读要点：

1. 「最大」主张的边界。论文反复使用 “largest / most challenging / most comprehensive” 限定语是 “of endovascular interventions”——即血管内介入这个细分领域内最大，不可外推到全部手术数据集（腔镜系早有十万帧级数据）。
2. 分布图替代了统计表。III-C 的类别分布、段长分布、框数分布全部以图（Fig. 4-6）呈现，未给数字表格——这是论文可复现性的一处短板，也解释了本条目多个「自行统计」注意事项。
3. 域适应是论证重心而非附属。IV-E 占据基准章节收尾位置且给全三表，V 讨论又回扣——说明作者的核心卖点排序是：规模 → 粒度（分二类）→ 双源域适应。

附录 R：评审视角——五个加分项与三个扣分项

加分项：

1. 规模断层领先：比此前最大公开前作大约 20 倍，且三任务标注齐备，非单任务膨胀。
2. 器械二类分割：把 catheter 与 guidewire 分开，直接解锁器械级下游分析（如导丝-导管协同运动建模）。
3. 安全事件监督：碰撞框是「手术安全 AI」叙事最缺的监督信号，本数据集逐帧提供。
4. 双源域适应设计：体模/动物同标注体系，域差距可量化，方法论价值超出血管介入单一领域。
5. 获取友好：HF 公开直链 + 表单双渠道，CC BY-NC-SA 边界清晰，无 gated 审核摩擦。

扣分项：

1. 统计透明度不足：逐源（体模/动物）数量、逐类计数、逐帧标注覆盖均无表格；划分清单未公开。
2. pickle 版本陈旧：pandas 0.22.0 / protocol 2 对现代环境不友好（CSV 兜底可解，但体验减分）。
3. 挑战赛与论文的衔接信息缺失：设计文档内文未随论文公开可读的部分（时间线、评测细则）让「论文基准 → 挑战赛榜单」的映射出现真空。

综合判断：数据集本体的科学价值扎实，扣分项集中在「元数据工程」而非「数据质量」——这也符合学术界对数据集论文的一贯期待缺口：数据本身出色，配套文档滞后。

附录 T：从 CathAction 出发的十个后续研究问题

1. 细长目标分割的架构创新：当前最优 Dice 63.47，拓扑连续性（不断线）应作为新指标引入。
2. 碰撞检测的类别失衡系统解：从 focal loss 到生成式增广，碰撞样本的合成边界在哪里。
3. 时序上下文对尖端检测的增益：碰撞是时序事件，单帧检测范式是否天然次优。
4. 体模→动物→人体的三级域适应链：人体数据缺席时，动物数据能否充当「中间域」校准器。
5. 动作预测的临床前瞻窗口：τa=1s 的文献惯例离「给医生留出反应时间」还差多远。
6. 器械运动学建模：五类动作之上的连续运动表征（速度、加速度）能否从帧序列直接回归。
7. 技能评估迁移：CathAction 动作序列 + jigsaws(283) 式技能标签的跨数据集迁移可行性。
8. 多模态融合：透视视频 + 术前 CT（Ma et al. 方向）的 2D-3D 融合导航。
9. 安全预警的实时化：Transformer 系模型在手术实时约束下的蒸馏与加速。
10. 数据集组合泛化：与库内腔镜系（cholect50(223)、m2cai16-tool(303)）联合训练是否提升器械理解通用性。

附录 U：数据引用与致谢规范

数据引用：huang2024cathaction（BibTeX 见 §6.6）；若强调挑战赛身份，同时给出 Zenodo DOI 10.5281/zenodo.19707496。

作者署名引用：数据集语境引论文 36 人名单（第一作者 Baoru Huang，通讯 Anh Nguyen）；挑战赛组织语境引 Zenodo 记录 8 人名单——两者不混用（坑 3）。

许可声明模板（供衍生工作使用）：

本工作使用的数据来自 CathAction 数据集（Huang et al., arXiv:2408.13126），基于 CC BY-NC-SA 4.0 许可使用，非商业用途，衍生数据以相同许可共享。

致谢建议：官方未公布致谢文本模板；体模制造商（Elastrat Ltd.）与参与医生（10 名外科医生）在论文中承担关键角色，学术礼貌上应在致谢或引用说明中体现。

FAQ 补遗（Q49-56）

Q49：视频平均多长？
按 569 段、约 500,000 帧推算，平均每段约 880 帧、约 37 秒（24 FPS）——此为推算口径，官方未公布逐段时长表。

Q50：分割掩码为什么比视频帧少这么多？
25,000 张掩码是抽帧标注（静态分割任务），并非每帧都有掩码；约 500,000 帧的标注指动作段与碰撞框两类逐帧标注。

Q51：动作段可以重叠吗？
CSV 的 all_action_classes 是列表类型，理论上支持一段多类；旋转与进退在 2D 影像上的边界情况如何切分，官方文档未展开。

Q52：测试集有标签吗？
YOLO 与掩码包自带 test/labels 目录（有标注）；论文 80/20 划分与包内目录的对应关系官方未明说，自行实验时建议先对目录划分做审计。

Q53：可以在 Kaggle 等竞赛平台用吗？
许可允许非商业分发（SA 条款下），但竞赛平台条款与 CC BY-NC-SA 的兼容性需逐平台核对；商业厂商主办的竞赛（有奖金/商用产出）大概率触碰 NC 条款。

Q54：数据有版本号吗？
Zenodo 设计文档 v1（2026-04-23）；HF 仓库无显式版本 tag（lastModified 2026-05-18）；论文 v2。引用时三者分别注明。

Q55：想做碰撞预警产品 demo，数据层面还差什么？
实时性约束（论文 V 讨论）、人体验证数据、监管口径三样都不在数据集内——CathAction 解决「算法有没有用」，不解决「能不能上临床」。

Q56：本条目与库内其他 MICCAI 2026 挑战赛条目会重复吗？
不会——atm-airway(922) 聚焦气道、flare(387) 聚焦通用分割，本条目聚焦血管内介入；三者在 §9/附录 E 互链但不重复覆盖。

附录 V：碰撞检测任务的指标学——为什么 16.91 不低

碰撞检测基准的 AP mean 16.91 初看刺眼，但把它放回指标定义与任务条件的坐标系里，这个数字的解读完全不同：

V.1 指标定义回顾

• AP（average precision）：单类别检测的 PR 曲线下面积。本任务两类——collision 与 normal，各自有 AP，二者均值为 AP mean。
• mAP：多 IoU 阈值下的 AP 平均（论文引用的检测文献惯例），比单 IoU 阈值的 AP 更严苛。EFF 的 mAP mean 14.88 恒低于 AP mean 16.91，方向一致。

V.2 三重困难叠加

困难	机制	对 AP 的压制
目标极小	器械尖端在 500×500 帧内只占极小区域，轻微定位偏移即导致 IoU 崩塌	高 IoU 阈值下召回骤降
正类极稀	碰撞事件真实发生率低，正负比悬殊（Fig. 6）	PR 曲线在小召回区抖动
模态干扰	骨骼、造影剂影、投影重叠与尖端形态混淆	假阳性难压

V.3 报告规范建议

1. 同时报告 AP 与 mAP、碰撞类与 normal 类四组数字，杜绝「一个数字讲完」；
2. 与域适应设定（Table VIII）成对报告：同一模型在两域的落差比绝对值更能说明泛化能力；
3. 与基线差值报告：新方法相对 EFF 的增益应给出绝对百分点与相对提升两个口径；
4. 任何「检测准确率」表述都应换算回标准 AP/mAP 体系——非标准口径在该任务上是常见误读源。

V.4 与通用检测基准的水位对照

通用检测基准（COCO 系）的小目标 AP 同样系统性低于大目标，医学影像更叠加模态与类别失衡因素。16.91 的 AP mean 在「tiny object + 极端失衡 + 医学影像」三重条件下属于「有信号的起点」而非「失败的结果」——论文也正是把它定位为「未来研究的主要方向」而非负结果。

附录 W：与通用视频理解基准的水位对照

动作识别 62.50%、动作预测 37.91% 这两个数字，与通用视频理解基准（Kinetics 系、EPIC-KITCHENS 系）的常见水位对照：

维度	通用视频基准	CathAction	差异来源
类别数	数百类	5 类	类别少但类间外观差异小
典型识别水位	80%+	62.50%	器械外观跨场景高度相似，动作靠细微运动区分
预测任务水位	30-50% 区间常见	37.91%	与通用水平相当，但临床后果权重完全不同
数据量级	百万帧级	约 50 万帧	一个数量级之差，但垂直领域已属最大
语义粒度	物体/场景动作	器械操作原语	粒度更细、时序更短

两条启示：

1. 低水位 ≠ 低质量。62.50% 在五类任务上看起来不高，但参考基线方差与类间混淆矩阵后会发现错误集中在 rotate 与进退动作的边界段——这类混淆在通用基准上同样存在，只是被大类别数稀释了感知。
2. 预测任务的临床门槛更高。通用预测错了最多标签难看；介入场景的错误预测意味着预警系统失灵——这就是为什么论文反复强调「远未达到可实际应用的水平」，也是把预测任务单独列为准入挑战赛类别（Prediction）的深层原因。

附录 X：数据包完整性校验表（HF LFS 实测）

文件	大小（MB）	LFS OID（SHA256 前 12 位）	用途
collision_detection.zip	4,147.9	e8f89936903b	碰撞检测 YOLO 数据
segmentation_animal_phantom.zip	9,424.9	c92d69b5dda2	体模+动物分割
segmentation_human_train.zip	136.4	087c8f971e04	human_train 分割包（构成待核）
video_action_understanding.zip	39,871.6	d6333df4f526	视频与动作标注
README.md	0.0	—	空文件
.gitattributes	0.0	—	LFS 配置

校验方法：下载完成后对每个 zip 核对字节数与 SHA256（与 HF API tree/main 返回的 LFS oid 全值比对）；解包后核对附录 B 的目录结构。2026-10-09 快照口径，后续若仓库更新（参考附录 O 触发点）需重测。

附录 Y：三类读者的完整阅读路径

Y.1 算法研究员（要在 CathAction 上出论文）

1. §1 十问速览建立全局 → §4 标注体系（格式与口径决定实验设计）→ §5 五任务基准（找到未被解决的问题）；
2. 附录 C 复现配置 + 附录 L 速查卡（基线数字落表）→ 附录 M 场景剧本（对号入座三个研究路径）；
3. 写作前回读 §10 避坑清单（尤其坑 4、坑 7 的指标口径）与附录 V/W（水位对照，防审稿人挑战）；
4. 引用规范走附录 U；域适应研究必读 §5.5 与附录 M.3。

Y.2 工程师（要把数据/模型接进系统）

1. §2 数据构成与规格（包大小、目录树）→ 附录 B 数据字典（六列 CSV、YOLO、掩码）→ 附录 X 完整性校验（LFS OID 表）；
2. 附录 J 工程实践（磁盘预算、加载顺序、四个工程坑）；
3. 许可红线：§6.4 双口径表 + 坑 2（NC/SA 条款）——商用前先过法务；
4. 生产化差距评估读附录 T 问题 9（实时化）与 Q55（数据集之外的缺口）。

Y.3 学生/综述写作者（要理解这个领域的版图）

1. §0 导读 + 附录 H 坐标系（手术数据科学三层定位）→ 附录 I 谱系注（前作数据集演进）；
2. §5.6 跨任务总览 + 附录 R 评审视角（加分/扣分项即领域痛点清单）→ 附录 T 十个研究问题（选题池）；
3. 术语与中英对照：术语表（30 条）+ 附录 P（30 条）双表配合附录 V 指标学；
4. 库内横向阅读：按 §9 互链矩阵从 cholect50(223) → m2cai16-tool(303) → cholectrack20(886) → surgtoolloc-2022(821) → 本条目走一遍「腔镜→透视」任务链。

附录 Z：自测 20 题（检验是否真的读懂了本条目）

1. CathAction 与 CATHACTION 分别指什么？（§0 / 坑 1）
2. 569 段视频的分辨率与帧率是多少？（§2）
3. 数据的两大采集源是什么？各多少数量？（§3）
4. 医生插管的三条动脉缩写？（§3.4）
5. 分割任务为什么强调「二类」？（§4.3 / 坑 5）
6. 碰撞检测的标注对象是器械的哪个部位？为什么？（§4.2）
7. 五类动作分别是什么？rotate 为什么单列？（§4.1）
8. 动作标注的 CSV 有哪六列？（附录 B.1）
9. 碰撞检测数据用什么格式组织？（§4.2 / 附录 B.2）
10. 四个基准任务的最优模型与数字？（§5 / 附录 L）
11. 「mAP 16.91」这句话错在哪？（坑 4）
12. 域适应实验的设定与识别任务的跌幅？（§5.5）
13. 数据集的许可是什么？哪四个来源一致？（§6.4）
14. Zenodo 记录里的 cc-by-4.0 指什么？（§6.4 / 坑 8）
15. 数据本体从哪两个官方渠道获取？（§6.1-§6.2）
16. 论文作者名单与挑战赛记录名单为什么不一致？（坑 3 / 附录 S）
17. segmentation_human_train.zip 有什么问题？（坑 5 / 遗留疑点 3）
18. MICCAI 注册的五类问题类别是什么？与论文五任务如何对应？（§7.2 / 存照 5）
19. 「比前作大 20 倍」的基数是什么？（坑 6）
20. 用本数据集训练的模型外推到人体时，应该引用哪个数字作为证据边界？（附录 F 第 12 项）

（答案均已标注出处章节；全部答对说明条目主干已完整内化。）

附录 AA：写作纪律执行记录

• 开工三查：租约锁 agent-f-cathaction 2026-10-09T00:25；私有区 .parts_agent-f-cathaction_1791476759_788544（时间戳+PID 双唯一标识）；进程留痕 ps aux | grep -c "[c]odebuddy" = 9；
• 网络预算：WebSearch 2 次（上限 3）、WebFetch 2 次（上限 6）；Zenodo PDF 下载失败后按纪律仅重试 1 次即停；
• 分片直写：12 个 part 全部写入锁目录内私有区，每片尾部空行，最后 cat 拼接；
• frontmatter 纪律：title/subtitle/description 双引号内无英文直引号（中文强调用「」）；schema_org 节点式 cr:RecordSet；relatedLink 纯 URL 11 条；
• 查重：库内无 cathaction 同名/别名条目（medical-decathlon 为 decathlon 子串误匹配）。

---

本条目自检小结

• 行数：约 1420（目标区间 1400-1700 内）；
• 硬数字来源：论文表格逐条对齐（Table I-VIII），HF/Zenodo/GitHub API 实测，官网文档页原文；
• 双口径存照：五组（数据源、许可、作者名单、AP/mAP、挑战赛类别映射），见 §10 与附录 S；
• 遗留疑点：五项，见附录 S；
• 互链：frontmatter relatedLink 纯 URL 11 条 + §9 矩阵 + 附录 E。

附录 AB：条目数字的出处分级

为便于后续维护与引用审计，本条目全部定量陈述按证据强度分为三级：

A 级（论文表格/原文直引，最强）：569 段视频；约 500,000 帧；约 25,000 掩码；500×500/24FPS；5 体模/5 猪/10 医生；三条动脉缩写；五类动作名；Table II-VIII 全部数字（CNN 28.98 … EFF 16.91/14.88 …）；80/20 划分；τa=τo=1s；训练超参（80 epochs、batch 64/512/4、lr 0.001/0.01/0.001/0.0003）；「20 倍」表述；Ethic 声明。

B 级（官方渠道 API/文件实测，次强）：HF 四包字节数（4,147.9/9,424.9/136.4/39,871.6 MB，合计 53,580.7）；LFS OID 前 12 位；gated=false/downloads 388/lastModified 2026-05-18；GitHub created 2024-04-05/stars 12；Zenodo v1 2026-04-23/license 字段 cc-by-4.0/文件 0.1 MB；LICENSE 全文为 CC BY-NC-SA 4.0；arXiv v1/v2 提交时间与页数。

C 级（推算口径，标注即存照）：平均每段约 880 帧、约 37 秒（=500,000/569/24，附录 Q 自测题 49）；「商用前需权利人许可」的许可解释（法务判断）；挑战赛赛道与数据集能力的映射表（§7.2，基于官网注册类别与论文任务的合理对应）。

维护规则：A 级数字改动需论文改版；B 级数字随 API 重测滚动更新；C 级内容禁止在引用时省略「推算」字样。

附录 AC：机器可读数据集卡（JSON-LD 形态示例）

以下为 frontmatter schema_org Dataset 节点的展开示例，供下游 AI 系统直接消费（与 frontmatter 等价，独立列出便于引用）：

{
  "@type": "Dataset",
  "name": "CathAction: A Benchmark for Endovascular Intervention Understanding",
  "alternateName": "CATHACTION",
  "url": "https://arxiv.org/abs/2408.13126",
  "sameAs": [
    "https://airvlab.github.io/cathaction/",
    "https://huggingface.co/datasets/airvlab/CathAction",
    "https://github.com/airvlab/cathaction",
    "https://zenodo.org/records/19707496"
  ],
  "license": "https://creativecommons.org/licenses/by-nc-sa/4.0/",
  "creator": {"@type": "Organization", "name": "University of Liverpool AIRV Lab"},
  "temporalCoverage": "2024-2026",
  "distribution": {
    "@type": "DataDownload",
    "encodingFormat": "application/zip",
    "contentUrl": "https://huggingface.co/datasets/airvlab/CathAction"
  },
  "variableMeasured": [
    "fluoroscopy video (569, 500x500, 24fps)",
    "action annotation (5 classes, ~500,000 frames)",
    "tip collision bbox (collision/normal, YOLO)",
    "catheter/guidewire segmentation mask (~25,000)"
  ]
}

机器消费注意三点：①license 字段用 CC 官方 URI，避免自由文本解析；②alternateName 收录挑战赛缩写 CATHACTION，补全检索别名面；③sameAs 四渠道齐挂，任何单一渠道失效仍可寻源。

附录 AD：与库内条目的 DAIMS 横评说明

本条目附录 D 的 DAIMS 五维评估为独立撰写（基于本条目实测证据），未与 atm-airway(922)、flare(387) 等同届条目的 DAIMS 做数值对比——后者请读各自条目附录。跨条目 DAIMS 对比的使用建议：以「维度级结论」为主（如 CathAction 的 I 互操作分受 pickle 版本拖累、A 可获取分受益于 HF 直链），避免把不同写手在不同时点打的分数直接列成同一张表排序——时点与口径差异会让对比失真。若后续库方统一 DAIMS 复评流程，可依附录 O 触发点同步更新本条目。

附录 AE：本条目未覆盖的边界声明

为防读者对条目覆盖范围产生误判，以下内容不在本条目承诺范围内：

1. 挑战赛赛题官方定义与评测服务器细节——设计文档 PDF 内文未能抓取（遗留疑点 1），相关结论仅到「官网注册类别」粒度；
2. 体模/动物逐源样本清单——官方未公布（遗留疑点 4），条目只承诺任务级与包级口径；
3. 原始分辨率与设备型号——论文仅写 500×500 处理后规格，采集设备（C 臂型号、剂量参数）未披露；
4. 人体验证与监管路径——数据集不含人数据，任何临床落地话题只作方向性讨论（附录 T 问题 9、Q55）；
5. 与未收录条目的对比——Guide3D、CathSim 等同实验室项目不在库内，只作生态背景提及（§6.5），不做数据级对比；
6. 下载量/引用量的趋势判断——B 级动态数字仅记录抓取时点值，不做趋势外推。

边界声明的用途：当读者在条目内找不到上述内容时，这是「作者没写」而不是「写了没找到」——同时防止后续维护者把遗留疑点误当已完成事实。

---

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：

• arcade — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测 / 心血管疾病
• cck — 共享标签：医学影像 / X光影像 / 目标检测 / 心血管疾病
• lidc-idri — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测
• multicenter-dental-panoramic — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测
• inredd-dataset-pan924 — 共享标签：医学影像 / X光影像 / 医学图像分割 / 目标检测
• vindr-cxr — 共享标签：医学影像 / X光影像 / 目标检测
• chestx-det10 — 共享标签：医学影像 / X光影像 / 目标检测
• kvasir-instrument — 共享标签：医学影像 / 手术视频 / 医学图像分割
• cadis — 共享标签：医学影像 / 手术视频 / 医学图像分割
• fetreg — 共享标签：医学影像 / 手术视频 / 医学图像分割

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。