信息速览
INFOBOX — CT-ICH 一屏速览
维度 内容 本质 PhysioNet 托管的 82 例 TBI 头颅非增强 CT + 逐层像素级颅内出血掩码（检测、亚型分类、分割三合一） 团队 Florida Atlantic University + University of Technology Baghdad + Babylon Health Directorate；通讯 Behnaz Ghoraani 论文 Data 2020;5(1):14（MDPI，doi:10.3390/data5010014；2020-02-01 在线；CC BY 4.0） 数据集 PhysioNet v1.3.1（2020-03-10；doi:10.13026/4nae-zg36）；版本链 1.0.0→1.2.0→1.3.0→1.3.1 规模 82 例采集 / 75 例公开 NIfTI（#59-65 缺失）；36 例 ICH；约 30 层/例、5 mm 层厚 标注 两名放射科医师逐层共识勾画 + 五亚型（IVH/IPH/SAH/EDH/SDH）+ 颅骨骨折；盲临床病史 人口学 年龄 27.8±19.5（偏年轻创伤人群）；46 男/36 女 基线 U-Net（160×160 滑窗、640×640）5 折 CV Dice 0.31（proof of concept） 获取 v1.3.1 受限：注册+签 DUA 下载 NIfTI；v1.0.0 JPG 版有 Kaggle 公开镜像 许可 版本链收紧：v1.0.0 CC BY 4.0 → v1.3.1 PhysioNet Restricted Health Data License 1.5.0 生态 HemaContour（npj Dig Med 2025）用它做 out-of-domain 外部验证；与 INSTANCE2022 同表对比 库内互链 RSNA-ICH（738，大规模分类互补）、INSTANCE2022（645，同任务挑战赛）、FracAtlas（406，骨折标注）
CT-ICH 是一个「小而准」的头颅 CT 出血数据集：82 位创伤性脑损伤（Traumatic Brain Injury, TBI）患者的非增强 CT，每一层都由两名放射科医师共识勾画出颅内出血（Intracranial Hemorrhage, ICH）的像素级掩码，并标注出血亚型与颅骨骨折。它不追求 RSNA-ICH 那种两万例的规模，而是把力气花在「每一层都有人画过」这件事上——在 2020 年前后，像素级 ICH 分割标注是稀缺品，这个 82 例的数据集因此成了分割方法论文里最常被引用的外部验证集之一。它的另一个教学价值在于版本链：从 v1.0.0 的 CC BY 4.0 公开 JPG，到 v1.3.1 的受限 DUA NIfTI，license 随版本收紧的完整轨迹在医学数据集里不多见。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——v1.3.1 要签 DUA，JPG 老版有 Kaggle 镜像，别把两条路搞混。
- 做分割算法：直奔 §2 数据规格与 §5 基线——掩码怎么来的、Dice 0.31 是什么定位，决定你论文里怎么引。
- 关心小样本标注：直奔 §3 标注协议与 §8 方法学启示——两人共识+盲临床病史+视频链路勾画，是小样本影像标注的活教材。
§0 导读：这个数据集解决什么问题
创伤性脑损伤后的颅内出血是「时间就是大脑」的典型场景：出血若不能及时诊断和处理，可能演变为继发性脑损伤（secondary brain insult）导致瘫痪乃至死亡。急诊场景下的首选检查是计算机断层扫描（Computed Tomography, CT）——快、便宜、普及，出血在脑窗图像上表现为高亮区域。但读 CT 需要经验：出血亚型（脑室内、脑实质、蛛网膜下腔、硬膜外、硬膜下）的判读、微小出血的定位，依赖受过亚专科训练的神经放射科医师，而这种人才在发展中国家和偏远地区恰恰最稀缺。这就是 CT-ICH 论文里反复强调的动机：做一个自动 ICH 筛查工具，辅助经验不足的放射科医师，或在专家不在场时顶上。
训练这样的工具需要两类监督信号：分类标签（有没有出血、是哪一型）和分割掩码（出血在哪个像素）。2020 年之前的公开资源里，分类标签不缺（RSNA-ICH 提供两万例级的切片级标签），像素级掩码却几乎没有成体系的公开供应——文献里分割实验平均只用到约 60 例 CT，且多数掩码不公开。CT-ICH 的回答是：发布 82 例 TBI 头颅 CT，全部 36 例出血病例逐层勾画掩码，标签与掩码全部公开在 PhysioNet 上。82 例不多，但在当时的像素级 ICH 分割公开资源里已经持平甚至超过文献平均规模。
§0 读法三则：
- 这个条目是「数据集+数据记录论文」二合一：本体是 82 例 CT 与 NIfTI 掩码，论文（Data 2020;5(1):14）本体是数据描述文（data descriptor），U-Net 实验只是 proof of concept，不要把它当方法学突破来引。
- 全文的 license 线索分两层：v1.3.1 的 PhysioNet Restricted Health Data License 1.5.0 是现行口径，v1.0.0 的 CC BY 4.0 只适用于 JPG 时代版本——两条口径都已在坑 2 存照。
- 检索时注意平台侧拼写：PhysioNet topics 栏把 hemorrhage 写成了「hemmorhage」（坑 6），用正确拼写搜 PhysioNet 站内可能反而漏检。
§1 数据集速览：十问十答
Q1：CT-ICH 的「82 例」是什么口径？
82 例是回顾性采集的 TBI 患者头颅非增强 CT 总数，采集自伊拉克 Al Hilla 教学医院急诊（2018 年 2-8 月），其中 36 例确诊颅内出血。v1.3.1 实际公开 75 例 NIfTI——subject #59 到 #65 共 7 例的 CT 体数据缺失，但 CSV 标签仍在。
Q2：每例 CT 的规格是什么？
每例约 30 层，层厚 5 mm，非增强扫描。原始 DICOM 经 Siemens syngo 读入后转出脑窗（WL=40/WW=120）与骨窗（WL=700/WW=3200）两段 avi 视频，标注与掩码映射都基于这条视频链路完成，最终以 NIfTI 格式发布。
Q3：掩码是谁画的，怎么保证质量？
两名放射科医师逐层评审并勾画出血区域，采用共识决策；评审时不可接触患者临床病史（防锚定偏倚）。扫描级与切片级的亚型/骨折标签同样出自这两位医师的共识判读。
Q4：标签体系长什么样？
两层结构：扫描级 patient_demographics.csv 记录每例的年龄、性别与诊断（五亚型+骨折）；切片级 hemorrhage_diagnosis_raw_ct.csv 记录每层的亚型与骨折标签。五亚型为 IVH（脑室内）、IPH（脑实质内）、SAH（蛛网膜下腔）、EDH（硬膜外）、SDH（硬膜下），部分切片可同时携带多个亚型标签。
Q5：出血分布均衡吗？
不均衡，而且相当极端：多数切片没有出血；带出血的切片集中在 36 例确诊患者里；IVH 只出现在 5 例患者、SDH 只出现在 4 例患者。这意味着直接按亚型切分训练集会导致某些亚型几乎无训练信号，交叉验证必须按患者级分组。
Q6：U-Net 基线的 Dice 0.31 应该怎么理解？
这是论文的 proof of concept：作者用 160×160 滑窗（步长 80，每层 49 窗）+ 裁边后 640×640 输入的 U-Net，在 5 折交叉验证下拿到 0.31 的 Dice 系数，并明确自述这是概念验证而非性能上限。引用该数字时务必带上「小样本 proof of concept」语境，别拿它当基准线去比较后来的大模型。
Q7：license 到底是什么？
现行 v1.3.1 是 PhysioNet Restricted Health Data License 1.5.0 + Data Use Agreement 1.5.0：注册 PhysioNet 账号、签署 DUA 后即可下载，无需逐案审批。历史版本 v1.0.0（2019-08）是 CC BY 4.0，其 JPG 复刻仍可在 Kaggle 镜像公开获取。这是「版本链 license 收紧」的典型案例。
Q8：JPG 版和 NIfTI 版有什么区别？
v1.0.0 的 JPG 版是 2500 张脑窗 + 2500 张骨窗的 2D 切片，只有 318 层带掩码；v1.3.1 的 NIfTI 版是 75 例完整 3D 体数据，掩码覆盖全部层面（含全零阴性层）。做分割用 NIfTI，做快速可视化或教学用 JPG 都可以，但两者的掩码覆盖范围不同，不能混着统计。
Q9：它和 RSNA-ICH 是什么关系？
互补而非替代：RSNA-ICH（库内 rid 738）是 RSNA 2022 年 Kaggle 挑战赛数据，两万余例扫描只带切片级亚型标签、无掩码；CT-ICH 只有 82 例但每层都有像素级掩码。大规模预训练用前者，分割微调与外部验证用后者。
Q10：谁在用它？
分割方法论文拿它当基准或外部验证集（如 2025 年 npj Digital Medicine 的 HemaContour 用 INSTANCE 训练后在 CT-ICH 上直测泛化）；教学场景用 Kaggle JPG 镜像；小样本标注方法论研究引用它的共识标注协议。截至 2026-10，论文被引 Crossref 口径 211 次、Google Scholar 口径 256 次以上。
§2 数据构成与规格
2.1 规模、来源与采集窗口
CT-ICH 包含 82 例创伤性脑损伤（TBI）患者的头颅非增强 CT（NCCT），回顾性连续采集自伊拉克巴比伦省希拉市的 Al Hilla Teaching Hospital，采集窗口为 2018 年 2 月至 2018 年 8 月。其中 36 例确诊颅内出血（ICH），46 例无 ICH——即约 44% 的阳性率，这个比例在 TBI 急诊影像队列中属于典型水平，但对分类模型而言意味着负样本仍占多数。
| 属性 | 数值 | 口径 |
|---|---|---|
| 患者总数 | 82 例 | 回顾性连续采集（论文/PhysioNet 页面原文） |
| ICH 阳性例数 | 36 例 | patient 级标签，hemorrhage_diagnosis_raw_ct.csv 可复核 |
| ICH 阴性例数 | 46 例 | 82 − 36 |
| 每例 slice 数 | 约 30 张 | 论文原文 “about 30 slices” |
| 层厚 | 5 mm | 论文原文 |
| 公开 NIfTI 例数 | 75 例 | v1.3.1，subject #59-#65 共 7 例缺失 |
| 采集医院 | Al Hilla Teaching Hospital, Iraq | 论文与 PhysioNet 页面 |
| 采集窗口 | 2018-02 至 2018-08 | 论文原文 |
| 伦理批件 | Iraqi Ministry of Health, Babil Office approval #1369 | 回顾性研究豁免知情同意 |
7 例 NIfTI 缺失（subject #59 至 #65）是 v1.3.1 版本的实际状态：PhysioNet 页面文件树中 ct_scans/ 与 masks/ 目录均不含这 7 例，但 patient_demographics.csv 仍覆盖全部 82 例的 patient 级信息。对使用者的含义：NIfTI 深度学习管线只能用到 75 例，而 CSV 标签表可用满 82 例——任何"82 例全流程"的说法都需要先声明用的是哪个模态。
2.2 人口学画像：异常年轻的 TBI 队列
| 人口学指标 | 数值 | 口径 |
|---|---|---|
| 年龄均值 | 27.8 岁 | patient_demographics.csv，82 例口径 |
| 年龄标准差 | 19.5 岁 | 同上 |
| 性别构成 | 46 男 / 36 女 | 同上 |
均值 27.8 岁、标准差 19.5 岁——这个组合在 TBI 文献里相当罕见。多数欧美 TBI 队列均值在 40-60 岁区间（老年跌倒主导），而希拉队列的年龄直方图呈右偏长尾：主体是青年男性创伤（交通事故为主因的典型分布），标准差接近均值的 70% 说明存在从幼儿到老年的全谱覆盖。对模型使用者的两个直接后果：第一，把本数据集当 TBI 通用分布外推到老年人群需要谨慎；第二，年轻颅内结构（无脑萎缩）意味着脑沟、脑室形态与老年人群差异显著，跨年龄域的模型迁移会引入额外分布偏移。这是单中心 + 特定地区创伤谱系叠加的结果，不是数据缺陷，而是域特性。
2.3 文件清单（v1.3.1 实测）
| 路径/文件 | 内容 | 格式 |
|---|---|---|
patient_demographics.csv |
patient 编号 / 年龄 / 性别 / scan 级 ICH 与骨折标签 | CSV |
hemorrhage_diagnosis_raw_ct.csv |
patient 编号 / slice 编号 / slice 级五亚型与骨折标签 | CSV |
ct_scans/ |
75 例头颅 NCCT 体积 | NIfTI |
masks/ |
75 例逐 slice 像素级 ICH 分割掩码 | NIfTI |
split_raw_data.py |
NIfTI 加载 + brain window 化的官方复现脚本 | Python |
ct_ich.yml |
conda 环境定义（复现配套） | YAML |
两份 CSV 构成两级标签金字塔：patient_demographics.csv 一行一患者，回答"这个人有没有出血/有没有骨折"；hemorrhage_diagnosis_raw_ct.csv 一行一 slice，回答"这一层有没有出血、是哪个亚型"。两表通过 patient 编号连接，配合 NIfTI 体积与掩码可拼出完整的"患者-层-像素"三层标签结构。
2.4 双窗参数：一个检查、两种视图
原始 DICOM 的 Hounsfield Unit（HU）值经由两种预置窗宽窗位（WW/WL）映射为 8 位灰度，论文与数据集均按这两种窗口交付：
| 窗口 | 窗位 WL (HU) | 窗宽 WW (HU) | 显示范围 (HU) | 临床用途 |
|---|---|---|---|---|
| Brain window | 40 | 120 | −20 至 100 | 脑实质细节，出血观察主窗口 |
| Bone window | 700 | 3200 | −900 至 2300 | 骨结构，颅骨骨折评估 |
brain window 把 −20 到 100 HU 之间的密度差拉伸到全部 256 级灰度——急性出血（40-70 HU）与脑实质（30-45 HU）的细微对比在这个窗口最可辨；bone window 的窗宽高达 3200 HU，专为骨皮质（约 1000+ HU）与气体（−1000 HU）共存的宽动态范围设计，骨折线在该窗口最清晰。官方脚本 split_raw_data.py 给出了从 NIfTI 到 brain window JPG 的转换实现，使用者不必自己推导窗宽窗位公式。
双窗设计对应了标签体系的双任务性质：五亚型 ICH 标注看 brain window，颅骨骨折标注看 bone window。JPG 时代的 v1.0.0 直接把两种窗口各出 2500 张；NIfTI 时代的 v1.3.1 交给使用者自己加窗——这也是 v1.3.1 配套脚本存在的核心原因。
2.5 标签体系：五亚型 + 骨折的双粒度标签
标签集合为 ICH 五亚型加颅骨骨折，覆盖 patient 与 slice 两级：
| 标签 | 全称 | 出血位置 | 标注粒度 |
|---|---|---|---|
| IVH | Intraventricular Hemorrhage | 脑室系统内 | patient 级 + slice 级 + 像素级 |
| IPH | Intraparenchymal Hemorrhage | 脑实质内 | 同上 |
| SAH | Subarachnoid Hemorrhage | 蛛网膜下腔 | 同上 |
| EDH | Epidural Hemorrhage | 硬膜外（颅骨内板与硬膜间） | 同上 |
| SDH | Subdural Hemorrhage | 硬膜下（硬膜与蛛网膜间） | 同上 |
| Fracture | 颅骨骨折 | 骨结构 | patient 级 + slice 级（无像素掩码） |
三个结构细节：
- 骨折无像素掩码：masks/ 目录只含 ICH 分割，骨折标签只有 CSV 二值标记——骨折任务天然是检测/分类而非分割。
- 多亚型共存：论文原文确认部分 slice 带有 2 个以上亚型标签（TBI 场景常见：同一次创伤可同时造成 SDH + SAH + IPH），因此 slice 级标签是多标签而非单选——直接套 softmax 单分类头会丢失共存信息。
- “无 ICH” 是第六种状态：hemorrhage_diagnosis_raw_ct.csv 中 46 例阴性患者的 slice 行全亚型为零值，阴性 slice 构成数据集的多数类（论文原文：多数 slice 无 ICH）。
2.6 格式演进：JPG 版与 NIfTI 版的差异清单
CT-ICH 在版本链上经历了一次"格式换血"，两个时代的交付物差异必须分清：
| 维度 | v1.0.0（JPG 时代，2019-08） | v1.3.1（NIfTI 时代，2020-03 至今） |
|---|---|---|
| 影像格式 | brain/bone 双窗 JPG（各 2500 张） | NIfTI 体积（原 HU，自行加窗） |
| 覆盖患者 | 82 例 | 75 例（#59-#65 缺失） |
| 像素掩码 | 318 张带 ICH 掩码的 slice JPG | 全 slice 掩码（NIfTI，与体积对齐） |
| 标签文件 | hemorrhage_diagnosis.csv + patient_demographics.csv | 两份 CSV（同名族，slice 级表更名 raw_ct） |
| 获取渠道 | Kaggle 镜像公开直链 | PhysioNet 签 DUA 后下载 |
| 文件总量 | 5326 files（82 个患者目录 + LICENSE/README/SHA256SUMS 等） | 未逐一清点（NIfTI 体积数量少但单文件大） |
| license | CC BY 4.0 | PhysioNet Restricted Health Data License 1.5.0 + DUA 1.5.0 |
论文正文写的是 “released in JPG and NIfTI formats at PhysioNet (1.3.0)”——这是 v1.3.0 时代的快照；v1.3.1 的 release notes 原文明确 “only the CT scans in the NIfTI format were included”，即 JPG 版本随 v1.3.1 从 PhysioNet 移除。今天想拿 JPG 双窗版本只有一条路：Kaggle 镜像 vbookshelf/computed-tomography-ct-images（v1.0.0 的完整复刻，公开下载，见 §6）。两版掩码覆盖不同（318 张 slice vs 全 slice）不是矛盾而是口径：JPG 版只给 ICH 阳性 slice 的掩码，NIfTI 版给全部 75 例的逐 slice 掩码（阴性 slice 掩码为全零）。
2.7 规格读法三则
- 把它当"75 例分割语料 + 82 例分类语料"读。分割任务受 NIfTI 覆盖限制只能用 75 例；分类与标签统计可用满 82 例 CSV。写论文时报告样本量要注明口径，否则 75/82 混用会成为审稿意见。
- 年轻队列不是缺陷而是域标签。27.8±19.5 岁的年龄结构决定了这个数据集上训练的模型对老年 TBI（萎缩脑、慢性 SDH 高发人群）泛化性存疑——这正是后文 §8 域偏移讨论与 HemaContour 外部验证（§7）的伏笔。
- 窗宽窗位是复现的第一道门槛。从 NIfTI 原始 HU 出发的使用者，第一个分岔就是选窗口：brain window 训出血分割，bone window 训骨折检测。官方脚本已实现 brain window 转换，bone window 需按 WL=700/WW=3200 自行推导（同一公式，参数替换即可）。
§3 标注流水线：从医院 PACS 到 NIfTI 掩码的间接工艺
3.1 工艺链总览：为什么绕道 avi 视频
CT-ICH 的标注工艺链是本文最"出土文物"气质的部分——它不是现代标注平台（LabelMe/3D Slicer/ITK-SNAP）的产物，而是一条 2018 年在伊拉克医院现场条件下拼出的间接链路：
| 步骤 | 工具 | 输入 | 输出 | 说明 |
|---|---|---|---|---|
| 1 | Siemens syngo | DICOM 原始数据 | 影像查看 | 医院工作站读盘，这是现场唯一现成的查看环境 |
| 2 | syngo 录制 | brain/bone 两窗浏览画面 | 两段 avi 视频 | 每例逐 slice 滚动录屏，双窗各一段 |
| 3 | Matlab 自定义工具 | avi 视频 | 逐 slice 勾画 | 自研工具解帧，按 slice 逐层勾出出血轮廓 |
| 4 | 坐标映射 | 勾画轮廓 | NIfTI 掩码 | 勾画结果映射回原始体积坐标系，存 NIfTI |
为什么绕这条路？论文与数据集页未逐条解释，但结构上可推断：医院 PACS/工作站环境不允许直接导出勾画结果或安装第三方标注软件，syngo 是现场唯一可用且放射科医师熟悉的阅片工具；录屏 avi 是把"工作站内影像"搬出封闭环境的最低成本通道；Matlab 是研究团队侧的通用工具。代价是引入了两处额外误差风险——录屏的分辨率损失（avi 压缩）与坐标映射的对齐误差。论文未定量报告这两处误差的量级，这是标注工艺的固有存疑点。
对使用者的含义：掩码与影像的对齐精度没有独立验证数据。实践中 318 张 JPG 掩码与 NIfTI 掩码的目视质量良好（后续研究大量沿用），但若你的任务对边界精度极敏感（如亚毫米级分割评估），需要自行抽查掩码-影像对齐。
3.2 双医师共识协议与盲态设计
| 协议要素 | 实施方式 | 口径 |
|---|---|---|
| 标注人数 | 2 名放射科医师 | 论文原文；资历/年限未披露（见 3.3） |
| 评审方式 | 逐 slice 独立评审 → 共识决策 | 分歧时不记多数投票而是讨论收敛 |
| 掩码勾画 | 二人共同勾画 | 非分工标注而是协作勾画 |
| 盲态 | 评审者不知临床病史 | 防锚定偏倚——只看影像不看报告 |
| 去标识 | 面部模糊 + 随机噪声 | 头颅 CT 的面部重建层可识别身份，需模糊处理 |
盲临床病史这个细节值得展开：急诊 CT 出血判读中，"患者有头部外伤史"会显著提高医师对微细出血的报阳意愿（临床先验）。CT-ICH 的标注医师只看影像、不知病史，等价于把标注条件锁在"纯影像证据"上。这带来一个可迁移的推论：该掩码代表"影像共识真值"而非"临床综合诊断"——个别微量出血若在影像上不可辨，即便临床确诊也不会进掩码；反之影像上可疑但临床阴性的区域可能进入掩码。用它训练影像模型时这是优点（标签与输入同源），用它做临床决策研究时这是局限。
3.3 标注质量的已知与未知
已知：两名医师、共识决策、盲病史、全 slice 覆盖（75 例 NIfTI 口径）。未知：医师资历年限（主治还是主任医师）、独立评审的一致性统计量（Cohen’s kappa 之类从未报告）、勾画的层内重测信度。
这不是苛刻要求——2018-2019 年的医学分割数据集普遍不报告 inter-rater 统计，但 CT-ICH 的共识决策模式（讨论收敛而非独立标注取交集）意味着一致性数据根本不存在：两医师从未在"各自独立给出终版"的条件下产出可计算 kappa 的双份标签。使用者只能把"双医师共识"当作工艺声明而非质量证明。对比：INSTANCE2022 挑战赛（§4）为每例提供了多专家标注的质控流程说明，后发的数据集在标注元数据透明度上整体优于 CT-ICH。
3.4 标签金字塔：三级粒度的完整结构
| 粒度 | 载体 | 覆盖 | 用途 |
|---|---|---|---|
| Patient 级 | patient_demographics.csv | 82 例全覆盖 | 队列统计、scan 级分类 |
| Slice 级 | hemorrhage_diagnosis_raw_ct.csv | 全部 slice（含阴性） | slice 级检测/分类、正负样本统计 |
| Pixel 级 | masks/*.nii | 75 例的 ICH 掩码 | 分割训练与评估 |
三级粒度可交叉验证：patient 级"有 ICH"的 36 例，其 slice 级行中必然出现至少一个亚型阳性，其 NIfTI 掩码中必然存在非零 slice——三个层级的一致性本身就是一份免费的标签质检工具。官方 CSV 按患者-层排序，几行 pandas 即可完成对账。
3.5 类别不平衡：五亚型的长尾结构
论文原文披露的亚型患者分布是本文最重要的"使用前警告"：
| 亚型 | 患者数（有此亚型） | 相对规模 | 使用风险 |
|---|---|---|---|
| 多数 slice 无 ICH | —（阴性占多数） | 最大类 | 分类易塌缩到全阴 |
| IVH（脑室内） | 仅 5 例患者 | 极小类 | 像素样本极度稀缺 |
| SDH（硬膜下） | 仅 4 例患者 | 最小类 | 同上，且 SDH 形态沿颅骨内板呈月牙形、边界判定主观性最强 |
| IPH / SAH / EDH | 论文未逐项给出精确患者数 | 中间层 | 精确分布见遗留存照（§9） |
两处推论：第一，IVH 5 例 + SDH 4 例意味着按亚型做留一评估时这两个亚型几乎无法支撑统计——留一患者的分割指标波动会淹没亚型差异；第二，“部分 slice 带 2+ 亚型"叠加长尾分布，意味着亚型混淆矩阵（IPH vs SAH 的深部/脑沟定位混淆是文献常见错误模式）的每格样本量都不足以为严格的分亚型结论背书。论文 U-Net 基线的 Dice 0.31（§1 Q6）必须放在这个分布背景下读——它不是"模型差”，而是"长尾任务 + 36 例阳性"的合理成绩。
3.6 标注读法三则
- 工艺链解释了它为什么是 82 例而不是 800 例。逐 slice 录屏-勾画-映射的人工成本决定了小样本上限；后续用类似工艺的 INSTANCE2022 也只有 100 训练例。像素级 ICH 分割数据至今没有大规模版本，成本结构是根本约束。
- 共识掩码只有一个版本，分歧信息不可恢复。没有双份独立标注，就无法做标签不确定性建模（如 STAPLE、软标签）。若研究主题是标签噪声，本数据集只能提供"共识 vs 模型预测"的单向比较。
- 盲病史标签与临床报告是两种真值。对照研究若把 CT-ICH 掩码与医院正式报告对比，差异可能来自视角（纯影像 vs 综合诊断）而非标注错误——设计实验时要先声明对齐到哪种真值。
§4 与同类数据集对比：分类巨兽时代的分割孤本
4.1 头颅 CT ICH 数据集全景对照
把 CT-ICH 放进 2020 年前后的头颅 CT ICH 数据集坐标系，四种代表性数据集的任务定位泾渭分明：
| 数据集 | 规模 | 标注类型 | 任务 | 获取门槛 | 库内条目 |
|---|---|---|---|---|---|
| CT-ICH（本条目） | 82 例（75 例 NIfTI 公开） | 像素级掩码 + slice 级五亚型 + 骨折 | 检测/分类/分割三合一 | PhysioNet DUA（官方）或 Kaggle JPG（旧版） | 本条目 |
| RSNA Intracranial Hemorrhage | 约 2 万+ studies（约 75 万+ slice） | slice 级五亚型二值标签（多位医师投票聚合） | 分类（Kaggle 挑战赛） | Kaggle 公开 | rsna-intracranial-hemorrhage（rid 738） |
| CQ500 | 491 例 | scan 级 ICH 二值 + 五亚型 + 骨折（放射科报告衍生） | 分类 | 注册申请 | 库内未收录 |
| INSTANCE2022 | 100 训练例 + 200 测试例 | 3D NCCT + 像素级分割掩码（多专家质控） | 分割（挑战赛） | 挑战赛注册 | instance2022（rid 645） |
| FracAtlas | 709 张（X 光/CT 混合，含颅面骨） | 骨折区域框/分割 | 骨折检测 | 公开 | fracatlas（rid 406） |
四个观察：
- 规模与标注深度成反比：RSNA 用 75 万 slice 换"只有 slice 级二值标签"；CT-ICH 用 82 例换来像素级掩码。这两者是 ICH 领域的"分类巨兽"与"分割孤本"，不存在谁替代谁。
- CT-ICH 是 2020 年时点头颅 CT 像素级 ICH 分割几乎唯一的公开选择（另一个是 INSTANCE2022 的前身数据，2022 年才发布）。这解释了它被引 211+（Crossref 口径）的量级——大量分割论文的"公开对比数据"栏只有它可以填。
- CQ500 未收录入库，但其"报告衍生标签"路线与 CT-ICH 的"纯影像共识掩码"路线（3.2 节）构成真值哲学的两极，对比研究时值得并置。
- INSTANCE2022 是 CT-ICH 的直接后继者：同任务（ICH 分割）、同粒度（像素级）、规模接近（100 vs 75 例可用）、标注元数据更完备。2022 年后的新研究多数以 INSTANCE2022 为主训练集，CT-ICH 退居外部验证位——HemaContour（§7）正是这个用法的实例。
4.2 与 RSNA-ICH 的互补双塔关系
| 维度 | RSNA-ICH（rid 738） | CT-ICH（本条目） |
|---|---|---|
| 规模 | 约 2 万+ studies | 82 例 |
| 标注 | slice 级五亚型二值（多医师标签聚合，含不确定标签机制） | patient/slice/pixel 三级 + 共识掩码 |
| 亚型体系 | 五亚型同构（IVH/IPH/SAH/EDH/SDH）+ Any | 同五亚型 + 骨折（骨折是 RSNA 没有的） |
| 适用任务 | 大规模分类预训练 | 小样本分割、标签密集任务 |
| 弱点 | 无像素掩码、标签聚合后丢失个体医师分歧 | 样本量小、亚型长尾（IVH 5 例/SDH 4 例） |
亚型体系同构是这组互补的关键：在 RSNA 上预训练五亚型分类头、在 CT-ICH 上微调分割头，是文献里已出现的迁移模式（分类监督提供表示学习，分割掩码提供空间监督）。反向不行——CT-ICH 的 82 例撑不起 RSNA 侧 75 万 slice 的分类基线体量。骨折标签是 CT-ICH 的独有增量：库内骨折方向条目 fracatlas（rid 406）以四肢/X 光为主，颅骨骨折像素资源在库内仅此一处（且无掩码、只有 CSV 标签，2.5 节）。
4.3 与 INSTANCE2022 的同任务对标
两代 ICH 分割数据集的纵向对比：
| 维度 | CT-ICH（2020） | INSTANCE2022（2022） |
|---|---|---|
| 训练例 | 75 例可用（NIfTI） | 100 例 |
| 影像 | 5 mm 层厚、约 30 slice/例 | NCCT，重建参数更多样 |
| 掩码 | 双医师共识勾画 | 多专家标注 + 挑战赛质控 |
| 亚型 | 五亚型多标签 | 出血区域分割（含亚型前缀命名） |
| 附加标签 | 颅骨骨折 CSV | 无 |
| 获取 | PhysioNet DUA / Kaggle 旧版 | 挑战赛页面注册 |
INSTANCE2022 在质控透明度、社区活跃度上全面胜出；CT-ICH 保留三张 INSTANCE 没有的牌：骨折标签、CSV 级 patient/slice 双表、以及"2018 年伊拉克真实急诊环境"的域多样性。做分割方法研究：主训练集选 INSTANCE2022，CT-ICH 做第二外部域；做跨域泛化研究：两者都是不可或缺的域节点。
4.4 在库内 CT 分割家族中的位置
| 库内条目 | 分割对象 | 与本条目的关系 |
|---|---|---|
| munich-bmc（rid 496） | 脑 CT 骨/钙化结构 | 头颅 CT 分割家族同门，对象是骨而非出血 |
| totalsegmentator（rid 422） | 全身 CT 多结构（含椎骨/肋骨等骨结构） | 分割粒度与覆盖面对照：广度路线 vs 深度路线 |
| ct-org（rid 796） | 腹部 CT 器官 | CT 分割谱系，均不含 ICH |
| ct-rate（rid 546） | CT 影像-报告配对 | 结构化标签的另一条路线（文本侧） |
CT-ICH 在库内的独特性由此清晰：它是库内唯一提供脑实质内病理（出血）像素级掩码的 CT 条目——munich-bmc 与 totalsegmentator 分割的是解剖结构（骨、器官），CT-ICH 分割的是病灶。这个位置短期内不会有人补位：病理级 CT 分割数据集的产出成本远高于解剖结构（后者可由 atlas 自动传播，前者必须医师手标）。
4.5 对比读法三则
- 选数据集先选任务再选标注深度。做分类筛查系统 → RSNA-ICH 起步；做分割或密集预测 → INSTANCE2022 主训 + CT-ICH 外部验证；做骨折 → CT-ICH CSV + FracAtlas 混合，注意模态差异。
- 82 例的正确用法是"评估集"而非"训练集"。在 2020 年它是训练集；在 INSTANCE2022 之后，把它当代训练集的论文已难通过审稿，当外部验证域才是它的第二生命（HemaContour 模式，§7）。
- 骨折标签被系统性低估。多数引用只谈 ICH 分割，但"slice 级骨折标签 + bone window 双窗数据"的组合在颅骨骨折自动检测文献里同样被使用——写 related work 时别忘了这半边贡献。
§5 版本链与引用规范
5.1 四版本时间线
CT-ICH 在 PhysioNet 上共发布四个版本，从 2019 年 8 月到 2020 年 3 月收敛：
| 版本 | 发布日期 | 已知变更 | 口径 |
|---|---|---|---|
| v1.0.0 | 2019-08-01 | 首发版：82 例，brain/bone 双窗 JPG + NIfTI，CC BY 4.0 | Kaggle 镜像与 PhysioNet view-license 路径 |
| v1.2.0 | 2019-11-14 | 具体变更未披露（版本页无 release note 细节） | PhysioNet Versions 栏（存照 §9） |
| v1.3.0 | 2019-12-20 | JPG + NIfTI 双格式并存（论文正文引用的就是此版） | 论文原文 “released in JPG and NIfTI formats at PhysioNet (1.3.0)” |
| v1.3.1 | 2020-03-10（最新） | “only the CT scans in the NIfTI format were included”——JPG 版移除、license 换挡 | v1.3.1 release notes 原文 |
时间线读法：2020 年 2 月 1 日论文在线发表（Data 5(1):14），一个月后 v1.3.1 发布——JPG 移除与 license 收紧几乎可以肯定是论文发表后的整理动作（论文发表带来流量，平台侧收紧受控数据发布的常规操作，与 PhysioNet 的整体合规化方向一致，属合理推断而非页面明文，使用者不必当结论引用）。今天从 PhysioNet 下载到的永远是 v1.3.1，/content/ct-ich/ 无版本号访问重定向至 1.3.1。
5.2 DOI 三枚与引用姿势
| DOI | 指向 | 使用场景 |
|---|---|---|
| 10.13026/w8q8-ky94 | v1.0.0 版本 DOI | 引用 JPG 时代数据（Kaggle 镜像、老论文） |
| 10.13026/4nae-zg36 | v1.3.1 版本 DOI | 引用当前下载的 NIfTI 数据（推荐） |
| 10.13026/g1kq-sc84 | DOI (latest)，页面上与版本 DOI 并列显示 | PhysioNet 概念层 DOI，重定向至最新版 |
v1.3.1 页面同显版本 DOI 与 latest DOI 两枚——这是 PhysioNet 的"概念 DOI + 版本 DOI"并存设计，/content/ct-ich/ 重定向到 1.3.1 而非独立概念页。成稿建议：数据版本引用用 v1.3.1 DOI（10.13026/4nae-zg36），方法学引用用论文 DOI（10.3390/data5010014），两者指向不同对象（数据集 vs 论文），不可互相替代。
论文与数据的完整引用信息：
| 引用对象 | 文献条目 |
|---|---|
| 论文 | Hssayeni MD, Croock MS, Salman AD, Al-khafaji HF, Yahya ZA, Ghoraani B. Intracranial Hemorrhage Segmentation Using a Deep Convolutional Model. Data 2020;5(1):14. doi:10.3390/data5010014（published online 2020-02-01） |
| 数据集 | Hssayeni MD, et al. Computed Tomography Images for Intracranial Hemorrhage Detection and Segmentation. PhysioNet, version 1.3.1 (2020-03-10). doi:10.13026/4nae-zg36 |
| 平台层 | Pollard et al. 2026, Nature Health, doi:10.1038/s44360-026-00096-z（PhysioNet 平台整体引用） |
PhysioNet 页面的引用格式中携带 RRID:SCR_007345——注意这是 PhysioNet 平台级的 Resource Research Identifier，不是本数据集专有的 RRID，套用到本数据集时要保留平台语境。
5.3 引用读法三则
- 两 DOI 双引是标准姿势：分割方法论文引用数据集本身（v1.3.1 DOI）+ 标注方法论文（Data 5(1):14 DOI）。只引论文不引数据 DOI 会让数据贡献无法被数据引用指标捕获。
- v1.0.0 DOI 只在 JPG 语境使用：Kaggle 镜像复刻的是 v1.0.0，用镜像数据的研究引 v1.0.0 DOI 才与实际内容对齐；拿 v1.0.0 DOI 引 NIfTI 全掩码是常见的张冠李戴。
- 版本日期写全：PhysioNet 数据集论文模板要求 version + 年份，“version 1.3.1, 2020” 即可，避免只写 “PhysioNet, 2019”（那会指向 v1.0.0）。
§6 License 与获取实操：一收紧一绕行的双路径
6.1 License 版本链：从 CC BY 4.0 到受控许可
CT-ICH 的 license 演变是它最容易被引用错误的地方——多数二手资料仍写 CC BY 4.0，而那已经是两个版本之前的事：
| 版本 | License | 证据源 |
|---|---|---|
| v1.0.0（2019-08） | CC BY 4.0 | Kaggle 镜像 license 栏标注 + PhysioNet view-license/1.0.0 路径 |
| v1.3.1（2020-03 至今） | PhysioNet Restricted Health Data License 1.5.0 + PhysioNet Restricted Health Data Use Agreement 1.5.0 | PhysioNet 页面 Access 栏原文 “Only registered users who sign the specified data use agreement can access the files” |
第二源独立印证：HemaContour（npj Digital Medicine 2025, doi:10.1038/s41746-025-02124-w）在数据声明中明确 CT-ICH v1.3.1 文件处于 PhysioNet Restricted Health Data License 1.5.0 下、需签署 DUA——与官方页一致。结论口径：今天使用 CT-ICH 必须走 DUA；CC BY 4.0 只对从 Kaggle 下载的 v1.0.0 JPG 复刻有效（且该复刻同时标注 “Other (specified in description)” 的镜像自有条款，以 CC BY 4.0 引用要求为底）。
6.2 路径 A：官方全量（PhysioNet + DUA）
| 步骤 | 动作 | 要点 |
|---|---|---|
| 1 | 注册 PhysioNet 账号 | 邮箱验证；机构邮箱可加速 credentialed 审核路径 |
| 2 | 进入 /content/ct-ich/，阅读 Access Policy | “Only registered users who sign the specified data use agreement can access the files” |
| 3 | 签署 PhysioNet Restricted Health Data Use Agreement 1.5.0 | 在线签署，承诺不识别个体、不再分发原始数据 |
| 4 | 下载 | NIfTI 体积（75 例）+ 掩码 + 两份 CSV + 脚本，单包直链 |
| 5 | 记录版本 | 下载的是 v1.3.1，引用 doi:10.13026/4nae-zg36 |
DUA 的核心义务三条：不得尝试识别个体、不得向未签约第三方再分发原始数据、发表时引用数据集与平台。受控许可不是禁止商用，而是把再分发权收回平台——衍生模型权重、聚合统计、可视化结果通常可自由发布（以 DUA 具体条款为准，签约时逐条读）。
6.3 路径 B：Kaggle JPG 镜像（v1.0.0 复刻）
| 步骤 | 动作 | 要点 |
|---|---|---|
| 1 | Kaggle 账号 | 免费注册 |
| 2 | 搜索 vbookshelf/computed-tomography-ct-images |
数据集名 “Computed Tomography (CT) Images”，v1.0.0 的完整 JPG 复刻 |
| 3 | 直接下载 | 无 DUA，公开直链；82 个患者目录，共 5326 files |
| 4 | 遵守镜像条款 | license 标注 “Other (specified in description)”，描述中要求按 CC BY 4.0 引用原始数据集与论文 |
| 5 | 记录版本 | 实际使用 v1.0.0 内容，引用 doi:10.13026/w8q8-ky94 |
镜像内容（v1.0.0 口径）：2500 张 brain window JPG + 2500 张 bone window JPG，82 例全覆盖，其中 318 张 slice 带 ICH 掩码 JPG；外加 LICENSE/README/SHA256SUMS/ct_ich.yml/split_data.py/hemorrhage_diagnosis.csv/patient_demographics.csv。SHA256SUMS 文件的存在说明上传者做了完整性校验，是高质量复刻。
6.4 两路径的内容差异与选择决策
| 决策问题 | 走路径 A | 走路径 B |
|---|---|---|
| 要做像素级分割 | 是（唯一选择：全 slice NIfTI 掩码） | 勉强（仅 318 张 slice 的 JPG 掩码，双窗 JPG 无 HU） |
| 要做分类/检测 | 可以（NIfTI + CSV） | 可以（JPG + CSV，最快上手） |
| 要做窗宽窗位实验 | 是（原 HU 可任意加窗） | 不行（JPG 已固化两种窗口，灰度不可逆） |
| 教学/演示/快速原型 | 流程重（注册+签约） | 合适（五分钟下载） |
| 发表论文 | 推荐（数据最新、引用规范） | 需声明版本差异（v1.0.0，缺 7 例 NIfTI 之外还缺逐 slice 全掩码） |
| 骨折检测 | 是（bone window 由 HU 自建） | 是（bone window JPG 现成 2500 张） |
一条容易被忽略的硬约束：JPG 路径没有 HU 值。任何涉及密度定量（出血 CT 值测量、HU 直方图归一化）的研究只能走路径 A。反之，纯视觉方法（CNN 分类）在 JPG 上完全够用——v1.0.0 时代大量论文就是 JPG 训的。
6.5 合规红线清单
- 不再分发原始数据：路径 A 签约后不得把 NIfTI 上传网盘/模型仓库；路径 B 的 JPG 虽公开，但其源头 license 状态已随官方收紧，谨慎起见同样不再分发、只分发下载指引。
- 模型权重与掩码衍生品的边界：DUA 未明文豁免掩码再发布——若要发布基于掩码的新标注（清洗版/重标版），签约前向 PhysioNet support 确认。
- 去标识残余风险：源数据已做面部模糊+随机噪声（3.2 节），但头颅 CT 的骨性结构理论上仍有再识别研究风险，DUA 的"不识别个体"义务是兜底条款。
- license 引用要带版本：“CT-ICH is CC BY 4.0” 与 “CT-ICH is under PhysioNet Restricted Health Data License 1.5.0” 都只对一半——正确写法是按版本分述（5.1 节口径）。
6.6 获取读法三则
- 2019 年 CC BY、2020 年受控——引用者按"你手上那份"的版本声明 license。审稿人核对 license 的唯一依据是数据版本，版本写对 license 就不会错。
- Kaggle 镜像是时光机不是替代品：它保存了双窗 JPG 时代的完整快照，但内容冻结在 v1.0.0；两路径下载的数据在掩码覆盖上不可直接混用（2.6 节差异清单）。
- 签约成本被普遍高估：DUA 在线签署即时生效，整条路径 A 的实际摩擦低于多数机构 IRB 流程一个量级——"要走 DUA 太麻烦"不构成走 JPG 路径的理由。
§7 生态与影响：小数据集的杠杆效应
7.1 被引双口径
| 口径 | 数值 | 抓取方式 | 时点 |
|---|---|---|---|
| Crossref cited-by | 211 | Crossref API 实抓 | 2026-10-09 |
| Google Scholar | 约 256+ | 搜索摘要口径 | 2026-10 |
Scholar 口径系统性高于 Crossref（约 +21%），差额来自 Scholar 收录的预印本、非索引期刊与灰色文献。写论文引用影响时建议两口径并列并注明抓取时点，单口径引用在复核时容易产生"数字对不上"的疑虑。211 的量级放在 2020 年发布、82 例规模的数据集上属于显著高位——对照组：同期发布的多数医学分割数据集 Crossref 被引在两位数。驱动因素是结构性的：2020-2022 年 ICH 分割方向公开像素级数据只有 CT-ICH 与（2022 年起的）INSTANCE2022 两家，所有对比实验都绕不开它。
7.2 HemaContour：外部验证的标准用法示范
HemaContour（npj Digital Medicine 2025, doi:10.1038/s41746-025-02124-w）展示了 CT-ICH 在当代研究中的典型角色：
| 环节 | 用法 |
|---|---|
| 训练 | INSTANCE2022 的 100 例（同域内训练） |
| 外部验证 | CT-ICH v1.3.1 直测（out-of-domain external validation） |
| license 声明 | 明确写出 v1.3.1 处于 PhysioNet Restricted Health Data License 1.5.0 下需签 DUA（与官方页互证的第二源） |
这个"INSTANCE 训练 → CT-ICH 直测"的设计把两个数据集的域差（年代、地区、设备、人群年龄）全部压进验证指标——CT-ICH 从"训练集"转型为"域偏移探针"，这是小样本数据集在基础模型时代的第二生命形态（§8 详述）。其 Table 1 同时列出 CT-ICH 与 INSTANCE2022，是两代分割数据集同表对比的现成参照。
7.3 流量画像：镜像比官方热闹一个量级
| 平台 | 指标 | 数值 | 抓取时点 |
|---|---|---|---|
| Kaggle（vbookshelf 镜像） | views | 79.2K | 2026-10-09 |
| Kaggle（vbookshelf 镜像） | downloads | 9,536 | 2026-10-09 |
| PhysioNet 官方页 | views（all versions） | 2,362 | 2026-10-09 |
镜像 views 是官方页的 33 倍、downloads 累计 9536 次——这个倒挂是获取摩擦差的直接结果：Kaggle 一键下载，PhysioNet 要注册+签约。倒挂的含义有两层：第一，实际使用者多数拿的是 v1.0.0 JPG 版，文献中"用 CT-ICH 训练"的论文相当比例实际用的是双窗 JPG（复现时要核对版本）；第二，官方 2362 views 对 211 被引的比例（约 11:1）偏低，说明大量引用来自二手使用（镜像/再分析），官方渠道的真实获取者少于引用量所示。
7.4 作者团队与机构网络
| 作者 | 机构 | 角色 |
|---|---|---|
| Murtadha D. Hssayeni | Florida Atlantic University（计算机与电气工程与计算机科学系）+ University of Technology, Baghdad（双单位） | 第一作者、PhysioNet 资源页单作者署名 |
| Muayad S. Croock | University of Technology, Baghdad | 共同作者 |
| Aymen D. Salman | University of Technology, Baghdad | 共同作者 |
| Hassan Falah Al-khafaji | Babylon Health Directorate, Babil | 共同作者（数据采集医院侧） |
| Zakaria A. Yahya | Babylon Health Directorate, Babil | 共同作者（数据采集医院侧） |
| Behnaz Ghoraani | Florida Atlantic University | 通讯作者 |
机构结构是一条标准的"临床资源 + 美方分析"合作链：巴比伦省卫生局与巴格达技术大学提供数据与现场标注，FAU 提供深度学习分析（通讯作者 Ghoraani 的实验室方向即医学 AI）。Hssayeni 的双单位署名是链路两端的具体连接点。伦理批件由 Iraqi Ministry of Health, Babil Office 研究与伦理委员会发放（approval #1369，回顾性研究）。
平台侧：数据托管于 PhysioNet（MIT Laboratory for Computational Physiology 维护），平台层资助为 NIH U24EB037545、R01EB030362（NIBIB/NHLBI/OD）——注意这是 PhysioNet 平台的运行资助，不是本数据集的专项资助；论文本身在 Crossref 中无 funding 记录，作者侧经费来源未披露，此处按事实存照、不做推测。
7.5 一个平台侧拼写存照
PhysioNet 页面 topics 栏原文写作 “intracranial hemmorhage”（双 m）——平台侧录入拼写误，非本条目笔误，检索该数据集时用正确拼写 “hemorrhage” 反而可能漏掉 topics 聚合入口，用标题检索不受影响。记入 §10 坑 7 的延伸背景。
7.6 生态读法三则
- 小数据集的影响力靠"不可替代性"而非规模：82 例换来 211+ 被引，靠的是 2020-2022 年间像素级 ICH 分割无平替的历史窗口。判断一个数据集的引用前景，供给端（同类替代品数量）比规模更 explanatory。
- 镜像流量是版本结构的影子：解读任何"CT-ICH 上的实验结果"前先问版本——JPG 318 掩码与 NIfTI 全掩码是两个不同的监督强度。
- 双口径数字要带时点引用：211/256+ 都是移动数字，论文里固定写法为 “Crossref cited-by 211 and Google Scholar ≈256+ (as of October 2026)”。
§8 方法学启示：三条可迁移的经验
8.1 像素级标注的成本墙与破墙路径
CT-ICH 最深刻的方法学信号不在模型侧而在标注经济学侧：一个 6 人团队（2 人标注 + 4 人组织/分析）、约半年的采集窗口、外加一条录屏-勾画-映射的土法工艺链，产出是 75 例逐 slice 掩码——而 INSTANCE2022 动用多中心挑战赛机制也只把训练集推到 100 例。三年时间、机制升级，规模只涨了 33%。这就是像素级医学标注的成本墙：病理性病灶的分割掩码无法用 atlas 传播或半自动流水线廉价复制（与解剖结构分割的根本区别，4.4 节），每一像素都含医师的临床判断。
破墙路径在后续文献中已现出三条：其一，弱监督/点监督分割——用 slice 级标签（本数据集 CSV 自带）替代像素监督，代价是精度下限；其二，大模型时代的外部验证定位——像 HemaContour 那样把小样本金标准从训练位挪到评估位（7.2 节），金标准的"少而精"在评估场景反而是优点（方差小、口径稳）；其三，迁移链分工——RSNA 巨量分类标签管表示学习，CT-ICH 小量掩码管空间对齐。三条路径共同指向一个结论：小掩码集的正确问题从"怎么用它训练"演进为"它在训练链里站在哪个位置"。
8.2 域标签意识：27.8 岁意味着什么
2.2 节的年轻队列值得上升为一般方法学原则：人口学参数不是数据集的元信息，而是模型的先验域边界。CT-ICH 上训练的出血分割器，面对 65 岁萎缩脑患者的慢性 SDH 时，既缺训练分布（老年人稀缺）又缺病理形态（慢性期出血密度衰减、月牙形沿颅骨走行），双重失配。HemaContour 选择它做 out-of-domain 验证正是利用这一点——但反过来说，任何把 CT-ICH 结果直接外推到"通用 ICH 检测"的论文都在透支域假设。
可操作化的检查清单：引用或使用一个医学数据集前，把年龄均值/标准差、地区、年代、设备品牌（本数据集为 Siemens syngo 生态）、采集场景（单一教学医院急诊）五个维度与你的目标部署场景并排，任一维度大偏移都要在实验设计里显式声明。CT-ICH 的极端值（27.8±19.5 岁、伊拉克单中心、2018 年）恰好把这份清单的每个维度都拉到偏离欧美主流数据集的位置——它因此成为跨域研究的优质探针，也因此不适合做通用基线。
8.3 间接工艺链的误差透明度问题
3.1 节的 syngo→avi→Matlab 链路留下一笔未偿的技术债：录屏压缩与坐标映射两处误差源均无定量披露。这不是孤例而是普遍现象——标注工艺的中间环节误差几乎从不进论文正文，但它们会整体并入掩码的"真值噪声"，在评估指标上表现为不可分割的方差下限。CT-ICH 的 U-Net Dice 0.31 里，有多少是模型能力、多少是掩码噪声、多少是 5 mm 层厚的部分体积效应，论文无法拆分，后人也无法拆分。
对数据集建设者的启示：工艺链每一步若能留存中间产物（录屏帧、勾画矢量文件），就为未来的误差审计留了证据链；对使用者的启示：把公开掩码当作"带噪声的金标准"而非"真值"，评估指标的解释要保留一层噪声折扣——尤其当你的方法与 baseline 的差距小于掩码噪声的合理量级时（这也是小数据集上刷点型论文的通病温床，坑 8）。
8.4 方法学读法三则
- 成本墙决定研究设计：凡计划"再标一个更大的 ICH 分割集"的项目，先读 CT-ICH 与 INSTANCE2022 的工艺描述估成本——若预算撑不起三位数患者数，不如直接采用"训练用 INSTANCE + 验证用 CT-ICH"的现成组合。
- 域探针是老数据集的新岗位：基础模型时代，数据集价值 = 训练价值 + 评估价值 + 域覆盖价值，CT-ICH 后两项还在升值。
- 误差透明度是社区公共品：引用时主动复述"共识掩码、无 inter-rater 统计"的局限（3.3 节），比默认它完美更利于领域校准。
§9 与库内条目的关系
9.1 互链地图
CT-ICH 在库内数据集网络中的位置由任务邻接性决定，七条互链按关系强度排序：
| 库内条目 | rid | 关系性质 | 互链理由 |
|---|---|---|---|
| rsna-intracranial-hemorrhage | 738 | 同病灶互补双塔 | ICH 分类巨兽 vs 分割孤本；亚型体系同构（4.2 节） |
| instance2022 | 645 | 同任务直接对标 | 两代 ICH 像素分割数据集；HemaContour 中的训练-验证配对（7.2 节） |
| fracatlas | 406 | 同标签（骨折）跨病灶 | 本条目带颅骨骨折 slice 标签，FracAtlas 主打四肢骨折检测 |
| munich-bmc | 496 | 同模态同任务家族 | 头颅 CT 分割（骨/钙化 vs 出血），同为中心层厚 CT |
| totalsegmentator | 422 | 分割粒度对照 | 全身多结构广度路线 vs 单病灶深度路线 |
| ct-org | 796 | 分割谱系 | CT 器官分割；库内 CT 分割家族成员 |
| ct-rate | 546 | 标签路线对照 | 影像-报告配对的结构化标签路线 vs 本条目的影像内标注路线 |
frontmatter relatedLink 已按此强度收录前四条（738/645/406/496），后三条作为正文互链呈现——互链算法按 category_tags 相关度计算，本条目标签（医学影像/CT/医学图像分割/图像分类/神经科学/挑战赛数据集）与上述条目均有交集。
9.2 双塔结构的完整表述
rsna-intracranial-hemorrhage（rid 738）与本条目构成库内 ICH 资源的完整两极：
- 规模极：RSNA 侧约 2 万+ studies（75 万+ slice 级标签），支撑筛查系统、预训练、鲁棒性研究等规模敏感任务；
- 深度极：CT-ICH 侧 82 例三级标签（patient/slice/pixel），支撑分割、标签不确定性、细粒度定位研究。
亚型体系同构（IVH/IPH/SAH/EDH/SDH 五亚型）使两塔间的迁移实验天然可行：RSNA 五亚型分类头 → CT-ICH 分割微调是文献已验证的模式；CT-ICH 掩码提供的空间先验反过来可辅助 RSNA 弱标签的伪标签精化。骨折标签是 CT-ICH 独有的第三维度——RSNA 五亚型不含骨折，库内骨折资源（fracatlas，rid 406）以四肢与 X 光为主，颅骨骨折的 slice 级标签在库内仅此一处。
9.3 两条路线的分野：影像内标注 vs 报告衍生
ct-rate（rid 546）代表"从临床报告提取标签"的路线，CQ500（未收录）也属此列；CT-ICH 代表"医师直接在影像上勾画"的路线。两条路线的真值性质不同（报告是真值的一次有损投影，掩码是共识判断的直接产物），误差结构也不同（报告衍生标签受书写习惯与模板影响，手工掩码受标注者间差异影响）。库内同时收录两条路线的样本，恰好构成"医学影像标签从哪里来"这个问题的完整答案空间。
9.4 关系读法三则
- 做 ICH 综述或 benchmark 论文时，库内三件套（738/645/本条目）覆盖分类、分割、跨代对比三个维度，引用时按任务对号入座。
- 骨折方向的单点依赖：颅骨骨折 slice 标签库内唯此一家，相关研究应同时外链 fracatlas（rid 406）补充四肢模态。
- ct-rate 的对照价值：讨论"标签噪声从哪来"时，报告衍生（ct-rate）与共识勾画（本条目）的误差结构对比是现成的素材。
§10 避坑清单：八个已踩过或高发的坑
以下八坑按"从拿到数据到发出论文"的时间序排列，前四坑毁于下载环节，后四坑毁于实验设计环节。每坑给出症状、成因与规避动作。
坑 1：license 张冠李戴——拿 v1.0.0 的 CC BY 4.0 引 v1.3.1 的数据
- 症状：论文 data availability 写 “CT-ICH is publicly available under CC BY 4.0”，实际下载的是 PhysioNet v1.3.1。
- 成因：二手资料（含 Kaggle 镜像页与大量早期论文）只记住了 CC BY 4.0，不知 2020-03 的 license 换挡（6.1 节）。
- 规避：license 声明永远带版本号（v1.0.0 = CC BY 4.0；v1.3.1 = PhysioNet Restricted Health Data License 1.5.0 + DUA 1.5.0），并检查你的下载渠道与声明版本是否一致。
坑 2：75 与 82 混用——NIfTI 少 7 例
- 症状：论文写 “82 patients used for segmentation”，审稿人打开 v1.3.1 发现 subject #59-#65 不存在。
- 成因：CSV 表覆盖 82 例、NIfTI 只覆盖 75 例的双口径结构（2.1 节）未被读清。
- 规避：分割实验报 75，分类/统计实验报 82，方法节写明 “75 of 82 patients have publicly available NIfTI volumes (v1.3.1)”。
坑 3：JPG 与 NIfTI 掩码口径混淆——318 张 vs 全 slice
- 症状：用 Kaggle JPG 复现了"全 slice 掩码"的论文结果，对不上；或拿 318 张 JPG 掩码的监督强度去对标 NIfTI 版论文指标。
- 成因：两版掩码覆盖不同（2.6 节）：JPG 版仅 318 张 ICH 阳性 slice 带掩码，NIfTI 版 75 例逐 slice 全掩码（阴性全零）。
- 规避：复现前先核对版本与掩码覆盖口径，监督样本量差一个量级的实验结果不可直接对表。
坑 4：把 82 例当训练集刷榜——历史窗口已关闭
- 症状：2024 年后的论文仍以 CT-ICH 为唯一训练集报告 SOTA，审稿意见第一条必然是"为什么不对比 INSTANCE2022"。
- 成因：沿用 2020-2022 年的历史用法，未跟进数据生态变化（4.3 节）。
- 规避：当代标准姿势是 INSTANCE2022（rid 645）主训 + CT-ICH 外部验证（HemaContour 模式，7.2 节）；CT-ICH 单独训练仅适用于小样本方法论研究本身。
坑 5：亚型长尾上做分亚型强结论——IVH 5 例、SDH 4 例
- 症状：论文声称"模型在 SDH 上显著优于 baseline"，而 SDH 全数据集只有 4 例患者；或按亚型拆 Dice 做95% 置信区间，区间宽度比组间差还大。
- 成因：五亚型分布极端长尾（3.5 节），患者级样本量不足以支撑亚型级统计。
- 规避：亚型级结果只做描述性报告，统计检验限定在二值 ICH 或患者级；必要声明"亚型分层仅供参考"。
坑 6：单标签 softmax 套多标签 slice
- 症状：训练报错或指标异常偏低，排查发现部分 slice 带两个以上亚型标签，softmax 单选头把多标数据当噪声。
- 成因：TBI 场景多出血共存是常态（2.5 节），slice 级标签是多标签结构。
- 规避：分类头用 sigmoid + BCE 或逐亚型二值头；融合五亚型预测时用逐亚型阈值而非 argmax。
坑 7：topics 拼写陷阱——“intracranial hemmorhage”
- 症状：按 topics 词做 PhysioNet 站内检索，本数据集不出现；或自动化管线用平台 topics 做同义词扩展时收录异常。
- 成因：PhysioNet 页面 topics 栏原文拼写误 “hemmorhage”（双 m，平台侧笔误，7.5 节存照）。
- 规避：检索走标题/DOI 路径；自动化管线对 PhysioNet topics 做模糊匹配或加拼写容错。
坑 8：Dice 0.31 的脱离语境复读——“数据集太难所以我也低”
- 症状：新论文把自己的低分对比成"文献报道 Dice 0.31，我们 0.29 相当"，把 baseline 当成领域天花板引用。
- 成因：脱离原始语境——0.31 是 2019 年 U-Net、24 conv 层、160×160 滑窗 stride 80、5-fold CV、36 例阳性小样本下的 proof of concept 数字（§1 Q6），作者自述定位即非性能主张。
- 规避：引用时必须带全语境（模型、年代、样本量、CV 协议）；当代方法对比应在 INSTANCE2022 的公开 leaderboard 或同协议复现下进行，不与 0.31 直接对话。
§11 总结
CT-ICH 的身份可以压缩成一句话：用 82 例的体量，持有颅脑 CT 出血分割这个方向上最难复制的资产——逐 slice 像素级共识掩码，外加一套双窗、双 CSV、双许可的完整配套。它的价值曲线走过两个阶段：2020-2022 年作为几乎唯一的公开 ICH 分割训练集（被引 211+ 的历史窗口）；INSTANCE2022 之后转型为跨域验证探针与标签工艺标本（HemaContour 模式）。
使用它的三句话总结：拿数据走 PhysioNet DUA（版本引用 v1.3.1 DOI），做实验记住 75/82 双口径与五亚型长尾，写论文把 license 与掩码口径按版本说清。避开 §10 的八个坑之后，这是一个标签密度、获取规范性与文档完整度都远超其体量的数据集——小，但每一部分都被记录、被存照、被两个独立来源互证过。
它的长期价值或许在于提出的问题而非提供的答案：当像素级医学标注的成本墙（8.1 节）注定大多数病理分割集停留在三位数样本时，如何设计"小掩码集在训练链中的位置"，比"如何在小掩码集上训练"更值得研究——CT-ICH 是这个问题最好的案例库。
常见问题（FAQ）
Q1：CT-ICH 完全免费吗？要不要付费或申请机构权限？
免费但非无门槛。PhysioNet 路径（v1.3.1，NIfTI 全量）需要注册账号并在线签署 PhysioNet Restricted Health Data Use Agreement 1.5.0，签署后即时可下载，无费用、无机构审批环节；Kaggle 镜像路径（v1.0.0，双窗 JPG）公开直链、无任何协议签署，但内容冻结在 2019 年首发版。两条路径都不收费，差别在协议摩擦与内容版本（§6）。
Q2：我可以用它训练商业产品吗？
受控许可不等于禁止商用，但把边界划清需要读 DUA 原文：核心义务是不识别个体、不向未签约方再分发原始数据、发表时引用数据集。基于数据训练的模型权重、聚合统计一般可作为衍生成果发布，但掩码本身的再发布没有明文豁免（6.5 节红线清单第 2 条）。商用前的正确动作是逐条读签约时的 DUA 条款，而非沿用"CC BY 4.0 可商用"的过时印象——那是 v1.0.0 的事（坑 1）。
Q3：和 RSNA 颅内出血数据集（rid 738）二选一怎么选？
按任务选：做筛查分类系统、预训练、需要数万例规模 → RSNA；做分割、定位、标签密集任务 → CT-ICH。两者亚型体系同构（IVH/IPH/SAH/EDH/SDH），可以串联使用（RSNA 管表示学习 + CT-ICH 管空间监督，4.2 节）。预算足够就都拿——两条获取路径加起来的摩擦低于一次 IRB 审批。
Q4：论文里说 318 张掩码，PhysioNet 上却是 75 例全掩码，哪个对？
都对，是两个版本的口径（坑 3）：318 张是 v1.0.0 JPG 时代带 ICH 掩码的阳性 slice 数；75 例全 slice 掩码是 v1.3.1 NIfTI 时代的交付（阴性 slice 掩码全零）。两者监督强度差一个量级，引用别人论文的结果时先核对用的哪一版。
Q5：数据怎么加载？有没有现成代码？
有。v1.3.1 自带 split_raw_data.py（NIfTI 加载 + brain window WL=40/WW=120 转换）和 ct_ich.yml（conda 环境定义），覆盖从原始 HU 到训练输入的主路径。bone window（WL=700/WW=3200）需按同一公式自行替换参数。JPG 版镜像自带 split_data.py，面向 JPG 直接训练。
Q6：有官方 train/test 划分吗？
没有。四版数据集均不提供官方划分，论文的 5-fold CV 是作者内部协议（未随数据发布折叠清单）。这既是坑也是自由：自己的划分协议必须写进论文（多少患者、是否按患者分层避免切片泄漏——同一患者的 slice 绝不能跨 train/test），任何不带划分声明的 CT-ICH 结果都无法与他人对表。
Q7：骨折数据在哪里？怎么没有掩码？
骨折标签在两份 CSV 里（patient 级在 patient_demographics.csv，slice 级在 hemorrhage_diagnosis_raw_ct.csv），masks/ 目录只含 ICH 掩码——骨折任务天然是检测/分类而非分割（2.5 节）。bone window JPG（2500 张）或 NIfTI 自建 bone window 是训练输入。
Q8：论文的 Dice 只有 0.31，这数据集是不是质量很差？
不是。0.31 是 2019 年 U-Net 在 36 例阳性小样本上的 proof of concept 基线（5-fold CV），作者自述即非性能主张（坑 8）。掩码本身经双医师共识勾画、被后续研究（含 2025 年 HemaContour）持续用作外部验证，质量经受住了时间检验。低 Dice 的主要解释是长尾亚型分布加小样本，不是标注缺陷。
Q9：正确的引用格式是什么？
两引一注：数据集引 PhysioNet 版本 DOI（v1.3.1 = doi:10.13026/4nae-zg36；JPG 版 = v1.0.0 DOI doi:10.13026/w8q8-ky94），方法/标注引论文（Data 2020;5(1):14, doi:10.3390/data5010014），平台引用可选（Pollard et al. 2026, Nature Health, doi:10.1038/s44360-026-00096-z）。注意 PhysioNet 引用模板里的 RRID:SCR_007345 是平台标识，保留平台语境即可（5.2 节）。
Q10：JPG 版本现在从哪里下？合法吗？
Kaggle vbookshelf/computed-tomography-ct-images，公开直链、免费下载。它是 v1.0.0 的完整复刻（5326 files，含 SHA256SUMS），镜像描述要求按 CC BY 4.0 引用原始数据集与论文——下载使用合法，引用规范随镜像条款走（6.3 节）。注意它不是官方渠道，最新研究建议优先官方 NIfTI。
Q11：缺的 7 例（#59-#65）去哪了？还会回来吗？
v1.3.1 的文件树就是不含这 7 例的 NIfTI，官方未解释原因，CSV 里它们的 patient 级信息仍在。是否有恢复计划无公开信息，不应假设会补齐——任何依赖全 82 例 NIfTI 的实验设计都应先检查文件树实际内容（坑 2）。
Q12：能做 3D 分割吗？
物理上可以（NIfTI 是 3D 体积），结构上要谨慎：5 mm 层厚对约 0.4-0.5 mm 面内分辨率的各向异性比约 10:1，z 轴信息稀疏，3D 卷积的感受野在 z 向很快跨出脑实质。文献主流做法是 2D 逐 slice 分割后堆叠，或 anisotropic 网络（面内 3×3、z 向 1×k）。做 3D 方法研究时，把各向异性比写进 setup 是审稿人的必查项。
硬事实清单（速查卡片）
以下每条均出自 FACTS.md 存照口径，抓取时点 2026-10-09：
| # | 事实 | 数值/内容 | 来源口径 |
|---|---|---|---|
| 1 | 患者总数 | 82 例 TBI 头颅 NCCT | 论文/PhysioNet 页面 |
| 2 | ICH 阳性 | 36 例（阴性 46 例） | CSV 可复核 |
| 3 | 公开 NIfTI | 75 例（#59-#65 缺 7 例） | v1.3.1 文件树 |
| 4 | 影像规格 | 约 30 slices/例，5 mm 层厚 | 论文原文 |
| 5 | 年龄 | 27.8 ± 19.5 岁 | patient_demographics.csv |
| 6 | 性别 | 46 男 / 36 女 | 同上 |
| 7 | 标签体系 | 五亚型（IVH/IPH/SAH/EDH/SDH）+ 颅骨骨折 | CSV 双表 |
| 8 | 亚型长尾 | IVH 仅 5 例患者、SDH 仅 4 例患者 | 论文原文 |
| 9 | 双窗参数 | brain WL=40/WW=120；bone WL=700/WW=3200 | 数据集页/脚本 |
| 10 | 基线模型 | U-Net（24 conv 层），Dice 0.31，5-fold CV | 论文原文 |
| 11 | 滑窗协议 | 160×160、stride 80（每 slice 49 窗），裁边 5 px 后 640×640 | 论文原文 |
| 12 | 标注协议 | 2 名放射科医师、逐 slice 共识、盲临床病史 | 论文原文 |
| 13 | 伦理批件 | Iraqi Ministry of Health, Babil Office approval #1369 | 论文/数据集页 |
| 14 | 采集 | Al Hilla Teaching Hospital，2018-02 至 2018-08 | 论文原文 |
| 15 | 版本链 | v1.0.0=2019-08-01；v1.2.0=2019-11-14；v1.3.0=2019-12-20；v1.3.1=2020-03-10 | PhysioNet Versions 栏 |
| 16 | DOI 三枚 | v1.0.0=10.13026/w8q8-ky94；v1.3.1=10.13026/4nae-zg36；latest=10.13026/g1kq-sc84 | 页面同显 |
| 17 | license 两代 | v1.0.0=CC BY 4.0；v1.3.1=PhysioNet Restricted Health Data License 1.5.0 + DUA 1.5.0 | 官方页 + HemaContour 第二源 |
| 18 | 论文 | Data 2020;5(1):14，doi:10.3390/data5010014，2020-02-01 online | Crossref |
| 19 | 被引双口径 | Crossref 211 / Google Scholar 约 256+ | 2026-10-09 抓取 |
| 20 | JPG 版构成 | 2500 brain + 2500 bone JPG，318 张带掩码，5326 files | Kaggle 镜像 |
| 21 | 流量 | Kaggle views 79.2K/downloads 9,536；PhysioNet views 2,362 | 2026-10-09 抓取 |
| 22 | 作者 6 人 | Hssayeni/Croock/Salman/Al-khafaji/Yahya/Ghoraani（通讯） | Crossref |
| 23 | 平台维护 | MIT Laboratory for Computational Physiology（PhysioNet） | 平台页 |
| 24 | 平台资助 | NIH U24EB037545、R01EB030362 | 平台页 |
上手清单：从零到第一个训练 batch
按顺序执行，预计一个工作日内完成全部步骤：
- 定版本：先回答"用 NIfTI 还是 JPG"（6.4 节决策表）——分割任务只有 NIfTI 一条路。
- 走获取路径：路径 A 注册+签约（6.2 节）或路径 B Kaggle 下载（6.3 节）；下载后立即记录版本号与 DOI。
- 对账三级标签：用 pandas 验证 patient_demographics.csv（82 行）与 hemorrhage_diagnosis_raw_ct.csv 的患者数、slice 数、NIfTI 文件数三方一致（75 例模态内），不一致先停下排查（坑 2）。
- 跑通官方脚本：split_raw_data.py 加载一例 NIfTI → brain window JPG，目视检查掩码与影像对齐。
- 设计划分：按患者分层划分 train/val/test，写死随机种子并把协议写进实验记录（Q6）。
- 选标签头：分类用逐亚型 sigmoid + BCE（坑 6），分割用全 slice 掩码（含阴性全零）。
- 设基线：先复现一个 U-Net 级基线再上自有方法，指标对照写明"非论文 0.31 协议"（坑 8）。
- 写数据声明：license 按版本（坑 1）、样本量按模态（坑 2）、掩码口径按版本（坑 3），三处缺一不可。
术语表
按主题分组排列，每条给出定义与本数据集语境下的具体取值。英文缩写首次出现处均回链本表。
病灶与临床术语
颅内出血（Intracranial Hemorrhage, ICH）：颅腔内任何腔隙的异常积血，本数据集按解剖位置分五亚型。急诊场景下 ICH 是头颅 CT 的首要排查目标，因为 CT 对急性出血的高密度（40-70 HU）极其敏感、检查速度快、无需造影剂。本数据集 82 例中 36 例携带 ICH。
创伤性脑损伤（Traumatic Brain Injury, TBI）：外力作用于头部导致的脑损伤，本数据集唯一的纳入病因。TBI 与自发性 ICH（高血压脑出血、动脉瘤破裂）在影像表现、好发位置与人群分布上差异显著——TBI 出血常多发、多亚型共存且伴骨折，这正是 slice 级多标签结构（2.5 节）的临床来源。别把本数据集当"脑出血通用集"，它是 TBI 专集。
非增强 CT（Non-Contrast CT, NCCT）：不注射碘造影剂的平扫 CT。本数据集全部影像均为 NCCT——造影剂会掩盖出血密度判断，急诊首查一律平扫。NCCT 是全球可及性最高的影像检查之一，这也是"辅助资源匮乏地区急诊筛查"动机（§0）的物质基础。
脑室内出血（Intraventricular Hemorrhage, IVH）：血液进入脑室系统（侧脑室、三脑室、四脑室）。CT 上表现为脑室铸型或脑室内的层状高密度。本数据集仅 5 例患者携带（3.5 节长尾之最之一），脑脊液循环受阻风险使其临床意义远超其样本占比。
脑实质内出血（Intraparenchymal Hemorrhage, IPH）：脑组织内部的血肿，CT 上为局灶性团块状高密度，占位效应（中线移位、脑室受压）是其评估要点。TBI 中常表现为挫伤内出血（hemorrhagic contusion），额颞叶好发。
蛛网膜下腔出血（Subarachnoid Hemorrhage, SAH）：血液进入蛛网膜下腔（脑表面与蛛网膜之间的脑脊液间隙）。外伤性 SAH 在 CT 上表现为脑沟、外侧裂的高密度充填，需与脑沟血管鉴别——年轻患者脑沟细窄，微量 SAH 的判读难度更高，这是年轻队列（2.2 节）对标注难度的隐形加成。
硬膜外出血（Epidural Hemorrhage, EDH）：血液积聚于颅骨内板与硬膜之间，典型形态为双凸透镜形（梭形），常伴颅骨骨折（脑膜中动脉损伤机制）。与硬膜下出血的形态区分（梭形 vs 月牙形）是影像教学经典考点，也是多亚型标签中判读一致性最依赖形态学的两类。
硬膜下出血（Subdural Hemorrhage, SDH）：血液积聚于硬膜与蛛网膜之间，典型形态为沿颅骨内板走行的新月形（月牙形）。本数据集仅 4 例患者携带（3.5 节），且月牙形薄层血肿与颅骨内板的边界判定主观性最强——亚型长尾与判读难度在本亚型上叠加。
颅骨骨折（Skull Fracture）：骨性结构的连续性中断，bone window（WL=700/WW=3200）下评估。本数据集以 CSV 标签形式提供 patient/slice 级标记，无像素掩码（2.5 节）——骨折检测是检测/分类任务，不是分割任务。
影像物理术语
Hounsfield Unit（HU）：CT 值的绝对标度，水 = 0、空气 = −1000、致密骨 > 1000。急性出血 40-70 HU、脑实质 30-45 HU。NIfTI 版本保存原始 HU（可任意加窗），JPG 版本灰度已被窗口映射固化（HU 信息不可逆丢失，6.4 节）。
窗位（Window Level, WL）：窗口映射的中心 HU 值，决定显示密度的"基准亮度"。本数据集 brain window WL=40、bone window WL=700。
窗宽（Window Width, WW）：窗口映射覆盖的 HU 跨度，决定对比度。WW 小则对比锐利（软组织分辨好），WW 大则动态范围宽（骨与气体共存场景）。本数据集 brain WW=120、bone WW=3200。
Brain window（脑窗）：WL=40/WW=120，显示范围 −20 至 100 HU——出血与脑实质的对比度在此窗口最大化，是 ICH 判读与分割标注的主窗口。官方脚本 split_raw_data.py 实现的就是这一转换。
Bone window（骨窗）：WL=700/WW=3200，显示范围 −900 至 2300 HU，骨折线与骨性结构评估专用。JPG 版（v1.0.0）双窗各 2500 张即这两种映射的固化产物。
层厚（Slice Thickness）：单层 CT 断面的物理厚度，本数据集 5 mm。层厚越厚，体素在 z 向"压缩"的信息越多，部分体积效应越强——微量出血与出血边界在 5 mm 层厚下的模糊化，是掩码边界不确定性的物理来源之一。
部分体积效应（Partial Volume Effect）：一个体素内混入两种以上组织时，CT 值取体积加权平均，边界处的体素灰度介于两组织之间。5 mm 层厚下出血-脑实质边界的部分体积效应显著，掩码勾画者需在"体素算出血还是算脑实质"之间做判断——这是所有层厚型 CT 分割集共享的边界噪声源。
各向异性体素（Anisotropic Voxel）：x-y-z 三轴分辨率不等。本数据集面内分辨率（亚毫米级）对层厚（5 mm）约 10:1，3D 卷积在 z 向极易跨出有效信息区（Q12），文献主流应对是 2D 逐 slice 或 anisotropic 卷积核。
DICOM：医学影像的行业交换标准，医院设备原生产出格式。本数据集的原始采集是 DICOM，但交付物是 NIfTI/JPG——DICOM 原件（含设备参数元数据）不随数据集发布，这是一个常被忽略的元数据缺口。
NIfTI（Neuroimaging Informatics Technology Initiative format）：神经影像社区的标准体积格式，单文件（.nii）携带 3D 体数据与基础几何信息，Python 生态由 nibabel 直读。本数据集 v1.3.1 的影像与掩码均为 NIfTI，掩码与体积同几何、逐体素对齐。
标注工艺术语
syngo：Siemens Medical Solutions 的影像工作站软件家族，本数据集标注链第一环——医师在医院 syngo 工作站上读 DICOM、双窗浏览并录屏（3.1 节）。它出现在论文方法节里，说明标注是在医院现场环境而非研究实验室完成的。
录屏工艺链（syngo→avi→Matlab→NIfTI）：本数据集掩码的生产路径：syngo 读 DICOM → 录 brain/bone 两窗 avi → Matlab 自定义工具解帧逐 slice 勾画 → 坐标映射回体积存 NIfTI。绕行录屏的原因是工作站封闭性；代价是录屏压缩与坐标映射两处未定量的误差源（8.3 节）。
共识决策（Consensus Decision）：两名放射科医师独立评审后讨论收敛，而非多数投票或独立出双份标签。后果：标签是单一版本、分歧信息不可恢复、无法计算 inter-rater 一致性统计量（3.3 节）——引用时写"双医师共识掩码"，不要写成"双人独立标注"。
盲临床病史（Blinded to Clinical History）：标注医师只看影像、不知患者病史与临床报告，防"外伤史锚定"导致的报阳偏倚。语义后果：掩码是"纯影像共识真值"，与临床综合诊断是两种真值（3.2 节）。
面部模糊（Face De-identification）：头颅 CT 重建的面部软组织可还原患者面部三维形态，属可识别信息；本数据集对面部区域做模糊处理，另加随机噪声，是发布前去标识的两件套（3.2 节）。
三级标签金字塔：patient 级（CSV 一行一患者）/ slice 级（CSV 一行一层）/ pixel 级（NIfTI 掩码）三层结构，可交叉对账（3.4 节）。多数数据集只有一或两级，三级齐备是本数据集文档强度的体现。
模型与评估术语
U-Net：医学图像分割的基准架构（编码器-解码器 + 跳跃连接），论文基线为 24 conv 层版本。2019 年时点是 ICH 分割的标准选择；其 0.31 Dice 是小样本 proof of concept 而非天花板（坑 8）。
滑窗推理（Sliding Window Inference）：以固定尺寸子块扫描全图、逐块预测后拼合。论文协议：160×160 子窗、stride 80，每 slice 49 窗，图像裁边 5 px 后 640×640——子窗间的重叠（stride = 半窗）用于缓解边界伪影。复现论文协议时这三个数缺一不可。
Dice 系数（Dice Coefficient）：分割评估标准指标，2|A∩B|/(|A|+|B|)，1 为完美、0 为无重叠。Dice 0.31 在小样本长尾分割上属于"有效但不亮"区间，解读必须绑定协议（模型/年代/CV 方式）。
5-fold 交叉验证（5-fold CV）：数据分五份轮流做验证，均值±方差报告。论文的折叠清单未随数据发布（Q6），自行对比时应自建按患者分层的五折。
多标签（Multi-label）：一个样本可同时携带多个类别标签。本数据集部分 slice 带 2+ 亚型（2.5 节），分类头须用逐亚型 sigmoid+BCE 而非 softmax 单选（坑 6）。
类别不平衡（Class Imbalance）：类别间样本量悬殊。本数据集双重的：slice 级阴性多数（无 ICH slice 占大头）+ 亚型级长尾（IVH 5 例/SDH 4 例患者）。应对手段（加权损失、过采样、 focal loss）应分层施加。
Proof of concept：作者对基线结果的自我定位——验证"数据集可用于深度学习分割"这一命题成立，而非给出性能主张。凡引用 0.31 必须带此语境。
发布与合规术语
数据使用协议（Data Use Agreement, DUA）：PhysioNet 受控数据的获取契约，v1.3.1 要求签署 PhysioNet Restricted Health Data Use Agreement 1.5.0。在线签署即时生效，核心义务：不识别个体、不再分发原始数据、发表时引用（6.2 节）。
PhysioNet Restricted Health Data License 1.5.0：v1.3.1 的数据许可，取代 v1.0.0 的 CC BY 4.0。受控许可把再分发权收回平台，但不同于"禁止商用"——商用边界由 DUA 条款定（Q2）。
概念 DOI 与版本 DOI：PhysioNet 为数据集整体（concept DOI，10.13026/g1kq-sc84，重定向最新版）与每个具体版本（如 v1.3.1 的 10.13026/4nae-zg36）分别分配 DOI。引数据内容用版本 DOI、引数据集本身可用概念 DOI，混用会导致版本溯源断裂（5.2 节）。
RRID（Research Resource Identifier）：科研资源的标准标识。PhysioNet 平台的 RRID 是 SCR_007345，出现在引用模板中——它是平台级标识，非本数据集专有（5.2 节）。
Out-of-domain external validation（跨域外部验证）：模型在训练分布之外的数据集上直测。HemaContour 的"INSTANCE2022 训练 → CT-ICH 直测"是范例（7.2 节）——小样本金标准在评估位的用法，其价值随基础模型时代到来而上升。
域偏移（Domain Shift）：训练与部署场景的数据分布差异。本数据集的五重域特性（年轻队列/伊拉克单中心/2018 年代/Siemens 设备/TBI 专属病因）使它天然是域偏移研究的高对比度探针（8.2 节）。
附录 A：DAIMS 评估全表
DAIMS 五维度（Discoverability/Accessibility/Interoperability/Metadata/Sustainability）1-10 分评估，评分依据全部来自本条目已存照的事实：
| 维度 | 评分（1-10） | 依据摘要 |
|---|---|---|
| D 可发现性 | 7 | PhysioNet 平台索引强 + 论文 MDPI 开放获取；失分于 topics 栏拼写误（坑 7）与"CT-ICH"缩写易撞名 |
| A 可获取性 | 6 | 双路径互补：官方 DUA 免费即时 + Kaggle 镜像零门槛；失分于 v1.3.1 缺 7 例 NIfTI 与 JPG 版已从官方移除 |
| I 可互操作 | 8 | NIfTI + CSV + Python 脚本全开放格式；失分于 DICOM 原件与设备元数据不随发布 |
| M 元数据质量 | 6 | 三级标签 + 版本链 + DOI 体系完备；失分于无 inter-rater 统计、标注者资历未披露、工艺链误差未定量 |
| S 可持续性 | 8 | PhysioNet 平台长期托管（NIH 资助）+ Kaggle 社区镜像双保险；失分于 v1.2.0 变更无记录 |
| 综合评级 | 7.0/10（中上） | 获取与格式层近乎满分；标注透明度是唯一系统性短板 |
D 可发现性（7 分）展开：PhysioNet 在医学数据集生态的检索地位无需多言，论文发表于 MDPI Data（开放获取、DOI 10.3390/data5010014），Google Scholar 约 256+ 的被引量本身就是最强的可发现性背书。两处失分都有具体解法：topics 拼写误 “intracranial hemmorhage”（7.5 节）使站内 topics 聚合检索漏收本条目，按标题或 DOI 检索不受影响；"CT-ICH"缩写在文献中偶与 CQ500 的 CT-ICH 变体称呼混淆，规范引用全称可避免。
A 可获取性（6 分）展开：这是评估最纠结的维度。官方路径免费、即时、无机构门槛（DUA 在线签署），Kaggle 镜像连协议都没有——按"摩擦"算近乎满分。扣分来自内容完整性：v1.3.1 的 NIfTI 缺 #59-#65 共 7 例（82→75），JPG 双窗版已从官方移除、只能走镜像；两路径的内容差异（2.6 节）使"获取什么"取决于"走哪条路"，文献复现的成本因此被抬高。
I 可互操作（8 分）展开：NIfTI 是神经影像最大公约数格式（nibabel/SimpleITK 一行读入），CSV 标签无私有 schema，官方还附 conda 环境定义（ct_ich.yml）与转换脚本（split_raw_data.py）——在"开箱即跑"维度上超过多数医学数据集。唯一缺口是 DICOM 原件缺席：设备参数、重建核、kVp/mA 等采集元数据无从查证，做剂量相关或设备相关研究的人拿不到这些字段。
M 元数据质量（6 分）展开：分层看是"结构满分、透明度失分"。结构侧：三级标签金字塔、版本链、三枚 DOI、窗口参数、伦理批件编号一应俱全。透明度侧：标注者资历与年限未披露、独立评审一致性从未统计（共识决策模式下也无法事后统计）、录屏-映射误差无定量——这些缺口都已在 3.3 与 8.3 节存照。评估元数据的经典清单（FAIR 的 A/I 原则）它达标，标注质量元数据（inter-rater、协议审计）它缺位。
S 可持续性（8 分）展开：PhysioNet 由 MIT Laboratory for Computational Physiology 维护、NIH U24EB037545/R01EB030362 资助，托管稳定性属业界最高档；Kaggle 镜像（5326 files 完整复刻 + SHA256SUMS）提供了平台外的第二副本。六年间四版收敛、无断链记录。v1.2.0 变更内容无 release note（遗留存照）是唯一扣分点——它提示版本链的可追溯性依赖发布者自觉，而非平台强制。
附录 B：逐项证据链自证
本条目全部硬数字的来源映射（抓取时点 2026-10-09）：
| 关键数字 | 来源 | 位置/口径 |
|---|---|---|
| 82 例 / 36 例 ICH | 论文 + PhysioNet 数据集页 | 摘要与页面正文 |
| 75 例 NIfTI / #59-#65 缺失 | v1.3.1 文件树 | ct_scans/ 与 masks/ 目录清单 |
| 约 30 slices / 5 mm | 论文 | 方法节原文 |
| 27.8 ± 19.5 岁 / 46 男 36 女 | patient_demographics.csv | 82 例口径统计 |
| WL=40/WW=120；WL=700/WW=3200 | 数据集页 + 脚本 | 双窗参数原文 |
| 五亚型 + 骨折标签 | hemorrhage_diagnosis_raw_ct.csv | 列名实查 |
| IVH 5 例患者 / SDH 4 例患者 | 论文 | 结果节原文 |
| U-Net 24 conv 层 / Dice 0.31 / 5-fold | 论文 | 方法+结果节原文 |
| 160×160 stride 80 / 49 窗 / 640×640 | 论文 | 方法节原文 |
| syngo→avi→Matlab→NIfTI 工艺链 | 论文 | 方法节原文 |
| 两医师共识 / 盲病史 / 面部模糊 | 论文 + 数据集页 | 标注协议原文 |
| 伦理 approval #1369 | 论文 + 数据集页 | Ethics 声明 |
| 版本链四版日期 | PhysioNet Versions 栏 | 页面原文 |
| DOI 三枚 | PhysioNet 页面 | 版本 DOI + latest DOI 同显 |
| license 两代 | view-license 路径 + Access 栏 + Kaggle 页 | 三源互证 |
| v1.3.1 “only NIfTI” | v1.3.1 release notes | 页面原文 |
| 论文 “JPG and NIfTI (1.3.0)” | 论文正文 | 原文快照 |
| JPG 版 2500+2500 / 318 mask / 5326 files | Kaggle 镜像页 | 文件树与描述 |
| 被引 211 / 256+ | Crossref API / Scholar 摘要 | 双口径存照 |
| Kaggle 79.2K views / 9,536 downloads | Kaggle 页面 | 2026-10-09 |
| PhysioNet 2,362 views | 数据集页 | all versions 口径 |
| HemaContour 外部验证用法 | npj Digital Medicine 2025 | doi:10.1038/s41746-025-02124-w |
| 作者 6 人单位 | Crossref 元数据 | 作者-机构映射 |
| 平台资助 NIH U24EB037545/R01EB030362 | PhysioNet 平台页 | 页脚声明 |
附录 C：数据获取决策树
你的任务是什么？
├── 像素级 ICH 分割（训练或评估）
│ ├── 1) PhysioNet 注册 + 签 DUA（路径 A，§6.2）
│ ├── 2) 下载 v1.3.1：75 例 NIfTI + 掩码 + CSV
│ └── 3) 训练建议：INSTANCE2022 主训 + 本集外部验证（HemaContour 模式）
├── ICH 分类 / 筛查系统
│ ├── 快速原型 → Kaggle JPG 镜像（路径 B，§6.3）
│ ├── 严谨研究 → 路径 A + 报 82 例 CSV 口径
│ └── 需要规模 → 主集换 RSNA-ICH（rid 738），本集做定位微调
├── 颅骨骨折检测
│ ├── 1) bone window（WL=700/WW=3200）输入
│ ├── 2) CSV slice 级骨折标签（无掩码）
│ └── 3) 可并联 FracAtlas（rid 406）四肢数据，注意模态差异
├── 标签噪声 / 不确定性研究
│ ├── 1) 声明共识掩码为单一真值（无 inter-rater 数据，§3.3）
│ ├── 2) 设计"模型 vs 共识"单向比较
│ └── 3) 双医师分歧信息不可恢复，勿做标注者建模
├── 跨域泛化研究
│ ├── 1) 把五重域特性当实验变量（§8.2）
│ ├── 2) 配对使用 INSTANCE2022（同任务异域）
│ └── 3) 年龄维度上本集是极端值（27.8±19.5）
├── 教学 / 课程作业 / 快速演示
│ └── Kaggle JPG 镜像五分钟下载，双窗 JPG 直读，无协议摩擦
└── 只想引用观点 / 写综述
├── 数据集引用 → v1.3.1 DOI 10.13026/4nae-zg36
├── 方法学引用 → 论文 DOI 10.3390/data5010014
└── license 表述按版本分述（坑 1）
附录 D：版本与文件速查
PhysioNet v1.3.1（当前官方版，2020-03-10）：
| 条目 | 内容 |
|---|---|
| 影像 | ct_scans/：75 例头颅 NCCT，NIfTI，原 HU |
| 掩码 | masks/：75 例逐 slice ICH 分割掩码，NIfTI，与体积同几何 |
| 患者表 | patient_demographics.csv：patient #/age/gender/scan 级标签（82 行） |
| 层表 | hemorrhage_diagnosis_raw_ct.csv：patient #/slice #/slice 级五亚型+骨折 |
| 脚本 | split_raw_data.py：NIfTI 加载 + brain window 转换 |
| 环境 | ct_ich.yml：conda 环境定义 |
| 许可 | PhysioNet Restricted Health Data License 1.5.0 + DUA 1.5.0 |
| 引用 | doi:10.13026/4nae-zg36（版本）/ 10.13026/g1kq-sc84（latest） |
Kaggle 镜像（v1.0.0 复刻，2019-08-01 内容）：
| 条目 | 内容 |
|---|---|
| 影像 | 2500 张 brain window JPG + 2500 张 bone window JPG（82 例） |
| 掩码 | 318 张带 ICH 掩码的 slice JPG |
| 标签 | hemorrhage_diagnosis.csv + patient_demographics.csv |
| 校验 | SHA256SUMS（上传者提供的完整性清单） |
| 脚本 | split_data.py + ct_ich.yml |
| 体量 | 82 个患者目录，共 5326 files |
| 许可 | 镜像标注 Other(specified in description)，引用要求按 CC BY 4.0 |
| 引用 | v1.0.0 DOI 10.13026/w8q8-ky94 |
附录 E：论文数据声明模板
供使用者直接套用的 data availability 与 ethics 声明骨架（方括号处按实际替换）：
英文模板（使用 v1.3.1）：
Data availability: The CT-ICH dataset (Computed Tomography Images for
Intracranial Hemorrhage Detection and Segmentation) is available from
PhysioNet at https://physionet.org/content/ct-ich/ under the PhysioNet
Restricted Health Data License 1.5.0, after signing the PhysioNet
Restricted Health Data Use Agreement 1.5.0. We used version 1.3.1
(doi:10.13026/4nae-zg36), which contains NIfTI volumes for 75 of the
82 collected patients (subjects 59-65 are not included in this
version) with slice-level pixel masks for intracranial hemorrhage,
five subtype labels (IVH/IPH/SAH/EDH/SDH) and skull fracture labels
at patient and slice levels. The annotation methodology is described
in Hssayeni et al., Data 2020;5(1):14 (doi:10.3390/data5010014).
使用 JPG 镜像时的替换句：
We used the JPG mirror of dataset version 1.0.0
(doi:10.13026/w8q8-ky94) available on Kaggle
(vbookshelf/computed-tomography-ct-images), containing 2,500
brain-window and 2,500 bone-window JPGs of 82 patients, of which
318 slices carry hemorrhage masks. Results are not directly
comparable to studies using the v1.3.1 NIfTI release.
声明三查（对应 §10 前三坑）：一查 license 与版本对齐；二查样本量口径（75 分割 / 82 分类）分节写清；三查掩码覆盖（全 slice vs 318 张）与对比文献的版本一致性。三查齐了，审稿环节关于数据的最常见三轮质询即被预先消解。
附录 F：按研究场景的使用配方
八个高频研究场景，每个给出推荐数据组合、协议要点与预期瓶颈。场景间可叠加，配方互不冲突。
配方 1：ICH 分割新方法的主场测试。主训练集用 INSTANCE2022（rid 645，100 例多专家质控掩码），CT-ICH v1.3.1 全部 75 例做 out-of-domain 直测（HemaContour 模式，7.2 节）。协议要点：两域的重建参数差异要写明（INSTANCE 多样化重建 vs 本集 5 mm 单协议），测试时保持本集原始层厚不做重采样以保留域差。预期瓶颈：跨域 Dice 落差本身是结果而非失败——它是域偏移的测量值。
配方 2：小样本分割方法论研究（few-shot/semi-supervised）。这是 CT-ICH 仍可作为训练集的唯一当代场景。设计建议：按患者分层抽样构造 {10, 20, 40} 例的递减训练子集，75 例全量做上限参照，五折重复降低小样本方差。协议要点：子集抽样要按患者而非 slice（同患者 slice 跨子集即信息泄漏），随机种子与抽样清单随论文发布。预期瓶颈：75 例的方差使效应量小于 0.03 Dice 的结论不稳。
配方 3：分类预训练 + 分割微调的迁移链。RSNA-ICH（rid 738）五亚型分类任务预训练骨干网络 → CT-ICH 掩码微调分割头。协议要点：分类预训练用 RSNA slice 级标签（注意其"不确定标签"机制的处理方式要与原赛题协议一致），微调时冻结策略（全冻结/部分解冻/全解冻）做消融。预期瓶颈：两域层厚与窗口协议差异需在预处理层对齐，否则迁移收益被域差噪声淹没。
配方 4：颅骨骨折自动检测。bone window 输入（NIfTI 自建 WL=700/WW=3200，或直接用镜像 bone JPG），CSV slice 级标签训练二分类/检测头。协议要点：骨折标签无掩码，评估只能做分类指标（AUC/F1），不能做定位指标；可并联 FracAtlas（rid 406）扩样本，但注意四肢 X 光与颅骨 CT 的模态鸿沟——并联做联合训练可以，做统一 benchmark 不行。预期瓶颈：骨折 slice 级阳性分布未在论文单列，先用 CSV 实际统计再定采样策略。
配方 5：标签不确定性 / 共识真值研究。把共识掩码当作"单一真值参照物"，研究模型预测与共识的偏离模式（如边界带、小病灶漏检率）。协议要点：明确声明无 inter-rater 数据可用（3.3 节），所有"标注噪声"推断都是间接的；可配合 5 mm 层厚的部分体积效应讨论边界模糊的物理成分。预期瓶颈：没有分歧真值，任何"噪声估计"都是模型相对共识的，不是真值相对事实的。
配方 6：跨域泛化 / 域自适应。把 CT-ICH 当高对比度域探针（8.2 节）：五重域特性（年龄/地区/年代/设备/病因）里任选一维做"近似控制变量"的配对实验都很难——单中心数据的域维度是纠缠的，正确姿势是把整体域差当作一个因子，用 INSTANCE/RSNA/本集三点连线度量泛化衰减。协议要点：报告各域的年龄分布与层厚分布作为域描述子。预期瓶颈：三个数据集的预处理管线若不统一，域差与管线差纠缠。
配方 7：医学影像教学 / 标注实训。Kaggle JPG 镜像最合适：零协议摩擦、双窗 JPG 直读、掩码可视化直观。课堂设计：先让学生在 bone window 找骨折、brain window 找出血，再对照掩码与 CSV 标签复盘。协议要点：教学用途不涉及再分发原始数据（引用镜像下载指引即可），但学生项目若公开发布请遵守镜像引用条款。预期瓶颈：无——这是本数据集摩擦最低的用法。
配方 8：急诊筛查系统的外部验证。把本集 82 例 CSV（含 46 例阴性）当"独立测试床"验证已有 ICH 筛查模型的 patient 级敏感度/特异度。协议要点：patient 级聚合规则（slice 预测如何聚合为 patient 判定）必须显式声明，聚合方式对特异度影响巨大；年轻队列意味着对老年人群部署的敏感度要另行验证。预期瓶颈：46 例阴性对小样本特异度估计的置信区间偏宽，报告时带区间。
附录 G：外部资源与检索指南
官方与一手资源：
| 资源 | 地址/标识 | 用途 |
|---|---|---|
| PhysioNet 数据集页 | https://physionet.org/content/ct-ich/ | 当前版（重定向至 1.3.1）、文件树、Access 政策 |
| v1.3.1 版本 DOI | https://doi.org/10.13026/4nae-zg36 | 数据引用 |
| latest DOI | https://doi.org/10.13026/g1kq-sc84 | 数据集概念引用（重定向最新版） |
| v1.0.0 版本 DOI | https://doi.org/10.13026/w8q8-ky94 | JPG 时代数据引用 |
| 论文（MDPI Data） | https://doi.org/10.3390/data5010014 | 标注方法与基线 |
| PhysioNet 平台引用 | doi:10.1038/s44360-026-00096-z | 平台层引用（Pollard et al. 2026） |
| Kaggle JPG 镜像 | https://www.kaggle.com/datasets/vbookshelf/computed-tomography-ct-images | v1.0.0 双窗 JPG 复刻 |
相关研究文献（本条目正文引用过）：
| 文献 | 标识 | 与本集的关系 |
|---|---|---|
| HemaContour | npj Digital Medicine 2025, doi:10.1038/s41746-025-02124-w | INSTANCE 训练 → CT-ICH 外部验证的范例；license 第二源 |
| INSTANCE2022 挑战赛 | 库内条目 instance2022（rid 645） | 同任务后继数据集 |
| RSNA-ICH 挑战赛 | 库内条目 rsna-intracranial-hemorrhage（rid 738） | 同病灶分类巨兽 |
| FracAtlas | 库内条目 fracatlas（rid 406） | 骨折方向并联资源 |
检索关键词族（按召回率排序）：intracranial hemorrhage segmentation、ICH segmentation、traumatic brain injury CT、TBI head CT、head CT dataset、NCCT hemorrhage、NIfTI hemorrhage mask、PhysioNet CT、Al Hilla。英文检索为主（论文与页面全英文），中文检索建议用全称"颅内出血分割数据集"。两条检索注意：PhysioNet 站内 topics 聚合有拼写误（坑 7），按标题检索最稳；Google Scholar 的引用链是发现"谁在用、怎么用"的最快通道，优先看 2023 年后的引用（当代用法范式）。
附录 H：审稿人视角十问预演
模拟最可能收到的十个审稿问题与标准应答。每个问题都指向正文已存照的事实——预演的价值在于把"被动挨问"变成"主动声明"。
问 1：为什么不用 INSTANCE2022 训练？
应答框架：说明研究问题若在小样本方法学域（配方 2）则 CT-ICH 是对象本身；若在通用分割域则给出 INSTANCE 主训 + 本集外验的补充实验。避免的回答：只字不提 INSTANCE2022 的存在——2022 年后的审稿人默认你知道它。
问 2：只有两名标注者且无一致性统计，标注质量如何保证？
应答框架：如实引述共识协议与盲病史设计（3.2 节），承认 inter-rater 统计缺失是数据集局限（3.3 节），用"模型在跨域验证上的表现"间接支撑标签可用性。不要试图论证"共识等于高质量"——共识只等于一致，不等于正确。
问 3：82 例的样本量支持你的结论吗？
应答框架：区分结论层级——患者级二分类（36 阳性）可支撑中等效应量结论；亚型级结论明确声明为描述性（坑 5）；分割指标的报告带五折方差。预注册式地写出"本研究的统计功效边界"比被抓到超界结论好得多。
问 4：同一患者的 slice 跨了 train/test 吗？
应答框架：按患者分层划分（Q6），随机种子与划分清单随代码发布。这是 CT-ICH 上最常见的致命错误（slice 泄漏使指标虚高数个百分点），审稿人一定会问。
问 5：你们的 Dice 与文献报道的 0.31 相比如何？
应答框架：0.31 是 2019 年 proof of concept 协议（坑 8），与你不可比——要么复现该协议做同口径对比，要么声明协议差异并给出你自己的 baseline。绝不做"我 0.29 接近 0.31"式对表。
问 6：亚型标签的分布？IVH/SDH 那么少怎么处理？
应答框架：如实报告 IVH 5 例/SDH 4 例患者（3.5 节），说明长尾处理策略（加权损失/过采样/亚型合并）并论证选择，结论限定在患者级或二值 ICH。
问 7：数据许可合规吗？用了哪个版本？
应答框架：直接给版本号 + license 名 + DOI（附录 E 模板），明确"v1.3.1 under PhysioNet Restricted Health Data License 1.5.0, DUA signed"。这句写对，问题终结。
问 8：年轻队列（27.8±19.5 岁）对你的结论外推有何影响？
应答框架：主动引用队列年龄结构（2.2 节），把"域边界"写进 limitation，若有老年域数据可补一行跨域实验。审稿人问这题说明读过人口学表——主动声明者得分，被抓包者失分。
问 9：骨折标签没有掩码，怎么评估定位性能？
应答框架：骨折任务按分类/检测协议评估（AUC/F1/扫描级定位），定位评估需要掩码的请明确声明"本集不支持"并外引其他资源（配方 4）。
问 10：数据里缺 7 例（#59-#65），对你的实验有影响吗？
应答框架：说明 75/82 口径（坑 2）、CSV 仍覆盖全 82 例、缺失对随机分层的比例影响可忽略但要在划分前排除这 7 例。预答比辩解省力。
附录 I：版本时间线与变更存照
四版时间线（与 §5.1 同源，此处按"变更证据强度"重组）：
| 版本 | 日期 | 变更 | 证据强度 |
|---|---|---|---|
| v1.0.0 | 2019-08-01 | 首发：双窗 JPG + NIfTI，CC BY 4.0 | 官方页面 + Kaggle 复刻 |
| v1.2.0 | 2019-11-14 | 未披露 | 版本页无 release note（遗留存照，永久存疑） |
| v1.3.0 | 2019-12-20 | 双格式并存期 | 论文正文快照（2020-02-01 发表时引用此版） |
| v1.3.1 | 2020-03-10 | JPG 移除 + license 收紧至 Restricted 1.5.0 | release notes 原文 + Access 栏原文 + HemaContour 第二源 |
时间线的两次跃变各有历史坐标：v1.0.0→v1.2.0 之间（2019 秋）是数据集在无论文状态下滚动整理期；v1.3.0→v1.3.1 之间（2020 年 2-3 月）紧贴论文发表（2020-02-01），JPG 移除与 license 换挡的合规化解读见 5.1 节——标注为推断而非页面明文。后续若再出新版本（六年间未发生），latest DOI（10.13026/g1kq-sc84）会重定向指向，版本 DOI 不会变——这也是版本 DOI 与概念 DOI 并存设计的价值。
本条目所有存照与遗留疑点索引：license 版本链（存照 1，§6.1）、DOI 双枚并存（存照 2，§5.2）、被引双口径（存照 3，§7.1）、掩码覆盖双口径（存照 4，§2.6）、格式演进双口径（存照 5，§2.6）、topics 拼写（存照，§7.5）、Table 5 亚型精确分布（疑点 1）、threshold 基线精确指标（疑点 2）、v1.2.0 变更内容（疑点 3）、标注者资历（疑点 4）。十项全部落照于 FACTS.md，正文引用处均已回链。
附录 J：库内 ICH/CT 相关条目标签体系对照
§4 与 §9 互链地图的展开版，按"标签金字塔层级"对照库内七条相关条目：
| 条目（rid） | 影像规模 | patient 级标签 | slice 级标签 | pixel 级掩码 | 文本/报告 |
|---|---|---|---|---|---|
| ct-ich（本条目） | 82 例 NCCT（75 例 NIfTI） | ICH 二值 + 骨折 + 人口学 | 五亚型 + 骨折 | ICH 逐 slice（75 例） | 无 |
| rsna-intracranial-hemorrhage（738） | 约 2 万+ studies | 隐含（study 级聚合） | 五亚型二值 + Any（多医师聚合） | 无 | 无 |
| instance2022（645） | 300 例 NCCT（100 训练/200 测试） | 出血有无 | 出血区域 | 3D 像素级 | 无 |
| fracatlas（406） | 709 张（X 光为主含 CT） | 骨折有无 | 骨折区域框/掩码 | 部分（骨折区） | 无 |
| munich-bmc（496） | 脑 CT 集合 | 无 | 无 | 骨/钙化分割 | 无 |
| totalsegmentator（422） | 全身 CT 大规模 | 无 | 无 | 100+ 解剖结构 | 无 |
| ct-org（796） | 腹部 CT | 无 | 无 | 器官分割 | 无 |
| ct-rate（546） | 胸腹 CT 配对 | 无 | 无 | 无 | 影像-报告对 |
读表要点：第一，pixel 级病理掩码一列只有 ct-ich 与 instance2022 两者非空（针对颅内出血）——这正是两集被反复并表的结构原因；第二，ct-rate 是唯一有文本侧的条目，与本条目构成"标签来源"两极（9.3 节）；第三，munich-bmc/totalsegmentator/ct-org 的掩码全是解剖结构，与病理掩码（出血）在标注工艺上分属可自动化与不可自动化两类（8.1 节成本墙）。
附录 K：中英术语对照速查
正文高频术语的中英对照，按出现频率排序（供双语写作与检索复用）：
| 中文 | 英文 | 缩写 |
|---|---|---|
| 颅内出血 | Intracranial Hemorrhage | ICH |
| 创伤性脑损伤 | Traumatic Brain Injury | TBI |
| 非增强 CT | Non-Contrast CT | NCCT |
| 脑室内出血 | Intraventricular Hemorrhage | IVH |
| 脑实质内出血 | Intraparenchymal Hemorrhage | IPH |
| 蛛网膜下腔出血 | Subarachnoid Hemorrhage | SAH |
| 硬膜外出血 | Epidural Hemorrhage | EDH |
| 硬膜下出血 | Subdural Hemorrhage | SDH |
| 颅骨骨折 | Skull Fracture | — |
| CT 值 | Hounsfield Unit | HU |
| 窗位 | Window Level | WL |
| 窗宽 | Window Width | WW |
| 脑窗 | Brain Window | — |
| 骨窗 | Bone Window | — |
| 层厚 | Slice Thickness | — |
| 部分体积效应 | Partial Volume Effect | — |
| 像素级分割掩码 | Pixel-level Segmentation Mask | — |
| 共识决策 | Consensus Decision | — |
| 盲临床病史 | Blinded to Clinical History | — |
| 去标识 | De-identification | — |
| 数据使用协议 | Data Use Agreement | DUA |
| 交叉验证 | Cross-Validation | CV |
| 类别不平衡 | Class Imbalance | — |
| 多标签 | Multi-label | — |
| 跨域外部验证 | Out-of-domain External Validation | — |
| 域偏移 | Domain Shift | — |
| 滑窗推理 | Sliding Window Inference | — |
| 可发现性/可获取性/可互操作/元数据/可持续性 | Discoverability/Accessibility/Interoperability/Metadata/Sustainability | DAIMS |
附录 L：使用前合规自查清单
从下载到投稿的全链路自查，二十项全勾再动手跑大规模实验：
获取环节：
- 确认使用的版本号（v1.3.1 官方 / v1.0.0 镜像），记录到实验日志
- 路径 A 用户：DUA 已签署并留存副本
- 路径 A 用户：确认不再分发 NIfTI 原始数据到公开网盘/仓库
- 路径 B 用户：知悉镜像 license 为 Other(specified in description) + CC BY 4.0 引用要求
- 下载后核对文件完整性（路径 B 可用 SHA256SUMS）
数据理解环节：
6. 已读三级标签结构（patient/slice/pixel），两份 CSV 列含义逐列核对
7. 已确认 NIfTI 实际覆盖 75 例（#59-#65 缺失），实验设计按 75 例走
8. 已确认 slice 级标签是多标签（部分 slice 2+ 亚型），分类头设计匹配
9. 已确认掩码版本口径（NIfTI 全 slice vs JPG 318 张）与对比文献一致
10. 已运行 split_raw_data.py 验证窗宽窗位与掩码-影像对齐
实验设计环节：
11. 划分按患者分层（无 slice 跨集），种子与划分清单已固定
12. 类别不平衡策略已分层设计（slice 级阴性多数 + 亚型长尾）
13. 评估协议声明完整（模型/年代/CV 折数/滑窗参数），未与 0.31 直接对表
14. 亚型级结论已限定为描述性（IVH 5 例/SDH 4 例患者）
15. 年龄域边界已写入 limitation（27.8±19.5 岁队列）
写作发表环节：
16. 数据引用用版本 DOI（v1.3.1 = 10.13026/4nae-zg36），论文引用 10.3390/data5010014
17. license 声明按版本分述（附录 E 模板），未写"CT-ICH is CC BY 4.0"
18. 样本量口径分节写清（75 分割 / 82 分类），无混用
19. 局限声明涵盖：无 inter-rater 统计、单中心、年轻队列、5 mm 层厚
20. 衍生产物（新标注/掩码再发布/模型权重）发布前已对照 DUA 条款确认边界
附录 M：预处理管线参考实现
从 NIfTI 原始 HU 到训练输入的参考骨架（Python，与官方 split_raw_data.py 语义一致，供快速上手；生产实现以官方脚本为准）：
import nibabel as nib
import numpy as np
# 窗口参数（数据集页原文口径）
WINDOWS = {
"brain": {"wl": 40, "ww": 120}, # 脑窗：出血判读主窗口
"bone": {"wl": 700, "ww": 3200}, # 骨窗：骨折评估
}
def load_volume(nifti_path):
"""加载 NIfTI 体积，返回 HU 值的 float32 数组 (z, y, x)。"""
img = nib.load(nifti_path)
return np.asarray(img.dataobj, dtype=np.float32)
def apply_window(vol_hu, wl, ww):
"""按窗宽窗位把 HU 线性映射到 [0, 255]。
显示下界 = wl - ww/2，上界 = wl + ww/2；
上下界之外的 HU 被截断（clipping），这与 syngo 显示行为一致。
"""
lo, hi = wl - ww / 2.0, wl + ww / 2.0
clipped = np.clip(vol_hu, lo, hi)
return ((clipped - lo) / (hi - lo) * 255.0).astype(np.uint8)
def load_mask(nifti_path):
"""加载掩码 NIfTI，返回二值数组；阴性 slice 为全零属正常。"""
m = np.asarray(nib.load(nifti_path).dataobj)
return (m > 0).astype(np.uint8)
def sanity_check(vol, mask):
"""三方对账（对应附录 L 第 10 项）：掩码非零层必须有影像内容。"""
mask_slices = np.where(mask.reshape(mask.shape[0], -1).any(axis=1))[0]
for z in mask_slices:
assert vol[z].std() > 0, f"slice {z}: 掩码非零但影像为空"
return len(mask_slices) # 返回带出血的 slice 数
三处实现注意：其一，apply_window 的截断行为与 syngo 显示一致，不要做直方图均衡替代——会破坏 HU 语义并与 JPG 时代文献失去可比性；其二，掩码可能包含多个连通区域（多发出血灶），按 slice 统计而非按实例统计；其三，sanity_check 的三方对账逻辑对应 3.4 节的三级标签交叉验证，每例都跑一遍的成本可忽略、收益是提前暴露版本错配。
FAQ 补遗（Q13-Q16）
Q13：发现数据问题往哪报？
PhysioNet 资源页的 Corresponding Author 通道（需登录）或平台通用支持渠道。数据自 2020-03（v1.3.1）以来六年半未更新，对修复预期要放低；发现的是文档级问题（如口径歧义、topics 拼写）时，在自己的论文里显式声明处理方式比等待平台修订更实际——本条目存照的十项口径异常（附录 P）都是这种"自己声明"路线的示范。
Q14：引用时写版本 DOI 还是 latest DOI？
写版本 DOI（10.13026/4nae-zg36）并注明 version 1.3.1——可复现性要求锁定版本。latest DOI（10.13026/g1kq-sc84）适合指代"这个资源的最新状态"（如综述里指向数据集本体），不适合作为数据获取的具体凭证（5.2 节）。
Q15：镜像与官方不一致时以谁为准？
一律以 PhysioNet 官方页为准：镜像（Kaggle 等）是 v1.0.0 快照，其标签、许可、掩码覆盖都可能落后于官方演进。发现的差异记录到自己的实验文档即可（坑 3 的掩码口径就是典型的镜像-官方差异），无需向镜像方报障，也不应把镜像差异当成官方错误。
Q16：怎么跟踪这个数据集的更新？
PhysioNet 页面的版本栏（当前冻结于 v1.3.1）加 Google Scholar 的"被引"流——新论文若使用新版本会反映在引用上下文里。截至本条目抓取时点（2026-10-09），无新版本迹象；若未来出新版，latest DOI 会重定向指向，各版本 DOI 不变（附录 P）。
附录 N：CSV 字段工作字典
官方未发布逐字段 data dictionary，以下为基于官方文字描述与文件结构的整理。列名以实际文件为准，本表用于阅读理解而非硬编码依据：
patient_demographics.csv（扫描级，82 行）：
| 字段组 | 含义 | 取值说明 |
|---|---|---|
| Patient # | 患者编号 | 与 ct_scans/masks 文件名对应；#59-#65 有标签无体数据（坑 2 的字段级根源） |
| Age / Gender | 年龄/性别 | 论文口径 27.8±19.5 岁、46 男/36 女由此表汇总 |
| 亚型标签组 | IVH/IPH/SAH/EDH/SDH | 扫描级存在性（多标签，各列独立 0/1） |
| Fracture | 颅骨骨折 | 扫描级存在性 |
hemorrhage_diagnosis_raw_ct.csv（切片级，行数与各例层数一致）：
| 字段组 | 含义 | 取值说明 |
|---|---|---|
| Patient # | 患者编号 | 联合主键之一 |
| Slice # | 层号 | 联合主键之二；对应 NIfTI 原始层序 |
| 亚型标签组 | IVH/IPH/SAH/EDH/SDH | 该层该亚型是否存在（多标签） |
| Fracture | 该层骨折可见性 | 骨窗观察口径 |
三件工程提醒：其一，编号起点、缺层表示（连续编号还是跳号）、空值语义务必以官方 split_raw_data.py 的实际读取行为为准来写解析器，不要凭直觉；其二，跨版本字段不保证一致——v1.0.0 的 hemorrhage_diagnosis.csv 与 v1.3.1 的 raw_ct 表混用前先 diff 表头；其三，两表与 NIfTI 的三方对账（3.4 节）建议写进数据加载器而不是笔记本里手动跑一次，让每次实验自动验证。
附录 O：参考文献列表
本条目直接引用的文献与资源，按引用频次排序：
- Hssayeni MD, Croock MS, Salman AD, Al-khafaji HF, Yahya ZA, Ghoraani B. Intracranial Hemorrhage Segmentation Using a Deep Convolutional Model. Data 2020;5(1):14. doi:10.3390/data5010014（标注方法与基线，published online 2020-02-01）
- Hssayeni M. Computed Tomography Images for Intracranial Hemorrhage Detection and Segmentation (version 1.3.1). PhysioNet 2020. doi:10.13026/4nae-zg36（数据集本体，本条目主来源）
- HemaContour. npj Digital Medicine 2025. doi:10.1038/s41746-025-02124-w（外部验证用法范例；v1.3.1 受控许可的第二源）
- Pollard T, et al. PhysioNet as a global platform for biomedical research. Nature Health 2026. doi:10.1038/s44360-026-00096-z（平台层引用）
- Taylor CA, et al. Traumatic brain injury–related emergency department visits, hospitalizations, and deaths—United States, 2007 and 2013. MMWR Surveillance Summaries 2017;66(9)（TBI 流行病学背景）
- van Asch CJ, et al. Incidence, case fatality, and functional outcome of intracerebral haemorrhage over time. The Lancet Neurology 2010;9(2):167-176（ICH 流行病学背景）
- Currie S, et al. Imaging assessment of traumatic brain injury. Postgraduate Medical Journal 2016;92(1083):41-50（TBI 影像学背景）
- Chilamkurthy S, et al. Deep learning algorithms for detection of critical findings in head CT scans. The Lancet 2018;392(10162):2388-2396（head CT AI 里程碑背景）
- Kaggle 镜像：Computed Tomography (CT) Images（vbookshelf 复刻 v1.0.0 JPG 版）。https://www.kaggle.com/datasets/vbookshelf/computed-tomography-ct-images
- 库内互链条目：rsna-intracranial-hemorrhage（rid 738）、instance2022（rid 645）、fracatlas（rid 406）、munich-bmc（rid 496）、ct-rate（rid 546）、totalsegmentator（rid 422）、ct-org（rid 796）
附录 P：版本迁移与引用效力声明
本条目所有硬数字的抓取时点为 2026-10-09，对应 PhysioNet v1.3.1（版本链冻结状态）。若未来平台发布新版本：患者数、license 字段、DOI 均可能变化，届时应以新版本页为准并对本条目发起修订。JPG 镜像侧（Kaggle）的变化不触发本条目修订义务（镜像非官方源，内容冻结于 v1.0.0）。
引用本条目时建议的表述：数据与许可信息核验于 2026 年 10 月（PhysioNet v1.3.1），后续版本变动以官方页为准。
本条目的完整存照索引（口径异常与遗留疑点，详见 FACTS.md）：license 版本链收紧（存照 1）、DOI 双枚并存（存照 2）、被引双口径（存照 3）、掩码覆盖双口径（存照 4）、格式演进双口径（存照 5）、topics 拼写（存照 6）、Table 5 亚型精确分布（疑点 1）、threshold 基线精确指标（疑点 2）、v1.2.0 变更内容（疑点 3）、标注者资历（疑点 4）。每项都在正文对应章节落地并给出处理口径——存照不是免责声明，而是把不确定性转写为可核查的证据链。
附录 Q：本条目写作检查清单（可复用模板）
从本条目执行过程提炼的"医学影像数据集百科条目"写作检查清单，供同类条目复用：
核验层：
- 三源互证完成前不写正文（本条：PhysioNet 官方页 / Crossref API + Scholar / Kaggle 镜像 + HemaContour 第二源）；
- 每个硬数字绑定来源行（附录 B 表格式）；
- 平台侧拼写错误、口径分裂、双 DOI 等异常主动挖掘并存照，不留到审稿环节。
结构层：
- 版本链单独成表（附录 I），license 演变与内容演变分列；
- 口径分裂点（82 vs 75、318 vs 全 slice）在 §1 速览、§2 详表、§10 坑点三处呼应；
- 获取路径给出决策树而非流水账（附录 C）。
使用层：
- 基线数字必须带定位语境（坑 8 的三条引用纪律：模型、年代、协议）；
- 给出可直接抄的代码骨架（附录 M）与上手清单；
- 泄漏、多标签、长尾三大方法论陷阱各设专项（坑 4/6/5）。
伦理层：
- 许可按版本分列细读（§6），DUA 义务转述并指向官方原文；
- 适用/不适用场景双向声明（附录 F 的配方正面清单 + 坑点负面清单）。
附录 R：五分钟快速开始
从零到"看到第一张带掩码的出血 slice"的最小可运行路径（假定已走完路径 A 获取 v1.3.1 并解压）：
# 依赖：pip install nibabel matplotlib pandas（或使用官方 ct_ich.yml 环境）
import nibabel as nib
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
BASE = "ct_ich/" # 解压根目录，按实际路径修改
# 1) 读取扫描级人口学表，确认 82 行与论文口径
demo = pd.read_csv(f"{BASE}patient_demographics.csv")
print(demo.shape) # (82, N)
print(demo["Age"].mean(), demo["Age"].std()) # ≈ 27.8 / 19.5
# 2) 读取切片级标签表
slab = pd.read_csv(f"{BASE}hemorrhage_diagnosis_raw_ct.csv")
print(slab.shape) # 行数 = 全部 slice 数
print(slab.columns.tolist()) # 先看真实列名再写后续解析（附录 N）
# 3) 挑一个 ICH 阳性患者加载体积与掩码（文件名以目录实际为准）
vol = nib.load(f"{BASE}ct_scans/066.nii").get_fdata()
mask = nib.load(f"{BASE}masks/066.nii").get_fdata() > 0
print(vol.shape, mask.shape) # 两者几何必须一致
# 4) brain window 化（WL=40 / WW=120，语义与 split_raw_data.py 一致）
lo, hi = 40 - 120 / 2, 40 + 120 / 2
img = np.clip(vol, lo, hi)
img = ((img - lo) / (hi - lo) * 255).astype(np.uint8)
# 5) 找掩码非零的层，画出 影像 | 掩码 | 叠加 三联图
pos = np.where(mask.reshape(mask.shape[0], -1).any(axis=1))[0]
z = pos[len(pos) // 2] # 取中间一个带出血的层
fig, axes = plt.subplots(1, 3, figsize=(12, 4))
axes[0].imshow(img[z], cmap="gray"); axes[0].set_title(f"brain win, slice {z}")
axes[1].imshow(mask[z], cmap="gray"); axes[1].set_title("mask")
axes[2].imshow(img[z], cmap="gray")
axes[2].imshow(np.ma.masked_where(~mask[z], mask[z]), cmap="Reds", alpha=0.4)
axes[2].set_title("overlay")
for ax in axes: ax.axis("off")
plt.tight_layout(); plt.show()
跑通这段代码，等于同时验证了四件事：文件完整、两份 CSV 可读、NIfTI 几何一致、窗宽窗位与掩码对齐——之后所有实验都建立在这次验证之上。若任何一步报错，先查附录 S 的对应条目再改代码。
附录 S：常见错误信息与排查
上手阶段高发的错误-原因-修复对照：
| 错误现象 | 最可能原因 | 修复 |
|---|---|---|
FileNotFoundError: ct_scans/059.nii |
#59-#65 在 v1.3.1 无 NIfTI（坑 2） | 遍历前先按实际文件列表过滤，勿按 CSV 的 82 例编号硬循环 |
ValueError: shape mismatch（vol vs mask） |
影像与掩码版本/文件配错 | 检查文件名对应关系；掩码与体积必须同患者同版本 |
CSV 读入后 KeyError: 'IVH' 之类 |
实际列名与假设不符（附录 N 警告） | 先 print(df.columns)，按真实列名写解析器 |
| slice 级标签与 NIfTI 层数对不上 | 层号起点/缺层口径与假设不符 | 以 split_raw_data.py 的读取行为为准；先 diff 单例的层号序列 |
| 灰度全黑或全白 | 窗口参数用错（如把 bone 参数当 brain 用） | 核对 WL=40/WW=120（brain）、WL=700/WW=3200（bone） |
| 分类训练不收敛、指标贴着负类比例走 | softmax 单头套了多标签 slice（坑 6） | 改逐亚型 sigmoid + BCE |
| 验证指标虚高且方差异常小 | 同患者 slice 跨了 train/val（坑 4 的泄漏形态） | 按患者分层重划分，输出划分清单复查 |
| 与某文献结果对不上 ±10 个点级 | 对方用的 JPG 版（318 掩码）或不同划分（坑 3 / Q6） | 先核对对方版本与划分协议，再做同口径复现 |
排查总原则：CT-ICH 上任何"指标异常"先过三道版本关（坑 1/2/3），再查方法论关（坑 4/6）——版本问题的概率远高于代码 bug。
附录 T：核验方法说明
本条目的核验纪律与可复制性说明，供复核者按图索骥：
三源互证矩阵：每个关键事实至少一个一手源 + 一个独立第二源。具体而言——数据构成与规格：PhysioNet 官方页（一手）+ 论文方法节（一手）+ Kaggle 镜像描述（第二源）；版本与许可链：PhysioNet Versions 栏与 Access 栏（一手）+ HemaContour 数据声明（第二源独立印证）；论文元数据：Crossref API 实抓（author/单位/funding/license/published-online 全字段，2026-10-09）；被引量：Crossref cited-by API + Google Scholar 搜索摘要双口径。
抓取时点纪律：全部网络核验在 2026-10-09 单日完成，流量类数字（views/downloads/被引）为瞬时值，引用时必须带时点；内容类事实（文件树、license 文本、release notes）在版本不变前提下长期有效，版本变化时按附录 P 的迁移声明处理。
未核验项的诚实清单：论文 Table 5 的亚型精确分布、threshold 基线精确指标（MDPI 反爬两次未取到全文表格）；v1.2.0 变更内容（版本页无记录）；标注者资历（论文与页面均未披露）。三项在正文出现处均已标注"未披露/未取到"，不做任何补全性推测——本条目宁可留白，不用记忆里的"大概数字"填空。
复核路径：复核者可按附录 B 的证据链自证表逐项重跑——表中每行都标明了来源与位置，全部可在三十分钟内独立复核完毕。发现任何一行复核结果不一致，以一手源为准并视作本条目 bug 上报（Q13 的渠道）。
附录 U：数据集统计验证代码
把论文口径的关键统计量变成可重跑的断言（先跑附录 R 的加载段），一处不符即抛错——这是把"信任官方描述"升级为"每台机器上复验描述"的廉价保险：
# 延续附录 R 的变量：demo（patient_demographics.csv）、slab（切片级表）
# 1) 患者数与阳性数：82 例 / 36 例 ICH
assert len(demo) == 82, f"患者数 {len(demo)} != 82"
pos = demo["IVH"].add(demo["IPH"]).add(demo["SAH"]).add(demo["EDH"]).add(demo["SDH"]) > 0
assert pos.sum() == 36, f"ICH 阳性 {pos.sum()} != 36（列名先按附录 N 核对）"
# 2) 人口学：27.8 ± 19.5 岁、46 男 / 36 女（±0.5 容差防舍入漂移）
assert abs(demo["Age"].mean() - 27.8) < 0.5
assert abs(demo["Age"].std() - 19.5) < 0.5
# 3) NIfTI 覆盖：75 例（#59-#65 缺失，坑 2 的自动防线）
import glob, os, re
ids = {int(re.search(r"(\d+)", os.path.basename(p)).group(1))
for p in glob.glob(f"{BASE}ct_scans/*.nii")}
assert len(ids) == 75 and not ids & set(range(59, 66))
# 4) 三级标签对账：阳性患者的切片级必有阳性行（3.4 节交叉验证）
male = demo["Gender"].value_counts() # 期望 46/36 附近；列内编码先实查
for pid in demo.loc[pos, "Patient #"]:
sub = slab[slab["Patient #"] == pid]
assert len(sub) > 0, f"患者 {pid} 缺切片级行"
print("全部断言通过：数据集与论文口径一致")
四处使用说明：其一，列名均为假设名，实际解析前先按附录 N 的警告核对真实表头；其二，性别列的编码（M/F、0/1 或字符串）各版本可能不同，断言前先 value_counts() 实查；其三，断言 3 把坑 2 从"人肉记忆"变成了 CI 里的一道闸——任何人在新机器上拉错版本会立即失败而非静默污染实验；其四，这组断言适合原样放进论文代码仓库的 test_data.py，审稿人复跑时它会替你回答附录 H 的问 3 与问 10。
结语
本条目从急诊筛查的临床动机出发，经数据构成、标注工艺、同类对比、版本许可、生态影响五条主线，落到八个避坑与二十项自查的操作层。CT-ICH 的全部故事可以概括为一组不对称：82 例的体量对比 211+ 的被引，5 mm 的层厚对比逐像素的标签密度，土法的录屏工艺链对比延续六年的持续使用——这些不对称共同指向它的核心身份：小样本时代像素级 ICH 分割的活体标本，与跨域时代最好用的验证探针之一。
（条目完）
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：
- amplifai — 共享标签：医学影像 / CT / 医学图像分割 / 图像分类 / 挑战赛数据集
- segthor — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- h01-cortex — 共享标签：医学图像分割 / 图像分类 / 神经科学
- sliver07 — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- btcv — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- crossmoda2022 — 共享标签：医学影像 / 医学图像分割 / 神经科学 / 挑战赛数据集
- toothfairy2 — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- curvas — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- toothfairy3 — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
- stsr — 共享标签：医学影像 / CT / 医学图像分割 / 挑战赛数据集
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。
