EchoRisk — 多中心纵向超声心动图心脏毒性数据集

INFOBOX — EchoRisk 一屏速览

维度	内容
本质	首个带显式治疗诱发心脏毒性（therapy-induced cardiotoxicity）标签的多中心纵向超声心动图数据集与基准——非采集新数据，派生自 EU CARDIOCARE 前瞻研究
身份	MICCAI 2026 卫星挑战赛（EchoRisk-MICCAI 2026）主要技术参考论文；arXiv:2607.01039（2026-07-01）
团队	FORTH（希腊）领衔，联合 University of Ioannina / NKUA / Karolinska / Bank of Cyprus 等；通讯 Grigorios Kalliatakis
主队列	422 乳腺癌患者 / 1,123 次检查 / 2,159 个超声视频，T1–T5 五个纵向时间点（约 3 月间隔）
Task 3 子集	280 患者 / 560 视频，仅基线 T1 检查，预测未来心脏毒性
视图	心尖四腔（A4C）1,108 clips + 心尖二腔（A2C）1,051 clips；Tasks 1/2 中 92% 检查双视图齐全
三任务	Task 1 吐射分数回归（MAE）｜Task 2 左心室功能障碍分类（AUC）｜Task 3 早期心脏毒性预测（AUC）
基准结果	Task 1 MAE 4.98 pp；Task 2 AUC 0.849；Task 3 最强视频基线 AUC 0.541（与临床地板 0.525 不可区分，开放难题）
获取	Synapse 注册 + 数据使用协议（DUA）；Train/Val 向注册者发布，Test 隐藏经 Docker 提交评估
许可	数据集 CC BY-NC-SA 4.0｜论文 CC BY-SA 4.0｜代码 MIT + 文档 CC-BY 4.0
库内互链	EchoNet-Dynamic（对标基线）、CAMUS（2D 超声分割）、EchoNet-LVH/Pediatric（EchoNet 系扩展）

EchoRisk 是一台"把心脏超声从功能测量推向风险预测"的探针：它不新采一个病人，而是把欧盟资助的 CARDIOCARE 前瞻性研究中 422 名乳腺癌患者的纵向超声心动图整理成首个带显式心脏毒性标签的多中心基准——并用三组任务画出当前 AI 的能力边界。Task 1（吐射分数估计）和 Task 2（左心室功能障碍分类）上，标准时空卷积架构稳稳提取出功能信号（MAE 4.98 pp、AUC 0.849）；但 Task 3（仅凭治疗前基线影像预测未来心脏毒性）上，最强的视频模型 AUC 只有 0.541，与只用年龄和吐射分数的临床逻辑回归（0.525）统计上无法区分。这个"功能可测、毒性难卜"的反差，正是 EchoRisk 给心脏肿瘤学 AI 立下的最醒目坐标。

导语读法三则：

1. 只想看数据规模：直奔 §2 与 §3——任务队列、双视图覆盖、划分计数与类别不平衡一表打尽。
2. 关心那个"开放难题"：直奔 §5——Task 3 的三档基线与临床地板并读，理解为何 0.541 是问题属性而非工程失误。
3. 要下载或参赛：直奔 §6——Synapse 注册、DUA 条款、Train/Val/Test 三层门怎么进，以及"论文+3 月 embargo"的发布纪律。

§0 导读：这个数据集解决什么问题

乳腺癌治疗在过去二十年显著进步，但蒽环类药物与 HER2 靶向药（如曲妥珠单抗）的心脏毒性始终是悬在患者头上的问题：蒽环类导致的心功能障碍发生率高达 20–30%，曲妥珠单抗约 7–10%。心脏毒性不是无足轻重的并发症——它是这一人群治疗中断与长期并发症的首位非肿瘤病因，且亚临床心功能下降与多年后升高的心血管死亡率相关。因此早期发现与风险分层至关重要：在不可逆损伤发生前及时启用心脏保护干预、安排个性化随访。

超声心动图是肿瘤患者心脏监测的标准手段——无创、无辐射、可在多个纵向时间点评估左心室结构与功能。但基于超声的临床决策有两个根本局限。第一，人工分析依赖操作者，存在显著的观察者内与观察者间变异，不同读者测出的吐射分数差异可达 5–10 个百分点。第二，常规监测依赖捕捉吐射分数的显著下降——而这本身是心脏损伤的相对晚期指标。

深度学习直接作用于超声视频，有望同时突破这两个局限：提供自动化、可复现的功能估计，并提取当前临床指标未能捕捉的预测性影像特征。EchoNet-Dynamic（Ouyang et al., Nature 2020）已证明时空卷积架构能在单中心逾 1 万名患者的数据集上以接近专家的精度从 A4C 视频估计吐射分数；后续工作把视频分析扩展到切面分类、分割与容积估计。然而，没有任何现有公开超声数据集或基准在纵向、多中心设置下解决治疗诱发心脏毒性这一特定临床问题——现有资源局限于单站点队列、通用心功能任务，且缺乏与长期随访挂钩的心脏毒性专属标签。

EchoRisk 的回答落在这个空白上。它以欧盟资助的 CARDIOCARE 项目为基础——一个在四个国家五个欧洲站点招募接受心脏毒性治疗的乳腺癌患者的前瞻性临床研究，此前已证明超声影像组学特征对该人群的预后价值。数据集定义三个临床根基扎实、难度递增的任务：

• Task 1：自动估计心功能参数（左心室吐射分数 LVEF）；
• Task 2：从纵向影像评估左心室功能障碍；
• Task 3：仅凭基线（治疗前）超声预测治疗诱发心脏毒性。

§0 读法三则：

1. 这个条目是"数据集 + 挑战基准 + 方法论边界探索"三合一：数据集本体是 2,159 个真实临床 DICOM 视频，衍生品是官方评分库与榜单，副产品是对"影像能否预测未来毒性"的诚实否定性结论。
2. 全部硬数字均出自论文正文与表格；论文与官网唯一实质口径分歧（站点数：五 vs 六）已在 §8 与坑 5 存照。
3. 任务难度三阶梯是理解本数据集的主线：Task 1/2 的"信号此刻就在画面里"，与 Task 3 的"要从一张无病影像里读出未来"是两种完全不同的问题——后者才是 EchoRisk 真正想递给社区的难题。

§1 数据集速览：十问十答

Q1：EchoRisk 的"422 患者"从哪来？
全部来自 EU Horizon 2020 资助的 CARDIOCARE 前瞻性多中心临床研究（Grant No. 945175），该研究旨在为乳腺癌治疗诱发心脏毒性的老年多病共存患者开发整合式管理方案。患者在五个欧洲站点、四个国家、按计划接受心脏毒性治疗时入组。伦理批准按各国与地方规定在各站点取得，数据在发布前完全去标识并符合 GDPR。所有统计对应 EchoRisk 数据发布 v1.0（2026 年 4 月）。

Q2：主队列规模到底多大？
422 名患者、1,123 次临床检查、2,159 个超声视频，覆盖基线（T1）至 12 月随访（T5）最多五个纵向时间点。此外还有一个重叠的 Task 3 子队列：280 名患者、各一次基线检查、共 560 个视频。

Q3：为什么两个队列不一样大？
Task 1 与 Task 2 需要纵向多时间点影像，用全部 422 患者；Task 3 只用基线 T1 单次检查作为输入、以纵向随访确定结局，因此用 280 名有可靠基线影像与随访结局的患者。两者是"主队列 vs 基线子集"的包含关系，不是矛盾。

Q4：图像是什么规格、什么格式？
二维灰度 cine 超声，采于心尖四腔（A4C）与心尖二腔（A2C）两个切面，使用多厂商超声系统（GE、Philips、Siemens、Canon）。未施加任何挑战专属成像协议，采集反映真实临床条件——帧率、空间分辨率、探头方向都存在变异。图像以原始 DICOM 格式提供，不做任何预处理，保留全部原生采集特征与元数据。每个视图每次检查至少采集一个完整心动周期。

Q5：为什么"不剔除低质量图像"是个特点？
纳入标准规定：不因图像质量剔除任何病例——被采集超声技师判为 good、medium、poor 的采集全部保留在发布中，以反映常规心脏毒性监测中会遇到的全谱真实世界图像质量。扫描仪文字叠加、采集伪影、次优探头方向均原样保留、不作校正。仅两类情况剔除：(i) 任一时间点任一视图都无法恢复 DICOM 文件；(ii) 患者在数据传输前撤回知情同意。

Q6：标签是怎么来的？
两条路径。Tasks 1/2：LVEF 与 GLS 按美国超声心动图学会（ASE）与欧洲心血管影像协会（EACVI）指南，由各中心的标准临床流程用厂商或临床验证软件测量——LVEF 用心尖双平面 Simpson 法从 A4C+A2C 导出；GLS 作为 Task 2 的主要标签来源，LVEF 在 GLS 不可靠时作为 fallback。Task 3：心脏毒性结局标签由各中心领域专家经**结构化专家裁定（expert adjudication）**确立，整合纵向超声发现与心脏毒性相关血液生物标志物（肌钙蛋白 troponin、NT-proBNP），遵循 ESC 2022 心脏肿瘤学指南。

Q7：三个任务分别要模型做什么？
Task 1（LVEF 回归）：给定任一时间点的 cine 视频，输出单一连续标量 LVEF（%），主指标平均绝对误差 MAE（百分点 pp），升序排名。Task 2（LV 功能障碍分类）：给定 cine 视频，输出 [0,1] 概率，功能障碍定义为 GLS ≥ −16%（主）或 LVEF < 50%（fallback），主指标 AUC-ROC。Task 3（早期心脏毒性预测）：仅给定基线 T1 视频，输出未来发生心脏毒性的概率，主指标 AUC-ROC，临床目标为 FPR 处于 10–20% 时敏感度 ≥ 0.80。

Q8：基准跑得怎么样？
Task 1 Test MAE 4.98 pp（7-seed 集成，落在 EchoNet-Dynamic 参考区间 4–6 pp）；Task 2 Test AUC 0.849（8-seed 集成）；Task 3 最强的双视图 + TTA-10 视频模型 Test AUC 0.541，而只用年龄与基线 LVEF 的临床逻辑回归地板为 0.525——两者 95% 置信区间重叠、统计上无法区分。

Q9：我现在能拿到什么？
需经官方注册门户在 Synapse 注册并签署数据使用协议（DUA）。训练集与验证集向注册并获批准（approved team）的参与者发布；测试集隐藏，通过 Docker 容器提交由官方在隐藏测试集上评估。禁止绕过注册门户、禁止把直链与解压密码外传。

Q10：为什么它对 AI-Ready 重要？
它是"受限访问 + 真实世界噪声 + 诚实否定性基准"的三重样本。一方面，Synapse 注册 + DUA + 3 月发布 embargo 使其 AI-Ready 分数被访问门槛拖低；另一方面，它刻意保留低质量影像与多厂商异质、并把一个**明确的开放难题（Task 3）**连同近随机基线一起公开——为社区提供了极稀缺的、可证伪的负面参照。

§2 数据构成与规格

2.0 为什么"多中心 + 纵向 + 真实世界"是三重难点

在理解 EchoRisk 的构成前，先要理解它刻意保留的三重现实复杂性——这三者既是它的价值，也是它的评测噪声来源。

**多中心（multicentre）意味着数据来自不同医院、不同厂商设备、不同扫描技师。同一名患者的两次随访若换院换机，图像增益、帧率、探头角度全部改变。NVIDIA 式的单一数据分布假设在这里不成立：模型必须在域偏移（domain shift）**下保持功能估计的稳定性。EchoRisk 用 GE / Philips / Siemens / Canon 四厂商的混合，把这一挑战制度化。

纵向（longitudinal）意味着同一位患者被多次成像（T1–T5），且临床关心的是跨时间点的变化而非单次快照。这既让 Task 2 的功能障碍分类可以在时间轴上做更丰富的推理，也让 Task 3 的预测信号藏在"基线正常、后续恶化"的动态里——而那正是最难学的部分。

真实世界（real-world）意味着不做质量剔除：技师判为"poor"的采集、残留的文字叠加、次优的探头方向全部保留。多数公开数据集会悄悄过滤掉低质量图像以抬高基准成绩；EchoRisk 反其道而行，让评测反映部署系统必然遭遇的图像分布。代价是：部分算法方差既来自建模能力，也来自它能多好地处理劣质输入。

2.1 两个重叠队列：主队列与基线下子集

EchoRisk 数据集包含两个重叠的影像队列：

• 主队列（支持 Tasks 1 与 2）：422 名患者，2,159 个超声视频，分布在 1,123 次多时间点检查中。
• 基线子队列（支持 Task 3）：280 名患者，各含单次基线检查，共 560 个视频。

两个视图（A4C 与 A2C）在 92% 的 Task 1/2 检查中可用，在 100% 的 Task 3 检查中可用（Task 3 患者双视图全覆盖）。数据集分布于各参与欧洲站点，反映扫描硬件与临床人群的真实变异。

2.2 官方数据集概览表（论文 Table 2）

维度	Task 1 LVEF 估计	Task 2 LV 功能障碍	Task 3 心脏毒性
患者数	422	422	280
视频数	2,159	2,159	560
检查数	1,123	1,123	280
时间点	T1–T5	T1–T5	仅 T1
双视图占比	92%	92%	100%
训练（患者/检查）	237 / 630	237 / 630	157 / 157
验证（患者/检查）	59 / 156	59 / 156	39 / 39
测试（患者/检查）	126 / 337	126 / 337	84 / 84
阳性率	—	16.8%	65.4%
主指标	MAE (pp)	AUC-ROC	AUC-ROC

所有划分均在患者层级，杜绝同一患者的影像跨集泄漏。Task 3 检查仅对应 T1 基线时间点。

2.3 视图与原生帧数分布（论文 Table 1）

原生 DICOM 每段 clip 的帧数在厂商与站点间差异极大。合计三个时间点、重采样前统计如下：

视图	Clips	中位（IQR）	最小	最大
A4C	1,108	60（44–154）	15	711
A2C	1,051	61（44–158）	14	574
合计	2,159	60（44–156）	14	711

1,036 次检查（92%）双视图齐全，72 次仅 A4C、15 次仅 A2C。全队列中位帧数 60（IQR 44–156，范围 14–711）。18.4% 的 clip 超过 200 帧（高帧率站点延长多周期采集所致），5.4% 少于 30 帧。观测到的最长 clip（711 帧，样本 ECHORISK_0407_T2_A4C）对应约 8–10 个心动周期的延长采集，与某参与站点的临床采集协议一致。

**分帧采样（fractional index sampling）**在模型输入前把所有 clip 归一化到 T=32 帧，无论原生帧数多寡——这一处理正是为应对上述帧率异质而设。

2.4 图像规格与多厂商异质

属性	规格
模态	二维灰度 cine 超声心动图
切面	心尖四腔（A4C）+ 心尖二腔（A2C）
设备	多厂商：GE / Philips / Siemens / Canon
格式	原始 DICOM，无预处理，保留全部原生元数据
心动周期	每视图每次检查至少一个完整周期
成像协议	无挑战专属协议，反映真实临床采集
质量剔除	无质量剔除（good/medium/poor 全保留）
伪影处理	文字叠加/伪影/次优探头方向原样保留不校正
唯一剔除条件	(i) 无任何视图 DICOM 可恢复；(ii) 患者撤同意
合规	完全去标识、GDPR 合规、各站点 IRB 批准

"无质量剔除 + 无预处理"是本数据集的设计哲学：它不追求干净的实验台图像，而要训练与评测暴露在部署系统必然遭遇的异质性中——不同厂商的增益差异、扫描技师判为"poor"的低质量采集、残留的文字叠加与探头角度偏差，全部进入数据。这使 EchoRisk 的评测更接近真实临床部署场景，也意味着部分性能方差来自图像质量而非算法。

2.5 类别分布与不平衡

• Task 2 阳性率 16.8%：反映该人群中左心室功能障碍的真实患病率。
• Task 3 阳性率 65.4%（多数为正类）：与 CARDIOCARE 研究富集的高风险入组标准一致——入组患者接受的是已知具心脏毒性的治疗方案。按 280 患者 × 65.4% 推算，阳性例数约 183（论文未直接给出绝对值，属推算）。
• 两个任务的类别失衡方向相反（Task 2 正类稀少、Task 3 正类占多数），因此训练损失设计也不同（见 §4.3）。

2.6 切面几何与双视图的意义

EchoRisk 提供两种心尖切面：心尖四腔（Apical Four-Chamber, A4C）与心尖二腔（Apical Two-Chamber, A2C）。

• A4C 同时显示左右心室与左右心房，是吐射分数测量的主视图，也是 EchNet-Dynamic 等前作的标准输入。
• A2C 只显示左心室与左心房，提供左心室沿另一几何轴的投影。

为什么两者都重要：双平面 Simpson 法测量 LVEF 需要 A4C 与 A2C 各描记一次左心室心内膜轮廓，再沿心室长轴将体积切成多个圆盘求和。仅用单视图会丢失一个几何投影的信息，导致吐射分数系统性偏差。EchoRisk 的"双视图策略"（拼接 A4C+A2C）正是为了让模型同时接触两种投影——这也是 Task 3 双视图（0.529）显著优于单视图（0.408 坍缩）的几何学基础。

并发的工程约束：原生 A4C/A2C 帧多为非正方形，而骨干期望 112×112 方形输入，缩放会引入纵横比失真——这是沿用 EchoNet-Dynamic 协议的已知代价，论文在图 2 注释中明确提示。

2.7 帧率陷阱与"分帧采样"的必要性

本数据集的 DICOM 不携带可靠帧率元数据——不同站点、不同厂商各自采用不同的采集帧率，且元数据常有缺失或错误。如果直接按固定间隔抽帧，"一个心动周期"在不同 clip 中会对应 vastly 不同的帧数：高帧率站点的一个周期可能 200+ 帧，低帧率站点可能不足 30 帧。

EchoRisk 的应对是分帧索引采样（fractional index sampling）：从 [0, N−1] 均匀抽取 T=32 个索引（N = DICOM 头的 NumberOfFrames），保证采样的 32 帧恰好覆盖一个完整心动周期，无论原生帧率。这一设计直接来自 EchoNet-Dynamic，是跨中心心脏超声分析能被统一处理的关键前提。

数据佐证：全队列中位帧数 60、范围 14–711，4 倍以上的量级差异恰恰说明"按绝对帧数处理"会失败。而 5.4% 的 clip 少于 30 帧意味着采样时会有重复索引（上采样），18.4% 的 clip 超过 200 帧意味着强烈下采样——两种方向的插值都引入潜在信息损失。

§3 三个任务与评估协议

EchoRisk 引入三个临床根基扎实、难度递增的任务。评估框架显式模块化：每个任务独立评估，以隔离算法对特定临床问题的贡献。指标逐任务计算，确保专用架构能在其指定临床语境中被稳健评估，无需跨任务聚合。

3.1 Task 1：心功能参数估计（LVEF 回归）

问题表述：给定来自任一时间点（T1–T5）的二维超声 cine 视频，自动估计左心室吐射分数 LVEF（%）。模型在 Tasks 1/2 队列（422 患者、1,123 检查）上训练与评估。算法须每次检查输出单一连续标量。要求的提交粒度为每检查一个预测；参与者可自由在输出单标量前融合多个视图。

主指标与排名：平均绝对误差（MAE），提供以原生百分点（pp）计的临床可解释误差度量。LVEF 绝对误差 ≤5 pp 视为临床可接受，超过 10 pp 可能改变关键决策阈值周围的管理。算法按 MAE 升序排名，平局由更低的均方根误差（RMSE）打破。

次指标：RMSE、Pearson 相关系数 r、决定系数 R²，用于评估离群敏感性与整体相关性。

3.2 Task 2：左心室功能障碍分类

问题表述：给定任一时间点（T1–T5）的二维 cine 视频，每次检查输出 [0,1] 的 LV 功能障碍概率。功能障碍定义为 GLS ≥ −16%（主要判据）或 LVEF < 50%（fallback 判据），符合 ESC 2022 心脏肿瘤学指南。总体阳性率 16.8%，反映心脏毒性监测人群的真实患病率。提交粒度为每检查一个概率分。

临床依据：GLS 是亚临床心功能障碍更敏感、更早期的标志物——在吐射分数下降显现之前即可检出心肌形变异常。从原始 cine 视频自动检出 GLS 定义的功能障碍，可绕开人工应变分析并降低观察者间变异。

主指标与排名：AUC-ROC，阈值无关、度量跨所有操作点的判别力。算法按 AUC 降序排名，平局依次由 (1) 90% 特异度下更高敏感度、(2) 更高平衡准确率（balanced accuracy）打破。

3.3 Task 3：早期心脏毒性预测（本数据集的开放难题）

问题表述：仅给定基线（T1，治疗前）超声视频，输出患者在未来可用随访窗内（至多 12 个月）发生治疗诱发心脏毒性的概率 p ∈ [0,1]。Task 3 使用一个专属队列：280 名仅有基线影像的患者。推理时不提供任何随访超声或临床变量。总体阳性率 65.4%。提交粒度为每位患者一个概率分——该队列每位患者恰好贡献一次基线检查。

预测复杂度（论文的核心论点）：Tasks 1 与 2 要求模型刻画输入视频中可见的心脏状态——感兴趣信号在采集时点就已存在；而 Task 3 要求模型从一张在任何心脏损伤发生之前采集的基线视频预测未来结局。该预测信号微妙、亚临床，在本研究采用的训练规模下，可能无法仅从时空视频表征中感知——这使其成为社区的开放难题。值得注意的是，从同一队列提取的手工影像组学特征已显示与心脏毒性结局有统计学显著关联，提示相关预后信号确实存在于影像数据中，只是当前训练规模下的端到端视频架构未能恢复它。

主指标与排名：AUC-ROC，降序排名，平局依次由 (1) FPR ≤ 0.20 时更高敏感度、(2) 更高平衡准确率、(3) 更低 Brier 分数（衡量校准与概率准确性）打破。

临床目标：早期风险筛查的临床目标是在 FPR 为 0.10–0.20 时敏感度 ≥ 0.80，以便在维持可接受特异度的同时及时启用心脏保护干预。

临床参考地板：一个基于年龄与基线 LVEF 的逻辑回归（对齐 HFA-ICOS 风险分层框架），使用安全 CARDIOCARE 注册变量在内部评估。该基线被排除在算法排名之外，仅用于将基于影像的预测性能相对于指南对齐的临床实践进行语境化。

3.4 统计分析与可复现性

为保证标准化、可复现的性能评估，官方评估协议与评分库公开于 https://github.com/EchoRisk-MICCAI/echorisk-benchmark。对未能对一个或多个测试样例产生有效数值输出的模型，惩罚如下：

• Task 1（回归）：缺失或非有限预测在 MAE 聚合前，对该样例赋 100 个百分点的绝对误差。
• Tasks 2 与 3（分类）：缺失预测在 AUC 计算中赋 0 分，与随机猜测行为一致。

性能估计报告 95% 置信区间，由测试集上的非参数百分位 bootstrap 重采样导出。比较不同算法时，成对比较用双侧 Wilcoxon 符号秩检验，并施加 Holm-Bonferroni 校正控制多重比较的族错误率。

校准：对 Tasks 2 与 3，用**期望校准误差（Expected Calibration Error, ECE）**评估：将预测划分为 B=10 个等宽箱，计算 |S_b|/N 加权的箱内准确率与平均预测概率之差。ECE 仅作为补充诊断指标（附可靠性图），不影响官方榜单排名。

§3 读法三则：

1. 三个任务的主指标、排名规则、平局破法各不相同，参赛或对标前务必逐字核对——Task 1 是升序（越小越好）、Task 2/3 是降序。
2. Task 3 的"临床地板被排除在排名之外"是关键设计：它不是给参赛者的对照模型，而是给读者的语境锚点。
3. 缺失预测的惩罚规则（Task 1 赋 100 pp、Task 2/3 赋 0 分）意味着"提交无效输出"比"提交平庸输出"更糟——这是排行榜公平性的工程保障。

3.5 临床指标速查：LVEF、GLS 与「功能障碍」的定义

对不熟悉心脏超声的读者，三个术语是理解全部任务的前提：

• LVEF（Left Ventricular Ejection Fraction，左心室吐射分数）：一次心搏中心室泵出的血量占比，单位 %。健康成人通常 50–70%；LVEF < 50% 常被视为收缩功能不全的界值。它以心尖双平面 Simpson 法从 A4C+A2C 测量，是 Task 1 的回归目标。
• GLS（Global Longitudinal Strain，整体纵向应变）：心肌沿长轴方向的形变百分比，通常为负值（收缩期心肌缩短）。健康人约 −20%；GLS ≥ −16%（即应变绝对值不足 16%）提示亚临床功能障碍。GLS 比 LVEF 更敏感、更早期——在吐射分数明显下降前就能检出心肌形变异常。
• LV 功能障碍（LV dysfunction）：EchoRisk Task 2 的定义为 GLS ≥ −16%（主判据）或 LVEF < 50%（fallback 判据），符合 ESC 2022 心脏肿瘤学指南。约 85% 的检查用 GLS 派生标签、15% 用 LVEF fallback（因特定站点/时间点的 GLS 采集不可靠）。

为什么优先 GLS：常规监测长期依赖「吐射分数显著下降」这一相对晚期的指标。GLS 能在结构损伤不可逆之前捕捉到亚临床衰退，因此被心脏肿瘤学指南推荐为更敏感的随访指标。EchoRisk Task 2 把「从原始 cine 视频自动判断 GLS 定义的功能障碍」设为任务，正是为了绕开耗时而主观的人工应变分析。

临床可接受误差：论文明确 LVEF 绝对误差 ≤5 pp 视为临床可接受、>10 pp 可能改变管理决策。Task 1 的 4.98 pp 因此落在「临床可接受」的边界之内——这是比任何相对百分比都更有临床意义的解读。

3.6 三任务难度阶梯对照

维度	Task 1	Task 2	Task 3
问题类型	回归	二分类	二分类（预测未来）
输入	cine 视频	cine 视频	仅基线 cine
信号可见性	当前画面内	当前画面内	未来、亚临床
主指标	MAE (pp)	AUC-ROC	AUC-ROC
类别平衡	—	16.8% 正类	65.4% 正类
收益类型	功能测量	亚临床检测	早期风险预警
当前难度	可解	可解	开放难题

这张表是全文的「任务地图」：从「测量已发生」（Task 1）到「检测已发生但细微」（Task 2）到「预测未发生」（Task 3），难度沿时间箭头单调递增。

3.7 临床动机的完整链条

要理解 EchoRisk 为何把问题切成这三个任务，需要沿着临床决策链走一遍。乳腺癌患者在开始蒽环类或 HER2 靶向治疗前，需要一次基线超声评估心功能（T1）；在治疗期间与治疗后，需要纵向随访（T2–T5）以捕捉心功能下降。这条临床路径天然对应三件事，也就是 EchoRisk 的三个任务：

1. 测量（Task 1）：每一次随访都要测 LVEF。这一步重复、耗时、且高度依赖操作者——文献报告读者间差异可达 5–10 pp。自动化它，等于把纵向随访里最繁琐的一环标准化。
2. 判定（Task 2）：光有 LVEF 数值不够，临床还要判断"是否算功能障碍"。现代指南把判据前移到更敏感的 GLS（≥ −16%），但 GLS 的人工应变分析更耗时、更依赖专用软件。自动判定 GLS 定义的功能障碍，能更早触发干预。
3. 预测（Task 3）：临床最想要、却最难的是在治疗开始前就识别谁会心脏中毒。若能仅凭基线影像分层，就能对高风险者加密监测、对低风险者减少随访负担。EchoRisk 的诚实结论是：当前影像基线尚不足以完成这一步。

关键洞察：Task 1/2 是"把临床已有的测量/判定自动化"（reduction of effort），Task 3 是"做临床做不到的预言"（extension of capability）。前者的信号在画面里，后者的信号在因果链的未来端——这解释了为何同一条数据上，前两个任务可解、第三个不可解。

3.8 榜单机制与防过拟合设计

EchoRisk 的评测工程有几个值得单独指出的机制，它们共同保证榜单的可信度：

• 隐藏测试集 + Docker 提交：测试集从不向参赛者释放，参赛者只能提交可运行的 Docker 容器，由官方在隐藏测试集上执行。这杜绝了"下载测试标签刷分"的路径。
• 论文门控：只有提交了有效方法论文（4–8 页 LNCS，OpenReview）的队伍才能进入测试集评估与榜单——这把"成绩"与"可审查的方法"绑定，防止纯刷榜。
• 多指标 + 平局破法：每个任务除主指标外定义明确的平局破法（次指标、敏感度@特异度、balanced accuracy、Brier），降低单一指标被钻空子的空间。
• 无效输出惩罚：Task 1 缺失/非有限预测赋 100 pp 误差；Task 2/3 缺失预测赋 0 分（等同随机）。这让"输出垃圾"严格劣于"输出平庸"，堵住退化提交。
• 统计显著性：算法比较用双侧 Wilcoxon 符号秩检验 + Holm-Bonferroni 校正控制族错误率，避免多重比较下的假阳性排名。
• 校准诊断：ECE（B=10 等宽箱）作为补充报告，不影响排名，但提示概率输出的可靠性。

这套机制的意义：它把"榜单"从一次竞速变成一次可复现、可审查的方法学比较——这也是 EchoRisk 作为"AI-Ready 基准"的核心价值所在：不只是给数据，而是给一套可信的评测协议。

3.9 与医学影像评测惯例的衔接

EchoRisk 的协议设计与医学影像评测的主流惯例一致：

• 患者级划分（patient-level split）是防止数据泄漏的行业标准，EchoRisk 严格执行。
• 主指标选临床可解释量（MAE 的 pp、AUC）而非纯统计损失，保证结果对临床有意义。
• 报告 95% CI（bootstrap 非参百分位）已是现代医学 AI 报告的标配，EchoRisk 全量遵循。
• 临床地板对照的做法（把简单临床模型作为语境锚点而非竞争者）在心脏影像社区渐成共识，EchoRisk 的显式设计可作范例。

对于要把 EchoRisk 结果写进论文或做方法比较的读者，建议完整引用其 CI、临床地板与"统计不可区分"表述，避免把宽置信区间下的点估计差异过度解读。

§4 注释流水线与标签治理

EchoRisk 的标签体系分三层，对应三个任务的三种监督信号。理解这三层的来源差异，是判断"哪个任务的分数可信、哪个任务的分数只是开放难题的读数"的前提。

4.1 第一层：LVEF —— 双平面 Simpson 法临床测量

Task 1 的监督信号是左心室射血分数（LVEF, Left Ventricular Ejection Fraction），取自各站点临床流程中按标准**双平面 Simpson 法（biplane Simpson’s method）**测量的数值。

• 测量在心尖四腔（A4C）与心尖二腔（A2C）两个切面分别勾画舒张末期与收缩末期心内膜边界后计算，是超声心动图评估左心室收缩功能的临床金标准做法。
• LVEF 以**百分点（percentage points, pp）**为单位进入回归任务，临床可接受误差被划定为 ±5 pp；误差 >10 pp 会改变临床管理决策。
• 这一层标签的可靠性与"人工测量本身"绑定：论文在动机部分即指出读者间变异可达 5–10 pp——这正是 Task 1 把 ±5 pp 设为"临床可接受"边界的由来，也是为什么该任务用 MAE（而非精确命中率）作为主指标。

4.2 第二层：LV 功能障碍 —— GLS 主定义 + LVEF 回退

Task 2 的监督信号是左心室功能障碍（left ventricular dysfunction）二分标签，其构造规则如下：

• 主定义（约 85% 检查）：以**整体纵向应变（GLS, Global Longitudinal Strain）**为准，判定阈值为 GLS ≥ −16%（即应变绝对值小于 16%，提示功能障碍）。该阈值取自 ESC 2022 心脏肿瘤学指南。
• 回退定义（约 15% 检查）：当 GLS 不可得时，回退到 LVEF < 50% 作为功能障碍判据。

这里有两个必须向读者澄清的点：

1. 为什么以 GLS 为主？ 在心脏肿瘤学中，GLS 被认为是比 LVEF 更早期、更敏感的亚临床功能障碍指标——LVEF 下降往往在心肌损伤已相对明显时才出现，而 GLS 的变化更早。以 GLS 为主定义，等价于把"早期功能障碍"的判定前移。
2. 为什么会有回退？ GLS 测量需要额外的心尖切面追踪与专用软件流程，并非所有站点的所有检查都能产出可靠 GLS。回退到 LVEF 是"数据可得性约束下的工程选择"，代价是标签来源异质——85% 与 15% 两个子集的功能障碍判据并非同一物理量。这是数据集的一个已知局限，已被写入 rai:dataLimitations。

4.3 第三层：治疗诱发心脏毒性 —— 专家生物标志物裁定

Task 3 的监督信号是治疗诱发心脏毒性（therapy-induced cardiotoxicity）二分标签，其构造规则与前一任务完全不同：

• 标签不由影像派生，而是由专家依据血清生物标志物裁定——主要依据 **肌钙蛋白（troponin）**与 NT-proBNP 的动态变化，遵循 ESC 2022 指南口径。
• 换言之：Task 3 的输入是影像（基线 A4C/A2C cine），而标签来自另一模态（血液标志物 + 临床随访）。这是一个典型的跨模态监督设置。

这个跨模态结构是理解 Task 3 难度、"影像预测未来毒性为何困难"的关键：

• 影像捕捉的是当前的解剖与功能状态；毒性标签刻画的是随后发生的生化/临床事件。
• 在基线（治疗前）时刻，患者心脏可能尚未出现任何可被影像捕捉的异常——毒性要等治疗启动后才发生。
• 因此 Task 3 本质上是问：“一张治疗前的、看起来正常的超声图像里，是否藏着该患者未来会对治疗产生心脏毒性的信号？”

论文对这一问题的回答是诚实而克制的：目前尚无证据表明可仅凭基线影像完成这一预测（见 §5 的结果分析）。

4.4 标注流水线与质控要点

综合三层标签，EchoRisk 的标注流水线可概括为：

层级	任务	标签来源	判据	覆盖
L1	Task 1	临床超声测量	双平面 Simpson 法 LVEF	全部检查
L2 主	Task 2	临床应变分析	GLS ≥ −16%（ESC 2022）	~85% 检查
L2 回退	Task 2	临床超声测量	LVEF < 50%	~15% 检查
L3	Task 3	专家生物标志物裁定	troponin / NT-proBNP（ESC 2022）	Task 3 子队列

质控要点：

• 去标识与合规：数据在发布前完全去标识并符合 GDPR；伦理批准按各国与地方规定在各参与站点分别取得。
• 无中心化重标注：三层标签均沿用各站点原有临床流程的产出，官方未做统一的中心化重标注。这带来真实世界数据的异质性，也意味着标签噪声的分布跨站点、跨任务各不相同。
• 标签与划分的一致性：所有划分在患者层级完成，确保同一患者的影像与标签不会跨训练/验证/测试泄漏。

§4 读法三则：

1. 三层标签的"物理量"各不相同：LVEF 是百分比、GLS 是应变百分比、毒性是二元事件。不要把三个任务的分数横向比较。
2. Task 2 的 85/15 回退是已知局限，检索者若要复现或对标，须注意两个子集的判据非同质，标签噪声水平可能不同。
3. Task 3 是跨模态监督：影像是输入、生物标志物是标签。这一结构性事实决定了它的上限——如果毒性在基线影像中根本不可见，那么再强的模型也无法从影像中读出来。

4.5 标签即数据质量：三处必须向读者交代的细节

EchoRisk 的标签体系有三处"真实世界的不完美"，它们不是缺陷清单，而是使用者必须知道的语义前提：

1. 无中心化重标注（no centralised re-annotation）：三层标签全部沿用各站点原有临床流程的产出，官方未做统一重标。好处是标签反映真实的临床实践分布，坏处是站点间标注风格与精度存在系统差异——模型可能学到"站点风格"而非"生物学"。
2. Task 2 的 85/15 双源：约 85% 用 GLS、15% 用 LVEF fallback。两个子集的判据不是同一物理量，其标签噪声水平不同。论文声明该比例在训练/验证/测试划分中一致——这是防止划分偏差的刻意设计，但子集间的异质性本身无法消除。
3. Task 3 的随访窗异质 + 无删失插补：阳性标签对应各患者最新可用裁定时间点（T2–T5 不等）。这意味着"阳性率 65.4%"混合了不同长度的观察窗——观察窗长者更可能被标为阳性。论文明确要求：“参与者应在此语境下解读 Task 3 AUC”。

为什么这些细节重要：医学数据集的"真实世界性"往往与"标注一致性"成反比。EchoRisk 选择保留真实、并显式披露每一处不完美（写进论文正文与 rai:dataLimitations），而不是用规则把它们美化成看似干净的单一标签。对使用者而言，这意味着跨站点、跨子集、跨随访窗比较时必须谨慎。

4.6 数据完整性：为什么"无质量剔除"是把双刃剑

EchoRisk 只剔除两类病例（无 DICOM / 撤回同意），不因图像质量剔除任何病例。这一决定的利弊都很直接：

利：

• 评测反映部署系统必然遭遇的图像分布——真实临床里，技师水平参差、探头角度次优、伪影普遍存在。
• 避免"选择性偏倚"：若剔除 low-quality 图像，基准成绩会虚高，无法反映算法在真实场景的鲁棒性。
• 与"多厂商异质"协同，构成一个压力测试式的基准。

弊：

• 部分性能方差来自图像质量而非建模能力——两个算法分数差异，可能只反映它们对劣质输入的容忍度不同。
• 噪声使小样本任务更不稳定——Task 3 的训练仅 157 例，低质量图像进一步稀释有限的有效信号。
• 复现与对标更困难——没有"干净子集"可供隔离变量，研究者难以辨别是方法问题还是数据问题。

实务建议：使用 EchoRisk 时，若关注方法比较，建议额外报告在质量分层子集上的表现（虽然论文未提供质量标注），或至少意识到整体分数中混杂了图像质量因素。这也是为什么论文把"无质量剔除"作为设计特点而非缺陷来陈述——它诚实，但要求使用者在解读分数时保持这一语境。

§5 基线结果：功能可测、毒性难卜

这一节是 EchoRisk 最有价值的部分。它不是一组"我们做到了多少"的成绩展示，而是一组**"什么问题可解、什么问题尚不可解"的诚实读数**。三档基线的结果落差，正是这个数据集对社区最大的贡献。

5.1 基线架构：R(2+1)D ResNet-18 + LSTM

官方基线采用一个标准的时空视频分类/回归架构，其设计细节如下（供复现与对标）：

组件	设定
骨干网络	R(2+1)D ResNet-18，Kinetics-400 预训练
时序聚合	LSTM，hidden size 512
输入帧数	T = 32 帧/clip
输入分辨率	112×112
归一化	per-clip z-score
优化器	AdamW（backbone lr 1e-4；LSTM/head lr 1e-3）
Task 2 损失	加权 BCE，正类权重 w_pos = 4.575
Task 3 损失	Focal Loss，α = 0.325，γ = 2.0
随机种子	8 个（42–49）
测试时增强	TTA-10（Test-Time Augmentation，10 次）

架构说明：

• R(2+1)D 把 3D 卷积分解为"2D 空间卷积 + 1D 时间卷积"，在参数量与表达能力之间取得平衡，是视频理解的经典骨干；Kinetics-400 预训练提供通用运动表征的起点。
• LSTM 聚合把逐帧空间特征整合为 clip 级表征，hidden size 512 是容量与过拟合的折中。
• 损失函数按任务定制：Task 2 的类别不平衡（阳性率 16.8%）用加权 BCE 补偿；Task 3 的高难度与不平衡（阳性率 65.4%）用 Focal Loss 调制难样本。w_pos = 4.575、α = 0.325 这两个数字都直接由对应任务的类别分布推导而来。

5.2 测试集基线性能（论文主结果）

任务	主指标	测试结果	95% CI	备注
Task 1（LVEF 回归）	MAE (pp)	4.98	4.54–5.46	7-seed ensemble；1 个 seed 因退化被剔除
Task 2（LV 功能障碍）	AUC-ROC	0.849	0.793–0.890	8-seed
Task 3（早期心脏毒性）	AUC-ROC	0.541	0.390–0.692	dual-view + TTA-10

逐任务解读：

• Task 1：MAE 4.98 pp——落在"临床可接受（±5 pp）"边界之内，且与 EchoNet-Dynamic 等单中心先例报告的水平（4–6 pp 量级）相当。说明标准时空卷积架构能在多中心、多厂商的异质数据上稳健地提取心功能信号。
• Task 2：AUC 0.849——显著高于随机（0.5），说明左心室功能障碍在当前影像中是可辨识的。这与 GLS/LVEF 作为"当前功能状态"指标的直觉一致。
• Task 3：AUC 0.541——仅略高于 0.5，且置信区间 0.390–0.692 横跨 0.5，统计上与随机不可区分。

7-seed vs 8-seed 存照：Task 1 主结果用 7 个 seed 的 ensemble 报告（1 个 seed 因性能退化被剔除），而协议声明训练 8 个 seed（42–49）。这不是矛盾，而是"协议启动 8 个、报告剔除退化者后的 7 个"。这一口径差异在 §8 存照与附录中同样记录。

5.3 Task 3 的关键对照：三条证据链指向"近随机"

Task 3 的 0.541 并非孤立数字，它被三条相互印证的证据包围。这才是它可信的原因——不是"某次实验得 0.541"，而是"三组设置一致地显示近随机"。

设置	测试 AUC	说明
单视图（single-view）	0.408	近随机；输出范围 <0.02，正负样本预测均值差 <0.002
双视图（dual-view）	0.529	略优于随机，仍接近地板
双视图 + TTA-10	0.541	论文报告的最强视频基线
临床地板（年龄 + 基线 LVEF 逻辑回归）	0.525（0.388–0.654）	被排除在排名之外的语境锚点

为什么这三条证据共同指向"近随机"？

1. 单视图 AUC 0.408 低于 0.5——“比抛硬币还差"通常是"模型没学到任何可泛化信号"的典型征兆，而非"模型学到了反向信号”。
2. 输出范围 <0.02、正负均值差 <0.002——模型对正类与负类给出的概率几乎一样，即它没有对两类做出任何有意义的区分。
3. 最强视频基线 0.541 的 95% CI（0.390–0.692）与临床地板 0.525 的 CI（0.388–0.654）大幅重叠——统计上二者不可区分。换言之，用一整条深度学习视频管线，并不比只用年龄 + 基线 LVEF 的简单逻辑回归做得更好。

这一结论的临床与方法学意义：

• 临床：仅凭治疗前基线超声预测个体层面的治疗诱发心脏毒性，目前缺乏可用的影像证据。这与指南把"基线影像"主要用于功能基线存档而非风险预言的定位相符。
• 方法学：EchoRisk 用一个精心设计的基准明确划出了"当前影像信号的天花板"。这不是工程失败的记录，而是问题不可解性的证据——它的价值恰恰在于告诉社区：别在这条路上盲目投入，除非引入新的信号源（如时序影像、生物标志物融合、更大队列、更细的随访窗）。

5.4 验证集结果（多 seed，供方差判读）

任务	验证集结果	口径
Task 1	5.02 ± 0.16	MAE（pp），多 seed
Task 2	0.755 ± 0.025	AUC-ROC，多 seed
Task 3 单视图	0.627 ± 0.049	AUC-ROC
Task 3 双视图	0.646 ± 0.048	AUC-ROC
Task 3 临床地板	0.605	AUC-ROC

验证集 vs 测试集的关键落差：Task 3 在验证集上单视图 0.627、双视图 0.646，看起来"还行"；但到了测试集，单视图塌到 0.408、双视图 0.529。验证与测试之间约 0.1–0.2 的落差，加上测试集宽大的置信区间，共同说明这些分数不稳定、不可泛化——这是小样本（Task 3 训练仅 157 例）高维预测的典型病征。相对地，Task 1（5.02 → 4.98）与 Task 2（0.755 → 0.849）的验证/测试表现基本一致，说明这两个任务的信号是真实且可迁移的。

5.5 一张表看懂"三阶梯"

维度	Task 1	Task 2	Task 3
目标	估计当前 LVEF	判定当前 LV 功能障碍	预测未来心脏毒性
时间指向	此刻	此刻	未来
标签来源	同模态（影像测量）	同模态（应变/影像）	跨模态（血液标志物）
测试主指标	MAE 4.98 pp	AUC 0.849	AUC 0.541（≈随机）
可解性	✅ 可解	✅ 可解	❌ 当前不可解
一句话	功能当前可测	障碍当前可辨	毒性当前难卜

这张表是 EchoRisk 全篇的核心论点可视化：信号的"此刻性"与任务的"可解性"高度相关。凡是能从画面里此刻读出的量（功能、障碍），模型学得会；凡是要从此刻画面读出未来的事件（毒性），当前影像信号不足。

§5 读法三则：

1. 不要把 0.541 当作"最好的成绩"炫耀——它的正确读法是"最强基线也只到随机附近"，是否定性结论的证据。
2. 判断一个任务是否可解，看 CI 是否跨 0.5（分类）或与临床地板是否重叠，而不是只看点估计。
3. 验证集的漂亮数字要打折看——Task 3 验证 0.646 vs 测试 0.529 的落差，是小样本高维预测的典型陷阱。

5.6 为什么会"验证还行、测试坍缩"

Task 3 单视图模型从验证 AUC 0.627 跌到测试 0.408，是理解 EchoRisk 工程诚实性的关键案例。论文的解释是泛化失败：模型在验证分布上勉强学到了一点可分性，但这点可分性在测试分布上完全消失，逐患者预测坍缩到一个窄带（输出范围 <0.02、正负类均值差 <0.002）。

这一现象的成因在统计上是可预期的：

• 样本量小：Task 3 训练仅 157 例（阳性约 106、阴性约 51）。在如此小的样本上，模型极易过拟合训练/验证分布的偶然特征。
• 维度高：输入是 32×112×112 的视频（百万级像素维度），与 157 个样本的比例极不平衡。
• 信号弱：基线影像里与未来毒性相关的信号本身就微弱、亚临床。当信号强度不足以跨越噪声，模型学到的"规律"往往是对特定划分的拟合，而非真实的生物学关联。
• 临床地板对照：连只用两个标量（年龄、LVEF）的逻辑回归都到 0.525，说明在 157 例规模下，任何方法都难以提取可靠信号。

给使用者的直接启示：在小样本、高维、弱信号的医学预测任务上，验证集分数几乎不可信，必须看测试集与置信区间。EchoRisk 之所以把验证与测试同时报告、并给出宽 CI，正是为了不让读者被验证集的漂亮数字误导。

5.7 后续工作的启示：0.541 之后往哪走

论文为社区指出的方向，结合后来的引用工作，可以整理成几条可操作的研究线索：

1. 表征学习：Task 1/2 用通用视频骨干（Kinetics-400 预训练）已达良好水平，但 Task 3 提示领域特异表征可能必要——专用超声基础模型、自监督预训练在心脏超声领域仍是开放方向。
2. 纵向时序建模：Task 3 目前只输入基线单视频；论文建议建模跨多次就诊的纵向变化——把 T1–T5 的序列而非单帧纳入预测，可能是恢复信号的关键。
3. 多视图融合：双视图（A4C+A2C 拼接）在 Task 3 上已优于单视图（0.529 vs 0.408），但如何最优整合配对心尖视图的空间信息仍是开放问题。
4. 跨模态融合：论文明确建议融合影像与临床元数据（基线风险因素、具体治疗方案）。Task 3 的标签本就来自生物标志物，把生物标志物/临床变量作为额外输入或辅助监督很自然。
5. 变长随访窗建模：Task 3 的随访窗从 T2 到 T5 不等、无删失插补，如何适应变长随访与结局异质性是方法学挑战。
6. 替代信号源：若基线影像信号确实不足，手工影像组学 + 深度学习融合（影像组学特征已证明有统计学关联）或治疗期间的动态影像可能是更现实的路径。

一条实用性结论：EchoRisk 的 Task 3 不是"死路"，而是明确标注了当前方法在何处失效。后来者若要挑战它，应先验证自己是否真的带来了新信号源，而非仅换了更强的骨干网络。

§6 获取、许可与参赛路径

6.1 数据获取：请求制 + DUA

EchoRisk 数据集不提供公开直链，采用**请求制（request-based）**获取：

• 平台：经 Synapse（Sage Bionetworks 平台）注册。
• 协议：签署 数据使用协议（Data Use Agreement, DUA），加入官方 approved team。
• 数据版本：release v1.0（2026 年 4 月）。
• 发布层次：训练/验证数据向注册并获批的团队发布；测试数据隐藏，参赛者通过 Docker 容器提交，由官方在隐藏测试集上运行评估。
• 发布纪律：官方结果公布后设 3 个月 embargo，期间禁止独立部署发表（STACOM/MICCAI 方法论文豁免）。

6.2 许可全景：四类资产的异构许可

EchoRisk 生态的许可不是单一的，而是按资产类型分层。检索者与使用者必须逐资产核对：

资产	许可	获取方式
数据集本体	CC BY-NC-SA 4.0	Synapse 注册 + DUA
官方代码（echorisk-benchmark）	MIT	GitHub 公开
文档	CC-BY 4.0	GitHub 公开
论文本体	CC BY-SA 4.0	arXiv 公开

四类许可的实际含义：

• 数据集 CC BY-NC-SA 4.0：署名 + 非商业 + 相同方式共享。除仅限非商业研究用途外，衍生作品须以相同许可分发。禁止用于临床诊断或直接患者照护。
• 代码 MIT：极宽松——可自由使用、修改、分发（含商业），仅需保留版权声明。
• 文档 CC-BY 4.0：署名即可，无 ShareAlike 与 NC 限制。
• 论文 CC BY-SA 4.0：署名 + 相同方式共享（无 NC），故论文的文本/图表可被再利用，但衍生须同许可。

许可异构存照：数据集为 BY-NC-SA、论文为 BY-SA，两者均非矛盾——它们描述的是不同资产（数据 vs 论文）。检索者常见的误读是把"论文 CC BY-SA"当成"数据可商用"，实际上数据受更严格的 NC 限制。这一分层是本条目着重提示的合规要点。

6.3 代码、文档与归档

• 代码仓库：GitHub EchoRisk-MICCAI/echorisk-benchmark（MIT 许可）。
• 官方评分库：同仓库内，提供三任务的标准化评估实现（含 §3.4 的惩罚规则与统计检验）。
• Zenodo 归档：DOI 10.5281/zenodo.19727928（最后提交 2026-08-11），为代码/文档提供可引用的持久标识。
• 官网：echorisk-miccai.github.io，含注册入口、时间线、参与中心与组织委员会。

6.4 面向不同读者的获取动线

你是……	建议路径
想参赛的团队	官网注册 → 签 DUA → 加入 approved team → 下载 Train/Val → 按 §3 协议训练 → 提交 Docker 至隐藏测试集
只想复现基线的研究者	克隆 GitHub 仓库（MIT）→ 阅读评分库 → 用公开的基线与超参复现 §5 结果
做方法学比较的学者	引用论文（CC BY-SA 4.0）+ 引用 Zenodo DOI；注意数据集 NC 限制不影响方法比较，但影响商业部署
想找对标数据集的工程师	见 §9 与附录的库内互链矩阵（EchoNet-Dynamic / CAMUS / EchoNet-LVH / EchoNet-Pediatric 等）

§6 读法三则：

1. "请求制 + DUA"不是障碍而是合规设计——医疗数据的可及性必须与患者隐私保护平衡；NO 直链是 GDPR 与伦理约束下的必然。
2. 四类许可逐资产核对：数据 NC、代码 MIT、文档 BY、论文 BY-SA。混用前先查表。
3. 测试集隐藏 + Docker 提交是本挑战赛防止榜单过拟合的关键机制——想上榜就得交出能跑通的容器，无法靠"猜测试标签"刷分。

§7 生态、资助与影响

7.1 上游血统：EU Horizon 2020 CARDIOCARE

EchoRisk 不是一个独立采集的项目，而是欧盟科研资助体系衍生的临床数据资产：

• 资助来源：EU Horizon 2020 框架计划，CARDIOCARE 项目，Grant Agreement No. 945175。
• 项目定位：为乳腺癌治疗诱发心脏毒性的老年多病共存患者开发整合式管理方案——把影像、生物标志物、临床随访整合进一个面向心脏肿瘤学的照护路径。
• 其对 EchoRisk 的意义：EchoRisk 的全部数据、标签体系与临床问题定义都继承自 CARDIOCARE 的前瞻性研究设计。这带来两个直接后果：
  1. 数据的真实性与纵向完整性来自临床研究协议，而非后补标注——这是它区别于众包标注数据集的核心优势。
  2. 数据的时间边界受项目进度约束（研究仍在进行），因此 Task 3 的随访窗"T2 至 T5 不等"、阳性标签对应"各患者最新可用裁定时间点"，而非统一的 12 月截止。

7.2 CARDIOCARE 前作锚点：影像组学的预后价值

在 EchoRisk 之前，CARDIOCARE 团队已发表过超声影像组学（radiomics）方向的工作，证明超声影像特征在该人群中的预后价值（Manikis et al., European Heart Journal – Cardiovascular Imaging, 2025；即论文 ref [9]）。

• 这条血统链解释了 EchoRisk 的动机："影像特征有预后价值"已被先行验证 → 那么能否进一步用深度学习端到端地从影像预测毒性？ EchoRisk 正是对这个问题的基准化尝试。
• 也解释了为何 EchoRisk 采用影像为核心模态、毒性为跨模态标签的设计——它是把既有的影像组学发现"推给深度学习社区"的一座桥。

7.3 挑战赛生态位：MICCAI 2026 卫星赛事

• 赛事：EchoRisk-MICCAI 2026 Challenge，作为 **MICCAI 2026 卫星事件（satellite event）**举办，与 STACOM workshop（Statistical Atlases and Computational Modeling of the Heart）联合。
• 时间节点：结果于 2026-09-27 MICCAI Workshop Day 公布。
• 生态位意义：
  • MICCAI 是医学影像计算领域的旗舰会议，卫星挑战赛是其把"方法学研究"与"标准化基准评测"衔接的机制。
  • STACOM 长期聚焦心脏影像的统计图谱与计算建模——EchoRisk 与它的联合，把"心脏肿瘤学超声"这一细分方向接入成熟的心脏影像社区。
  • 对本数据集而言，挑战赛既是数据的分发渠道，也是性能的第三方验证机制——榜单结果将与论文基线互相印证。

7.4 组织与临床治理结构

组织委员会（Organizing Committee）：

角色	姓名	机构
Chair	Kostas Marias	FORTH
Lead	Grigorios Kalliatakis	FORTH
Member	Georgia Karanasiou	UOI
Member	Georgios Manikis	FORTH
Advisor	Dimitrios Fotiadis	UOI
Advisor	Manolis Tsiknakis	HMU
Advisor	Mohammad Yaqub	MBZUAI

临床委员会（Clinical Committee）：Dorothea Tsekoura、Katerina Naka、Lampros Lakkas、Vasileios Bouratzis、Gerasimos Filippatos、Anastasia Constantinidou、Andri Papakonstantinou、Ketti Mazzocco。

结构解读：

• "技术 + 临床"双委员会设置，是高质量临床数据集的组织范式：技术方（FORTH/UOI/HMU/MBZUAI）负责数据工程与基线，临床方（心脏肿瘤与超声专家）负责标签裁定与临床意义界定。
• MBZUAI（Mohammad Yaqub） 的加入说明该挑战赛有跨机构的方法学顾问，提升基准设计的严谨度。

7.5 参与中心与地理覆盖（双口径）

论文口径：五个欧洲临床中心 / 四个国家。

官网列名口径：六个机构。

中心	国家
IEO（欧洲肿瘤研究所, Istituto Europeo di Oncologia）	意大利
Bank of Cyprus Oncology Centre	塞浦路斯
Karolinska University Hospital	瑞典
NKUA（雅典国立卡波季斯特里安大学）	希腊
University of Ioannina	希腊
Institute of Oncology Ljubljana	斯洛文尼亚

参与中心数存照：论文称"五中心四国"，官网列"六个机构名（含斯洛文尼亚 IOL）“。本条目不裁决，以双口径并列为准——一种合理理解是"五家采集中心 + 一家合作/顾问机构”，但论文未逐站点披露患者分布，故无法从公开信息唯一裁定。检索者引用时应说明口径来源。

7.6 影响与使用场景

EchoRisk 的现实价值集中在四个方向：

1. 心脏肿瘤学早期监测：为化疗/靶向治疗相关心脏毒性的监测提供带纵向标签的开源资源，尤其是 GLS 为主的早期功能障碍定义。
2. 治疗前风险分层：作为"基线影像能否预测毒性"这一问题的标准化测试床——即使当前答案是"不能"，它也为未来引入新信号源后的再评测提供了可复现的基线。
3. 多中心纵向视频分析基准：为视频模型在真实世界异质数据（多厂商、多站点、多时间点）上的鲁棒性评测提供标准。
4. 跨模态监督研究：Task 3 的"影像输入 + 生物标志物标签"结构，是研究跨模态弱监督/自监督的天然样本。

§8 方法学启示：一个数据集如何诚实地划出能力边界

EchoRisk 最有方法论价值的，不是它提供了多少数据，而是它用一组成体系的设计，把一个"可解 vs 不可解"的判断做成了可复现的证据。以下五条启示值得任何做医学影像基准的人借鉴。

8.1 启示一：任务的"时间指向"决定可解性

EchoRisk 三任务的难度梯度不是随意的，而是沿一条清晰的主轴排列：

Task 1（此刻功能值）  →  Task 2（此刻状态）  →  Task 3（未来事件）
        可解 ────────────────────────────→ 不可解

规律：输入信号与预测目标之间的时间距离越大，影像信号越稀薄。

• 距离为零（Task 1/2）：目标是当前画面中直接可见的量（心腔收缩、应变），模型只需学会"看"。
• 距离为正（Task 3）：目标是画面尚不存在的未来事件，模型必须从"现在"推断"将来"——这要求信号在基线影像中有因果性的、可检测的投影。EchoRisk 的证据表明，对治疗诱发心脏毒性而言，这一投影当前未被检测到。

给基准设计者的教训：设计任务梯度时，把"时间指向"作为显式的难度轴，并诚实报告每一档的可解性（含否定性结论）。

8.2 启示二：用"临床地板"锚定分数的语义

Task 3 列出了 0.525 的临床地板（年龄 + 基线 LVEF 逻辑回归），并明确将其排除在排名之外。这个设计的精妙之处在于：

• 它给"0.541"提供了语义坐标：不是在真空中说"我们到了 0.541"，而是说"我们 0.541、简单模型 0.525、二者不可区分"。
• 它把"深度学习是否真的有用"从点估计攀比变成了与临床实践的对照。

给评测设计者的教训：任何性能数字都需要一个语义锚点（临床地板、随机基线、既有方法），否则榜单会沦为脱离临床意义的数字竞赛。

8.3 启示三：小样本高维预测要报告"验证-测试落差"

Task 3 的验证集（0.646）与测试集（0.529）之间约 0.1–0.2 的落差，是小样本（N=157 训练）高维预测的教科书式病征。

• 若只看验证集，会误判"任务基本可解"；测试集的塌陷才暴露真相。
• EchoRisk 同时报告了验证与测试，并在测试上给出宽大的 95% CI（0.390–0.692）——不隐藏不确定性，这本身就是诚实性的体现。

给复现者的教训：在小样本医学任务上，验证集分数必须打折看；判断可解性要看测试集 + 置信区间，而非验证集的漂亮数字。

8.4 启示四：跨模态标签 + 影像输入 = 必须显式声明模态鸿沟

Task 3 的标签来自血液生物标志物，输入是影像。这一结构常被忽视，却直接决定了任务的语义：模型在预测一个"影像里可能根本不存在"的量。

给数据发布者的教训：当标签与输入跨模态时，必须在文档中显式声明这一鸿沟，并对"输入模态是否包含足够的目标信号"做前提性讨论——否则使用者会误把"任务不可解"当成"方法不行"。

8.5 启示五：异构标签要逐层披露，不做"统一美化"

EchoRisk 的标签异质（85% GLS + 15% LVEF 回退；多站点无中心化重标注）是真实世界数据的固有属性。它的处理方式是如实披露（写进 rai:dataLimitations 与论文正文），而非"用某个规则统一成看似干净的单一标签"。

给数据发布者的教训：异质性是信息，不是缺陷——披露它，让使用者自己判断其对特定任务的影响，比掩盖它更负责任。

8.6 与人文医学的连接点

EchoRisk 的临床问题——乳腺癌患者的心脏毒性——本身处在肿瘤学与心血管病学的交叉地带（cardio-oncology），这是一个典型的"多病共存"临床场景：

• 患者同时承受肿瘤治疗与心血管风险，决策需要在"继续有效治疗"与"保护心脏"之间权衡。
• 这正是 EchoRisk 引入"临床地板"（含年龄等患者因素）的深层理由：心脏毒性风险从来不是纯影像问题，而是影像 + 临床 + 生物标志物的综合判断。
• 数据集对 Task 3 的诚实结论（仅凭影像难卜毒性）在人文医学层面提示：AI 的介入边界应与临床综合判断的责任边界对齐。

§9 与库内条目的关系与互链矩阵

EchoRisk 在千方病案医数集内处于**“心脏超声 + 心脏肿瘤学”**的交汇点。以下给出可互链的库内条目及其关系理由（rid 为库内记录号，供主会话挂链参考）。

9.1 互链矩阵

库内条目	rid	关系轴	关系理由
echonet-dynamic	526	直接对标	单中心 >1 万患者 A4C 超声 LVEF 估计的里程碑；EchoRisk 的 Task 1 与之同任务同指标（MAE），是其多中心纵向升级
camus	533	同域方法	2D 超声心动图分割数据集（A4C/A2C 双视图）——与 EchoRisk 的双视图设置同构，可作分割方法论邻居
echonet-lvh	530	同族扩展	EchoNet 系的 LVH（左心室肥厚）扩展——同属 A4C 超声 + 分类任务，标签构造可对照
echonet-pediatric	771	同族扩展	EchoNet 系儿科版本——同族数据在不同人群上的延伸，与 EchoRisk 的"老年多病共存"人群形成人群谱对照
cardiac-atlas-project	521	同域图谱	心脏解剖图谱资源——为心脏影像提供解剖坐标参照，是超声功能/应变任务的上游结构知识
cxr-cardiomegaly	606	心脏扩大检测	胸片心脏扩大——跨模态的心脏结构异常检测邻居，与超声功能评估互补
breastpathq	268	乳腺肿瘤域	乳腺癌病理图像质量评分——与 EchoRisk 共享乳腺癌人群域标签，是"肿瘤 + 乳腺"轴的邻居
duke-breast-mri	440	乳腺影像域	乳腺 MRI——同属乳腺癌影像的多模态邻居，可与超声形成"肿瘤影像队列"互链
tn-mammo-breast-density	628	乳腺筛查域	乳腺密度评估——乳腺癌筛查影像邻居
oncokb	839	肿瘤知识库	肿瘤基因组知识库——为心脏肿瘤学问题提供肿瘤学知识侧的连接

9.2 互链动线设计（面向读者）

• 想理解 Task 1 的位置：EchoRisk ↔ echonet-dynamic（526） ——"从单中心到多中心、从单时间点到纵向"的对照读法。
• 想做分割/结构方法：EchoRisk ↔ camus（533） ——双视图超声的分割 vs 回归/分类任务对照。
• 想看 EchoNet 家族全景：EchoRisk ↔ echonet-lvh（530）/ echonet-pediatric（771） ——同族在不同任务与人群上的展开。
• 想跨模态对照心脏结构：EchoRisk ↔ cxr-cardiomegaly（606） ——超声功能 vs 胸片结构的模态互补读法。
• 想沿乳腺癌人群扩展：EchoRisk ↔ breastpathq（268）/ duke-breast-mri（440）/ tn-mammo-breast-density（628） ——共享乳腺癌域的多模态邻居群。

9.3 一句话定位

在库内，EchoRisk 是唯一一条把"心脏超声"与"心脏肿瘤学纵向风险预测"绑定的条目——它向上承接 EchoNet-Dynamic 的超声功能估计传统，向旁连接 CAMUS 的双视图方法，向人群轴延伸到乳腺癌影像群，独自站在"影像能否预测治疗诱发心脏毒性"这一开放问题的正中央。

§10 避坑清单（使用者必读）

以下是使用 EchoRisk 时最容易踩的坑，逐条给出症状与处置。

坑 1：把 Task 3 的 0.541 当作"最强成绩"炫耀

• 症状：引用时写"EchoRisk 最难的 Task 3 达到了 0.541 的 AUC"，暗示模型接近可用。
• 真相：0.541 的 95% CI（0.390–0.692）跨过 0.5，且与临床地板 0.525 统计不可区分。它的正确语义是"最强视频基线也只到随机附近"。
• 处置：引用时必须连同 CI 与临床地板一起给出，读法为"否定性结论"。

坑 2：误把"论文 CC BY-SA"当成"数据可商用"

• 症状：看到 arXiv 论文是 CC BY-SA 4.0，就认为数据集也能商用。
• 真相：数据集本体是 CC BY-NC-SA 4.0（NC = 非商业），比论文许可更严格。四类资产许可不同（数据 NC、代码 MIT、文档 BY、论文 BY-SA）。
• 处置：见 §6.2 许可全景表，逐资产核对。

坑 3：混淆 Task 1 的 7-seed 与协议的 8-seed

• 症状：看到"训练 8 个 seed"却说"报告了 8-seed ensemble"。
• 真相：协议启动 8 个 seed，Task 1 的主结果由 7 个 seed 的 ensemble 报告（1 个 seed 因性能退化被剔除）。
• 处置：引用 Task 1 结果时注明"7-seed ensemble（1 seed 退化剔除）"。

坑 4：把两个队列规模当成矛盾

• 症状：看到"422 患者"又说"280 患者"，认为是数据打架。
• 真相：主队列 422 患者（支持需要纵向多时间点的 Tasks 1/2）；Task 3 子队列 280 患者（仅用基线 T1 + 随访结局）。二者是主队列 vs 基线子集的包含关系。
• 处置：见 §2.1，按"主队列 / 基线子集"表述。

坑 5：参与中心数采单一口径

• 症状：直接写"五个中心"或"六个中心"而不说明来源。
• 真相：论文称五中心四国，官网列六个机构名（含斯洛文尼亚 IOL）。论文未逐站点披露患者分布，无法唯一裁定。
• 处置：双口径并列，说明来源（论文口径 vs 官网口径）。

坑 6：把 Task 2 的 85/15 回退当同质标签

• 症状：把 Task 2 的功能障碍标签当成单一来源处理。
• 真相：~85% 用 GLS、~15% 用 LVEF 回退，两个子集判据非同一物理量，标签噪声可能不同。
• 处置：复现/对标时注意子集异质，见 §4.2。

坑 7：忽视测试集隐藏 + Docker 提交机制

• 症状：想"下载测试集"或"本地评分"。
• 真相：测试集隐藏，只能通过 Docker 容器提交由官方评估；本地只有 Train/Val。
• 处置：见 §3.4 与 §6.1，按 Docker 流程参赛。

坑 8：把验证集分数当成泛化性能

• 症状：看到 Task 3 验证 0.646 就认为任务可解。
• 真相：Task 3 验证 0.646、测试 0.529，落差达 0.1+，是小样本高维预测的典型病征。
• 处置：小样本任务一律以测试集 + CI 为准，验证分打折扣。

DAIMS 表（数据集引用最低要素）

要素	EchoRisk 取值
Dataset name	EchoRisk: A Multicentre Echocardiography Dataset and Benchmark for Cardio-Oncology
Authors	Kalliatakis, Karanasiou, Manikis, Tsiknakis, Fotiadis, Tsekoura, Keramida, Bouratzis, Lakkas, Naka, Papakonstantinou, Constantinidou, Marias（13 人）
Identifier	arXiv:2607.01039（DOI 10.48550/arXiv.2607.01039）；代码/文档 Zenodo DOI 10.5281/zenodo.19727928
Measurement/scope	422 患者 / 1,123 检查 / 2,159 视频（Tasks 1/2）；280 患者 / 560 视频（Task 3）；三任务（LVEF 回归、LV 功能障碍分类、心脏毒性预测）
Source/License	EU Horizon 2020 CARDIOCARE（Grant 945175）；数据 CC BY-NC-SA 4.0（Synapse 注册 + DUA）；代码 MIT；文档 CC-BY 4.0；论文 CC BY-SA 4.0

§10 读法三则：

1. 坑 1、坑 8 是读结果时最容易犯的错；坑 2、坑 7 是用数据时最容易犯的错。
2. 双口径（坑 4、坑 5） 全部双存照、不裁决——这是本库条目的一致纪律。
3. DAIMS 表可直接用于论文引用与数据声明，覆盖数据引用最低要素。

§11 总结

11.1 三句话总结

1. EchoRisk 是首个带显式治疗诱发心脏毒性标签的多中心纵向超声心动图数据集（422 患者 / 1,123 检查 / 2,159 视频，另加 280 患者 Task 3 基线下子队列 / 560 视频），派生自 EU Horizon 2020 的 CARDIOCARE 前瞻性研究，作为 MICCAI 2026 卫星挑战赛（EchoRisk-MICCAI 2026）的主要技术参考。
2. 它的三任务基准划出清晰的能力边界：心功能估计（Task 1 MAE 4.98 pp，落在临床可接受 ±5 pp 内）与功能障碍分类（Task 2 AUC 0.849）稳健可行；而仅凭基线影像预测未来毒性（Task 3 最强视频基线 AUC 0.541）仍是开放难题，与临床地板（0.525）置信区间重叠、统计不可区分。
3. 它以「无质量剔除 + 多厂商异质 + 诚实否定性结论」提供了一个稀缺的真实世界超声 AI 基准，代价是访问门槛（Synapse 注册 + CC BY-NC-SA 4.0 + 发布后 3 个月 embargo）。

11.2 适合谁

• 超声心动图 AI 团队：找纵向、多中心、真实世界异质的视频基准与明确的三任务定义。
• 心脏肿瘤学临床研究者：需要 AI 在心脏毒性早期预警中能力边界的量化证据（含诚实的近随机对照）。
• 纵向医学视频分析研究者：Task 3 的变长序列推理、跨就诊时间动态建模是现成的难题靶子。
• 多中心医疗数据集构建者：其「无质量剔除 + GDPR 合规 + DUA 门控 + reviewer 门控 + 隐藏测试集 Docker 提交」是受限数据发布的参考模板。

11.3 一句话定位

EchoRisk 用 2,159 段真实临床超声视频和一个诚实的 0.541，把「心脏超声能测功能、却难卜毒性」这一现状钉在了基准上——它是心脏肿瘤学 AI 的坐标原点，也是一张明确写着「此处未解」的开放问题邀请函。

附录 A：数据明细速查（供前端渲染，不写进 frontmatter）

A.1 主队列（Tasks 1/2）：422 患者 / 1,123 检查 / 2,159 视频

• 视图：A4C 1,108 clips、A2C 1,051 clips；1,036 检查（92%）双视图齐全，72 仅 A4C、15 仅 A2C
• 时间点：T1（基线）、T2（3 月）、T3（6 月）、T4（9 月）、T5（12 月）
• 帧数：中位 60（IQR 44–156），范围 14–711；18.4% >200 帧，5.4% <30 帧
• 标签：LVEF（双平面 Simpson 法）、GLS；约 85% GLS 派生功能障碍标签、15% LVEF fallback
• 划分：Train 237/630、Val 59/156、Test 126/337（患者/检查）

A.2 Task 3 子队列：280 患者 / 560 视频 / 280 检查（仅 T1）

• 双视图覆盖 100%
• 标签：专家裁定的治疗诱发心脏毒性二分类（整合 troponin、NT-proBNP）
• 阳性率 65.4%（富集高风险入组）
• 划分：Train 157/157、Val 39/39、Test 84/84

A.3 设备与合规：多厂商 GE/Philips/Siemens/Canon；原始 DICOM 无预处理；完全去标识、GDPR 合规、各站点 IRB 批准。

A.4 参考实现：R(2+1)D ResNet-18（Kinetics-400 预训练）+ 单层 LSTM(512)；输入 (1,32,112,112) 灰度；AdamW（backbone 1e-4 / LSTM+head 1e-3）；Task 1 MAE / Task 2 加权 BCE(w=4.575) / Task 3 Focal(α=0.325,γ=2.0)；8 seed（42–49）集成。

A.5 关键时间线：注册开启 2026-04-10；Train/Val 发布 2026-04-17；方法论文截止 2026-07-07；测试集提交开启 2026-07-15；Docker 最终提交截止 2026-08-20；结果公布 2026-09-27（MICCAI Workshop Day）。

附录 B：DAIMS 数据引用要素表

要素	EchoRisk 取值
Dataset name	EchoRisk: A Multicentre Echocardiography Dataset and Benchmark for Cardio-Oncology
Authors	Kalliatakis, Karanasiou, Manikis, Tsiknakis, Fotiadis, Tsekoura, Keramida, Bouratzis, Lakkas, Naka, Papakonstantinou, Constantinidou, Marias（13 人）
Identifier	arXiv:2607.01039（DOI 10.48550/arXiv.2607.01039）；代码/文档归档 Zenodo DOI 10.5281/zenodo.19727928
Measurement/scope	422 患者 / 1,123 检查 / 2,159 视频（Tasks 1/2）；280 患者 / 560 视频（Task 3）；三任务（LVEF 回归、LV 功能障碍分类、心脏毒性预测）
Source/License	EU Horizon 2020 CARDIOCARE（Grant 945175）；数据 CC BY-NC-SA 4.0（Synapse 注册 + DUA）；代码 MIT；文档 CC-BY 4.0；论文 CC BY-SA 4.0

附录 C：逐项证据链自证（硬数字 → 来源）

关键数字	来源	位置
422 患者 / 1,123 检查 / 2,159 视频	论文摘要 + Table 1/2 + 官网首页	arXiv HTML 2607.01039v1
280 患者 / 560 视频（Task 3）	论文 §2.5 + Table 2	arXiv HTML
A4C 1,108 / A2C 1,051 clips	论文 Table 1	arXiv HTML
帧数中位 60 / 范围 14–711 / 711 样本 ECHORISK_0407_T2_A4C	论文 Table 1 及正文	arXiv HTML
双视图 92%（Tasks 1/2）/ 100%（Task 3）	论文 Table 2	arXiv HTML
阳性率 16.8% / 65.4%	论文 Table 2	arXiv HTML
划分 237/59/126、157/39/84	论文 Table 2	arXiv HTML
Task 1 MAE 4.98（7-seed）/ Task 2 AUC 0.849	论文 Table 3	arXiv HTML
Task 3 AUC 0.541 vs 临床地板 0.525	论文 Table 4/5	arXiv HTML
损失参数 w=4.575、α=0.325、γ=2.0	论文 §4.2 Losses	arXiv HTML
8 seed（42–49）	论文 §4.2 Reproducibility	arXiv HTML
数据集 CC BY-NC-SA 4.0 + DUA 全文	官网 Dataset 页 Legal & Privacy	echorisk-miccai.github.io/dataset
论文 CC BY-SA 4.0	arXiv abs 页 has_license	arxiv.org/abs/2607.01039
代码 MIT + 文档 CC-BY 4.0 + Zenodo DOI	GitHub 仓库主页 Licence 节	github.com/EchoRisk-MICCAI/echorisk-benchmark
时间线（注册/发布/提交/结果）	官网 Timeline 页	echorisk-miccai.github.io/timeline
五站点四国 vs 官网六中心	论文 §2.1 + 官网 Dataset 页	双口径存照
上游 CARDIOCARE Grant 945175	论文 ref [2] + 官网致谢	CORDIS id 945175

附录 D：数据获取决策树

你的需求是什么？
├── 想参赛并上隐藏测试集榜单
│   ├── 官网注册（Synapse）→ 签 DUA → 加入 approved team
│   ├── 下载 Train/Val（2026-04-17 起）
│   ├── 提交 4–8 页 LNCS 方法论文（OpenReview，2026-07-07 前）← 上榜必要条件
│   └── 提交 Docker 容器（Synapse，2026-08-20 前）
├── 只想复现论文基线
│   ├── 克隆 GitHub echorisk-benchmark（MIT）→ 读评分库
│   └── 需数据仍走 Synapse 注册 + DUA（数据不公开直链）
├── 只想引用「影像预测毒性」的负面参照
│   └── 引论文 Table 4/5（0.541 vs 0.525，CI 重叠），须保留 CI 与「统计不可区分」措辞
└── 想找库内对标条目
    └── 见 §9 互链矩阵（echonet-dynamic / camus / echonet-lvh 等）

附录 E：三任务速查卡

项	Task 1	Task 2	Task 3
任务名	LVEF Estimation	LV Dysfunction	Cardiotoxicity
输入	任一时间点 cine	任一时间点 cine	仅基线 T1 cine
输出	标量 LVEF(%)	[0,1] 概率	[0,1] 概率
标签定义	biplane Simpson	GLS ≥ −16% 或 LVEF < 50%	专家裁定（troponin/NT-proBNP）
主指标	MAE (pp) ↓	AUC-ROC ↑	AUC-ROC ↑
阳性率	—	16.8%	65.4%
基准测试	4.98 pp	0.849	0.541（≈临床地板）
提交粒度	每检查	每检查	每患者

附录 F：术语中英对照表

中文	英文缩写	释义
超声心动图	echocardiography	心脏超声成像
心尖四腔切面	A4C	同时显示四心腔的主视图
心尖二腔切面	A2C	仅显示左心室的另一投影
左心室吐射分数	LVEF	心室每次搏动泵出血量占比（%）
整体纵向应变	GLS	心肌沿长轴形变百分比（多为负值）
治疗诱发心脏毒性	therapy-induced cardiotoxicity	抗肿瘤治疗导致的心脏损伤
心脏肿瘤学	cardio-oncology	肿瘤学与心血管病学交叉学科
电影回放	cine loop	一个心动周期的连续帧序列
数据使用协议	DUA	访问受限数据的法律协议

附录 G：常见问题（FAQ）

Q：EchoRisk 和 EchoNet-Dynamic 是一回事吗？
不是。EchoNet-Dynamic 是单中心（斯坦福）>1 万患者的 A4C 超声吐射分数估计数据集（Nature 2020）；EchoRisk 是多中心（5 站点 / 4 国）、422 患者、纵向（T1–T5）、带心脏毒性标签的 CARDIOCARE 数据集。EchoRisk 沿用了 EchoNet-Dynamic 的预处理协议与 MAE 参考区间，但数据、机构、任务、许可完全不同。

Q：为什么说 Task 3 是「开放难题」而不是「做不出来」？
因为论文自己把证据摆得很清楚：最强视频基线（0.541）与临床地板（0.525）统计不可区分，单视图模型测试集坍缩（0.408），且更早数据冻结的先导实验一致落在 0.49–0.54。这些共同说明在当前训练规模下影像信号不足以支撑个体级毒性预测——是问题难度，也是给社区的一封邀请函。

Q：数据集能商用吗？
不能。数据集本体是 CC BY-NC-SA 4.0（非商业）。官方代码是 MIT（可商用），论文是 CC BY-SA（可商用分享支配），文档是 CC-BY 4.0。务必逐资产核对。

Q：怎么拿到数据？
Synapse 注册 + 签署 DUA + 加入 approved team。无公开直链。测试集隐藏，经 Docker 容器提交由官方评估。

Q：Task 2 的「功能障碍」到底怎么定义？
GLS ≥ −16%（主判据，约 85% 检查）或 LVEF < 50%（fallback 判据，约 15% 检查），符合 ESC 2022 心脏肿瘤学指南。

Q：为什么标签里会有血液标志物？
Task 3 的心脏毒性结局由专家整合纵向超声与心脏毒性相关血液生物标志物（肌钙蛋白、NT-proBNP）裁定——所以 Task 3 是「影像输入 + 跨模态标签」结构，这一模态鸿沟是理解其难度的关键。

附录 H：本条目存照总表（双口径冲突 + 遗留疑点）

项	口径 A	口径 B	本条目处理
站点数	论文：五站点四国	官网：六中心（含 IOL 斯洛文尼亚）	双口径并列，不裁决
划分比例	论文精确计数（237/59/126…）	官网近似（56/14/30%）	以论文精确数为准，注官网近似
许可	数据集 CC BY-NC-SA 4.0	论文 CC BY-SA 4.0；代码 MIT；文档 CC-BY 4.0	逐资产列明，禁用一揽子说法
队列规模	主队列 422 / 2,159 / 1,123	Task 3 子集 280 / 560	说明为包含关系，非矛盾
Task 1 seed	协议 8 seed	报告 7-seed ensemble（1 剔退）	注明口径
遗留疑点 1	—	—	Synapse 实际访问门槛未能登录核验（需账号），按官网 DUA 文本如实记录
遗留疑点 2	—	—	官方挑战总结论文尚未上线，引用暂用 Zenodo DOI 10.5281/zenodo.19727928
遗留疑点 3	—	—	逐站点患者/视频分布论文与官网均未披露
遗留疑点 4	—	—	Task 3 精确阳性数（65.4%×280≈183）系推算，论文未给绝对值

FAQ（高频问答 30 问）

A. 基础认知

Q1. EchoRisk 到底是什么？
一句话：多中心、纵向、双视图的超声心动图数据集 + 机器学习基准 + MICCAI 2026 卫星挑战赛。原始数据来自 EU Horizon 2020 的 CARDIOCARE 前瞻性临床研究，目标是心脏肿瘤学中的治疗诱发心脏毒性问题。

Q2. 它和前作 EchoNet-Dynamic 是什么关系？
不是同一数据集，而是同一任务族（A4C 超声 LVEF 估计）上的不同代际：EchoNet-Dynamic 是单中心 >1 万患者的里程碑；EchoRisk 是多中心、纵向、并加入心脏毒性预测任务的升级。Task 1 的 MAE 4.98 pp 与之（4–6 pp 量级）可比。

Q3. "422 患者"和"280 患者"哪个对？
都对，是两个包含关系的队列。主队列 422 患者支持需要纵向多时间点的 Tasks 1/2；Task 3 子队列 280 患者仅用基线 T1 检查。

Q4. EchoRisk 属于哪个领域？
心脏肿瘤学（cardio-oncology）——肿瘤学与心血管病学的交叉，聚焦抗癌治疗（蒽环类、曲妥珠单抗）导致的心脏毒性。

Q5. 谁做的？
FORTH 领衔（通讯 Grigorios Kalliatakis），联合 University of Ioannina、NKUA、Karolinska、Bank of Cyprus 等多机构，共 13 位作者，含肿瘤与心脏超声临床专家。

B. 数据与获取

Q6. 怎么下载数据？
请求制：经 Synapse 注册 + 签署 DUA + 加入 approved team。无公开直链。

Q7. 数据许可是什么？
数据集 CC BY-NC-SA 4.0（署名 + 非商业 + 相同方式共享）。

Q8. 代码许可是什么？
MIT（GitHub EchoRisk-MICCAI/echorisk-benchmark），可自由使用（含商用）。

Q9. 论文许可是什么？
CC BY-SA 4.0（arXiv）。注意与数据许可不同——论文无 NC，数据有 NC。

Q10. 有持久标识符吗？
论文 DOI 10.48550/arXiv.2607.01039；代码/文档 Zenodo DOI 10.5281/zenodo.19727928。

Q11. 数据版本？
release v1.0（2026 年 4 月）。

Q12. 测试集能下载吗？
不能。测试集隐藏，参赛者通过 Docker 提交由官方评估。

Q13. 有 embargo 吗？
有。官方结果公布后 3 个月 embargo，期间禁止独立部署发表（STACOM/MICCAI 方法论文豁免）。

C. 统计与发现

Q14. Task 1 的成绩是多少？
MAE 4.98 pp（95% CI 4.54–5.46），7-seed ensemble（1 个 seed 因退化剔除）。

Q15. Task 2 的成绩是多少？
AUC 0.849（95% CI 0.793–0.890），8-seed。

Q16. Task 3 的成绩是多少？为什么重要？
最强视频基线 AUC 0.541（95% CI 0.390–0.692），双视图 + TTA-10。重要在于它与临床地板 0.525（0.388–0.654）统计不可区分——说明当前影像信号不足以预测未来毒性。

Q17. Task 3 到底有多难？
三条证据：单视图 0.408（低于随机）；输出范围 <0.02、正负均值差 <0.002（模型无区分能力）；最强基线 CI 跨 0.5 且与临床地板重叠。

Q18. 验证集表现如何？
Task 1 5.02 ± 0.16；Task 2 0.755 ± 0.025；Task 3 单视图 0.627 ± 0.049、双视图 0.646 ± 0.048、临床地板 0.605。

Q19. 验证与测试差多少？
Task 3 落差 0.1+（0.646 验证 → 0.529 测试），是小样本高维预测的典型病征；Task 1/2 基本一致。

Q20. 阳性率是多少？
Task 2（LV 功能障碍）16.8%；Task 3（心脏毒性）65.4%。

Q21. 帧数分布如何？
中位 60 帧（IQR 44–156，范围 14–711）；18.4% clip >200 帧；5.4% <30 帧；最长 711 帧（ECHORISK_0407_T2_A4C）。

Q22. 双视图覆盖如何？
A4C 1,108 clips + A2C 1,051 clips；Tasks 1/2 中 92% 检查双视图，Task 3 100% 双视图。

D. 任务与基准

Q23. 三个任务分别是什么？
Task 1：LVEF 回归（MAE）；Task 2：LV 功能障碍二分类（AUC-ROC）；Task 3：早期心脏毒性二分类（AUC-ROC）。

Q24. Task 2 的标签怎么定的？
主定义 GLS ≥ −16%（ESC 2022，约 85% 检查）；回退定义 LVEF < 50%（约 15% 检查）。

Q25. Task 3 的标签怎么定的？
专家依据肌钙蛋白 / NT-proBNP 生物标志物裁定（ESC 2022）——跨模态标签（影像输入 + 血液标志物标签）。

Q26. 基线架构是什么？
R(2+1)D ResNet-18（Kinetics-400 预训练）+ LSTM（hidden 512）；输入 T=32 帧、112×112；AdamW 优化。

Q27. 缺失预测怎么惩罚？
Task 1：每个缺失样例赋 100 pp 绝对误差；Tasks 2/3：赋 0 分。

Q28. 用什么统计检验？
95% CI（非参数百分位 bootstrap）；成对比较用双侧 Wilcoxon 符号秩检验 + Holm-Bonferroni 校正。

Q29. 校准指标是什么？
ECE（B=10 等宽箱），仅作补充诊断，不影响榜单排名。

E. 生产与库内

Q30. EchoRisk 在千方病案库内的位置？
处于"心脏超声 + 心脏肿瘤学"交汇点。可互链：echonet-dynamic（526）、camus（533）、echonet-lvh（530）、echonet-pediatric（771）、cardiac-atlas-project（521）、cxr-cardiomegaly（606）、breastpathq（268）、duke-breast-mri（440）、tn-mammo-breast-density（628）、oncokb（839）。

事实清单（硬事实 40 条）

1. 官方名称：EchoRisk: A Multicentre Echocardiography Dataset and Benchmark for Cardio-Oncology。
2. arXiv：2607.01039v1。
3. 提交时间：2026-07-01 15:05:10 UTC。
4. DOI：10.48550/arXiv.2607.01039。
5. 论文许可：CC BY-SA 4.0。
6. 作者数：13。
7. 通讯作者：Grigorios Kalliatakis（FORTH）。
8. arXiv 分类：cs.CV / cs.AI。
9. 上游资助：EU Horizon 2020 CARDIOCARE。
10. 资助编号：Grant Agreement No. 945175。
11. 主队列患者数：422。
12. 主队列检查数：1,123。
13. 主队列视频数：2,159。
14. 纵向时间点数：最多 5（T1–T5）。
15. Task 3 患者数：280。
16. Task 3 视频数：560。
17. Task 3 检查数：280。
18. Task 3 时间点：仅 T1。
19. A4C clips：1,108。
20. A2C clips：1,051。
21. Tasks 1/2 双视图覆盖：92%。
22. Task 3 双视图覆盖：100%。
23. 帧数中位：60。
24. 帧数 IQR：44–156。
25. 帧数范围：14–711。

26. 200 帧占比：18.4%。

27. <30 帧占比：5.4%。
28. 最长 clip：711 帧（ECHORISK_0407_T2_A4C）。
29. Task 2 阳性率：16.8%。
30. Task 3 阳性率：65.4%。
31. Task 1 测试 MAE：4.98（95% CI 4.54–5.46）。
32. Task 2 测试 AUC：0.849（95% CI 0.793–0.890）。
33. Task 3 测试 AUC：0.541（95% CI 0.390–0.692）。
34. Task 3 临床地板 AUC：0.525（0.388–0.654）。
35. Task 3 单视图测试 AUC：0.408。
36. 基线架构：R(2+1)D ResNet-18 + LSTM（hidden 512）。
37. 数据版本：release v1.0（2026-04）。
38. 数据许可：CC BY-NC-SA 4.0。
39. 代码许可：MIT；文档许可：CC-BY 4.0。
40. Zenodo DOI：10.5281/zenodo.19727928。

术语表（28 条）

术语	英文	释义
心脏肿瘤学	cardio-oncology	肿瘤学与心血管病学的交叉学科，研究抗癌治疗的心血管毒性
治疗诱发心脏毒性	therapy-induced cardiotoxicity	抗肿瘤治疗（蒽环类、HER2 靶向等）导致的心肌功能障碍
左心室吐射分数	LVEF, Left Ventricular Ejection Fraction	左心室每次收缩射出的血液占比，心功能核心指标
整体纵向应变	GLS, Global Longitudinal Strain	心肌纵向形变的相对量，比 LVEF 更早反映亚临床功能障碍
双平面 Simpson 法	biplane Simpson’s method	基于 A4C/A2C 双切面勾画计算 LVEF 的临床标准方法
心尖四腔切面	A4C, Apical Four-Chamber	心尖切面，可观察四个心腔
心尖二腔切面	A2C, Apical Two-Chamber	心尖切面，可观察左心室与左心房
纵向数据集	longitudinal dataset	同一患者多个时间点采集的数据集
多中心	multicentre	数据来自多个临床中心
电影回放	cine loop	超声心动图的动态视频序列
去标识	de-identification	移除患者可识别信息以保护隐私
数据使用协议	DUA, Data Use Agreement	数据获取前签署的使用约束协议
期望校准误差	ECE, Expected Calibration Error	衡量预测概率与实际频率偏差的校准指标
测试时增强	TTA, Test-Time Augmentation	推理时对输入做多次增强后聚合预测
焦点损失	Focal Loss	调制难样本权重的分类损失
加权二值交叉熵	weighted BCE	对类别不平衡加权的二分类损失
非参数百分位 bootstrap	non-parametric percentile bootstrap	通过重采样估计置信区间的统计方法
符号秩检验	Wilcoxon signed-rank test	成对比较的非参数检验
族错误率	FWER, Family-Wise Error Rate	多重比较下的整体假阳性率
临床地板	clinical floor	简单临床模型（如逻辑回归）的性能下界，用作语境锚点
隐藏测试集	hidden test set	不公开、仅通过提交评分的测试数据
卫星事件	satellite event	主会议前后的关联挑战赛/工作坊
肌钙蛋白	troponin	心肌损伤生物标志物
N 末端前脑钠肽	NT-proBNP	心功能不全生物标志物
蒽环类	anthracycline	一类有心脏毒性的化疗药
曲妥珠单抗	trastuzumab	HER2 靶向抗体药，有心脏毒性
消融实验	ablation study	逐项移除组件以评估其贡献的实验
患者级划分	patient-level split	按患者（非样本）划分数据集，防泄漏

附录 I：基线训练超参全表

超参	值
骨干	R(2+1)D ResNet-18（Kinetics-400）
时序	LSTM hidden 512
帧数	T=32
分辨率	112×112
归一化	per-clip z-score
优化器	AdamW
backbone lr	1e-4
LSTM/head lr	1e-3
Task 2 损失	weighted BCE, w_pos=4.575
Task 3 损失	Focal Loss, α=0.325, γ=2.0
seeds	8（42–49）
TTA	10

附录 J：站点与机构清单

机构	缩写	国家	角色
FORTH（希腊研究与技术基金会）	FORTH	希腊	技术牵头/通讯
University of Ioannina	UOI	希腊	技术/临床
Hellenic Mediterranean University	HMU	希腊	顾问
National and Kapodistrian University of Athens	NKUA	希腊	临床
Karolinska University Hospital	Karolinska	瑞典	临床
Bank of Cyprus Oncology Centre	BOCOC	塞浦路斯	临床
Istituto Europeo di Oncologia	IEO	意大利	临床
Institute of Oncology Ljubljana	IOL	斯洛文尼亚	官网列名
MBZUAI	MBZUAI	阿联酋	顾问

附录 K：Task 3 近随机证据链

证据	数值	解读
单视图 AUC	0.408	低于随机
输出范围	<0.02	模型无区分能力
正负均值差	<0.002	两类预测几乎相同
双视图 AUC	0.529	略优于随机
+TTA AUC	0.541	最强基线
临床地板 AUC	0.525	与最强基线不可区分

附录 L：许可条款细读

资产	许可	署名	商业	ShareAlike
数据集	CC BY-NC-SA 4.0	是	否	是
代码	MIT	是（保留声明）	是	否
文档	CC-BY 4.0	是	是	否
论文	CC BY-SA 4.0	是	是	是

附录 M：EchoNet 家族对照表

数据集	规模	任务	与 EchoRisk 关系
EchoNet-Dynamic	>10,000 患者	A4C LVEF 估计	Task 1 单中心前身
EchoNet-LVH	—	LVH 分类	同族分类扩展
EchoNet-Pediatric	—	儿科拓展	同族人群扩展
EchoRisk	422 患者/1,123 检查/2,159 视频	LVEF 回归 + 障碍分类 + 毒性预测	多中心纵向升级

附录 N：互链建议总表（供主会话挂链）

库内 slug	rid	互链轴	优先级
echonet-dynamic	526	同任务对标	高
camus	533	同域双视图	高
echonet-lvh	530	同族扩展	中
echonet-pediatric	771	同族扩展	中
cardiac-atlas-project	521	同域图谱	中
cxr-cardiomegaly	606	跨模态心脏	中
breastpathq	268	乳腺癌域	中
duke-breast-mri	440	乳腺癌域	低
tn-mammo-breast-density	628	乳腺癌域	低
oncokb	839	肿瘤知识库	低

附录 O：坑点档案（与 §10 对照）

坑	症状	处置
坑 1	0.541 当成绩炫耀	连 CI + 临床地板同报
坑 2	论文 BY-SA 当数据可商用	逐资产核对许可
坑 3	混淆 7-seed / 8-seed	注明 7-seed ensemble
坑 4	422 vs 280 当矛盾	主队列 vs 基线子集
坑 5	中心数采单口径	双口径并列
坑 6	85/15 回退当同质	注意子集异质
坑 7	想下载测试集	Docker 提交
坑 8	验证分当泛化	以测试 + CI 为准

附录 P：临床背景数据表

数据	值	来源
蒽环类心功能障碍发生率	20–30%	论文动机
曲妥珠单抗心脏毒性率	7–10%	论文动机
读者间 LVEF 变异	5–10 pp	论文动机
Task 1 临床可接受误差	±5 pp	论文
Task 1 改变管理阈值	>10 pp	论文
Task 3 临床目标	sens ≥0.80 @ FPR 0.10–0.20	论文

附录 Q：引文规范

数据集引用：Kalliatakis G, Karanasiou G, Manikis G, et al. EchoRisk: A Multicentre Echocardiography Dataset and Benchmark for Cardio-Oncology. arXiv:2607.01039, 2026. DOI: 10.48550/arXiv.2607.01039.

代码引用：EchoRisk-MICCAI. echorisk-benchmark. Zenodo. DOI: 10.5281/zenodo.19727928.

附录 R：FAIR / AI-Ready 检查单

原则	EchoRisk 满足情况
Findable 可发现	arXiv + 官网 + Zenodo DOI + GitHub
Accessible 可获取	Synapse 注册 + DUA（受控但清晰）
Interoperable 可互操作	DICOM 原始格式 + 标准任务定义 + 公开评分库
Reusable 可复用	分层许可 + 完整文档 + 可复现基线
AI-Ready	结构化标签 + 患者级划分 + 标准指标 + 基线结果

附录 S：缩写速查

缩写	全称	中文
LVEF	Left Ventricular Ejection Fraction	左心室吐射分数
GLS	Global Longitudinal Strain	整体纵向应变
A4C	Apical Four-Chamber	心尖四腔
A2C	Apical Two-Chamber	心尖二腔
DUA	Data Use Agreement	数据使用协议
MAE	Mean Absolute Error	平均绝对误差
AUC	Area Under the ROC Curve	ROC 曲线下面积
CI	Confidence Interval	置信区间
ECE	Expected Calibration Error	期望校准误差
TTA	Test-Time Augmentation	测试时增强
FPR	False Positive Rate	假阳性率
GDPR	General Data Protection Regulation	通用数据保护条例
ESC	European Society of Cardiology	欧洲心脏病学会
STACOM	Statistical Atlases and Computational Modeling of the Heart	心脏统计图谱与计算建模工作坊

附录 T：基于本数据集的研究检查清单（10 项）

1. 是否使用患者级划分？
2. 是否报告 95% CI？
3. 分类任务是否与临床地板对照？
4. 是否区分验证集与测试集表现？
5. Task 2 是否注意 85/15 标签异质？
6. Task 3 是否声明跨模态标签的性质？
7. 是否遵守数据 NC 许可（非商用）？
8. 是否引用正确的 DOI（论文 + Zenodo）？
9. 是否报告缺失预测的处置？
10. 是否披露站点/厂商异质性对结果的影响？

附录 U：本条目生产档案

• 写手代理：agent-d-echorisk
• 生成日期：2026-10-08
• 参照金标准：writing/panda-plus/panda-plus_Wikipedia.md
• 事实档案：writing/echorisk/FACTS.md（九节）
• 核验方式：三源互证（arXiv 全文 + 官网 + GitHub）
• 网络预算：WebSearch ≤3 / WebFetch ≤6 内完成

附录 V：一句话索引

EchoRisk：422 名乳腺癌患者的 2,159 段纵向超声，三档任务划出一条边界——功能此刻可测（MAE 4.98），毒性未来难卜（AUC 0.541）。

尾注

本条目为千方病案医数集 AI-Ready Wikipedia 系列之一，写手代理 agent-d-echorisk 依据写手纪律包（2026-09-26 v3）生产。

• 一手来源：arXiv:2607.01039（论文全文）；echorisk-miccai.github.io（挑战官网）；GitHub EchoRisk-MICCAI/echorisk-benchmark（代码与文档）。
• 核验方法：三源互证 + slug 查重（ai_ready_dataset 表 ILIKE ‘%echorisk%’ 返回 0 行）。
• 存照纪律：论文口径 vs 官网口径的全部实质分歧（参与中心数、划分表达、许可分层、seed 口径）逐一双存照，不裁决、不粉饰。
• 红色提示：Task 3 的"近随机"结论是本条目的核心论点之一，引用时必须连同 95% CI 与临床地板一并给出，不可断章取义为"模型已达 0.541 的可用水平"。

数据可核实、来源可追溯、口径可辨析——这是本条目对每一位读者与使用者的承诺。

---

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：

• rare25 — 共享标签：医学影像 / 图像分类 / 评测基准 / 挑战赛数据集 / 肿瘤学
• tmed2 — 共享标签：医学影像 / 图像分类 / 评测基准 / 心血管疾病
• rare26 — 共享标签：图像分类 / 评测基准 / 挑战赛数据集 / 肿瘤学
• cnmc-2019 — 共享标签：医学影像 / 图像分类 / 评测基准 / 挑战赛数据集 / 肿瘤学
• prostatex — 共享标签：医学影像 / 图像分类 / 挑战赛数据集 / 肿瘤学
• camelyon17 — 共享标签：医学影像 / 图像分类 / 评测基准 / 肿瘤学
• unitopatho — 共享标签：医学影像 / 图像分类 / 评测基准 / 肿瘤学
• intel-mobileodt — 共享标签：医学影像 / 图像分类 / 挑战赛数据集 / 肿瘤学
• mendeley-lbc — 共享标签：医学影像 / 图像分类 / 评测基准 / 肿瘤学
• all-idb — 共享标签：医学影像 / 图像分类 / 评测基准 / 肿瘤学

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。