信息速览
数据集名称EMIDEC 挑战赛数据集 — 延迟增强心脏 MRI 心肌梗死评估 — AI-Ready Wikipedia
数据类型NIfTI 图像 + NIfTI 标签 + 临床文本（每例 3 个文件）,150 例（50 正常 / 100 急性心梗）
规模150 例检查（训练 100 例 67P/33N + 分割测试 50 例 33P/17N；分类赛另有未公开独立测试集）
接入方式勃艮第大学 ImViA 实验室 & 第戎大学医院（University of Burgundy, ImViA Laboratory & University Hospital of Dijon, France） url: https://emidec.com/dataset
AI 就绪度
EMIDEC 挑战赛数据集 — 延迟增强心脏 MRI 心肌梗死评估 AI-Ready Wikipedia
INFOBOX
| 数据集名称 | EMIDEC Challenge Dataset |
| 英文全称 | automatic Evaluation of Myocardial Infarction from Delayed-Enhancement cardiac MRI |
| 别名/简称 | EMIDEC、EMIDEC challenge、EMIDEC dataset、Emidec database |
| 疾病分类 | 急性心肌梗死（acute myocardial infarction，ICD-11：BA41 缺血性心脏病谱）+ 正常对照 |
| SNOMED CT | 22298006 Myocardial infarction / 133500008 Myocardium structure（标注对象） |
| 数据模态 | 心脏延迟增强 MRI（DE-MRI，delayed-enhancement MRI，即 LGE 钆延迟强化；短轴位 T1 加权 PSIR 序列） |
| AI 任务类型 | 多类语义分割（正常心肌/梗死区/无复流区）、病例级正常-病理二分类、心梗范围定量（绝对体积 mm³ 与占心肌百分比） |
| 样本总数 | 150 例检查（50 例正常 + 100 例急性心梗，全部来自不同患者）；训练 100 例（67 病理/33 正常，带金标准）+ 分割测试 50 例（33 病理/17 正常） |
| 数据大小 | 每例 3 个文件：图像 NIfTI + 标签 NIfTI + 临床信息文本；训练包与测试包分开发布 |
| 数据格式 | NIfTI (.nii) 医学影像格式 + .txt 临床文本 |
| 许可证 | CC BY-NC-SA 4.0（官网数据页明示；仅限非商业科学研究） |
| 访问级别 | 开放注册下载（官网创建个人账户后免费获取；需承诺引用条款） |
| DUO 标签 | GRU, HMB |
| 语言 | 英文（站点文档与论文；影像与标签无数值语言属性） |
| 首发日期 | 2020 年 4 月中旬（训练集发布） |
| 最后更新 | 2020-10-04（STACOM 2020 公布成绩；数据本体此后冻结） |
| 发布机构 | 勃艮第大学 ImViA 实验室 & 第戎大学医院（University of Burgundy, ImViA & University Hospital of Dijon, France；联合 Femto-ST 实验室） |
| 官方主页 | http://www.emidec.com/ |
| 下载地址 | https://emidec.com/dataset（注册后下载） |
| DOI | 10.3390/data5040089（Data 2020 数据论文；数据集本体无独立数据 DOI） |
| 引用次数 | 结果论文（Medical Image Analysis 2022）86+ 次（Google Scholar，2026-09 检索） |
| AI 就绪度评分 | ⭐⭐⭐⭐（4/5）— 许可清晰、临床元数据丰富、格式标准；扣分项：测试集标签不公开、z 向层厚过厚（8 mm 层厚/10 mm 间隔）、病灶区分割难度大且基线分数低、数据冻结多年 |
| 页面状态 | published |
§0 E-E-A-T 信任声明与免责声明
医学审核者：千方病案医学编辑部交叉审核：§2 医学背景（DE-MRI 延迟强化原理、心肌梗死与无复流现象的临床定义、Killip 分级与 NT-proBNP 等临床特征解释）、§7 偏倚分析。
数据工程审核者：千方病案医学编辑部交叉审核：§4 DAIMS 数据字典（NIfTI 文件结构与标签值映射）、§5 数据划分策略、§6 预处理 Pipeline 和坑点。
审核日期：2026-09-27
审核方式：交叉审核
利益冲突声明：千方病案医数集与勃艮第大学 ImViA 实验室、第戎大学医院、Femto-ST 实验室及 MICCAI 学会无任何商业利益关联。本页面不销售 EMIDEC 数据集本身，仅提供 AI 就绪指南与学术信息服务。编辑者未接受上述机构的任何形式资助。
医疗免责声明：本页面提供的医学信息仅供研究和教育目的，不构成医疗建议、诊断或治疗方案。数据集的医学描述基于公开发表的文献，未经逐一临床验证。任何基于该数据集训练的 AI 模型在应用于临床决策前，必须经过独立的临床验证和监管审批。
技术免责声明：本页面的代码示例、预处理建议和基准性能数据基于公开资料整理，不保证在特定环境下的准确性和适用性。使用者应自行验证代码安全性和数据预处理流程的正确性。千方病案医数集不对因使用本页面信息而导致的任何直接或间接损失承担责任。
数据使用合规：使用本页面描述的数据集前，请务必阅读并遵守数据集原始许可协议。EMIDEC 官方数据页明示采用 CC BY-NC-SA 4.0（署名-非商业性使用-相同方式共享），并要求引用 Lalande et al., Data 2020 论文（使用数据时）与 Lalande et al., Medical Image Analysis 2022 论文（对比结果时）。DUO 标签仅供参考，具体使用限制以数据集官方协议为准。
§1 数据集概览
§1.0 30 秒速览
- 一句话：EMIDEC 是 MICCAI 2020 附属 STACOM 2020 workshop 的挑战赛数据集，提供 150 例成人急性胸痛患者的延迟增强心脏 MRI（DE-MRI）——50 例正常、100 例急性心肌梗死——每例附带心肌/梗死/无复流三区手工金标准（标签 0-4 的 NIfTI 掩膜）与 12 项急诊临床特征（性别、年龄、肌钙蛋白、Killip 分级、LVEF 等）文本文件。
- 两大任务：Task 1 分割赛（对全部检查分割心肌，对病理例进一步分割梗死区与永久性微血管阻塞区，即 no-reflow 区）；Task 2 分类赛（依据临床信息与 DE-MRI 判断正常/病理，含"仅临床"与"临床+影像"两个子挑战）。
- 核心数字：分割赛总冠军 Zhang 三项分割指标全部第一——心肌 Dice 0.8786、梗死区 Dice 0.7124、无复流区 Dice 0.7851；分类赛参赛者冠军 Ma 准确率 92%（官网榜单口径，临床+影像子挑战；论文口径差异见 §8.2）。
- 临床意义：心肌梗死后存活心肌（viability）评估是再血管化决策的关键；DE-MRI 上梗死区呈高强化、无复流区呈低信号，人工勾画耗时且观察者间变异大。EMIDEC 是首个同时提供影像金标准与配套急诊临床特征的大规模公开 DE-MRI 数据库。
- 获取方式：官网 emidec.com 免费注册下载，CC BY-NC-SA 4.0 许可，仅限非商业科研。注意：Zenodo 上只有挑战设计文档 PDF，数据本体不在 Zenodo（详见 §5 与坑点 8）。
- 适用人群：心脏影像分割算法研究者、多模态（影像+表格）分类研究者、心肌梗死自动定量（临床转化）研究者。
§1.1 数据集身份卡
| 维度 | 内容 |
|---|---|
| 官方全称 | automatic Evaluation of MIocardial Infarction from Delayed-Enhancement Cardiac MRI（缩写 EMIDEC） |
| 附属会议 | MICCAI 2020 附属 STACOM 2020 workshop（Statistical Atlases and Computational Models of the Heart），成绩于 2020-10-04 公布 |
| 采集中心 | 法国第戎大学医院（University Hospital of Dijon）单中心，回溯性收集 |
| 采集设备 | Siemens Area（1.5T）与 Siemens Skyra（3T） |
| 序列 | T1 加权 PSIR（Phase Sensitive Inversion Recovery），ECG 门控、屏气，钆造影剂注射后约 10 分钟采集 |
| 影像范围 | 左心室短轴位，自心底至心尖；每例约 4-10 层 |
| 金标准 | 心肌轮廓 + 梗死区轮廓 + 无复流区轮廓（病理例），手工勾画，双人专家监督 |
| 临床附件 | 12 项急诊临床/生理特征文本文件（Table 1 全字段见 §4.3） |
| 组织方 | 勃艮第大学 ImViA 实验室 + 第戎大学医院 + 贝尔福 Femto-ST 实验室 |
| 联系人 | Alain Lalande（alain.lalande@u-bourgogne.fr，通讯作者） |
| 许可 | CC BY-NC-SA 4.0（署名-非商业-相同方式共享） |
| 论文 | 数据论文：Data 2020, 5(4), 89；结果论文：Medical Image Analysis 2022, 79, 102428（预印本 arXiv:2108.04016） |
§1.2 为什么值得收录
- DE-MRI 公开数据的稀缺性：在 EMIDEC 之前，公开 DE-MRI 数据集要么规模极小（Karim et al. 2012 挑战赛仅 15 例人体病例 + 15 例猪病例），要么不含正常对照、不含临床特征。EMIDEC 的 150 例、含 1/3 正常对照、附完整急诊临床数据的组合在 DE-MRI 领域至今仍是最大规模之一（数据论文原文对比口径）。
- 影像+临床双模态的先例价值：绝大多数医学分割数据集只发影像与掩膜；EMIDEC 额外提供 12 项临床特征，使"临床信息+影像"的多模态分类、临床先验注入分割等研究方向有了官方数据支撑。
- 标签体系的临床完备性：五类标签（背景/心腔/正常心肌/梗死/无复流）覆盖了 DE-MRI 临床读片的核心分区，尤其罕见地包含无复流区（no-reflow/MVO）——这是预后再血管化决策的高价值病灶，多数公开数据集不标注。
- 官方榜单与结果论文齐全：官网 Leaderboard 保留全部队伍成绩，组织者在 Medical Image Analysis 2022 发表完整结果分析论文（含方法学复盘），基准可溯源性好。
- 家族互链价值：与同站 ACDC（cine-MRI 分割，rid 511）、M&Ms（rid 516）、M&Ms-2（rid 682）、CMRxMotion（rid 687）、Cardiac Atlas Project（rid 521）构成心脏 MRI 挑战赛数据集家族；EMIDEC 是其中唯一的延迟增强/心肌梗死成员，与 cine-MRI 家族形成功能互补（详见 §8.4）。
§1.3 快速事实清单
数据集 EMIDEC（MICCAI 2020 STACOM 挑战赛）
规模 150 例 = 50 正常 + 100 急性心梗（全部不同患者）
公开划分 训练 100 例（67P/33N，带标签）+ 分割测试 50 例（33P/17N，无公开标签）
影像 左心室短轴 DE-MRI；T1 加权 PSIR；1.5T/3T Siemens
几何 pixel spacing 1.25×1.25 至 2×2 mm²；层厚 8 mm；层间隔 10 mm
标签 0=背景 1=心腔 2=正常心肌 3=心肌梗死 4=无复流区；全心肌=2∪3∪4
临床特征 性别/年龄/吸烟/BMI/高血压/糖尿病/冠心病史/ECG/肌钙蛋白/Killip/LVEF/NT-proBNP
任务 分割（心肌+梗死+无复流）；分类（正常 vs 病理，两个子挑战）
指标 分割：Dice、体积差、Hausdorff、体积差百分比、病例级/切片级准确率
分类：准确率（accuracy）
冠军 分割：Zhang（两阶段级联 2D→3D U-Net，心肌 Dice 0.8786）
分类：Ma（accuracy 92%，官网口径；论文口径 Shi¹ 92%）
许可 CC BY-NC-SA 4.0（非商业 + 相同方式共享）
获取 emidec.com 注册下载（数据不在 Zenodo）
§1.4 术语表（Glossary）
| 术语 | 全称 | 中文释义 |
|---|---|---|
| DE-MRI | Delayed-Enhancement MRI | 延迟增强 MRI；钆造影剂注射约 10 分钟后采集的心脏 MRI，亦称 LGE（late gadolinium enhancement，钆延迟强化） |
| LGE | Late Gadolinium Enhancement | 钆延迟强化——DE-MRI 的同义术语，临床文献更常用 |
| PSIR | Phase Sensitive Inversion Recovery | 相敏反转恢复序列；EMIDEC 采用的 T1 加权重建方式，较传统幅度重建对强化程度的判读更稳健 |
| MI | Myocardial Infarction | 心肌梗死 |
| MVO / PMO | (Persistent/Permanent) Microvascular Obstruction | （持续/永久性）微血管阻塞；官网与结果论文用词不一，同义 |
| No-reflow | No-reflow phenomenon | 无复流现象；再血管化后心肌仍无血流灌注，对应 MVO |
| STEMI | ST-Elevation Myocardial Infarction | ST 段抬高型心肌梗死；ECG 分型，最严重的心梗类型 |
| Killip 分级 | Killip class | 急性心梗心衰体征的床旁分级（1-4 级） |
| LVEF | Left Ventricular Ejection Fraction | 左心室射血分数 |
| NT-proBNP | N-terminal pro-B-type natriuretic peptide | 氨基末端脑钠肽前体；心衰血清标志物 |
| Viability | Myocardial viability | 心肌存活性；再血管化后功能可恢复的心肌 |
| STACOM | Statistical Atlases and Computational Models of the Heart | MICCAI 附属的心脏统计图谱与计算模型 workshop |
| DICE | Dice Similarity Coefficient | 骰子相似系数；分割重叠度指标 |
| HD | Hausdorff Distance | Hausdorff 距离；分割轮廓的最大几何偏差 |
| NIfTI | Neuroimaging Informatics Technology Initiative | 神经影像信息学技术倡议格式；医学影像通用文件格式 |
§1.5 与同站心脏条目的差异化定位
| 条目 | 模态 | 核心问题 | EMIDEC 的差异点 |
|---|---|---|---|
| ACDC（rid 511） | cine-MRI | 心腔分割与疾病分型 | EMIDEC 看组织特征（存活/坏死）而非运动功能 |
| M&Ms（rid 516）/ M&Ms-2（rid 682） | cine-MRI | 多厂商多中心泛化 | EMIDEC 单中心单厂商，但多出病灶标签与临床特征 |
| CMRxMotion（rid 687） | cine-MRI | 运动伪影鲁棒性 | EMIDEC 屏气采集，无运动维度但有病灶维度 |
| Cardiac Atlas Project（rid 521） | cine-MRI 汇总库 | 大规模形状建模 | EMIDEC 小而精、带急诊临床全字段 |
| EMIDEC（本条） | DE-MRI | 心肌梗死评估与存活心肌 | — |
§1.6 本页内容架构导览
| 章节 | 内容 | 读者 |
|---|---|---|
| §0 | E-E-A-T 信任声明与免责声明 | 全部读者 |
| §1 | 概览、身份卡、收录理由、术语表、定位 | 首次了解 EMIDEC 的读者 |
| §2 | 医学背景：心梗/存活心肌/DE-MRI 原理/临床特征信号 | 临床背景读者、分类任务研究者 |
| §3 | 挑战赛设计：任务、时间线、指标公式、组织方、历史脉络 | 想理解赛制与指标的读者 |
| §4 | 数据结构：文件组织、标签体系、临床字典、采集参数、DAIMS 字典 | 数据工程读者 |
| §5 | 获取、许可、划分、下载核对清单 | 准备下载数据的读者 |
| §6 | AI 就绪指南：预处理、训练配置、8 大坑点（含正误代码）、本地评估骨架 | 建模工程师 |
| §7 | DAIMS 评分、已知偏倚、局限、口径排查表、版本史 | 审稿与质量评估读者 |
| §8 | 官方榜单、冠军方法、后续研究、站内互链、复现路径 | 基准对比读者 |
| §9 | 关键论文、官方链接、引用格式、中英术语对照 | 引用与溯源读者 |
| §10 | 适用/不适用、FAQ、AI 使用声明 | AI 代理与快速决策读者 |
阅读路径建议：
- 只想快速上手 → §1.0 → §5.4 核对清单 → §6.3 坑点 → §10.3 FAQ。
- 要写论文对比 → §3.3 指标 → §8.1/§8.2 榜单 → §7.4 口径排查表 → §9.3 引用格式。
- 要做临床转化评估 → §2 → §7.2 偏倚 → §10.2 不适用清单。
§2 医学背景
§2.1 心肌梗死与存活心肌评估
- 病理链条：急性心肌梗死（myocardial infarction，MI）由冠状动脉急性闭塞引起心肌细胞缺血性坏死。急诊再血管化（血管成形术/支架植入）是标准救治手段；然而部分患者再血管化后心肌仍不可逆损伤——造影剂无法进入的毛细血管床发生"无复流现象"（no-reflow phenomenon），组织学上对应持续性微血管阻塞（microvascular obstruction，官网写作 permanent MVO，结果论文写作 persistent MVO/PMO，同义异写）。
- 为什么需要 DE-MRI：判断心肌节段是否"存活"（viability，即再血管化后能否恢复功能）直接决定治疗策略。钆对比剂注射约 10 分钟后，梗死纤维化组织因细胞外间隙扩大与洗脱延迟而呈高信号（延迟强化，delayed enhancement），正常心肌呈低信号——这正是 DE-MRI（亦称 LGE，late gadolinium enhancement）的物理基础。数据论文强调：早期强化（注射后 1-2 分钟）与延迟强化（约 10 分钟）机制不同，EMIDEC 统一采用后者。
- 无复流区的影像特征：无复流区在 T1 加权 DE-MRI 上呈低信号（黑色），且总是被高信号的梗死区包围——“黑中之黑”。这一双重对比结构是自动识别的核心难点：病灶本身体积小、与周围结构对比度低，无复流区又嵌套在梗死区内（结果论文结论章节明确点名这两点为未解决难题）。
- 定量需求：临床需要梗死范围的绝对值（mm³）与相对值（占心肌百分比），这正是分割任务的直接临床输出。EMIDEC 的评估指标体系（§3.3）把这两个临床量直接纳入打分。
§2.2 DE-MRI 成像原理速览
| 环节 | 原理 | 对数据使用的含义 |
|---|---|---|
| 钆对比剂药代动力学 | 钆螯合物为细胞外对比剂，快速洗脱于正常心肌；梗死纤维化组织细胞外间隙扩大、毛细血管密度下降致洗脱延迟 | 延迟期高强化=细胞外间隙扩大；强化程度受剂量/延迟时间/肾功能影响 |
| 延迟时间 | EMIDEC 统一为注射后约 10 分钟（早期增强为 1-2 分钟，机制不同） | 数据集内时相一致，跨数据集合并时注意延迟时间差异 |
| PSIR 重建 | 相敏反转恢复利用相位信息恢复信号极性，较幅度重建（magnitude）更好区分强化与空腔信号 | 标签中的低信号无复流区在 PSIR 上判读更可靠 |
| 门控与屏气 | ECG 门控消除心动伪影，屏气消除呼吸伪影 | 剩余层间位移由官方按心外膜重心对齐校正 |
| 信号强度非定量性 | DE-MRI 信号强度受多种因素影响，不同患者间不可直接比较灰度绝对值 | 归一化应在每例内部进行（如 0-255 min-max），跨例强度统计无意义 |
§2.3 EMIDEC 临床读片要素与分类信号
EMIDEC 数据库的临床文本文件对应急诊接诊的真实信息流，理解这些字段对做分类任务至关重要：
| 临床特征 | 临床含义 | 与 EMIDEC 任务的关系 |
|---|---|---|
| 性别、年龄 | 人口学基线 | 正常组 38 女/12 男 vs 病理组 23 女/77 男，年龄 66±14 vs 59±12 岁——性别分布本身携带分类信号 |
| 吸烟史 | 冠心病危险因素（是/否/已戒烟） | 病理组现吸烟 44% vs 正常组 18% |
| 超重（overweight） | BMI>25 为阳性 | 代谢危险因素 |
| 动脉高血压 | 血压病史 | 危险因素 |
| 糖尿病 | 代谢病史 | 危险因素 |
| 冠心病史 | 既往急性心脏事件史 | 病理组 12% vs 正常组 4% |
| ECG（ST 段抬高） | 区分 STEMI 与非 STEMI 型心梗 | 病理组 80% STEMI vs 正常组 30%——最强单特征之一 |
| 肌钙蛋白（troponin T/I） | 心肌坏死血清标志物 | 病理组 101.04±101.35 ng/mL vs 正常组 7.68±12.91 ng/mL——数值差异悬殊 |
| Killip 分级（max） | 心衰体征床旁分级（1-4） | 血流动力学状态 |
| LVEF | 超声心动图测得的左室射血分数 | 病理组 47.74±13.17% vs 正常组 49.62±13.49%——差异不大 |
| NT-proBNP | 心衰血清标志物（pg/mL） | 正常组均值反而更高（2136 vs 1314），非单调判别 |
- 关键观察：仅凭临床特征做分类的子挑战 B 无外部队伍正式上榜（最好成绩为组织队 80%，见 §8.2），说明 12 项临床特征单独判别力有限且存在特征重叠；而影像加入后准确率跃升至 92%——这是 EMIDEC 结果论文给出的"影像不可替代"实证。
- 特征工程警示：NT-proBNP 与肌钙蛋白分布高度右偏且组间方差巨大；LVEF 组间差异小但与梗死范围存在非线性关系；性别与疾病强相关（77% vs 24% 男性）——模型极易学到人口学捷径，评估时务必做性别分层检查（§7.2）。
§2.4 与 cine-MRI 心脏数据集的本质区别
| 维度 | EMIDEC（DE-MRI） | ACDC / M&Ms 等（cine-MRI） |
|---|---|---|
| 序列时相 | 单时相静态（延迟期） | 电影序列（心动周期多时相） |
| 成像目的 | 心肌组织特征（存活/坏死） | 心脏运动功能（容积、射血分数） |
| 标注对象 | 心肌 + 梗死 + 无复流（组织学分区） | 心腔 + 心肌（解剖分区） |
| 每例层数 | 约 4-10 层（层厚 8 mm） | 约 8-14 层 × 多时相 |
| 典型任务 | 病灶分割与定量、影像-临床分类 | 腔室分割、EF 回归、疾病分型 |
| 疾病谱 | 急性心肌梗死 + 正常 | 五类（正常/心梗/扩张型/肥厚型/右室异常）等 |
- 互补而非替代：cine-MRI 家族解决"心脏泵功能怎么算"，EMIDEC 解决"心肌哪些部分还活着"。结果论文披露有参赛者用 ACDC 的 cine 数据做迁移学习预训练（仅限心肌勾画部分），是两族数据集唯一的官方互动案例。
- 分数不可比：DE-MRI 分割的独有难点（小病灶、低对比、嵌套结构、厚层各向异性）使其基线分数体系与 cine 数据集不可直接类比——cine 心肌 Dice 普遍 0.90+，而 EMIDEC 冠军心肌 Dice 为 0.8786、梗死区仅 0.7124。
- DE-MRI 数据生态：在公开数据领域，DE-MRI 的选择远少于 cine——这正是 EMIDEC 的生态位价值；结果论文引言明确以 Karim et al.（15 人体 + 15 猪例）、MS-CMRSeg 2019 与 MyoPS 2020（多序列但病例更少）为对比锚点。
§2.5 EMIDEC 在临床决策流中的位置
理解数据集的临床定位，有助于判断"自动方法做到什么程度才有意义"：
急性胸痛患者急诊接诊
│
├─ 病史/危险因素采集 ──────────→ 临床特征字段（性别/年龄/吸烟/高血压/糖尿病/冠心病史）
├─ ECG 检查 ──────────────────→ STEMI 分型（ST 段抬高与否）
├─ 血清标志物 ────────────────→ 肌钙蛋白、NT-proBNP
├─ 超声心动图 ────────────────→ LVEF（床旁）
├─ Killip 体征分级 ───────────→ Killip max
│
▼
急诊再血管化决策（是否/何时介入）
│
▼
冠脉造影 + 血管成形术
│
▼
术后一个月内 DE-MRI 检查 ←──────── EMIDEC 影像的采集时点
│
├─ 梗死范围定量（mm³ / %心肌）──→ EMIDEC 分割任务的直接输出
├─ 无复流区识别 ──────────────→ EMIDEC 标签 4 的临床价值
▼
预后评估与二次干预决策
- 双分支信息流：EMIDEC 的两大赛正对应这条流程的两条信息支线——分类赛模拟"急诊接诊阶段的正常/病理判别"（临床特征为主，影像辅助），分割赛模拟"术后 DE-MRI 读片阶段的病灶定量"（影像为主）。
- 自动化价值锚点：人工 DE-MRI 读片需要逐层勾画心肌与病灶，观察者间变异在无复流区这类低对比结构上尤其大；自动定量的价值不在"替代医生"而在"给出一致、可复现的定量基线"。
- 数据集边界：EMIDEC 不包含造影图像、冠脉解剖、长期随访结局——它覆盖的是上述流程中"DE-MRI 读片"这一个环节，上游（急诊决策）的信息以 12 个临床字段的形式静态附给。
§2.6 DE-MRI 读片质量因素与常见伪影
| 因素 | 对读片/标注的影响 | 对 AI 训练的影响 |
|---|---|---|
| 造影剂剂量与注射速率 | 影响强化幅度——EMIDEC 统一对比剂与序列参数，但患者间仍存在生理差异 | 跨例强度不可比 → 每例内归一化 |
| 肾功能 | 肾清除延迟改变洗脱曲线 | 慢肾患者强化形态异常，模型需靠数据增强覆盖 |
| 延迟时间漂移 | 理想约 10 分钟；临床实际有波动 | 强化程度系统性偏移；EMIDEC 协议统一但无逐例延迟记录 |
| 屏气质量 | 屏气不良产生层间错位 | 官方已按心外膜重心对齐，残余错位仍是标签噪声来源 |
| 心率/心律 | 房颤等心律不齐使 ECG 门控失效 | 门控伪影会增加基底层的分割噪声 |
| 3T vs 1.5T | 场强影响信噪比与强化对比 | 双场强混训是免费的域差异来源（可做域自适应实验） |
| 无复流区的低对比 | "黑中之黑"边界模糊 | 标签 4 的边界固有不确定性最大（§7.2 标签单源性） |
- 数据集的对应设计：EMIDEC 通过"统一对比剂种类与序列参数、统一延迟时间、统一 PSIR 重建"把上述因素中的可控项全部固定，剩下的是患者生理差异——这是它优于多协议混合数据集的地方，也意味着模型学到的"强化模式"绑定在该协议上，跨协议外推需重新验证。
- 给标注复现者的提示：若你在 EMIDEC 上做再标注或半监督实验，注意标签边界本身包含上述因素的复合效应——“更平滑的边界"不等于"更正确的边界”。
§2.7 短轴解剖速览与分段对应关系
- 短轴位解剖层次：左心室短轴自心底向心尖依次为基底段（二尖瓣水平）→ 中间段（乳头肌水平）→ 心尖段。EMIDEC 的 4-10 层大致覆盖基底至心尖全程，但未提供官方分段号——每层对应的 AHA 17 段模型（美国心脏协会标准心肌分段）需使用者自行推断。
- 标签的解剖含义：标签 1（心腔）= 左室血池；标签 2/3/4 构成的"心肌环"在短轴上呈圆形/新月形带状。注意 EMIDEC 不包含右心室与心房标注——与 ACDC 的三结构（LV/Myo/RV）相比，解剖覆盖更窄。
- 梗死的空间分布规律：典型急性心梗的梗死区沿冠脉供血域分布（左前降支→前壁/前间隔；右冠→下壁；左回旋支→侧壁）。数据论文与结果论文均未逐例披露冠脉病变血管，但病理组的空间分布模式与这一规律一致——研究层位/区域偏置时可据此分层。
- 无复流区的位置先验：无复流多见于透壁梗死核心区（前壁大面积梗死常见），在短轴层上位于梗死区内侧靠近心内膜一侧——这一解剖先验可转化为分割后处理的合理性约束（§6.3 坑点 6 的拓扑校验即基于此）。
- 对建模的含义：层位是 EMIDEC 的隐含协变量——中间层（乳头肌水平）病灶出现率最高、标注最复杂；基底/心尖层多为纯心肌。切片级评估按层位分层报告可暴露模型的系统性弱点（§6.4 的本地评估骨架已按病例聚合，可扩展层位维度）。
§3 挑战赛设计
§3.1 任务定义
Task 1 — 分割赛（Segmentation contest，会前线上进行）
- 对全部检查分割心肌（myocardium）；对病理例进一步分割心肌梗死（infarction）与无复流区（no-reflow/PMO）。
- 输入：左心室短轴 DE-MRI 切片序列（NIfTI）；输出：与输入同几何的多类标签体（标签 0-4）。
- 正常例不含梗死/无复流标签；病理例的金标准由人工勾画。
- 排名基于"几何+临床"双指标体系（§3.3），对三个目标组织分别打分再汇总。
Task 2 — 分类赛（Classification contest，MICCAI 会议期间线上线下同时进行）
- 子挑战 B（仅临床）：仅凭 12 项临床文本特征判断正常/病理。
- 子挑战 A（临床+影像）：临床特征 + DE-MRI 联合判断正常/病理。
- 排名基于分类准确率（accuracy）。
- 官方要求参赛者提交 MICCAI 格式方法论文，经组织方深度评审后收录（STACOM 2020 论文集，Springer LNCS 12592）。
§3.2 时间线与流程
| 时间（2020 年） | 事件 |
|---|---|
| 4 月中旬 | 开放注册；发布训练集（100 例，带金标准） |
| 9 月 1 日起约两周 | 发布分割赛测试集（50 例，无公开标签） |
| 9 月 15 日 | 注册截止；分割赛提交截止；方法论文投稿截止 |
| 10 月 4 日 9:00-18:00 UTC | STACOM 2020 workshop 公布全部成绩；分类赛测试集现场发布、当天提交 |
| 2020 年 10 月起 | Leaderboard 挂网（官网标注 Last update: Oct 2020，至今未再更新） |
| 2021-08 | 结果论文预印本（arXiv:2108.04016v2） |
| 2022 | 结果论文正式发表于 Medical Image Analysis（Vol. 79, 文章号 102428） |
- 防偏置设计（结果论文 2.2 节原文口径）：为避免两个竞赛间的信息泄漏，分类赛测试集的病例顺序与分割赛不同，且随机增删了部分新病例——即两个子任务用的不是同一套测试集。
§3.3 评估指标体系
分割赛（官网 Metrics 页 + 结果论文 2.3 节）：每个目标组织（心肌/梗死/无复流）三个子指标排名，综合排名取九个子排名之和。
| 指标 | 计算对象 | 临床含义 |
|---|---|---|
| Dice 系数 | 逐例平均 | 分割重叠度 |
| 体积差（Volume Difference，mm³） | 逐例平均 | 梗死定量的绝对误差——直接影响 mm³ 报告 |
| 体积差百分比（Pct. Diff.，%） | 逐例平均 | 梗死定量的相对误差——对应"占心肌百分比"报告 |
| Hausdorff 距离（mm） | 仅心肌 | 轮廓几何质量 |
| 病例级准确率（Acc. case，%） | 分割导出的每例是否存在病灶 | 分割结果用于分类的转化能力 |
| 切片级准确率（Acc. slice，%） | 逐切片病灶有无 | 细粒度临床读片能力 |
指标定义速查（符号约定：预测集合 P、真值集合 G）：
Dice = 2·|P∩G| / (|P|+|G|) # 重叠度，1 为完美
Vol.Diff = |Vol(P) - Vol(G)| # mm³，绝对体积误差
Pct.Diff = |Vol(P) - Vol(G)| / Vol(G) × 100% # 相对体积误差
Hausdorff = max( sup_{p∈P} inf_{g∈G} d(p,g), # 轮廓最大几何偏差，mm
sup_{g∈G} inf_{p∈P} d(p,g) )
Acc.case = 病例级"是否存在梗死区"判定正确率 # 分割导出的分类能力
Acc.slice = 切片级"是否存在病灶"判定正确率 # 逐切片读片能力
- 注意：心肌的 Hausdorff 与体积差仅对心肌计算；梗死与无复流区用体积差百分比替代 Hausdorff（小结构上 Hausdorff 数值爆炸，不稳健）。
- 临床导向设计：体积差与百分比直接对应临床报告的两种口径（mm³ 与 %），病例级/切片级准确率把"分割"拉回"读片"场景——这套指标体系本身值得同类型数据集借鉴。
§3.4 组织团队
| 成员 | 机构 | 角色 |
|---|---|---|
| Alain Lalande（通讯） | ImViA 实验室（勃艮第大学）+ 第戎大学医院 MRI 科 | 挑战发起人；数据论文与结果论文第一作者 |
| Zhihao Chen | Femto-ST 实验室（贝尔福-蒙贝利亚技术大学） | 共同第一作者；结果论文主笔 |
| Fabrice Meriaudeau | ImViA 实验室 | 组织核心 |
| Dominique Ginhac | ImViA 实验室 | 组织核心 |
| Thibaut Pommier | 第戎大学医院心内科 | 临床侧 |
| Raphaël Couturier / Michel Salomon / Gilles Perrot | Femto-ST 实验室 | 计算与工程侧 |
| Luc Lorgis / Alexandre Cochet / Yves Cottin | 第戎大学医院 | 临床数据与标注监督 |
| Thomas Decourselle | CASIS 公司（Quetigny） | 工程协作 |
| Khawla Brahim / Abdul Qayyum / Kibrom Girum / Raabid Hussain / Youssef Skandarani / Arnaud Boucher | ImViA 实验室 | 组织队参赛（成绩挂榜但不参与排名，榜单以 * 标注） |
- 机构口径存照：部分二手资料将挑战归属笼统写作"利摩日大学"——实核（官网 Organising Team 全员邮箱域名 u-bourgogne.fr / univ-fcomte.fr / chu-dijon.fr）为勃艮第大学（University of Burgundy，第戎）+ 第戎大学医院 + Femto-ST（贝尔福），与利摩日无关。
§3.5 挑战赛历史脉络
| 年份 | 挑战/数据集 | 与 EMIDEC 的关系 |
|---|---|---|
| 2012（论文 2016） | Karim et al. DE-MRI 挑战 | 前代 DE-MRI 挑战：15 人体 + 15 猪病例，无临床数据、无正常对照、未聚焦特定疾病（结果论文引言口径）——EMIDEC 的直接前驱 |
| 2019 | MS-CMRSeg | 多序列心脏 MRI（含增强序列），病例数少于 EMIDEC；非 DE-MRI 专精 |
| 2020 | MyoPS 2020 | 心肌病痕（心肌病）多序列分割；数据论文将其列为"病例数少于 EMIDEC"的同期对比 |
| 2020 | EMIDEC | 本条目：首个大规模、含正常对照、附急诊临床特征的 DE-MRI 挑战 |
| 2021+ | 后冠军时代 | 无官方续办；EMIDEC 数据转入"论文内基准"角色（§8.3） |
- 脉络定位：EMIDEC 回答了 2012 年挑战暴露的两个问题——数据规模（15→150）与临床信息缺失（0→12 字段）；而"病灶区分割精度"这一遗留难题，冠军成绩（梗死 Dice 0.7124）表明 2020 年仍未解决。
§3.6 官方参赛规则要点
| 规则项 | 内容 | 出处 |
|---|---|---|
| 注册 | 官网创建个人账户方可获取数据 | 官网首页 |
| 提交物 | 分割/分类结果 + MICCAI 格式方法论文 | 官网首页 |
| 论文评审 | 组织方"深度校对（deep proofreading）"后决定收录 | 官网首页 |
| 排名基础 | 分割赛：几何+临床指标（§3.3）；分类赛：accuracy | 官网首页 |
| 组织队成绩 | 挂榜但不参与排名（榜单 * 号标注） | 官网 Leaderboard |
| 测试集纪律 | 分割测试集限时（2 周）发布；分类测试集会议当天发布当天提交 | 官网 Important dates |
- 论文收录机制的意义：参赛方法论文经评审后收入 STACOM 2020 论文集（Springer LNCS 12592），使"榜单名次"之外多了一层同行可见的方法披露——结果论文 Table 3 的方法要点即由这些论文整理而来。
- 对今天的含义：挑战赛流程已关闭，但上述规则的痕迹（评估脚本开源、论文集可查）构成了复现 EMIDEC 基准的全部官方依据；除此之外的任何"官方成绩"均无从谈起。
§3.7 综合排名机制详解
EMIDEC 分割赛的综合排名不是单一分数，而是"三目标 × 三指标"的九个子排名之和——理解这一点对正确解读榜单至关重要：
心肌（myocardium） 梗死（infarction） 无复流（no-reflow）
├─ Dice 排名 ├─ Dice 排名 ├─ Dice 排名
├─ 体积差排名 ├─ 体积差排名 ├─ 体积差排名
└─ Hausdorff 排名 └─ 体积差百分比排名 └─ 体积差百分比排名
└─────────────── 九个子排名求和（rank sum）───────────────┘
↓
最小者 = 分割赛总冠军
- 设计意图：单一指标冠军不一定是临床最优——一个 Dice 高但体积定量偏差大的方法对"心梗定量"没有价值。求和制强制参赛者在所有临床维度上均衡。
- 榜单实例：冠军 Zhang 九个子排名全部为 1（rank sum 9）；第 4 名 Yang et al. 心肌 Dice 排名第 3 但体积差仅排第 8，最终 rank sum 49——"单项强、总分弱"的典型。
- 解读警示：论文中引用 EMIDEC 成绩时应说明是"综合排名"还是"单项指标"；比如 Crozier et al. 综合第 6，但其无复流区 Dice（0.6052）高于综合第 4 的 Yang et al.（0.6099 接近）与第 5 的 Huellebrand et al.（0.5225）——单项维度上名次会重排。
- 组织队坐标：Girum et al.（rank sum 57）与 Brahim et al.（54）按求和制本可排第 5-6 位，官方明确标注不参与排名——引用时保留 * 号（§7.4）。
§4 数据结构详解
§4.1 文件组织
每例检查由三个文件构成，目录以病例编号组织（训练集病理例以 P 开头、正常例以 N 开头，官方原文口径）：
EMIDEC/
├── Training/ # 100 例（67 病理 + 33 正常）
│ ├── P01/ # 病理例（编号 P 开头）
│ │ ├── Images/ # 短轴 DE-MRI 切片序列（NIfTI）
│ │ ├── Masks/ # 标签掩膜（NIfTI，标签 0-4）
│ │ └── Clinical_information... # 临床信息文本文件
│ ├── P02/
│ ├── ...
│ └── N33/ # 正常例（编号 N 开头）
└── Testing/ # 分割赛测试集 50 例（33 病理 + 17 正常）
└── ... # 只有图像与临床文本，无公开标签
- 格式说明：官网 dataset 页明确图像与掩膜均为 NIfTI；建议用 ITK-SNAP 查看（官方推荐）；图像与掩膜已按心肌重心对齐（屏气层间位移已校正）。
- 分类赛测试集（约 50 例新患者，官方未公开）不包含在上述任何下载包中。
- 命名提示：病理/正常前缀（P/N）本身就是标签泄漏源——做分类任务时若把文件名特征喂给模型会得到 100% 的假准确率；交叉验证切分时则可放心利用 P/N 做分层。
§4.2 标签体系（金标准字典）
| 标签值 | 官方名称 | 中文释义 | 出现范围 | DE-MRI 上的典型表现 |
|---|---|---|---|---|
| 0 | background | 背景 | 全部病例 | 心外膜轮廓以外的肺野、肋骨等区域 |
| 1 | cavity | 心腔（左室血池） | 全部病例 | 延迟期血池信号受造影剂洗脱影响，与心肌对比明显 |
| 2 | normal myocardium | 正常心肌 | 全部病例 | 存活心肌，延迟期呈相对低信号 |
| 3 | myocardial infarction | 心肌梗死 | 仅病理例 | 高强化坏死心肌（纤维化组织延迟强化） |
| 4 | no-reflow / MVO / PMO | 无复流区（微血管阻塞） | 仅病理例 | 梗死区内低信号核心，“黑中之黑”，被标签 3 完全包围 |
- 派生关系：整体心肌 = 标签 2 ∪ 3 ∪ 4。官方在描述中直接给出这一并集定义——如果你只需要"心肌分割"（与 ACDC 口径对齐），应把 2/3/4 三个标签合并，只拿标签 2 会系统性低估心肌（详见坑点 6）。
- 标注质量：由一名 10 年经验心脏科医生与一名 20 年心血管 MRI 经验的生物物理学家监督完成（官网 dataset 页原文）；结果论文 Table 2 按人工标注统计了各组织的体积分布与出现率，病理组全部 100 例均有梗死区，无复流区为其中子集。
- 嵌套拓扑：标签 4 在空间上被标签 3 包围，标签 3 与标签 2 相邻——三层同心圆式结构（血池 1 → 正常心肌 2 → 梗死 3 → 无复流 4）是 EMIDEC 金标准的空间语法，可用于后处理合理性校验。
§4.3 临床特征文本字典
每例附带的临床信息文本文件覆盖以下 12 个字段（字段名以数据包内实际文件为准；数值口径为结果论文 Table 1 的总体统计）：
| # | 字段 | 类型 | 正常组（n=50） | 病理组（n=100） |
|---|---|---|---|---|
| 1 | Sex | F/M | 38 女 / 12 男 | 23 女 / 77 男 |
| 2 | Age | 岁 | 66 ± 14 | 59 ± 12 |
| 3 | Tobacco | yes/no/former | 18%/22%/60% | 44%/21%/35% |
| 4 | Overweight（BMI>25） | 布尔 | 62% | 53% |
| 5 | Arterial hypertension | 布尔 | 58% | 31% |
| 6 | Diabetes | 布尔 | 20% | 10% |
| 7 | History of coronary artery disease | 布尔 | 4% | 12% |
| 8 | ECG（ST elevation） | 布尔 | 30% | 80% |
| 9 | Troponin | ng/mL | 7.68 ± 12.91 | 101.04 ± 101.35 |
| 10 | Killip max | 1/2/3/4 | 76%/22%/2%/0% | 83%/12%/2%/3% |
| 11 | LVEF（超声心动图） | % | 49.62 ± 13.49 | 47.74 ± 13.17 |
| 12 | NT-proBNP | pg/mL | 2136 ± 3696 | 1314 ± 2109 |
- 使用提示：字段值在文本文件中以自由文本/键值形式呈现，直接解析需处理单位后缀与百分号；分类赛前建议将布尔类与等级类字段显式编码（one-hot 或 ordinal），数值类做标准化。肌钙蛋白分布高度右偏，建议取对数变换（结果论文未规定做法，此为常见工程处理，非官方口径）。
- 注意 Table 1 的统计对象：上述统计覆盖全部 150 例（正常 50 + 病理 100），与训练集 100 例（67P/33N）的分布略有出入；复现描述统计时先确认口径。
§4.4 影像采集参数字典
| 参数 | 取值 |
|---|---|
| 序列 | T1 加权 PSIR（Phase Sensitive Inversion Recovery）延迟增强 |
| 时相 | 造影剂（钆）注射后约 10 分钟单时相采集 |
| 门控/呼吸 | ECG 门控 + 屏气 |
| 定位 | 左心室短轴位，基底至心尖全覆盖 |
| 场强/设备 | Siemens Area 1.5T 与 Siemens Skyra 3T（常规临床检查回溯性提取，无专用协议） |
| 面内分辨率 | 1.25×1.25 至 2×2 mm²（因患者而异） |
| 层厚 / 层间隔 | 8 mm / 10 mm（每例约 4-10 层） |
| 对齐 | 同一检查全部切片按心外膜重心对齐（屏气位移已校正） |
| 匿名化 | NIfTI 头中所有管理信息被丢弃，数据不可溯源；法国法律下经第戎大学医院伦理委员会认定无需伦理批号（回溯性、完全匿名） |
- 体素各向异性存照：Kaggle 镜像统计（训练集 100 例口径）spacing 中位数 (1.458, 1.458, 10.0) mm、体尺寸中位数 (240, 256, 7)、2D 切片共 708 张——z 向分辨率比面内低约一个数量级，是 EMIDEC 区别于 cine 数据集的最大工程特征（应对策略见坑点 5）。
- 分辨率跨度存照：Kaggle 镜像口径 spacing 范围 (1.367, 1.367, 8.0) 至 (1.875, 1.875, 13.04) mm——z 向"层间隔"跨度 8-13 mm，比论文口径（固定 10 mm）更宽；以论文口径为主，镜像统计为辅。
§4.5 DAIMS 数据字典与互操作速查
| DAIMS 维度 | EMIDEC 取值 | 互操作说明 |
|---|---|---|
| 文件格式 | NIfTI（.nii） | 与 ACDC/M&Ms 同为 NIfTI 生态，ITK-SNAP/3D Slicer 直接可读 |
| 标签编码 | 整型 0-4 | 与 ACDC（0/1/2/3）、M&Ms（0/1/2/3）不同：多出 3/4 两个病灶类；转 cine 口径需合并 2∪3∪4 |
| 参照空间 | 短轴位，心外膜重心对齐 | 与多数心脏数据集一致；无原始 DICOM 位置信息 |
| 临床元数据 | 12 字段文本文件 | 无标准表格 schema（非 CSV/JSON），需自定义解析器 |
| 训练/测试协议 | 官方固定划分（100/50） | 测试标签不公开，评估须经官方脚本（GitHub EMIDEC-Challenge/Evaluation-metrics） |
| 许可机器可读 | CC BY-NC-SA 4.0 | 官网页明示；镜像站需自行核查条款完整性 |
| Croissant 元数据 | 本页 schema_org 已提供 cr:RecordSet 节点 | 官方未发布 Croissant 文件 |
| 版本管理 | 无版本号、无变更日志 | 数据冻结于 2020-10；引用时注明下载日期 |
§5 数据获取、许可与划分
§5.1 官方获取流程
- 访问官网 https://emidec.com/ ，在登录页创建个人账户（免费）。
- 登录后进入 Dataset 页（https://emidec.com/dataset）。
- 下载两个包：训练集（100 例，含图像/标签/临床文本）与分割赛测试集（50 例，仅图像与临床文本）。
- 下载即视为同意 CC BY-NC-SA 4.0 条款与官方特定条款：仅限非商业科学研究；使用数据须引用 Data 2020 论文；与榜单对比须引用 MedIA 2022 论文。
§5.2 许可条款解析
| 条款 | 内容 | 对 AI 工程的含义 |
|---|---|---|
| BY（署名） | 必须引用官方论文 | 模型卡/论文/产品文档都要带引用 |
| NC（非商业） | 禁止商业使用 | 微调模型若商用（含 SaaS）需另行获得权利人许可；数据集本身不可直接商业化转售 |
| SA（相同方式共享） | 衍生物同许可发布 | 基于 EMIDEC 的衍生数据集/合成数据需继承 CC BY-NC-SA 4.0；对"模型权重是否继承 SA"学界有争议，但衍生数据集合规做法是继承 |
| 官方特定条款 | 仅非商业科研 | 比裸 CC 条款更严：即使 NC 边界内的展示、评测也可能需注意 |
- Zenodo 存照（重要）：数据论文与官网均提到挑战"注册于 Zenodo 网站"；实核 HuggingFace MedOtter/EMIDEC 镜像卡片的调研结论：Zenodo doi:10.5281/zenodo.3755234 仅为挑战设计文档 PDF，数据本体不在 Zenodo。任何声称"从 Zenodo 下载 EMIDEC 数据"的教程都应以官网注册渠道为准（详见坑点 8）。
- 镜像生态：Kaggle（johnsonhk88/emidec-dataset-for-heart-mri-image，150 例 .nii.gz）与 HuggingFace（MedOtter/EMIDEC）存在社区镜像；镜像不构成官方分发渠道，条款完整性需自行核查，官方渠道始终是 emidec.com 注册下载。
§5.3 数据划分策略
| 集合 | 例数 | 构成 | 标签 | 用途 |
|---|---|---|---|---|
| 训练集 | 100 | 67 病理（P）+ 33 正常（N） | 图像+掩膜+临床文本全提供 | 模型训练与本地验证 |
| 分割赛测试集 | 50 | 33 病理 + 17 正常 | 仅图像+临床文本 | 官方评估脚本打分；标签至今未公开 |
| 分类赛测试集 | 约 50（官方未公开确切数） | 与分割赛测试集不同的新病例随机增删 | 完全不公开 | 挑战赛当天使用；论文口径之外无法复现 |
- 实践建议：本地实验只能以训练集 100 例做交叉验证；官方榜单数字（§8.1/§8.2）不可在本地复现——这不是数据缺陷而是挑战赛常规保密设计，但写论文对比时必须区分"训练集交叉验证成绩"与"官方测试成绩"两种口径（详见坑点 1、坑点 2）。
- 分层建议：交叉验证时按病例分层抽样（保持 P:N ≈ 2:1），且按病例而非切片切分（详见坑点 4）。
§5.4 下载与首次使用核对清单
[ ] 从 emidec.com 注册并下载训练集 + 分割测试集（勿用镜像替代官方包）
[ ] 清点文件数：训练集 100 例 × 3 文件（图像/标签/临床文本）
[ ] 抽查 3 例：NIfTI 可被 ITK-SNAP/nibabel 读取，标签值 ∈ {0,1,2,3,4}
[ ] 校验几何：图像与标签 spacing/shape 完全一致
[ ] 正常例（N 开头）标签应只含 {0,1,2}；病理例（P 开头）应含 3（可能含 4）
[ ] 心肌合并校验：2∪3∪4 的体积 ≈ 手工预期的心肌环体积
[ ] 临床文本字段解析器跑通全部 100 例，输出唯一值集合人工过目
[ ] 记录下载日期与包内文件数（数据无版本号，需自建版本存照）
[ ] 在论文/模型卡中排入双引用（Data 2020 + MedIA 2022）
§4.6 单例数据实例走查
以一个典型病理例（编号示意 P07）为例，展示从文件到训练张量的完整路径：
P07/
├── Images/P07.nii # shape (240, 256, 7)：面内 240×256、7 个短轴层
│ # spacing 约 (1.458, 1.458, 10.0) mm（镜像中位数口径）
├── Masks/P07.nii # 同 shape 的 uint8 标签体
│ ├── 层 1（基底）：{0: 61440, 1: 3120, 2: 2850} # 基底层无病灶
│ ├── 层 4（中部）：{0: 61440, 1: 2890, 2: 2100, 3: 640, 4: 130} # 梗死+无复流
│ └── 层 7（心尖）：{0: 61440, 1: 1850, 2: 1980} # 心尖层无病灶
└── Clinical_information_P07.txt
Sex: M
Age: 58
Tobacco: yes
...
- 走查要点 1：病灶（标签 3/4）只出现在中间层——短轴位上梗死通常累及中段心室壁，基底与心尖层常为纯正常心肌；这解释了为什么切片级病灶召回天然受层位约束。
- 走查要点 2：标签 4（130 体素）比标签 3（640 体素）小一个数量级——像素级不平衡在单例内部即清晰可见。
- 走查要点 3：每层背景（标签 0）占绝对多数（约 88-90%），任何"全背景"预测的像素准确率都有 88%+ 但 Dice 为 0——这就是为什么 EMIDEC 不用像素准确率当指标。
- 走查要点 4：临床文本逐行键值对，字段顺序与命名以实际文件为准（不同病例间格式一致性需自行验证，坑点 7）。
- 示意声明：上例中的体素计数为教学示意值（非真实病例数据），shape 与 spacing 采用镜像统计的中位数口径；以实际下载包为准。
§6 AI 就绪指南
§6.1 推荐预处理 Pipeline
# 基于 MONAI / PyTorch 的 EMIDEC 处理骨架（示意，非官方代码）
import numpy as np
import nibabel as nib
import torch
def load_exam(exam_dir):
img = nib.load(f"{exam_dir}/Images/xxx.nii") # 短轴 DE-MRI，(H, W, S)
mask = nib.load(f"{exam_dir}/Masks/xxx.nii") # 标签 0-4
clin = open(f"{exam_dir}/Clinical_information...").read() # 自由文本，自行解析
return img.get_fdata(), mask.get_fdata().astype(np.uint8), clin
def normalize_slice(s): # 官方系论文常用 0-255 归一化后预处理
s = s.astype(np.float32)
s = 255.0 * (s - s.min()) / (s.max() - s.min() + 1e-8)
return s
def merge_myocardium(mask): # 坑点 6：全心肌 = 2 ∪ 3 ∪ 4
myo = np.isin(mask, [2, 3, 4]).astype(np.uint8)
return myo
def per_case_resize(img, mask, target=(256, 256)):
# 官方结果论文与多篇后继工作统一到 256×256；z 轴保持原始层数
...
- 官方口径的默认设置（结果论文与后继论文通行做法，非强制）：图像强度归一化到 0-255；统一重采样到 256×256（面内）；z 轴不做重采样（层厚 8 mm 重采样到等向会引入大量插值伪影）。
- 类不平衡处理：加权交叉熵（按标签频率倒数或平方根倒数加权）+（广义）Dice loss 组合是参赛者主流；对无复流区（标签 4）建议再加图像级采样加权——它只存在于少数病理切片中（结果论文 5.4 节复盘）。
- 切片间信息：两种主流用法——把相邻切片当 RGB 三通道输入（2.5D），或先 2D 初分割再以 3D 卷积细化（冠军方案，见 §8.1）；纯 3D 直接卷积在每例仅 4-10 层的条件下性价比不高。
§6.2 训练配置参考
| 配置项 | 参考值 | 依据 |
|---|---|---|
| 输入尺寸 | 256×256×S（S=原始层数） | 结果论文通行做法 |
| 数据增强 | 旋转/翻转/缩放/强度扰动为主；弹性形变与 mix-up 谨慎 | 结果论文 5.5 节：增强样本须服从原始分布 |
| 损失 | weighted CE + Dice（或 generalized Dice） | 参赛者主流（结果论文 5.4 节） |
| 验证协议 | 训练集 100 例按病例分层 k-fold（P:N≈2:1 保持） | 官方无交叉验证规定，此为可复现的本地口径 |
| 迁移学习 | 可用 ACDC cine 预训练，仅迁移编码器/心肌能力 | 结果论文 5.5 节记录的参赛者实践 |
| 归一化 | 每例内部 min-max 到 0-255；勿做跨例强度统计 | DE-MRI 信号非定量性（§2.2） |
§6.3 坑点清单（使用前必读）
坑点 1：分割测试集没有标签，本地不可能复现榜单数字
分割赛测试集 50 例只提供图像与临床文本，金标准由组织方保密至今。你在本地能做的最好实验是训练集 100 例交叉验证；论文里若写"在 EMIDEC 测试集上取得 Dice 0.85"而未走官方评估流程，属于口径虚构。正确做法：要么按官方规则提交（挑战赛已结束，评估脚本开源在 GitHub EMIDEC-Challenge/Evaluation-metrics，可自跑但测试集标签不公开，自跑无金标准可比），要么明确声明是"训练集交叉验证口径"。
# 错误示范：拿测试集预测和"自己猜的标签"算 Dice
# 正确做法：明确声明口径
report = "Dice {:.4f} (5-fold CV on official training set, n=100)".format(cv_dice)
坑点 2：分类赛测试集 ≠ 150 例公开数据
官网 150 例 = 训练 100 + 分割测试 50；分类赛的测试集是另一套随机增删过的未公开集合（结果论文 2.2 节原文）。榜单上分类 92% 是在"临床+影像、未公开测试集"上算的；把 150 例公开数据当作分类验证集得出的准确率与榜单不可比。同理，“仅临床"子挑战没有外部队伍正式上榜（组织队最好 80%），引用该子挑战成绩时务必标注"组织队，不参与排名”。
坑点 3：三重类不平衡——病例级、像素级、切片级
病例级 67:33（病理:正常），像素级上梗死+无复流只占病理例心肌的一小部分，切片级上 708 张训练切片中含梗死区的切片是少数。三重不平衡叠加的后果：不加权的多类 Dice loss 会让模型学会"整图预测无梗死"（多数批次里病灶确实不存在）——损失函数看数值很健康，病灶召回为零。对策：加权 CE + 图像级过采样含病灶切片 +（广义）Dice，并逐类监控召回率而非只看总 Dice。
# 坑点 3 配套：按标签频率倒数平方根加权（常见稳健做法，非官方规定）
counts = np.bincount(labels.flatten(), minlength=5).astype(np.float64)
weights = (1.0 / np.sqrt(counts + 1e-8)); weights /= weights.sum()
criterion = torch.nn.CrossEntropyLoss(weight=torch.tensor(weights, dtype=torch.float32))
坑点 4：按切片切分 = 患者内泄漏
同一检查的全部切片来自同一患者，解剖连续、强度分布一致。若把 708 张 2D 切片随机打散切 train/val，验证集成绩会虚高数个百分点（模型在验证时"见过"同一心脏的相邻切片）。任何 2D 化实验都必须以病例为单位分组切分（GroupKFold by exam）。这同样是 EMIDEC 与 cine 数据集共通的纪律，但在每例仅 4-10 层的 EMIDEC 上泄漏效应更极端。
# 坑点 4 配套：按病例分组切分（sklearn 示意）
from sklearn.model_selection import GroupKFold
gkf = GroupKFold(n_splits=5)
# groups = 每张切片所属的病例 ID；split 返回的 train/val 索引保证同一病例不跨集
for tr_idx, va_idx in gkf.split(slice_files, slice_labels, groups=exam_ids):
... # 切片级训练、病例级评估
坑点 5：z 向各向异性——重采样到等向体素是错误率最高的操作
面内 1.25-2 mm、层厚 8 mm/间隔 10 mm，z 向比面内粗糙约 5-8 倍。若天真地 resample 到等向 1.5 mm³，每例 4-10 层会被插值成 50+ 层，全部层间细节都是插值幻觉，3D 模型的"好成绩"建立在虚构解剖上。通行做法：面内归一化到 256×256，z 轴保持原样；需要 3D 感受野时用 2.5D 或级联 2D→3D（冠军方案）而非暴力 3D U-Net。
坑点 6：标签语义——"心肌"是 2∪3∪4，"心腔"只是标签 1
把标签 2（正常心肌）直接当"心肌掩膜"会漏掉全部梗死与无复流区——病理例上心肌环出现系统性缺口；把标签 1（血池）当"心脏"则漏掉整个心肌壁。官方明确定义：整体心肌 = 2∪3∪4。另一个高频错误是把标签 4 理解为独立于梗死区的组织——无复流区在解剖上嵌套于梗死区内（被 3 包围），做拓扑后处理或连通域分析时必须考虑这一嵌套关系。
# 坑点 6 配套：口径转换与拓扑合理性校验
def to_acdc_style(mask): # 转 ACDC 兼容口径：0/1/2/3
out = np.zeros_like(mask)
out[mask == 1] = 1 # cavity
out[np.isin(mask, [2, 3, 4])] = 2 # myocardium = 2∪3∪4
return out
def sanity_check(mask): # 嵌套拓扑粗校验：4 的邻域应主要为 3
import scipy.ndimage as ndi
core = mask == 4
if core.sum() == 0:
return True
ring = ndi.binary_dilation(core) & (mask == 3)
return ring.sum() >= 0.5 * core.sum() # 阈值仅为工程经验值
坑点 7：临床文本不是结构化表格
12 项临床特征以自由文本文件随包分发，没有官方 CSV schema；字段取值混合了数值、百分比、yes/no/former、等级（Killip 1-4）等形态，且个别字段带单位后缀。直接 split() 解析会在单位与缺失值上翻车。建议先写一个字段级解析器并打印全部 100 例的唯一值集合做完整性检查，再做编码；肌钙蛋白与 NT-proBNP 跨多个数量级，分类前做 log 变换。
# 坑点 7 配套：解析器骨架（字段名以实际文件为准）
import re
FIELDS = ["Sex", "Age", "Tobacco", "Overweight", "Hypertension", "Diabetes",
"CAD history", "ECG", "Troponin", "Killip", "LVEF", "NT-proBNP"]
def parse_clinical(path):
text = open(path, encoding="utf-8", errors="ignore").read()
row = {}
for line in text.splitlines():
for f in FIELDS:
if f.lower() in line.lower():
row[f] = line.split(":", 1)[-1].strip() # 键值形态需实测调整
break
missing = set(FIELDS) - set(row)
if missing:
print(f"[warn] {path} 缺字段: {missing}") # 全量 100 例跑一遍再定编码
return row
坑点 8：数据不在 Zenodo；镜像不等于官方渠道
数据论文与官网提到"挑战注册于 Zenodo"，导致大量教程误写"数据可从 Zenodo 下载"。实核结论：Zenodo doi:10.5281/zenodo.3755234 只是挑战设计文档 PDF。数据本体只能从 emidec.com 注册下载。Kaggle/HuggingFace 镜像虽然方便，但可能重新打包、重命名、改格式（如 .nii.gz 化）甚至重划分；以镜像为事实依据写论文是复现事故的经典来源。官方渠道 + 官方引用条款（Data 2020 + MedIA 2022）始终是合规基线。
§6.4 本地评估骨架
# 与官方指标对齐的本地评估（训练集交叉验证口径）
import numpy as np
def dice(pred, gt, label):
p, g = pred == label, gt == label
inter = (p & g).sum()
denom = p.sum() + g.sum()
return 2 * inter / denom if denom else 1.0
def vol_diff_pct(pred, gt, label, voxel_mm3):
vp, vg = (pred == label).sum() * voxel_mm3, (gt == label).sum() * voxel_mm3
return abs(vp - vg) / vg * 100 if vg else (0.0 if vp == 0 else float("inf"))
def exam_metrics(pred, gt, voxel_mm3):
# 心肌 = 2∪3∪4（坑点 6）；梗死 = 3；无复流 = 4
myo_p, myo_g = np.isin(pred, [2,3,4]), np.isin(gt, [2,3,4])
out = {"dice_myo": dice(myo_p.astype(int), myo_g.astype(int), 1)}
if (gt == 3).any():
out["dice_mi"] = dice(pred, gt, 3)
out["pct_mi"] = vol_diff_pct(pred, gt, 3, voxel_mm3)
if (gt == 4).any():
out["dice_nrf"] = dice(pred, gt, 4)
return out
# 汇总时：逐例计算 → 报告均值±标准差；单类指标只在"该类存在"的病例上平均
# （与官方"正常例不计梗死指标"口径一致）
§6.5 完整训练循环骨架
把 §6.1-§6.4 的部件组装成可运行的训练骨架（PyTorch 风格示意，非官方代码）：
# 1) 数据集类：切片级读取 + 病例级分组
import glob, os
import torch.utils.data as D
class EMIDECDataset(D.Dataset):
def __init__(self, exam_dirs, class_map="full"):
# class_map: "full"=0-4 五类 | "acdc"=0-3（心肌合并 2∪3∪4，坑点 6）
self.samples = []
for d in exam_dirs:
img = glob.glob(f"{d}/Images/*.nii")[0]
msk = glob.glob(f"{d}/Masks/*.nii")[0]
exam_id = os.path.basename(d) # 分组键：病例 ID（坑点 4）
for z in range(self._n_slices(img)):
self.samples.append((img, msk, z, exam_id))
def _n_slices(self, path):
import nibabel as nib
return nib.load(path).shape[2]
def __getitem__(self, i):
img_p, msk_p, z, _ = self.samples[i]
img = nib.load(img_p).dataobj[:, :, z] # 惰性读取，省内存
msk = nib.load(msk_p).dataobj[:, :, z]
img = normalize_slice(np.asarray(img, dtype=np.float32))
img = self._resize(img, 256) # 面内 256×256，z 轴不动（坑点 5）
return torch.from_numpy(img[None]), torch.from_numpy(np.asarray(msk, dtype=np.int64))
def __len__(self):
return len(self.samples)
# 2) 分组交叉验证：同一病例的所有切片只出现在一个集合
from sklearn.model_selection import GroupKFold
exam_dirs = sorted(glob.glob("EMIDEC/Training/*"))
groups = [os.path.basename(d) for d in exam_dirs]
for tr_e, va_e in GroupKFold(n_splits=5).split(exam_dirs, groups=groups):
train_set = EMIDECDataset([exam_dirs[i] for i in tr_e])
val_set = EMIDECDataset([exam_dirs[i] for i in va_e])
# 保持 P:N≈2:1 的分层可用 WeightedRandomSampler 在样本级补足
# 3) 模型与损失：vanilla U-Net 家族即可（注意力在 100 例上未证明获益，§8.1）
model = build_unet(in_ch=1, n_classes=5) # 或 2.5D: in_ch=3
loss = torch.nn.CrossEntropyLoss(weight=class_weights) # 坑点 3 配套代码
opt = torch.optim.AdamW(model.parameters(), lr=1e-4)
# 4) 训练循环 + 病例级验证
for epoch in range(epochs):
model.train()
for img, msk in D.DataLoader(train_set, batch_size=16, shuffle=True):
opt.zero_grad()
loss(model(img), msk).backward()
opt.step()
# 验证：病例级聚合预测 → §6.4 的 exam_metrics → 记录均值±标准差
- 骨架要点：惰性切片读取（NIfTI 头定位）；面内 256×256 + z 轴原样；GroupKFold 按病例分组；加权 CE；验证时逐例聚合指标——四个环节分别堵住坑点 5、4、3、1。
- 规模预期：100 例 × 4-10 层 ≈ 700 张 2D 切片，单卡数小时内可完成一轮 5-fold——这是 EMIDEC 作为"方法学试验台"的工程优势。
- 分类任务的复用：把分割网络换成特征编码器，对每例池化出影像特征，与 §4.3 的临床字段拼接后接分类头——即可复现"临床+影像"子挑战 A 的标准技术路线（§8.2）。
§7 质量评估与局限性
§7.1 DAIMS 就绪度评分
| DAIMS 维度 | 评分 | 评语 |
|---|---|---|
| 可获取性 Accessibility | 4/5 | 免费注册即得，无审批门槛；扣分：需注册账号、无直链、无独立数据 DOI |
| 标注完备性 Annotation | 4/5 | 训练集 100 例全量三区标注+临床特征；扣分：测试集标签不公开、无标注协议文档、无观察者间变异度数据 |
| 文档质量 Documentation | 3/5 | 官网页+两篇论文信息充分；扣分：临床文本无字段级 schema、无版本变更记录 |
| 格式标准性 Format | 4/5 | NIfTI 生态通用，ITK-SNAP/nnU-Net/MONAI 全兼容；扣分：临床文本非结构化 |
| 许可明确度 Licensing | 5/5 | CC BY-NC-SA 4.0 官网明示，引用条款清晰 |
| 元数据丰富度 Metadata | 4/5 | 12 项临床特征在同类分割数据集中极为罕见；扣分：无年龄/性别之外的长期随访结局 |
| 综合 | ⭐⭐⭐⭐（4/5） | 影像+临床双模态的标杆级科研数据集；主要短板在测试集保密带来的复现性限制与厚层几何 |
§7.2 已知偏倚
- 单中心偏倚：全部 150 例来自法国第戎大学医院，设备仅 Siemens 两款；跨中心、跨厂商泛化未经验证（M&Ms 家族存在的多厂商问题在 EMIDEC 上无从讨论）。
- 设计性不平衡：正常:病理 = 1:2，官方明示这是"贴近 MRI 科室真实构成"的选择；对分布敏感的分类器（如朴素贝叶斯）需重加权。
- 入选窗偏倚：病理例全部为急性心梗且在血管成形术后一个月内成像；慢性期梗死、非缺血性心肌病、血运重建失败后转诊等谱系缺席——"病理=急性心梗"是强假设，模型外推到慢性疤痕人群时需重新验证。
- 性别分布失衡：病理组男性占 77%，模型可能学到性别捷径；分类任务建议做性别分层评估。
- 标签单源性：金标准由同一组专家（双人监督）产生，无多位独立观察者的重复标注，无法计算观察者间变异——梗死/无复流边界的"真值"本身存在固有模糊度。
- 临床特征的时点混杂：临床特征采集于急诊接诊时，与 MRI 存在时间差；特征分布反映的是"急诊胸痛人群"而非一般人群，分类模型不可外推到筛查场景。
§7.3 已知局限与结果论文的坦率结论
- 病灶区分割未解决：结果论文摘要明确写道——心肌分割可行，分类可达（0.92），但病灶区（梗死/无复流）分割需要改进，主因是病灶小、与周围结构对比度低。冠军梗死区 Dice 0.7124 距临床可用仍有距离；后继独立研究（贝叶斯不确定性方法，Springer LNCS）虽声称超越冠军，但绝对值仍处于同一量级。
- 无复流区 Dice 方差极大：冠军在无复流区的 Dice 为 0.7851±0.393——标准差与均值同量级，说明相当比例病例上模型接近完全失败（该区只存在于部分病例），临床转化需按例报告而非只报均值。
- 数据冻结：2020-10-04 后数据本体无更新、无扩充、无修订公告；官方 Leaderboard 同步冻结（Last update: Oct 2020）。社区后续评测全部转入论文内自报口径。
- 复现性断层：测试集标签保密 + 分类测试集不可得，使任何第三方"全量官方口径复现"在原则上不可能；这是挑战赛数据集的通病，但 EMIDEC 因数据规模小（150 例）而对口径混乱更敏感。
§7.4 口径混乱风险排查表
| 常见错误口径 | 正确口径 | 记忆锚点 |
|---|---|---|
| “EMIDEC 是新生儿心脏数据集” | 成人急性心梗 DE-MRI 数据集 | “neonates” 不存在于任何一手来源 |
| “MICCAI 2021 挑战” | MICCAI 2020 STACOM | 结果 2020-10-04 公布 |
| “150 例 = 训练 100 + 测试 50，全都有标签” | 只有训练 100 例带标签 | 测试 50 例标签保密 |
| “分类准确率 94%” | 组织队 Shi 94%（不参与排名）；参赛者冠军 92% | 榜单 * 号 |
| “利摩日大学出品” | 勃艮第大学 + 第戎大学医院 + Femto-ST | 邮箱域名 u-bourgogne.fr |
| “从 Zenodo 下载数据” | Zenodo 只有设计文档 PDF；数据在官网 | 坑点 8 |
| “心肌标签是 2” | 心肌 = 2∪3∪4 | 官方并集定义 |
| “梗死 Dice 0.9+” | 冠军 0.7124 | 小病灶低对比的现实 |
§7.5 版本与冻结史
| 时间 | 事件 | 对使用者的含义 |
|---|---|---|
| 2020-04 中旬 | 训练集首发 | 数据起点 |
| 2020-09 初 | 分割测试集发布 | 无标签版测试集自此固定 |
| 2020-10-04 | 成绩公布，Leaderboard 挂网 | 数据与榜单双冻结 |
| 2021-08 | 结果论文 arXiv v2 | 方法复盘与 Table 3/4/5 的权威口径 |
| 2022 | MedIA 正式刊出 | 引用口径以期刊版为准 |
| 至今 | 无官方更新公告 | 视为永久冻结数据集；自建"下载日期"版本存照 |
§7.7 与同站心脏条目的质量维度对照
| 质量维度 | EMIDEC | ACDC（rid 511） | M&Ms（rid 516） |
|---|---|---|---|
| 许可明确度 | 5/5（官网明示 CC BY-NC-SA 4.0） | 3/5（社区转述，官方无显式 CC） | 4/5（官网声明） |
| 临床元数据 | 12 字段急诊数据 | 仅体重/身高 | 人口学+病理分布 |
| 病灶级标注 | 有（梗死+无复流） | 无 | 无 |
| 测试复现性 | 无（标签保密） | 有（官方划分+标签公开） | 部分（有测试集但榜单冻结） |
| 多中心维度 | 无 | 无（双场强单中心） | 有（3 厂商 4 中心） |
| 数据规模 | 150 例 | 150 例 | 345 例 |
| 格式统一度 | 高（NIfTI+文本） | 高（NIfTI+Info.cfg） | 高（NIfTI） |
- 对照解读：EMIDEC 的相对优势是"临床元数据+病灶标注+许可清晰"，相对短板是"测试不可复现+无多中心"——选型时按研究目标取长补短（§10.6 决策树）。
- 方法论提示：这种"质量维度对照"法也适用于评估其他数据集：许可、元数据、标注层次、复现性、多样性五个维度基本覆盖了 AI 就绪度的主轴。
§8 基准性能与生态
§8.1 分割赛官方成绩
官网 Leaderboard（Last update: Oct 2020）与结果论文 Table 4 双源一致；综合排名 = 心肌/梗死/无复流三目标 × 各三指标共九个子排名之和。
| 排名 | 队伍 | 心肌 Dice | 心肌 Vol.Diff (mm³) | Hausdorff (mm) | 梗死 Dice | 无复流 Dice | 病例级 Acc | 切片级 Acc | 方法要点 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Zhang | 0.8786 | 9258.24 | 13.01 | 0.7124 | 0.7851 | 84.00% | 94.97% | 两阶段级联：2D U-Net 变体初分割 → 3D U-Net 变体细化（以 2D 级联结果作 3D 输入） |
| 2 | Ma | 0.8628 | 10152.85 | 14.31 | 0.6224 | 0.7776 | — | — | U-Net 变体（亦为分类赛冠军） |
| 3 | Feng et al. | 0.8356 | 15187.48 | 33.77 | 0.5468 | 0.7222 | 80.00% | 90.78% | 2D 扩张卷积 U-Net + 病灶特异性数据增强 |
| 4 | Yang et al. | 0.8553 | 16539.52 | 13.23 | 0.6279 | 0.6099 | 76.00% | 81.56% | SE/SK 注意力块 + 相邻切片 RGB 通道化 + 双解码分支 |
| 5 | Huellebrand et al. | 0.8408 | 10874.47 | 18.3 | 0.3787 | 0.5225 | — | — | 2D U-Net + 混合模型 + cine-MRI 迁移学习 |
| 6 | Crozier et al. | 0.7574 | 17108.13 | 25.44 | 0.3079 | 0.6052 | — | — | — |
| 7 | Zhou et al. | 0.8246 | 13292.68 | 83.42 | 0.3777 | 0.5198 | — | — | 注意力 U-Net + mix-up + 邻域惩罚损失 |
| N/A* | Girum et al.* | 0.8026 | 11807.68 | 51.48 | 0.3400 | 0.7800 | — | — | 组织队，不参与排名 |
| N/A* | Brahim et al.* | 0.7905 | 12681.47 | 23.87 | 0.2743 | 0.6410 | — | — | 组织队，不参与排名 |
- 冠军方法解读：Zhang 的"先 2D 后 3D"级联复刻了临床读片逻辑——多数切片单层即可判读，仅在梗死/无复流判定存疑时参考相邻层（结果论文 5.2 节原话口径）；其对应参赛论文为 Zhang, Y. 2021, “Cascaded convolutional neural network for automatic myocardial infarction segmentation from delayed-enhancement cardiac MRI”（STACOM 2020, Springer LNCS 12592）。
- 存照（冠军姓名归属）：官网榜单仅写"Zhang"；结果论文作者列表中有两位 Zhang（Hannu Zhang，Charité 柏林；Yichi Zhang，北航）。榜单行与 STACOM 参赛论文（Zhang, Y.）方法描述吻合，推断冠军为 Yichi Zhang，但官方榜单未写全名，此推断存照待核。
- 注意力机制的负结果：结果论文 5.3 节复盘——采用注意力/门控（SE、IRB、Attention gate）的方案无一进入前三，注意力在 EMIDEC 规模（100 例训练）下未证明优于 vanilla U-Net；这是小数据医学分割的又一例证。
- 迁移学习的有限收益：Huellebrand et al. 用 cine-MRI（ACDC 等）做迁移学习，心肌 Dice 0.8408 排第 4、梗死区仅 0.3787——跨序列迁移对心肌轮廓有效，对病灶特征的迁移价值存疑。
§8.2 分类赛官方成绩
子挑战 A：临床信息 + DE-MRI（结果论文 Table 5 补充敏感度/特异度）
| 排名 | 队伍 | Accuracy | 敏感度 | 特异度 | 精确率 | 方法要点 |
|---|---|---|---|---|---|---|
| 1 | Ma | 92% | — | — | — | 影像特征 + 临床特征融合 |
| 2 | Lourenco et al. | 82% | 87.88% | 70.59% | 85.29% | — |
| 3 | Ivantsits et al. | 78% | 72.73% | 82.35% | 88.89% | — |
| 4 | Sharma et al. | 62% | 72.73% | 41.18% | 70.59% | — |
| N/A* | Shi et al.* | 94% | 90.91% | 94.12% | 96.77% | 组织队，不参与排名 |
| N/A* | Girum et al.* | 84% | 78.79% | 88.24% | 92.86% | 组织队，不参与排名 |
子挑战 B：仅临床特征（无外部队伍正式上榜）
| 队伍 | Accuracy | 备注 |
|---|---|---|
| Girum et al.* | 80% | 组织队，不参与排名 |
| Shi et al.* | 76% | 组织队，不参与排名 |
| Lourenco et al. | 72% | 官网标注 N/A（未获正式排名） |
- 结论口径（双口径存照）：官网榜单口径——参赛者冠军 Ma 92%（组织队 Shi* 94% 更高但不参与排名）；结果论文 Table 5 口径——表内最高为组织队 Shi¹ 92%（参赛者最高 Lourenço 82%），且 Ma 未出现在论文表中（推测未提交方法描述论文）。论文摘要"最佳方法准确率 0.92"对应的是论文口径。引用时必须注明所采用的口径：两套数字不可混用。
- 榜单与论文的口径漂移（官网 vs Table 5）：Ivantsits 78%→76%、Girum* 84%→82%、Shi* 94%→92%；官网分割赛第 7 名 “Crozier et al.” 在论文中记为 “Camarasa et al.”（成绩逐位一致，同队异名——de Bruijne 组）。本节表格采用官网榜单口径（原始成绩的权威记录），论文口径见 Medical Image Analysis 2022 Table 4/5。
- 子挑战 B 的解读：12 项临床特征单独判别力有限（无外部队伍上榜），影像加入后准确率提升 10-20 个百分点——影像不可替代的官方实证。
- 技术路线归纳（结果论文 3.2 节）：参赛者组合了三类手段——影像直接编码（AlexNet 型下采样 CNN 或 U-Net 分割后导出组织体积）；临床文本的经典机器学习（SVM/随机森林/多层感知机）；两条支路再融合。没有单一路径占据垄断地位。
§8.3 社区后续研究
- 病理特异性数据增强：MDPI Algorithms 2023（16(10):488）以 EMIDEC 为先验来源，从健康图像合成梗死病例（位置/面积/强度先验），反哺小样本分割——展示了"正常例底图 + 病灶先验"的合成数据路线。
- 贝叶斯不确定性分割：Springer LNCS（MICCAI 2021 workshop 文集）用 Monte-Carlo dropout 不确定性进损失函数，声称在几何与临床指标上超越挑战冠军——EMIDEC 已成为后冠军时代方法论文的标准对照。
- 多模态融合研究：临床文本 + 影像的融合分类（双分支、特征拼接、从分割导出组织体积再进分类器）是结果论文 3.2 节归纳的三条技术路线，持续被后续工作沿用。
- 引用曲线：结果论文（MedIA 2022）Google Scholar 引用 86+（2026-09 检索），2022-2026 持续有引用；数据论文（Data 2020）为数据使用时的强制引用。
- 教学与教程：DE-MRI 教程常以 EMIDEC 为示例数据（配合官方评估脚本）；中文社区的多模态分类实践亦多以此为起点。
§8.4 相关数据集（站内互链）
| 数据集 | 模态/规模 | 与 EMIDEC 的关系 | 适用场景 |
|---|---|---|---|
| ACDC（rid 511） | cine MRI，150 例五类疾病 | 同为 MICCAI 心脏挑战赛家族；EMIDEC 参赛者曾用 ACDC cine 做迁移学习（结果论文 5.5 节实锤）；标签体系兼容（ACDC 的心肌=EMIDEC 的 2∪3∪4） | cine 预训练 → DE-MRI 微调；心腔分割外部验证 |
| M&Ms（rid 516） | cine MRI，345 例 3 厂商 4 中心 | 标签体系兼容（LV/Myo/RV），多厂商版心脏分割 | 跨厂商泛化研究；EMIDEC 单中心短板的对照方案 |
| M&Ms-2（rid 682） | cine MRI，多国多中心多病种 | M&Ms 的泛化延伸版 | 公平性与泛化基准 |
| CMRxMotion（rid 687） | cine MRI，运动伪影梯度采集 | 同家族；EMIDEC 屏气采集无运动伪影维度，CMRxMotion 补足该轴 | 运动鲁棒性研究 |
| Cardiac Atlas Project（rid 521） | cine MRI 大规模数据库 | 心脏影像开放科学生态的互补基础设施 | 形状建模与大规模汇总分析 |
| MyoPS 2020（站外，无站内条目） | cine+LGE 多序列心肌病痕分割 | EMIDEC 数据论文将其列为对比挑战（MyoPS 病例数少于 EMIDEC）；同属 MICCAI 心肌分割挑战序列 | 心肌病疤痕分割（多序列） |
| Karim et al. 2012/2016 DE-MRI 挑战 | DE-MRI，15 人体 + 15 猪病例 | EMIDEC 的前代 DE-MRI 挑战；规模小、无临床数据、无正常对照（结果论文引言口径） | 历史方法对比 |
- 家族定位：千方病案医数集的心脏 MRI 家族中，EMIDEC 是唯一覆盖延迟增强/心肌梗死的数据集——cine 家族（ACDC/M&Ms/CMRxMotion）全部面向解剖与功能，EMIDEC 面向组织特征与存活心肌，二者互为补充而非竞争。
§8.5 生态快照
官方层 emidec.com（首页/Dataset/Leaderboard/Metrics/赛题页）
+ 官方评估脚本 GitHub EMIDEC-Challenge/Evaluation-metrics
+ Zenodo 挑战设计文档 doi:10.5281/zenodo.3755234（PDF，非数据）
数据层 训练集 100 例（全标注）+ 分割测试 50 例（无标签）+ 分类测试（不公开）
数据本体仅官网注册分发；冻结于 2020-10-04
学术层 Data 2020, 5(4), 89（数据论文，强制引用）
Medical Image Analysis 2022, 79, 102428（结果论文，对比引用）
STACOM 2020 论文集 Springer LNCS 12592（参赛方法论文）
后继论文持续以 EMIDEC 为 DE-MRI 分割基准（2022-2026）
镜像层 Kaggle / HuggingFace 社区镜像（非官方渠道，条款自查）
§8.6 复现实验的推荐路径
- 第一步（分割基线）：nnU-Net 或 MONAI 的 2D U-Net，训练集 5-fold（按病例分组），报告心肌 Dice——达到 0.85+ 属正常水平，0.87+ 接近冠军交叉验证水平。
- 第二步（病灶分割）：加入加权损失与病灶过采样，梗死区 Dice 0.5-0.65 为常见区间；0.70+ 即冠军量级，需排查是否发生切片级泄漏（坑点 4）。
- 第三步（分类）：先做"仅临床"基线（预期 70-80% 区间），再加影像分支融合（预期 85-92%）；性别分层报告以检查捷径学习。
- 报告规范：明确写"训练集交叉验证口径"；如果与榜单比较，注明"不可直接比较（测试集不同且标签保密）"。
§8.7 与同期心脏挑战的分数横向对照
| 挑战（年份） | 任务 | 冠军核心指标 | 与 EMIDEC 对照 |
|---|---|---|---|
| EMIDEC（2020） | DE-MRI 三区分割 | 心肌 Dice 0.8786 / 梗死 0.7124 | — |
| ACDC（2017） | cine 五结构分割 | 心肌 Dice ≈0.91-0.92（全数据口径） | cine 解剖分割更"容易"：结构大、对比好、层信息多 |
| M&Ms（2020） | cine 三结构跨厂商 | 心肌 Dice ≈0.87-0.90 | 泛化设置下的分数与 EMIDEC 单中心量级相近，但任务性质不同 |
| MyoPS（2020） | 多序列心肌病痕分割 | 病灶（疤痕）Dice ≈0.6-0.7 | 病灶分割跨挑战一致地难——EMIDEC 梗死 0.7124 与之同档 |
| Karim 前代（2012） | DE-MRI 病灶 | 无统一榜单口径 | EMIDEC 的协议化（指标/划分/公开榜）本身就是进步 |
- 对照结论：①解剖腔室分割（cine）普遍 0.90+，组织/病灶分割（DE-MRI、疤痕）普遍 0.6-0.8——这是跨挑战的规律而非 EMIDEC 独有的失败；②病灶分割的"最后一公里"（0.7→临床可用）是整个领域的开放问题；③EMIDEC 的指标设计（体积差百分比、病例/切片准确率）比裸 Dice 更贴近临床，值得在其他病灶数据集复用。
- 引用提醒：跨挑战分数对照仅用于量级感知；各挑战测试集、指标定义、数据规模不同，任何精确数值比较都不成立。
§8.8 冠军成绩单的不确定性解读
结果论文 Table 4 给出了冠军成绩的完整方差信息，逐项解读其含义：
| 指标 | 点值 | 方差口径 | 解读 |
|---|---|---|---|
| 心肌 Dice | 0.879 | ±0.027 | 相对稳健：标准差约为均值的 3%，心肌分割在多数病例上表现一致 |
| 心肌体积差 | 9.26 cm³ | ±9.08 | 波动接近均值——部分病例定量误差远大于平均水平 |
| 心肌 Hausdorff | 13.01 mm | ±8.81 | 个别病例轮廓偏差极大（最大似可达数十 mm） |
| 梗死 Dice | 0.712 | ±0.268 | 高度不稳定：部分病例接近完美、部分接近全错 |
| 梗死体积差百分比 | 2.38% | ±0.031 | 相对量误差可控——病灶越小区间相对误差越敏感 |
| 无复流 Dice | 0.785 | ±0.393 | 两极分化最严重：标准差达均值一半（§10.3 Q13） |
| 病例级准确率 | 84.00% | — | 每 6-7 个病例错 1 个——由分割导出的分类能力不及专用分类器（92%） |
- 核心结论：EMIDEC 的"均值成绩"存在系统性乐观偏差——尤其在小病灶（梗死/无复流）上，均值主要由"分对的大多数"拉高，而被"分错的少数"拖累的程度被平均掩盖。临床视角的读法是：病例级失败率（1 - 病例级准确率 = 16%）与逐类方差才是转化可行性的第一指标。
- 对后续研究的启示：报告 EMIDEC 成绩时建议同时给出均值±标准差、中位数、最差 10% 病例的均值——三件套能把"平均性能"与"尾部风险"分开呈现；这正是结果论文数据表的设计价值。
- 方法论备注：方差大不等于标注不一致（§7.2 已说明无重复标注数据），它同时包含模型失败方差与病例难度异质性——二者在本数据集上无法解耦，引用时避免归因。
§9 相关资源与引用
§9.1 关键论文
- Lalande et al., Data 2020, 5(4), 89（doi:10.3390/data5040089）——数据集论文，使用数据时的强制引用；含 150 例构成、采集协议、临床字段全定义与 Table 2 组织特征统计。
- Lalande et al., Medical Image Analysis 2022, 79, 102428（doi:10.1016/j.media.2022.102428；预印本 arXiv:2108.04016）——结果论文，与榜单对比时的强制引用；含全部参赛方法复盘（Table 3）、完整成绩（Table 4/5）、指标定义与五节方法学讨论。
- Zhang, Y., STACOM 2020, Springer LNCS 12592——“Cascaded convolutional neural network for automatic myocardial infarction segmentation from delayed-enhancement cardiac MRI”，分割赛冠军方法论文。
- Karim et al., 2016——前代 DE-MRI 挑战（15 人体 + 15 猪），EMIDEC 引言中的历史基线。
- MDPI Algorithms 2023, 16(10):488——以 EMIDEC 为先验源的病理特异性数据增强，展示数据集的第二用途。
- MICCAI 2021 workshop Springer LNCS（贝叶斯不确定性方法）——后冠军时代方法对照的代表。
- STACOM 2020 官网（stacom2020.cardiacatlas.org）——成绩公布现场信息。
§9.2 官方链接汇总
| 资源 | 地址 |
|---|---|
| 官网首页 | http://www.emidec.com/ |
| 数据集页（含下载入口与许可条款） | https://emidec.com/dataset |
| Leaderboard（成绩榜） | https://www.emidec.com/leaderboard |
| 分割赛说明 | https://www.emidec.com/segmentation-contest |
| 分类赛说明 | https://www.emidec.com/classification-contest |
| 指标定义 | https://www.emidec.com/metrics |
| 官方评估脚本（GitHub） | https://github.com/EMIDEC-Challenge/Evaluation-metrics |
| 挑战设计文档（Zenodo，PDF） | https://doi.org/10.5281/zenodo.3755234 |
| 数据论文 DOI | https://doi.org/10.3390/data5040089 |
| 结果论文 DOI | https://doi.org/10.1016/j.media.2022.102428 |
| 结果论文预印本 | https://arxiv.org/abs/2108.04016 |
| STACOM 2020 workshop | http://stacom2020.cardiacatlas.org |
| 联系人 | Alain Lalande（alain.lalande@u-bourgogne.fr） |
§9.3 引用格式建议
使用数据时（强制）:
Lalande, A.; Chen, Z.; Decourselle, T.; Qayyum, A.; Pommier, T.; Lorgis, L.;
de la Rosa, E.; Cochet, A.; Cottin, Y.; Ginhac, D.; Salomon, M.; Couturier, R.;
Meriaudeau, F. Emidec: A Database Usable for the Automatic Evaluation of
Myocardial Infarction from Delayed-Enhancement Cardiac MRI.
Data 2020, 5(4), 89. https://doi.org/10.3390/data5040089
与榜单/结果对比时（强制）:
Lalande, A.; Chen, Z.; Pommier, T.; et al. Deep learning methods for automatic
evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge.
Medical Image Analysis 2022, 79, 102428. https://doi.org/10.1016/j.media.2022.102428
§9.4 中英术语对照表
| 英文（原文用语） | 本页中文 | 备注 |
|---|---|---|
| delayed-enhancement MRI (DE-MRI) | 延迟增强 MRI | 首现标注 |
| late gadolinium enhancement (LGE) | 钆延迟强化 | 临床同义语 |
| myocardial infarction (MI) | 心肌梗死 | |
| microvascular obstruction (MVO / PMO) | （微）血管阻塞 | permanent vs persistent 用词不一 |
| no-reflow area | 无复流区 | 与 MVO 同指 |
| viability | 存活心肌（活性） | |
| short-axis | 短轴位 | |
| PSIR | 相敏反转恢复 | |
| revascularization | 再血管化（血运重建） | |
| coronary artery disease (CAD) | 冠心病 | |
| entry into the contest / challenger | 参赛者/参赛队伍 | 榜单 * 号为组织队 |
§9.5 数据卡（Datasheet 问答式速查）
Q：数据是怎么采集的？
法国第戎大学医院常规心血管 MRI 检查的回溯性提取（Siemens 1.5T/3T），无专用采集协议；DE-MRI 为 ECG 门控、屏气、钆注射后约 10 分钟的 T1 加权 PSIR 短轴序列。
Q：标注是怎么做的？
一位 10 年经验心脏科医生与一位 20 年心血管 MRI 经验的生物物理学家监督下人工勾画；数据完全匿名（NIfTI 头去除管理信息），按法国法律经伦理委员会认定无需批号。
Q：数据代表哪些人群？
因疑似心梗症状入急诊的患者：50 例正常（造影后无异常强化）+ 100 例急性心梗（术后一个月内成像）；合并多种疾病者被剔除。
Q：数据为什么是这样划分的？
挑战赛需要固定的保密测试集：训练 100（67P/33N）公开带标签；分割测试 50（33P/17N）无标签；分类测试另行随机增删、完全不公开。
Q：有没有已知的缺失或噪声？
无官方缺失报告；已知"缺失"包括：测试集标签、分类测试集、观察者间变异度数据、版本号/变更日志（§7.5）。
Q：数据更新计划？
无。数据与榜单自 2020-10-04 冻结；使用方应自记下载日期作为版本存照。
Q：与哪些工具链兼容？
NIfTI 生态全部兼容（ITK-SNAP、3D Slicer、nibabel、SimpleITK、MONAI、nnU-Net）；临床文本需自定义解析（坑点 7）；官方评估脚本在 GitHub 可直接运行（需预测结果，测试集无金标准可比）。
Q：使用数据的合规底线？
CC BY-NC-SA 4.0 + 官方"仅非商业科研"条款；双引用义务（Data 2020 使用引用、MedIA 2022 对比引用）；衍生数据集继承同许可。
§9.6 二手来源常见错误清单（本页已规避）
写论文/教程引用 EMIDEC 时，以下错误在社区二手资料中反复出现——本页成稿已逐条按一手来源核实规避：
| # | 常见错误说法 | 实核事实 | 来源 |
|---|---|---|---|
| 1 | “新生儿/婴儿心脏分割数据集” | 成人急性心梗 DE-MRI 数据集 | 官网+两篇论文 |
| 2 | “MICCAI 2021 挑战赛” | MICCAI 2020 STACOM | 官网时间线 |
| 3 | “利摩日大学组织” | 勃艮第大学+第戎大学医院+Femto-ST | 官网 Organising Team |
| 4 | “数据可从 Zenodo 下载” | Zenodo 仅有设计文档 PDF | HF 镜像卡片+官网 |
| 5 | “100 例数据集” | 公开库 150 例（训练 100+分割测试 50） | 官网 Dataset 页 |
| 6 | “分类准确率 94% 是冠军成绩” | 组织队 Shi* 94% 不参与排名；参赛冠军 92% | 官网榜单 |
| 7 | “标注了四个心腔” | 左心室血池（标签 1）+心肌分区；无四腔解剖标注 | 标签定义 |
| 8 | “3D 全心脏分割” | 左心室短轴 2D 层序列，非全心脏 3D | 采集协议 |
| 9 | “梗死了 100 例，无复流 100 例” | 100 例全部有梗死；无复流为其中子集 | 结果论文 Table 2 口径 |
| 10 | “榜单还在更新” | 冻结于 Oct 2020（Last update 标注） | 官网 Leaderboard |
- 教训模式：错误 1-4 源于"凭缩写与猜测写简介"；错误 5-7 源于"把不同口径的数字混写"；错误 8 源于"用 cine 数据集的印象套 DE-MRI"。核验成本低（官网三页即可），错误传播成本高——这也是本条目设置 §7.4 与本节双清单的原因。
§9.7 分发渠道对比与选用建议
| 渠道 | 内容 | 完整性 | 合规风险 | 建议用途 |
|---|---|---|---|---|
| emidec.com 官方（注册下载） | 训练集（图像+标签+临床文本）+ 分割测试集（无标签） | 官方原始包 | 无（遵守 CC BY-NC-SA 4.0 + 特定条款） | 一切正式用途 |
| Zenodo doi:10.5281/zenodo.3755234 | 挑战设计文档 PDF | 无数据 | 无 | 了解赛制设计 |
| GitHub EMIDEC-Challenge/Evaluation-metrics | 官方评估脚本 | — | 无 | 对齐指标实现 |
| Kaggle 镜像 | 150 例 .nii.gz（含测试图像） | 重打包格式（.nii.gz 化） | 条款转述不完整风险 | 快速浏览/教学演示 |
| HuggingFace MedOtter/EMIDEC | 镜像包 + 详细卡片 | 卡片含溯源声明 | 转封装口径需自查 | 原型实验 |
- 选用原则：官方包是唯一"事实依据"；镜像只做"快速通道"；任何以镜像为依据的实验，投稿前应换官方包重跑核对一遍文件数与标签值分布。
- 镜像差异实例：Kaggle 镜像把文件统一为 .nii.gz 压缩格式——几何与标签值未变，但任何按文件名/路径写死的解析器需要适配；其 spacing 统计（本页 §4.4 引用）为训练集 100 例口径，与论文全库口径略有出入，引用时需注明。
§10 AI 使用声明卡
§10.1 这个数据集适合做什么
- DE-MRI 病灶分割：心肌/梗死/无复流三区自动勾画——注意病灶区基线仅 0.71/0.79，改进空间即论文空间。
- 心梗自动定量：从分割导出梗死体积（mm³）与百分比，直接对应临床报告口径（官方指标体系已内置）。
- 影像+临床多模态分类：12 项急诊临床特征 + DE-MRI 的融合分类，92% 为官方标杆。
- 小样本医学分割方法学研究：100 例训练规模 + 三重类不平衡 + 厚层各向异性，是检验小数据方法论（增强、正则、半监督、迁移）的天然考题。
- 不确定性量化研究：病灶边界模糊、标签单源，适合校准与不确定性估计方法（已有先例，见 §8.3）。
- 合成数据研究：以正常例为底图、以标注病灶为先验合成病理样本（MDPI Algorithms 2023 已示范）。
§10.2 这个数据集不适合做什么
- 临床部署直接证据：单中心、Siemens 双机型、急性期谱系窄、测试标签保密——任何"可用于临床"的表述都超出数据支撑。
- 跨中心/跨厂商泛化研究：无多中心维度，请用 M&Ms 家族（站内 rid 516/682）。
- 心功能/运动学分析：单时相静态数据无心动周期信息，请用 ACDC（rid 511）/Cardiac Atlas Project（rid 521）。
- 大规模预训练：150 例体量在此场景只是噪声，请用 UK Biobank 级人群库。
- 公平性研究：人口学字段仅有性别与年龄，无族裔等敏感属性，子群公平分析不可行。
- 榜单刷分型评测：挑战赛已冻结（2020-10），测试标签不公开；"在 EMIDEC 测试集上刷新 SOTA"的论文声明无法被独立验证，社区对这类声明默认采取审慎态度。
§10.3 高频问答（FAQ）
Q1：EMIDEC 和 ACDC 怎么选？
看序列：做延迟增强/心肌梗死/存活心肌选 EMIDEC；做心腔分割/射血分数/电影序列选 ACDC。做 cine→DE-MRI 迁移学习则两者都用（有官方先例）。
Q2：为什么我的心肌 Dice 只有 0.7x，别人 cine 数据集能到 0.9+？
口径不同。EMIDEC 冠军心肌 Dice 也只有 0.8786——厚层（8 mm）、低层信息、含正常例的全谱系构成决定了上限；与 cine 的 0.9+ 直接对比没有意义。
Q3：测试集标签到底拿不拿得到？
拿不到（截至本页成稿）。官方评估脚本开源但金标准保密。论文对比请声明"训练集交叉验证口径"。
Q4：数据能商用吗？
不能。CC BY-NC-SA 4.0 + 官方"仅非商业科研"特定条款双重限制；衍生数据集需同许可。
Q5：150 例里正常例有什么用？
三个用途：分类任务的负样本；分割任务的"无病灶先验"（防止模型把正常心肌误判为梗死）；数据增强时合成病理样本的底图（§8.3 已有先例）。
Q6：临床文本文件怎么读？
自由文本，无官方 schema；先做字段级解析器并枚举唯一值（坑点 7），数值类 log 变换，等级类 ordinal 编码。
Q7：怎么正确引用？
双引用义务：用数据引 Data 2020 论文，比成绩引 MedIA 2022 论文（格式见 §9.3）。
Q8：无复流区标注是嵌套在梗死区里的吗？
是。无复流区（标签 4）在解剖上被梗死区（标签 3）包围，呈"黑中之黑"结构；做连通域与拓扑后处理时必须处理这一嵌套（坑点 6）。
Q9：可以用 EMIDEC 做 nnU-Net 实验吗？
可以。NIfTI 格式原生兼容 nnU-Net；注意配置 2D 或 2.5D 计划（z 向 8 mm 层厚会让 3D 计划的池化设计失真），并自行按病例切分数据集（nnU-Net 默认不认识"病例分组"以外的泄漏问题）。
Q10：分类赛的两个子挑战有什么区别？
子挑战 B 只给临床文本（12 字段），子挑战 A 给临床文本 + DE-MRI 影像。A 有 4 支外部队伍上榜（冠军 92%），B 无外部队伍上榜（组织队 80% 最高）——临床特征单飞的判别力天花板明显。
Q11：为什么官网榜单和论文里的成绩略有出入？
官网榜单是 2020-10 的原始成绩（保留 4 位小数），论文 Table 4 是整理版（保留 3 位并附标准差）；两处口径一致，属排版精度差异。引用时以论文为准并注明版本。
Q12：EMIDEC 之后还有官方续集吗？
没有。组织方未办 EMIDEC-2；DE-MRI 方向的后续公开数据以研究性小数据集为主，官方榜单永久冻结（Last update: Oct 2020）。
Q13：无复流区 Dice 的 ±0.393 标准差说明什么？
说明成绩分布极度两极化：部分病例分割接近完美、部分接近全错（该区仅存在于部分病例且极小）。引用这类指标时应同时报告均值与分布（或中位数与分位数），只报均值会误导读者以为方法"稳定达到 0.78"。
Q14：能把 EMIDEC 和 M&Ms 的数据混在一起训练吗？
技术上可行（同为 NIfTI 短轴），但要处理标签映射（§4.5）、序列差异（cine 时相 vs 延迟单时相）与许可兼容（M&Ms 条款独立）。混训属于跨域实验设计，结果解释需按域分解报告，不宜报告单一混合分数。
Q15：临床特征会不会过时（如肌钙蛋白检测迭代）？
数据反映 2020 年前后第戎急诊的检测口径；作为"数据集内置协变量"使用完全合规，但把模型外推到其他年代/机构的临床数据时，需重新校准特征分布（与 §7.2 时点混杂同理）。
§10.4 本页 AI 使用声明
- 本页面的生成方式：由千方病案医学编辑部代理基于一手来源（官网 emidec.com 三页、Data 2020 数据论文、Medical Image Analysis 2022 结果论文/arXiv:2108.04016 全文）三源互证编写；brief 中"新生儿心脏分割挑战"的描述经实核证伪并已按官方口径修正（详见 FACTS 底稿存照）。
- 数字口径：本页全部成绩数字与官网 Leaderboard 及结果论文 Table 4/5 一致；几何参数（层厚/间隔/面内分辨率）以结果论文 2.1 节为准；Kaggle 镜像统计仅作辅助口径并已标注。
- 时效性：数据集冻结于 2020-10-04，本页信息核验日期 2026-09-27；若官方渠道未来变更，以官方页面为准。
- 给 AI 代理的提示：引用本页结论时请携带口径（“官方测试集"vs"训练集交叉验证”）；不要把组织队成绩（* 号）计入正式排名；不要把分类赛测试集等同于 150 例公开数据。
§10.5 快速上手十步指南
1. 读 §1.0 与 §7.4 口径排查表（5 分钟，避免 90% 的认知错误）
2. emidec.com 注册 → 下载训练集与分割测试集
3. 按 §5.4 核对清单清点与抽查数据
4. 解析临床文本：跑通坑点 7 的解析器骨架，人工过目唯一值
5. 建立病例级 5-fold 分组切分（坑点 4 的 GroupKFold 代码）
6. 跑 2D U-Net 基线（§6.5 骨架），目标心肌 Dice 0.85+
7. 加权损失 + 病灶过采样，观察梗死区 Dice 变化（预期 0.5-0.65）
8. 诊断失败案例：查看梗死/无复流区的假阴假阳切片（常在心基底/心尖层）
9. 分类任务：临床特征基线 → 加影像特征融合（§6.5 末段路线）
10. 汇报时使用 §6.4 的指标骨架 + §9.3 的双引用格式
§10.6 任务选型决策树
你的研究目标是……
│
├─ 心肌/梗死/无复流分割精度提升
│ ├─ 是 → EMIDEC 训练集（100 例 CV 口径）
│ │ 注意：病灶 Dice 0.7 即冠军量级，勿与 cine 数据集分数横向比较
│ └─ 想用官方测试口径 → 不可行（标签保密），改报 CV 口径
│
├─ 影像+临床多模态分类
│ ├─ 是 → EMIDEC 双模态字段（§4.2 标签 + §4.3 临床）
│ │ 注意：性别捷径检查（§7.2）；榜单 92% 为未公开测试集口径
│ └─ 只做纯影像分类 → 建议先看 §2.3 的特征重叠分析
│
├─ 多中心/多厂商泛化 → 不适用本数据集 → 站内 M&Ms（rid 516）/M&Ms-2（rid 682）
├─ 心功能/射血分数 → 不适用本数据集 → 站内 ACDC（rid 511）
├─ 运动伪影鲁棒性 → 不适用本数据集 → 站内 CMRxMotion（rid 687）
└─ 大规模预训练/基础模型 → 不适用本数据集 → 人群级影像库
§10.7 审稿人/评审者核对问题清单
审阅使用 EMIDEC 的论文/技术报告时，建议依次核对以下问题（问号越靠前越关键）：
- 作者声称的成绩是"官方测试集"还是"训练集交叉验证"？——若是前者，测试标签并不公开，如何获得金标准？
- 交叉验证是否按病例分组？（§6.3 坑点 4——切片级随机切分是最常见的虚高来源）
- “心肌 Dice” 口径是 2∪3∪4 合并体还是仅标签 2？（坑点 6）
- 梗死/无复流指标是否只在"该病灶存在"的病例上平均？正常例是否被正确排除？
- 损失函数是否处理了三重类不平衡？（坑点 3——报告逐类召回率了吗？）
- 若做分类，是否报告了性别分层成绩？（§7.2 性别捷径）
- 数据来源是官方注册下载还是镜像？镜像版本是否重新划分过？（坑点 8）
- 是否履行双引用义务（Data 2020 + MedIA 2022）？
- 与榜单的比较是否注明"口径不可直接比较"？（§8.6 报告规范）
- 是否把组织队成绩（* 号）计入了正式排名对比？
附录
附录 A：事实清单（硬事实 47 条全表）
- EMIDEC 全称 automatic Evaluation of Myocardial Infarction from Delayed-Enhancement Cardiac MRI；MICCAI 2020 附属 STACOM 2020 挑战赛，2020-10-04 公布成绩。
- 官网 emidec.com 自建独立站点；未托管于 grand-challenge.org。
- 组织方：勃艮第大学 ImViA 实验室（第戎）+ 第戎大学医院 + Femto-ST（贝尔福）+ CASIS 公司（Quetigny）；通讯 Alain Lalande。
- 公开数据库 150 例（全部不同患者）：50 正常 + 100 急性心梗；病理例 MRI 在血管成形术后一个月内完成；合并多种疾病者剔除。
- 训练集 100 例（67 病理+33 正常，含金标准）；分割赛测试集 50 例（33 病理+17 正常）；分类赛测试集未公开（新案例随机增删，例数论文未给）。
- 数据来自第戎大学医院常规心血管检查回溯性提取，无专用采集协议。
- 序列：T1 加权 PSIR；钆造影剂注射后约 10 分钟采集；ECG 门控、屏气、短轴位（基底到心尖）。
- 设备 Siemens Area（1.5T）与 Skyra（3T）。
- pixel spacing 1.25×1.25 至 2×2 mm²（因患者而异）；层厚 8 mm、间隔 10 mm。
- 层间屏气位移已校正；同一检查全部切片按心外膜重心对齐。
- 每例三件套：NIfTI 图像 + NIfTI 标签 + 临床信息文本。
- 标签取值：0=背景、1=心腔、2=正常心肌、3=心肌梗死、4=无复流区；整体心肌=2∪3∪4。
- 病理例标注 0-4 全档；正常例仅 0/1/2。
- 无复流区术语异写：官网 MVO（permanent microvascular obstruction）/结果论文 PMO（persistent）/通用 no-reflow。
- 临床特征 12 项：性别/年龄/吸烟/超重（BMI>25）/高血压/糖尿病/冠心病史/ECG ST 抬高/肌钙蛋白/Killip（max 1-4）/LVEF/NT-proBNP。
- 组间对比：性别正常组 38 女/12 男 vs 病理组 23 女/77 男；年龄 66±14 vs 59±12 岁；肌钙蛋白 7.68±12.91 vs 101.04±101.35 ng/mL。
- 标注由一名 10 年经验心脏科医生与一名 20 年心血管 MRI 经验生物物理学家监督；未公开标注者间一致性。
- 匿名化：NIfTI 头去除全部管理信息、不可溯源；第戎大学医院伦理委员会认定按法国法律无需伦理批号。
- License：CC BY-NC-SA 4.0（官网 dataset 页明示）；仅非商业科学研究；引用义务双论文。
- 数据本体唯一官方渠道为官网注册下载；Zenodo doi:10.5281/zenodo.3755234 仅挑战设计 PDF。
- 官方评估脚本：GitHub EMIDEC-Challenge/Evaluation-metrics。
- 非官方镜像：Kaggle johnsonhk88/emidec-dataset-for-heart-mri-image（150 例 .nii.gz）；HuggingFace MedOtter/EMIDEC。
- 数据论文：Lalande et al., Data 2020, 5(4), 89, doi:10.3390/data5040089（MDPI 开放获取）。
- 结果论文：Lalande et al., Medical Image Analysis 2022, 79, 102428, doi:10.1016/j.media.2022.102428；arXiv:2108.04016（v2，2021-08-10，CC BY-NC-SA 4.0）。
- 结果论文作者 32 人；Alain Lalande 与 Zhihao Chen 共同一作；含 Jun Ma、Xiahai Zhuang、Marleen de Bruijne 等参赛者。
- 分割赛 7 支外部队伍正式排名 + 2 支组织队（不排名）；冠军 Zhang（两阶段级联 2D U-Net→3D U-Net，参赛论文 STACOM 2020 LNCS 12592）。
- 冠军指标：心肌 Dice 0.8786（0.879±0.027）、体积差 9258.24 mm³（9.26±9.08 cm³）、Hausdorff 13.01 mm；梗死 0.7124；无复流 0.7851；rank sum 9；病例级 84.00%、切片级 94.97%。
- 分割赛第 2 名 Ma 心肌 Dice 0.8628；第 3-7 名 Feng/Yang/Huellebrand/Crozier/Zhou et al.；组织队 Girum* 0.8026、Brahim* 0.7905。
- 分类赛子挑战 A：冠军 Ma 0.92；Lourenco 0.82（敏感 87.88%/特异 70.59%）；Ivantsits 0.78；Sharma 0.62；组织队 Shi* 0.94（敏感 90.91%/特异 94.12%/精度 96.77%）、Girum* 0.84。
- 分类赛子挑战 B（仅临床）：无外部队伍正式上榜；Girum* 0.80、Shi* 0.76、Lourenco 0.72（N/A 无排名）。
- 结果论文总体判词：分类可达（最佳 0.92）；心肌分割可行；病灶区分割仍需改进（病灶小、对比度低）。
- 方法学教训：注意力/门控未证明优于 vanilla U-Net；加权 CE+（广义）Dice loss 主流；层间信息双刃剑；ACDC cine-MRI 迁移学习仅对心肌勾画有效。
- 结果论文 Google Scholar 被引 86 次（2026-09-27 存照）；后续用作病灶先验来源（Algorithms 2023, 16(10):488）、不确定性方法验证集、DE-MRI 量化标准对比集。
- 官网 Leaderboard 标注 “Last update: Oct 2020”；官网引用格式 “Data 2020, 5, 89” 与 MDPI 官方页 “Data 2020, 5(4), 89” 为同一论文两种著录。
- 冠军 “Zhang” 姓名归属存疑：参赛论文 Zhang, Y.（级联 CNN）vs 结果论文合著者 Hannu Zhang（Charité Berlin）——两种口径指向不同的人。
- Kaggle 镜像辅助统计（仅训练集 100 例）：spacing 中位数 (1.458, 1.458, 10.0) mm、体尺寸中位数 (240, 256, 7)、2D 切片共 708 张。
- 论文 Table 2：心肌体积正常 96.32±22.07 vs 病理 119.28±32.28 cm³；左心室心腔 83.32±25.27 vs 128.87±48.17 cm³。
- 论文 Table 2：梗死（含 PMO）体积 23.55±19.28 cm³、PIM 18.25±11.52%、Presence 100%（病例）/79.78%（切片）。
- 论文 Table 2：PMO 体积 2.34±5.14 cm³、PIM 1.65±3.03%、Presence 51%（病例）/23.27%（切片）；仅约半数病理病例存在无复流区；论文脚注：梗死体积统计含 PMO。
- PIM = Percentage of Infarcted Myocardium，梗死（或 PMO）体积占整体心肌体积的百分比。
- 官网心肌榜（2026-09-27 重抓）：Ma 0.8628; 10152.85 mm³; 14.31 mm（subranks 2;2;3）第 2；Huellebrand 0.8408 第 3；Yang 0.8553; 16539.52 mm³; 13.23 mm 第 4；Feng 0.8356 第 5；Zhou 0.8246 第 6；Crozier 0.7574 第 7。
- 官网梗死榜：Zhang 0.7124 第 1；Feng 0.5468 第 2；Ma 0.6224 第 3；Yang 0.6279 第 4；Crozier 0.3079 第 5；Zhou 0.3777 第 6；Huellebrand 0.3787 第 7。
- 官网无复流榜：Zhang 0.7851; 634.69 mm³ 第 1；Ma 0.7776; 829.65 mm³ 第 2；Feng 0.7222 与 Crozier 0.6052 并列第 3（ex-aequo）；Zhou 0.5198 第 5；Yang 0.6099 与 Huellebrand 并列第 6。
- 官网第 7 名 “Crozier et al.” 与论文 Table 4 “Camarasa et al.” 成绩逐位一致（0.757±0.111 / 17.11±15.45 cm³ / 25.44±21.71 mm）——同队异名（Erasmus MC de Bruijne 组）；Ma 不在论文 Table 4/5 中（论文仅收录投稿方法稿队伍）。
- 分类赛论文 Table 5 口径：Lourenço 敏感 87.88/特异 70.59/精度 85.29/准确率 82；Ivantsits 72.73/82.35/88.89/76；Sharma 72.73/41.18/70.59/62；Girum* 78.79/88.24/92.86/82；Shi* 90.91/94.12/96.77/92。
- 论文 Table 4 冠军口径：心肌 0.879±0.027 / 9.26±9.08 cm³ / 13.01±8.81 mm；梗死 0.712±0.268 / 3.12±5.15 cm³ / Pct.Diff 2.38±0.031%；PMO 0.785±0.393；case 84.00 / slice 94.97。
- 方法谱系（论文 Table 3，8 行）：两阶段 5 队（Brahim*/Camarasa/Girum*/Huellebrand/Zhang）+ 单阶段 3 队（Feng/Yang/Zhou）；8 队全部 U-Net 系。
以上 47 条与正文各节及 FACTS 档案一一对应，均出自一手来源核验（官网/数据论文/结果论文），检索与抓取时点 2026-09-27。
附录 B：术语表（41 条全表）
| 术语 | 释义 |
|---|---|
| DE-MRI | Delayed-Enhancement cardiac MRI，延迟增强心脏 MRI；钆剂注射后约 10 分钟采集，坏死心肌呈高信号 |
| PSIR | Phase Sensitive Inversion Recovery，相敏反转恢复；本数据集采用的 T1 加权延迟增强序列 |
| 无复流 / no-reflow | 梗死再灌注后微循环仍未恢复的区域，心肌内低强化灶；亦称 MVO/PMO |
| MVO / PMO | （permanent/persistent）microvascular obstruction，微血管阻塞——与 no-reflow 同义，两论文用词不一（坑 4） |
| 心外膜 | 心肌外表面；EMIDEC 按其重心对齐各层切片 |
| 短轴位 | 垂直于左心室长轴的切面；心脏 MRI 标准采集方位 |
| ECG 门控 | 按心电时相同步采集，消除心脏搏动伪影 |
| 屏气采集 | 患者屏息时采集，消除呼吸运动；残余位移由对齐处理消除 |
| NIfTI | Neuroimaging Informatics Technology Initiative 格式；医学影像研究常用体数据格式 |
| LGE | Late Gadolinium Enhancement，晚期钆强化；DE-MRI 的同义技术名（文献中通用） |
| Dice 系数 | 分割重叠度指标，2 |
| Hausdorff 距离 | 分割边界最大偏离度量；对单点离群敏感 |
| 绝对体积差 | 分割体积与金标准体积之差的绝对值（mm³） |
| rank sum | 各子指标排名之和；分割赛最终排名规则 |
| 病例级/切片级准确率 | 按整例/单层判断"有无梗死"的准确率；两者差距揭示指标粒度陷阱 |
| rank/敏感度/特异度 | 分类赛补充指标（论文 Table 5）；组织队 Shi 全套披露 |
| Killip 分级 | 急性心梗心功能分级（1-4），临床特征字段之一 |
| LVEF | 左心室射血分数；超声心动图测得 |
| NT-proBNP | 心衰生物标志物（pg/mL）；临床特征字段之一 |
| 肌钙蛋白 | 心肌损伤生物标志物（ng/mL）；组间差 13 倍的最强判别字段 |
| STACOM | Statistical Atlases and Computational Models of the Heart；MICCAI 附属心脏挑战赛 workshop |
| LNCS | Springer Lecture Notes in Computer Science；STACOM 2020 方法论文集为 LNCS 12592 |
| U-Net | 医学分割主流编码-解码架构；全场参赛方法的基础骨架 |
| 级联（cascaded） | 两阶段串联架构：初分割结果作为精修阶段输入；冠军方法 |
| 广义 Dice loss | 按类别加权的 Dice 损失；应对病灶类体素稀缺 |
| 加权交叉熵 | 按类别频率加权的分类损失；与 Dice loss 搭配为主流 |
| 迁移学习 | 源域预训练+目标域微调；EMIDEC 语境下特指 ACDC cine→DE-MRI 跨模态迁移（仅心肌有效） |
| CC BY-NC-SA 4.0 | 署名-非商业性使用-相同方式共享；本数据集许可 |
| cine-MRI | 电影序列心脏 MRI；ACDC/M&Ms 的模态，可看运动不可看坏死 |
| subrank | 子排名；三区×三指标共 9 个，求和定总名次 |
| ex-aequo | 法语"并列"；榜单中子排名之和相同者的标记（如无复流区并列第 3） |
| Pct. Diff. | 分割 PIM 与金标准 PIM 之差（百分点）；梗死定量的临床口径误差 |
| PIM | Percentage of Infarcted Myocardium，梗死体积占心肌体积百分比 |
| SE block | Squeeze-and-Excitation 模块（通道注意力）；Feng/Girum 等队采用 |
| SK block | Selective Kernel 模块（多核选择）；Yang et al. 采用 |
| IRB | 反转残差块（Inverted Residual Block）；Brahim et al. 采用 |
| 膨胀卷积 | dilated convolution，不增参数扩感受野；Feng et al. 采用 |
| mix-up | 训练样本线性插值增强；Zhou et al. 采用 |
| 混合模型 | mixture model，统计建模分割；Huellebrand et al. 用于梗死区 |
| 形态学闭运算 | 先膨胀后腐蚀的后处理；Huellebrand et al. 用于平滑掩码 |
| 心肌存活性 | myocardial viability，DE-MRI 临床评估目标之一（梗死范围与透壁程度） |
术语表与 §1.4 速览版、§9.4 中英对照表互为补充：本表按"释义"角度收录全部 41 条，供检索与写作时统一用语。
参考资料
- EMIDEC challenge 官网首页. http://www.emidec.com/ （核验日期 2026-09-27）
- EMIDEC Dataset 页（许可、下载、采集协议、标注者）. https://emidec.com/dataset （核验日期 2026-09-27）
- EMIDEC Leaderboard 页（分割赛与分类赛全部成绩）. https://www.emidec.com/leaderboard （核验日期 2026-09-27）
- Lalande A, Chen Z, Decourselle T, et al. Emidec: A Database Usable for the Automatic Evaluation of Myocardial Infarction from Delayed-Enhancement Cardiac MRI. Data 2020;5(4):89. doi:10.3390/data5040089
- Lalande A, Chen Z, Pommier T, et al. Deep learning methods for automatic evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge. Medical Image Analysis 2022;79:102428. doi:10.1016/j.media.2022.102428（预印本 arXiv:2108.04016）
- EMIDEC-Challenge/Evaluation-metrics. GitHub. https://github.com/EMIDEC-Challenge/Evaluation-metrics
- EMIDEC challenge design document. Zenodo. doi:10.5281/zenodo.3755234（PDF；数据本体不在 Zenodo）
- MedOtter/EMIDEC. HuggingFace Datasets（镜像卡片，含 Zenodo 角色调研存照）. 核验日期 2026-09-27
- EMIDEC Dataset For Heart MRI Image. Kaggle（社区镜像，辅助统计口径）. 核验日期 2026-09-27
- Zhang Y. Cascaded convolutional neural network for automatic myocardial infarction segmentation from delayed-enhancement cardiac MRI. STACOM 2020. Springer LNCS 12592.
- MDPI Algorithms 2023;16(10):488（EMIDEC 作为先验源的病理特异性数据增强）.
- STACOM 2020 workshop 官网. http://stacom2020.cardiacatlas.org
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：
- mms-2 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- cmrxmotion — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- lvquant — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- myops — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- mm-whs — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- lascarqs — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- cmrxrecon — 共享标签：医学影像 / MRI / 挑战赛数据集 / 心血管疾病
- mms — 共享标签：医学影像 / MRI / 医学图像分割 / 心血管疾病
- camus — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病
- topaneu2026 — 共享标签：医学影像 / MRI / 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。
