Fetal Abdominal Structures Segmentation Dataset — 胎儿腹围标准切面 1588 张超声图与四结构专家掩码

INFOBOX — FETAL-ABDOMINAL（FAS）一屏速览

维度	内容
本质	单中心前瞻采集的胎儿腹围标准切面超声图 + 四结构专家分割掩码数据集（原创采集，非挑战赛、非重标注）
团队	巴西 UFSC（圣卡塔琳娜联邦大学）大学医院妇产科 + 数字融合研究所；通讯 Karine Souza Da Correggio
数据	1588 张 PNG 超声图 / 169 名足月孕妇；约 9.4 张/人；1.06 GB
切面	胎儿腹围（AC）轴位标准切面，取腹部最宽处、跨肝脏
标注结构	腹主动脉 / 肝内段脐静脉 / 胃 / 肝（四类内部结构，3D Slicer v5.2.2 逐像素）
采集	2021-09 至 2023-09；Siemens Acuson / GE Voluson 730 / Philips EPIQ Elite；2-9 MHz 凸阵探头
队列	足月孕妇 ≥18 岁；含胎膜早破、妊娠期糖尿病、子痫前期、宫内生长受限等并发症
伦理	UFSC 伦理委员会批准（批号 4.971.754）；全体书面知情同意
获取	完全公开直链（Mendeley Data，无需申请/注册）
许可	CC BY 4.0（可商用、可再分发、需署名）
生态	被 FGR 筛查（medRxiv 2026）、SAM vs CNN 基准（Fiorentino 2025）、VLM 基准（FETAL-GAUGE）引用
库内互链	fetal-planes-db(538)、hc18(535)、focus-fetal(881)、acouslic-ai(691)、psfhs(791)

Fetal Abdominal Structures Segmentation Dataset（FAS）回答的是一个非常具体、也非常实际的问题：当产科医生扫出一个标准的胎儿腹围切面时，机器能不能像人眼那样，准确地圈出切面里的胃泡、肝脏、腹主动脉和脐静脉？ 这个数据集由巴西圣卡塔琳娜联邦大学（UFSC）的临床与技术团队联合采集，把 169 名足月孕妇的 1588 张腹围切面超声图连同一批专家逐像素标注的结构掩码，以 CC BY 4.0 完全开放。它规模不大、来源单一，却是胎儿超声"从测周长到认器官"这一转向的朴素起点——后续的 SAM 适配评测、宫内生长受限筛查、视觉语言模型基准都把它当作现成的试炼场。

导语读法三则：

1. 只要数据：直奔 §6 获取与许可——这是罕见的"零摩擦"数据集，公开直链 + CC BY 4.0，下载即用，没有请求制、没有注册门槛。
2. 关心标注可靠性：直奔 §4 标注流水线——重点看四类结构的定义、3D Slicer 流程、以及类别定义歧义这条坑。
3. 要做分割基准：直奔 §5 任务与用法——四类结构的难度分层（肝大而连续、主动脉小而低对比）是选型关键。

§0 导读：这个数据集解决什么问题

产科超声的生物测量长期以"周长"为核心：头围（HC）、腹围（AC）、股骨长（FL）是评估胎儿生长与营养状态的三把标尺，其中腹围尤其关键——它直接反映胎儿肝脏大小与皮下脂肪，是判断宫内生长受限（IUGR）与巨大儿的主要依据。但传统工作流依赖医生手动描点、软件拟合椭圆：一遍扫描下来，切面选择的主观性、椭圆拟合的粗粒度、以及"切面里到底有没有标准结构"的核验负担，都压在操作者身上。

要自动化这条链路，第一个瓶颈不是测量算法，而是数据。公开的胎儿超声数据集大多集中在分类任务（这张图属于哪个标准平面？）或单一测量任务（头围分割），而"认器官"——即在腹围切面里逐个分割出胃、肝、主动脉、脐静脉——长期缺乏像素级标注的公开资源。四个结构的分割难度天差地别：肝脏大、连续、对比尚可；主动脉细长、低对比、常被声影遮挡。要训练一个能同时应付这四类的模型，就需要既有一致的采集协议、又有可信的专家掩码的数据集。

FAS 的贡献正在于此。它在 2021 年 9 月至 2023 年 9 月的两年间，于 UFSC 大学医院妇产科前瞻采集了 169 名足月孕妇的腹围标准切面，统一要求切面取在胎儿腹部最宽处、跨肝脏，并完整包含胃、主动脉、脊柱与肝内段脐静脉；随后由专家用 3D Slicer 逐像素标注四类内部结构。交付形态是 PNG 图像加 .npy 掩码，CC BY 4.0，1.06 GB 单包直下。

§0 读法三则：

1. 这是"原创采集"型数据集，不是衍生重标注——图像与标注同源同批，引用时只需引本数据集，不存在 PANDA-PLUS 那种"图归上游、标归本篇"的分裂归属。
2. 全文所有数字以 Mendeley 官方描述与三源转移引用互证为准；官方"nearly 1500"与下游"1588"的图数差已在坑 1 存照。
3. 数据集本身没有独立论文实体，学术出处依赖下游引用——这既是它的弱点（缺少方法学说明），也是它的特点（数据即交付物）。

§0.1 从手动描点到自动认器官：为什么这很重要

要理解 FAS 的历史位置，得先看传统胎儿超声测量的痛点。标准的腹围测量流程是：医生在屏幕上找到腹部横切面 → 确认能看到胃泡与脐静脉（判定是标准切面）→ 手动点击腹部外轮廓上的若干点 → 软件拟合椭圆 → 读出周长。整条流程里，"确认切面"与"圈出轮廓"高度依赖医生经验，且难以标准化——同一张图，两位医生可能量出不同的 AC。

自动化这条流程，需要机器先具备两项能力：识别切面里的解剖结构（认器官），以及据此判断切面是否合格（门控）。这正是 FAS 训练的模型要做的事。与"直接回归一个数字"的端到端方法相比，“先分割结构、再推测量"的路径更可解释、更易核验，也更符合临床的判定逻辑——医生本来就不是"凭感觉报一个数”，而是"看到这些结构，才敢量腹围"。

因此 FAS 的价值不在于"又提供了一个超声数据集"，而在于它把临床的判定逻辑——结构识别是测量的前提——变成了可供机器学习的像素级标注。这也是它被下游自动生物测量研究反复选用的原因。

§0.2 数据集诞生的机构背景

FAS 由巴西 UFSC（圣卡塔琳娜联邦大学）的两支力量合作完成：

• 临床侧：大学医院妇产科（Divisão de Tocoginecologia），负责受试者招募、伦理合规、标准化采集与专家标注；
• 技术侧：巴西数字融合研究所（Brazilian Institute for Digital Convergence），负责数据处理、掩码导出与格式转换。

这种"临床出数据、技术做处理"的分工，是医学数据集生产的常见模式，也解释了数据集为何同时具备"临床可信"（临床专家标注、伦理批号）与"工程可用"（PNG + .npy 结构化交付）两个特征。通讯作者 Karine Souza Da Correggio 作为妇产科医生兼研究者，是连接两侧的关键人物——她既署名本数据集，也署名后续的胎儿肝脏回声分析论文（§5、坑 4）。

§1 数据集速览：十问十答

Q1：FAS 是什么、有多大？
一句话：胎儿腹部（腹围切面）超声图像的分割数据集，含 1588 张图像、169 名孕妇、约 9.4 张/人，配四类内部结构的专家掩码。原始采集期 2021 年 9 月至 2023 年 9 月。

Q2：图像是什么切面、什么格式？
胎儿腹围（AC）轴位标准切面——取胎儿腹部最宽处、跨肝脏。原始采集为 DICOM，发布时统一转为 PNG；标注为 .npy（内含"结构→图像"映射字典）。

Q3：标注了哪些结构？
四类内部结构：腹主动脉（abdominal aorta artery）、肝内段脐静脉（intrahepatic portion of the umbilical vein）、胃（stomach）、肝（liver）。脊柱作为切面组成要素在描述中提及，但主体口径是上述四类。

Q4：谁采的、伦理合规吗？
巴西 UFSC 大学医院妇产科采集，数字融合研究所做技术处理。UFSC 人类研究伦理委员会批准，批号 4.971.754，全体受试者书面知情同意。

Q5：允许商用吗？
允许。许可为 CC BY 4.0，可商用、可再分发，只需署名。这在医学数据集里属于最宽松的一档。

Q6：怎么拿到？
Mendeley Data 公开直链，无需申请、无需注册：https://data.mendeley.com/datasets/4gcpm9dsc3/1 ，单 zip 包 1.06 GB。

Q7：有官方测试集和 SOTA 吗？
没有官方基准。官方描述未给 train/test 划分，也未给官方指标。公开可比的评测数字都来自第三方后续研究。

Q8：有谁用过它？
至少三类下游：宫内生长受限（FGR）低资源筛查（medRxiv 2026）、SAM vs CNN 适配评测（Fiorentino 2025，DSC 最高约 0.90 肝 / 0.80 主动脉）、胎儿超声视觉语言模型基准（FETAL-GAUGE, arXiv 2512.22278）。

Q9：它和头围数据集（HC18）什么关系？
互补。HC18 分割胎儿头部测头围，FAS 分割胎儿腹部结构测腹围——两者构成胎儿生物测量"头-腹"双生参照，常被同一篇自动测量研究并引。

Q10：为什么它对 AI-Ready 重要？
它是"零摩擦公开"的样本：公开直链 + CC BY 4.0 + 结构化掩码 + 一致采集协议，把使用者的接入成本压到最低——这正是 AI-Ready 光谱中最理想的一极。

§1.5 全景速查：一页看懂 FAS

为方便快速决策，下面把最常被问到的信息压缩成一页：

你想知道的	答案
这是分类数据还是分割数据？	分割（语义分割，逐像素掩码）
标注了几类？	4 类内部结构（主动脉/脐静脉/胃/肝）
有诊断标签吗（正常/IUGR/GDM）？	没有，队列含并发症但标签未逐图公开
图像原始格式？	DICOM（发布转 PNG）
掩码格式？	.npy（含结构-图像映射字典）
一共多大？	1588 图，1.06 GB
多少人？	169 名孕妇
哪国的？	巴西（UFSC，Florianópolis）
什么设备？	Siemens / GE / Philips 三型，2-9 MHz 凸阵
什么时候采的？	2021-09 至 2023-09
许可？	CC BY 4.0（可商用）
怎么下？	Mendeley Data 公开直链，无需申请
有论文吗？	无独立数据集论文，只有数据 DOI
有官方基准吗？	无
谁用过？	FGR 筛查、SAM vs CNN、VLM 基准
最大局限？	单中心、单地区、样本量有限
一句话定位？	干净、开放、有限、好用的胎儿腹部超声分割目标域

1.5.1 数据集在胎儿超声流水线中的位置

把胎儿超声 AI 分析拆成一条流水线，FAS 的位置一目了然：

[扫查] → [平面识别] → [结构分割] → [生物测量] → [异常判断]
            ↑             ↑            ↑           ↑
     fetal-planes-db    FAS        hc18/FAS    (需另找标签)
        (分类)        (本条目)     (测量)
                       acouslic-ai

• 平面识别（这张图是不是标准平面？）→ fetal-planes-db 类数据集；
• 结构分割（平面里的器官在哪？）→ FAS 正好落在这里；
• 生物测量（由结构推周长/直径）→ FAS 与 hc18 都能支撑；
• 异常判断（是否 IUGR？）→ FAS 不自带标签，需要下游另采（如 medRxiv 2026 的做法）。

这张图也解释了为什么 FAS 常被"自动生物测量"类研究选中：它同时提供"结构"与"可推测量"两层信息，且切面标准化程度高。

1.5.2 三类使用者与各自的切入点

使用者类型	最关心	建议切入
数据工程/初学者	怎么快速跑通	§5.1 预处理惯例 + §6 获取直链
分割方法研究者	方法对比是否公平	§5.2 Fiorentino 基准 + 坑 5/6
临床 AI 团队	能否部署	§7.2 单中心局限 + 外部验证缺口

1.5.3 一图读懂"任务与结构"的对应

结构	对应临床意义	对应 AI 任务
肝	营养储备、AC 边界主体	大结构分割
胃（胃泡）	标准切面标志之一	中结构分割 + 切面核验
腹主动脉	标准切面标志之一	小结构分割 + 切面核验
肝内段脐静脉	标准切面标志之一	细长结构分割 + 切面核验

这张表揭示了一个常被忽略的设计逻辑：四类结构里有三类（胃、主动脉、脐静脉）的主要用途是"确认这是标准腹围切面"，而肝是"测量主体"。因此 FAS 的价值不只是分割本身，还包括支撑"自动切面门控"——这在下游的自助扫描、低资源筛查场景中尤其重要。（见 §4.2）

1.5.4 与其他"腹部"数据集的消歧要点

检索"abdominal"时容易混淆，此处一次说清：

名称	是什么	域
fetal-abdominal（本条目）	胎儿腹部超声分割	产科超声
abdomenct-1k	成人腹部 CT 分割	放射 CT
fetal-planes-db	胎儿标准平面分类	产科超声
hc18	胎儿头围超声分割	产科超声

一句话记法：看到 “fetal” 且任务为分割 + 超声 → 大概率是胎儿超声族；看到 “CT” → 是放射影像，别混。

§2 数据构成与规格

2.1 规模、来源与机构构成

FAS 的公开描述给出三个核心规模数字：1588 张图像、169 名受试者、约 9.4 张/人。全部图像来自同一家医院——巴西圣卡塔琳娜联邦大学（UFSC）附属 University Hospital Polydoro Ernani de São Thiago 的妇产科院区（Florianópolis, Santa Catarina, Brazil）。

维度	数值	口径说明
图像总数	1588	下游实测与三源索引一致；官方描述原文写 nearly 1500
受试者数	169	足月孕妇
每例图像数	均值 9.4	1588 / 169，逐人可变
采集期	2021-09 ~ 2023-09	约 24 个月
文件体积	1.06 GB	单 zip 包
机构	1 家	UFSC 大学医院（单中心）

图数口径冲突必须存照：Mendeley 官方描述原文写 “totaling nearly 1500 images”（约 1500 张），而下游 FGR 筛查论文、Ultrasound Dataset Atlas、第三方索引页均记 1588。本条目按 1588 记录，同时在坑 1 标注官方约数口径——引用时若与他文对不齐，先看对方用的是哪一口径。

采集地域高度集中：全部来自巴西圣卡塔琳娜州一地的一家三级转诊医院。作者在下游论文中明确将本数据集定位为"proof-of-concept"，并指出"所有图像来自单一三级转诊中心与有限几型扫描仪，需在其他地区与诊疗层级的独立队列上做外部验证后才能进入临床部署"——这一自我限定对使用者极为关键：不要把 FAS 上的分割性能直接当作跨机构泛化能力。

2.2 图像规格与采集设备

属性	规格
模态	2D B-mode 超声
切面	胎儿腹围（AC）轴位标准切面，取腹部最宽处、跨肝脏
原始格式	DICOM（原始存储）
交付格式	PNG（图像）+ .npy（掩码）
采集设备	Siemens Acuson / GE Voluson 730 / Philips-EPIQ Elite
探头	2–9 MHz 凸阵探头（curved linear transducers）

三型设备混合是一个容易被忽视的变量：Siemens、GE、Philips 的图像风格（点扩散、增益曲线、边缘增强）各不相同，对训练一个跨设备的鲁棒模型既是挑战也是天然的域多样性。论文对采集预设做了明确约束——关闭图像平滑、缩放、卡尺、指针、多普勒等后处理选项，以保证图像尽可能接近原始回波；但**组织谐波成像（tissue harmonic imaging）**以及频率、增益、焦点等设置留给操作医师自行决定。这意味着同一数据集内部仍存在可观的采集异质性——对分割模型而言是"更贴近真实临床"的加分项，对严格受控实验而言则是需要声明的混杂因素。

图像质量管控由两名团队成员把关：含卡尺（calipers）或骨质结构明显声影（acoustic shadows）的图像被整体剔除。卡尺排除确保了图像里没有既往测量标记干扰；声影排除则是因为肋骨、脊柱等骨质会在其后方形成声影区，遮挡结构、污染标签。

2.3 标注结构与类别体系

四类内部结构掩码，由专家临床医生在 3D Slicer v5.2.2 中逐像素标注：

结构	英文名	形态学特征	分割难点
腹主动脉	abdominal aorta artery	短轴切面呈小圆形/椭圆形，低回声	体积小、对比低、易被脊柱声影遮挡
肝内段脐静脉	intrahepatic umbilical vein	从脐带入口折向肝内的管状结构（J 形）	细长、走行弯曲、与肝实质对比弱
胃	stomach（胃泡）	圆形/椭圆形的无回声液性暗区	形态与充盈度随孕周变化
肝	liver	占据腹部右前区域的大片均匀软组织	面积最大但边界与邻近结构相邻

标注流程强调"最大化肝脏区域（maximizing liver area）"——肝是四类中面积最大、最连续的结构，其边界界定会显著影响按面积计算的指标。3D Slicer 用于对选定的 DICOM 图像做结构分割，标注结果导出为 .npy 文件，每个 .npy 内含一个字典，把标注结构与对应图像映射起来——这一设计使图像与掩码的配对不依赖文件名字符串猜测，降低了错配风险。

关于"脊柱（spine）“：官方描述在陈述切面内容时说该切面"涵盖胎儿胃、主动脉、脊柱、肝内段脐静脉”，即脊柱是标准切面应有的构成要素；但四类标注口径里未单列脊柱。条目按"四类标注结构 + 脊柱作为切面要素提及"记录，并在坑 4 存照。

2.4 类别定义歧义：一段需要警惕的官方文本

Mendeley 页面的 “Steps to reproduce” 段落里出现一句话，称标注者用 3D Slicer “carefully mark and identify each region of interest and condition, such as hepatic steatosis and metabolic imbalance”（标注每一感兴趣区和状况，例如肝脂肪变与代谢失衡）。这与数据集主体描述的"腹主动脉/脐静脉/胃/肝四类结构分割"口径明显不一致——很可能是从作者团队关联论文（胎儿肝脏回声分析预测新生儿胰岛素失衡，J Ultrasound Med doi:10.1002/jum.70053）的文本模板中残留而来。

对使用者的实操建议：以主体描述的四类结构为准。若在下游复现中遇到"肝脂肪变/代谢失衡"标签，应优先怀疑是文档串写，而非数据集真含此类条件标签（详见坑 4 与 §9 遗留疑点）。

2.5 队列构成：一个把"并发症"纳入的足月队列

受试者资格标准清晰且值得细读：

纳入	排除
足月孕妇，年龄 ≥18 岁	早产妊娠
在产或计划分娩	多胎妊娠
引产、剖宫产者	胎儿结构异常
妊娠并发症：胎膜早破、妊娠期糖尿病、子痫前期、宫内生长受限	染色体异常

孕周以最早一次超声检查确定。把 IUGR、GDM、子痫前期这类病理妊娠纳入，使队列不局限于"健康胎儿"——腹围切面在生长受限胎儿上形态可能更不典型，这为鲁棒性训练提供了比纯正常队列更真实的样本。但代价是：并发症亚组的精确例数官方未逐类披露，研究者无法从公开描述中知道"其中多少例是 IUGR"，也就无法做分层评估（§9 遗留疑点）。

§3 采集协议与标注流水线

3.1 为什么是"腹围切面"

腹围切面之所以成为胎儿生物测量的关键平面，源于解剖学上的三个理由：

1. 代表性：AC 切面位于胎儿腹部最宽处、跨肝脏，肝脏大小直接反映胎儿营养储备（肝糖原与脂肪沉积），因此 AC 是评估 IUGR 与巨大儿最敏感的指标之一。
2. 可标准化：该切面有明确的解剖标志约束——须含胃泡、肝内段脐静脉、腹主动脉（脊柱），操作者据此判断"这是不是标准切面"，使跨操作的采集一致性优于其他任意切面。
3. 可自动化：切面内四类结构形态相对稳定，适合用分割网络逐个识别，进而支撑"结构完整性核验"与"像素级测量"的双重目标。

FAS 的采集协议正是围绕这三点设计的：统一要求采用常见轴位切面，在腹部最宽处、跨肝脏测量，切面须涵盖胃、主动脉、脊柱、肝内段脐静脉。

3.2 四步采集与质控流程

① 资格筛选（足月 ≥18 岁，排除早产/多胎/结构或染色体异常）
        ↓
② 标准化采集（关闭平滑/缩放/卡尺/多普勒；谐波与增益等由医师决定）
        ↓
③ 质量管控（两名成员把关；剔除含卡尺或骨质声影的图像）
        ↓
④ 专家标注（3D Slicer v5.2.2 逐像素圈注四类结构 → 导出 .npy）

四步里最容易被低估的是第③步。超声图像里，卡尺（测量标记）与骨质声影是两个高频"标签杀手"：卡尺会在像素上留下与结构无关的亮线/标记，声影则让结构局部不可见却仍被标成完整形态。把这两类图像整体剔除，牺牲了数量、换来了标签纯度——这是"数据质量优先于数据规模"的典型取舍。

3.3 标注软件与文件组织

选择 3D Slicer 而非病理常用的 QuPath，反映了任务差异：QuPath 面向全切片病理，3D Slicer 面向三维医学影像与体数据，其对 2D 超声切面的分割标注、以及对 DICOM 的原生支持更直接。标注完成后：

• 结构掩码以 .npy（NumPy 数组）格式导出；
• 每个 .npy 内含字典，绑定标注结构与源图像；
• 图像统一转为 PNG 便于后续处理。

这套"图像 PNG + 掩码 NPY + 字典绑定"的组织方式，对深度学习管线友好：读取时用字典匹配即可，无需依赖易错的文件名约定。作者在 “Steps to reproduce” 中明确表示，遵循此方法其他研究者应能复现其数据采集流程——这是一种面向可复现性的文档化努力。

3.4 效率与规模的现实约束

1588 张、169 人、单中心、24 个月——这组数字勾勒出的是一种"小规模高标注密度"的数据生产模式，与同期流行的众包式大规模弱标注形成鲜明对比。它没有追求万级规模，而是把成本集中在"每一张都经过专家逐像素标注 + 双重质量控制"上。

对使用者的含义有两条：

1. 适合做基准与原型：样本量足以训练与评测分割模型，尤其适合小样本、低对比结构的分割方法对比（这正是 Fiorentino 2025 的选择）。
2. 不适合直接当作大规模预训练语料：1588 张远不足以支撑基础模型从零预训练，更适合做迁移学习的目标域、或基础模型适配/评测的测试床。

这种定位与库内 fetal-planes-db、hc18 一脉相承：产科超声公开数据集普遍规模有限，"标注密度换规模"是全行业现实。

3.5 与三类数据生产模式的对比

把 FAS 放进"谁在标、怎么核、多大规模"的三维坐标里，能看清它的取舍：

生产模式	标注者	质控核心	典型规模	代表
专家手标（本数据集）	临床专家 + 技术团队	双重质量管控 + 统一工具	千张级	FAS
众包聚合	非专家群体	多人投票/聚合	万级 patch	（病理领域常见）
平面分类标注	受训标注员	类别一致性	万级图	fetal-planes-db
单测量任务	少量专家	轮廓精度	千张级	hc18

FAS 的选择很明确：牺牲规模，换取"每张都经专家逐像素标注 + 双重质控"的标注密度。这与众包式大规模弱标注走的是相反的路。两条路没有绝对优劣——前者适合做精基准与目标域微调，后者适合做大规模预训练。FAS 把自己牢牢定位在"精"这一端。

3.6 采集期与季节/流程因素的潜在影响

采集跨度为两年（2021-09 至 2023-09），这带来一个隐性变量：设备使用习惯、操作者更替、甚至软件版本更新都可能在这两年内发生变化。数据集未披露按时间的分层信息，因此无法判断样本是否在时间上均衡分布。对建模者的提示：

1. 若把整批数据混用，模型学到的可能是"两年间平均的设备医生风格"，而非某一稳定配置；
2. 若要做时间稳健性分析，需自行按文件名或元数据推断采集批次——但官方未保证提供此类时间戳（§9 遗留疑点）。

3.7 伦理与合规

项	内容
伦理审查机构	UFSC 人类研究伦理委员会（Ethics Committee in Human Research）
批号	4.971.754
知情同意	全体合格受试者书面知情同意
数据去向	去标识后以 CC BY 4.0 公开发布

一个值得记录的合规亮点：数据集以 CC BY 4.0（可商用）发表，说明伦理审查与作者团队认可其"去标识后可用于开放研究与商业用途"。这在临床来源的超声数据中并不普遍——很多临床数据因知情同意条款限制只能"研究用途申请制"。FAS 的开放程度是它区别于同类数据集的重要特征。

§3.8 数据字典与文件组织实操

虽然官方未提供完整数据字典，但从描述可推断出下列组织约定，供使用者核对：

项	推断内容	依据
图像命名	数字/字符串标识	Mendeley 默认组织
掩码命名	与图像一一对应	.npy 字典绑定
掩码内容	字典	官方描述原文
配对方式	通过 .npy 内字典，非文件名猜测	官方描述原文
类别编码	四类结构 + 背景	官方描述

官方 “Steps to reproduce” 明确：“Within each .npy file, a dictionary is included that maps the annotated structures to their respective images.”（每个 .npy 文件内含一个字典，把标注结构映射到对应图像。）使用者应优先依赖这个字典做配对，而不是自行假设文件名规则。

3.9 下载与自检清单

拿到 1.06 GB 的 zip 后，建议按下列清单自检，以便撰写自己的数据卡（datasheet）：

1. 解压后图像数：是否为 1588（或与官方"约 1500"口径的差异）；
2. 掩码数：是否与图像一一对应；
3. 类别集合：.npy 字典里出现的键是否为主动脉/脐静脉/胃/肝（是否出现"肝脂肪变/代谢失衡"等异常键——见坑 4）；
4. 尺寸一致性：图像与掩码是否同分辨率、像素级对齐；
5. 重复/损坏：是否有零字节或损坏文件；
6. 类别像素占比：统计四类的像素占比，判断是否存在极端不平衡。

这份自检不是多余动作——由于官方未给详尽数据卡，你的下载实测本身可能成为该数据集在中文学界最详细的一份二手描述。

§2.6 为什么腹围切面的四个结构如此难标

要理解 FAS 的标注价值，必须先理解腹围切面里四个结构的"视觉性格"差异。这不是一个"圈出几个器官"的简单任务，而是要在低信噪比的超声图上，把解剖学、声学伪影与主观判断三者纠缠在一起。

肝（liver）：面积最大、回声相对均匀，是 AC 测量的主体。但它与邻近的皮下软组织、膈肌、肠管之间没有硬边界——超声上的"肝缘"是回声渐变的过渡带，不同专家圈出来的肝域可能相差数个百分点。官方要求"maximizing liver area"，正是在提醒标注者不要把肝域画小。

胃（stomach）：表现为无回声的液性暗区（胃泡），对比度高、好识别。难点在于形态随孕周与充盈度变化——同一个胃，在胎儿吞羊水前后大小差异明显。此外，"胃"与"胃下方的小肠液性区"有时难以区分。

腹主动脉（abdominal aorta artery）：在腹围切面上表现为脊柱前方的圆形/椭圆形低回声。它体积小、对比低，常被脊柱的声影部分遮挡。一个经验不足的标注者很容易把它标偏或漏标。

肝内段脐静脉（intrahepatic umbilical vein）：从脐带入口进入肝内的管状结构，呈特征性的"J"形走行。它细长、弯曲、与肝实质对比弱，是四类里最考验标注者耐心的结构。它的存在与否是判断腹围切面是否标准的关键（"看到脐静脉的肝内段"是标准切面的经典标志之一）。

把四类难度叠在一起，就能理解为什么下游研究要用 focal loss、要用适配 SAM、要做分结构报告——这不是一个"一个网络全搞定"的任务。

§2.7 并发症队列对模型的意义

FAS 队列纳入了胎膜早破、妊娠期糖尿病（GDM）、子痫前期、宫内生长受限（IUGR）等病理妊娠。这对 AI 研究有三层意义：

1. 解剖变异更丰富：IUGR 胎儿的腹部脂肪薄、肝小，腹围切面的形态与正常胎儿不同；GDM 胎儿可能腹围偏大。模型见过这些变异，鲁棒性更好。
2. 更接近真实筛查场景：低资源筛查面对的正是"不确定人群"，纯健康队列训练出的模型可能不适应。
3. 但也带来标签缺口：并发症标签未逐图公开，研究者无法做"正常 vs IUGR"的分层评测——想利用这些病理样本，必须自建标签（如关联论文所做的肝脏回声/胰岛素失衡分析）。

这三点合起来说明：FAS 的队列构成比它看起来更有临床野心，但标签体系没有跟上这个野心。它是"结构分割数据"，不是"病理分类数据"（§4.3）。

§3.10 采集设备的域差异：三型机器的图像性格

FAS 混合了 Siemens Acuson、GE Voluson 730、Philips EPIQ Elite 三型设备。对域泛化研究者，这是天然的多域数据；对不同设备使用者的现实意义，则在于"图像风格"差异：

设备	系列定位	图像风格倾向
Siemens Acuson	综合超声平台	边缘锐、对比强
GE Voluson 730	妇产专用经典平台	软组织层次柔和
Philips EPIQ Elite	高端综合平台	均匀性好、噪声低

这三种风格对分割模型的影响是：模型可能学到"某种风格的纹理↔结构"，一旦部署到第四种设备上，性能可能下降（域偏移）。FAS 的三设备混合降低了"单一设备过拟合"的风险，但远未解决跨设备泛化——毕竟样本量有限，且三型设备在巴西该院的配比未知。

§3.11 采集协议的可复现性分析

官方给的采集协议在"可复现性"上是中等的：

协议要素	是否明确	可复现性影响
切面位置（腹部最宽处、跨肝）	明确	高
必需结构（胃/主动脉/脊柱/脐静脉）	明确	高
关闭后处理（平滑/缩放/卡尺/多普勒）	明确	高
谐波成像开关	未统一	中（图像风格漂移）
频率/增益/焦点	医师自定	中低（强度分布漂移）
设备型号选择	三型任选	中（域混合）

可以看到：几何层面（切面、结构）的协议很严，强度层面（增益、频率、谐波）的协议很松。这解释了为什么下游预处理里"强度归一化"是必要步骤——协议在几何上给足了，在强度上留了缺口。

§3.12 与库内其他"低摩擦公开"数据集的一致性

FAS 的"公开直链 + 宽松许可"特征，与库内若干条目形成呼应。检索这类数据集时，"可获取性"往往比"规模"更决定能否被真正用起来。FAS 恰好证明：一个只有 1588 张图的数据集，因为零门槛可及，其被引用与被使用的实际概率，可能高于规模更大但需要申请的数据集。这也是 AI-Ready 评估里"可获取性"权重不该被低估的原因。

§2.8 图像的强度分布与标准化需求

超声图像的像素强度不是物理量，而是经过对数压缩、增益调节后的"显示值"。同一解剖结构，在不同增益设置下亮度可以差很多。FAS 的采集协议关闭了部分后处理、但没有统一增益/频率/谐波，导致图像强度分布存在设备间与操作者间的差异。

这对建模的实际影响：

• 若直接输入原始 PNG：模型可能学到"亮度↔设备/操作者"的伪相关；
• 若做强度归一化：可减轻但不能消除差异（因为差异不只是线性缩放）；
• 若做过激的直方图均衡：可能抹掉低对比结构（如脐静脉）的细微线索。

实践建议：采用温和的归一化（如按数据集统计的均值/方差标准化），保留相对对比；不要用会破坏小结构线索的强增强。这一判断在下游论文的预处理中体现为"保留整个扇区、不做激进裁剪"，方向一致。

§2.9 数据集的可扩展性讨论

从数据工程角度，FAS 的模式是"可扩展的"：

1. 采集协议可复制：切面定义、结构清单、质控规则都是文字化的，其他医院可按同样协议采集；
2. 标注流程可复制：3D Slicer + 专家逐像素，工具与步骤明确；
3. 交付格式可复制：PNG + .npy + 字典绑定，工程友好。

这意味着若未来出现"FAS 式的多中心扩展"（不同地区医院按同一协议采集），本数据集的经验可直接复用。但目前它仍是单中心——扩展是可能性，不是现实。使用者引用时不要把它当作多中心的替代。

§2.10 与原始 DICOM 的关系

需要提醒的是：FAS 发布的是 PNG 图像 + .npy 掩码，而原始 DICOM 并未随包发布（至少官方描述未承诺）。这带来两个后果：

1. 元数据可能丢失：DICOM 头里的设备参数、采集时间、探针角度等元数据，在转 PNG 后通常不再携带；
2. 强度范围可能被压缩：DICOM 的位深（如 8bit/16bit）与像素值含义在转 PNG（通常 8bit）时可能被重映射。

对大多数分割/分类任务，这不成问题（图像已足够）；但若研究需要精确的设备参数或原始灰度动态范围，则 PNG 交付是一个限制。使用者应在数据卡中注明"使用的是 PNG 交付版本，非原始 DICOM"，避免方法与数据不匹配。

§4 任务定义与标注体系

4.1 核心任务：四结构语义分割

FAS 直接支撑的任务是语义分割（semantic segmentation）：对腹围切面的每个像素判定它属于腹主动脉、肝内段脐静脉、胃、肝中的哪一类（或背景）。四类结构在分割难度上分层明显，这决定了模型选型与评测重点：

结构	面积	对比度	典型失败模式
肝（liver）	最大	中	边界外溢、与邻近软组织粘连
胃（stomach）	中	高（无回声暗区）	充盈度变化导致的形态漂移
腹主动脉（aorta）	小	低	被声影遮挡、与背景混淆
肝内段脐静脉（umbilical vein）	小且细长	低	走向弯曲导致断裂、漏检

这套"大而连续 vs 小而低对比"的难度谱，是评估分割方法（尤其是基础模型适配方法）的理想试验设计：零样本大模型往往在大结构上尚可、在小/低对比结构上崩溃——这正是 Fiorentino 2025 的核心观察（§5.2）。

4.2 派生任务：腹围（AC）测量

分割是手段，测量是目的。四类结构中，肝与胃等构成的腹部外轮廓决定腹围（AC）的拟合边界，而肝内段脐静脉、胃泡、主动脉的存在则用于核验切面是否为标准腹围平面——这正是临床上"看到这些结构才敢量腹围"的自动化版本。因此 FAS 天然支撑两类派生任务：

1. 像素级 AC 测量：由分割掩码拟合腹部外轮廓椭圆，计算周长，替代手动描点。相比传统"手动点几个点拟合椭圆"，像素级掩码理论上能更忠实于不规则轮廓。
2. 切面合格性判定：以四类结构是否被检出、位置关系是否合理，判断当前帧是否达到标准腹围切面要求——这是"自动门控"（automatic gating）任务的基础。

4.3 标注体系的两处边界

边界一：只标内部结构，不标完整腹部外轮廓。 四类结构都是"内部器官"，数据集并未（据官方描述）单独提供整块腹部/皮下软组织的外轮廓类。这意味着要直接算 AC，使用者需基于内部结构掩码或另行分割外轮廓来推导——官方描述把这层留给下游实现。

边界二：不做病理分类。 数据集不含"正常/ IUGR / GDM"这类逐图诊断标签，只有结构掩码。队列虽含并发症病例，但并发症标签未与图像绑定公开。因此它支持"结构分割"，不支持"疾病分类"——想做疾病分类的研究需要另找标签或自建（如关联的胎儿肝脏回声分析论文那样，另采标签体系）。

4.4 与库内同类数据集的定位差异

数据集	任务	目标结构	规模
FAS（本条目）	内部结构分割 + AC	腹主动脉/脐静脉/胃/肝	1588 图 / 169 人
fetal-planes-db (538)	切面分类	标准平面（含腹部平面）	12,400 图
hc18 (535)	头围分割	胎儿头颅外轮廓	999 训练 / 110 测试
acouslic-ai (691)	帧定位/分割/测量	盲扫序列中的腹部结构	300 病例 / 252,000 帧
psfhs (791)	耻骨联合+胎头分割	产时超声结构	1358 图 / 1124 人

定位差异一目了然：fetal-planes-db 判"这是哪个平面"，FAS 判"这个平面里有什么"——二者恰好构成胎儿超声分析流水线的前后两段（先选平面、再分结构）。而 hc18 管头、FAS 管腹，构成生物测量的头腹两端。

§5 使用方式与下游基准

5.1 加载与预处理惯例

数据集没有官方 DataLoader，但下游论文已形成一套可复用的预处理惯例（以 medRxiv 2026 FGR 筛查研究为例）：

1. 用 PyDICOM 读取像素阵列（面向原始 DICOM）；
2. 转为 8-bit 灰度，再转 BGR 以统一强度范围；
3. 去除文字与标尺：临床超声图常带设备文字与标尺，若不去除，网络会学到"文字位置↔标签"的伪相关。该流程用自适应阈值 + 形态学操作（水平 25×1、垂直 1×5 核）检测文字，用垂直形态学在图像宽度外侧 12% 区域检测标尺，再用 OpenCV 的 TELEA inpainting（5 像素半径）修补；
4. 保留整个扇区、不裁剪不补零——以保留周边解剖上下文，避免丢失可能有助于特征学习的边缘信息。

这套流程值得每个使用者借鉴：超声图里的文字/标尺去除是必修课，否则评测结果会被伪相关污染。

5.2 下游用法一：SAM vs CNN 的适配评测（Fiorentino 2025）

Fiorentino 等（Comput Methods Programs Biomed, ScienceDirect S0169260725005930）把 FAS 用作"胎儿腹部内部结构分割"的评测床，宣称是首个专门针对该任务的框架。对比两组方法：

• 任务专用 CNN：UNet、Attention UNet、nnUNet、DeepLabv3+，以及各自的 focal-loss 变体；
• SAM 系基础模型：零样本变体（SAMPoint、SAMBBox）、预训练模型（SAM Med2DBBox、MedSAMBBox）、适配配置（SAM-LoRA、MedSAM-FrozenEncoder 及 SAM Med2D 适配层变体）。

评测指标为 Dice 相似系数（DSC）、IoU 与 precision，显著性用成对 Friedman 卡方检验。核心结论三条：

1. 零样本 SAM 表现差，尤其在小型或低对比结构上——这正好对应 FAS 里的主动脉与脐静脉。
2. 适配后的 SAM 几乎在所有指标上超越 CNN，DSC 最高达 约 0.90（肝）/ 约 0.80（主动脉）。
3. CNN 在小而高变异的数据上吃力，常产出模糊分割；而基于提示（prompt）的交互可支持半自动"人在回路"工作流，提升临床可用性。

这组数字对使用者的意义：FAS 上的公开可比指标来自第三方，不是数据集自带。引用"肝 0.90 / 主动脉 0.80"时必须注明是 Fiorentino 2025 的适配 SAM 结果，而非 FAS 官方 SOTA。

5.3 下游用法二：低资源 FGR 筛查（medRxiv 2026）

Enywaku 与 Asiku 的预印本（doi:10.64898/2026.05.04.26352354）把 FAS 选作低资源环境下 2D 超声筛查宫内生长受限的公开数据源，动机是：现有模型多与孕周强耦合、少见严重度分层、缺外部验证。该研究用 FAS 做框架的概念验证，并明确承认单中心局限，指出需在其他地区与诊疗层级的独立队列上做外部验证才能临床部署——这与数据集作者自身的定位一致。

这条引用链说明 FAS 的现实价值：它是"低资源+公开可及"这一诉求的少数现成落点之一——CC BY 4.0 且公开直链，正好适配资源受限地区对"可用于训练与复现的免费数据"的需求。

5.4 下游用法三：胎儿超声视觉语言模型基准（FETAL-GAUGE）

arXiv 2512.22278（FETAL-GAUGE）在构建胎儿超声视觉语言模型（VLM）评估基准时，把 FAS 列为候选数据来源之一（引 Da Correggio et al. 2023，Mendeley DOI 10.17632/4gcpm9dsc3.1，见其 Table 3）。这标志着 FAS 的用途正在从"纯分割"外溢到"多模态评测"——结构掩码可作为细粒度定位评估的 ground truth，为 VLM 的解剖结构识别能力提供量化参照。

5.5 一处需要记住的引用规范

由于 FAS 没有独立数据集论文，规范引用应直接引 Mendeley Data 条目本身：

Da Correggio, K. S., Noya Galluzzo, R., Santos, L. O., Soares Muylaert Barroso, F., Zimmermann Loureiro Chaves, T., Sherlley Casimiro Onofre, A., & von Wangenheim, A. (2023). Fetal Abdominal Structures Segmentation Dataset Using Ultrasonic Images (Version 1). Mendeley Data. https://doi.org/10.17632/4gcpm9dsc3.1

文献中常见的 “Da Correggio et al., 2024” 是引用年份习惯（采集期跨至 2023，下游多按被引年份记 2024），两者指向同一数据条目——引用时以 DOI 为准即可消歧（见坑 2）。

5.6 一套可复现的最小实验流程

若要基于 FAS 快速搭一个可复现的分割基线，下列流程是下游文献反复印证的稳妥起点：

步骤	操作	要点
1 选切面域	只保留腹围切面	数据集本身已是腹围切面
2 去伪影	检测并修补文字/标尺	TELEA inpainting，5px 半径
3 归一化	8-bit 灰度，统一强度	跨三型设备尤其重要
4 划分	按患者划分（防泄漏）	官方无划分，须自建且按 patient 分组
5 建模	CNN 或适配 SAM	小结构建议 focal loss
6 评测	DSC / IoU / precision	分结构报告，勿只看平均
7 报告	声明单中心局限	不得声称临床可用

第 4 步是最容易被做错的一步：必须按患者（patient）划分，而非按图像随机划分。因为同一孕妇贡献多达十余张图，若随机划分，同一人的图会同时出现在训练与测试集，造成"数据泄漏"，把指标虚高。官方未给划分，这个坑只能由使用者自己避。

5.7 评测指标的读法

Fiorentino 2025 用 DSC（Dice 相似系数）、IoU 与 precision 三指标。读这类结果时有三个注意点：

1. 分结构报告：DSC 0.90 是肝、0.80 是主动脉——小结构的低分才是区分方法优劣的关键，平均值会掩盖差异。
2. precision 与 recall 的取舍：小结构分割里，模型常"宁可不报"（低 recall 高 precision）或"宁可多报"（高 recall 低 precision），需结合临床用途判断哪个更重要（AC 测量更怕漏肝、切面核验更怕漏主动脉）。
3. 统计显著性：Fiorentino 用成对 Friedman 卡方检验做显著性——方法对比须有统计检验，单看均值不可靠。

5.8 与自动生物测量整链的关系

把 FAS 放进"自动胎儿生物测量"的整条链，能看到它与上下游数据集的接力关系：

头围测量链：[头平面识别] → [hc18 头轮廓分割] → [HC 计算]
腹围测量链：[腹平面识别] → [FAS 腹部结构分割] → [AC 计算 / 切面核验]
                            ↑ 本条目

两条链共同构成胎儿生物测量的自动化基础。FAS 的独特价值在于：它不仅提供"测腹围"所需的肝轮廓，还提供"确认是标准腹围切面"所需的三类标志结构（胃、主动脉、脐静脉）——这是头围数据集不具备的"自校验"能力。

5.9 下游引用的三层谱系

梳理 FAS 的下游引用，可归为三层：

层	代表研究	用 FAS 做什么
分割方法层	Fiorentino 2025	作为 SAM vs CNN 的评测床
临床应用层	medRxiv 2026 FGR 筛查	作为低资源筛查的训练/评测数据
多模态层	FETAL-GAUGE（arXiv 2512.22278）	作为 VLM 基准的候选定位数据

三层谱系说明 FAS 的用途已从"纯分割"外溢到"临床筛查"与"多模态评测"，其"公开可及 + 结构清晰"的特征使它在三类场景中都成为便捷落点。

5.10 从切面到诊断：FAS 支撑的临床链路

把 FAS 的四个结构与临床判断连起来，能看到一条完整的推理链：

① 确认是标准腹围切面
      └─ 依据：切面内检出 胃 + 腹主动脉 + 肝内段脐静脉（+ 脊柱）
                    ↓
② 测量腹围（AC）
      └─ 依据：由肝/腹部外轮廓拟合椭圆，计算周长
                    ↓
③ 结合孕周判断生长状态
      └─ 依据：AC 与孕周对照（如 Hadlock 公式）
                    ↓
④ 提示风险（IUGR / 巨大儿）并转诊

FAS 覆盖的是第①、②步的自动化；第③、④步需要孕周与标准曲线，FAS 不提供。这条链路说明：FAS 是自动产前超声的"感知层"，不是"决策层"。把感知层做扎实（结构分割准、切面门控稳），是决策层可靠的前提。

5.11 三个常见的方法选型问题

问题一：该用 CNN 还是基础模型？
若数据量小、算力有限、结构相对固定，任务专用 CNN（nnUNet 等）已能取得不错效果；若要兼顾多结构、要人在回路交互、要迁移到新任务，适配后的 SAM 系更有前景。Fiorentino 2025 的结论偏向后者（适配 SAM 几乎全面超越 CNN），但前提是"适配"——零样本 SAM 会失败。

问题二：小结构（主动脉/脐静脉）怎么办？
三条路：① 类别加权 / focal loss 抑制大结构主导；② 扩大输入分辨率、保留细结构细节；③ 用适配的基础模型提供更强先验。Fiorentino 用 focal-loss 变体正是第①条。

问题三：怎么证明方法真的更好？
分结构报告 + 成对统计检验 + 按患者划分。缺失任何一项，结论都可能被质疑（坑 5/6/9/10）。

5.12 与相关基准的可比性边界

想把 FAS 的结果与其他胎儿超声基准横向比较，须先确认三件事：

比较前提	说明
任务是否同一	分类（fetal-planes-db）vs 分割（FAS）不可比
结构是否同一	头围（hc18）vs 腹部四结构（FAS）不可比
划分是否一致	FAS 官方无划分，跨研究划分不同则不可比
预处理是否一致	是否去文字/标尺、是否强度归一化

结论：FAS 上的数字只在"同一划分 + 同一预处理 + 同一结构"的组内可比。跨数据集比较时要格外谨慎——这是胎儿超声基准研究的普遍难题，不能只怪 FAS。

5.13 一个可复用的评测报告模板

若团队基于 FAS 做了分割实验，建议按下表报告，避免踩坑：

报告项	必须写明的内容
数据口径	使用图像数（实测）、患者数
划分方式	按患者分组，train/val/test 比例
预处理	是否去文字/标尺、是否强度归一化、分辨率
模型	架构、初始化（是否基础模型）、损失（是否 focal）
指标	分结构 DSC / IoU / precision，含统计检验
局限	单中心、单地区、无外部验证
许可	声明使用 CC BY 4.0 数据并署名

一份诚实、完整的报告，比一个漂亮的单一平均分更有价值——它让后续研究能真正复现与比较。

5.14 多模态扩展的想象空间

FAS 的结构掩码天然可与文本/多模态模型结合。例如：把"腹主动脉在前、脐静脉呈 J 形、胃泡在左侧"这类解剖学描述与图像配对，可构造结构识别问答；把掩码作为定位真值，可评测 VLM 是否"看得见"正确结构（FETAL-GAUGE 正朝此方向）。这提示 FAS 的价值不止于分割训练，还包括作为多模态评测的结构级真值来源。对做医学多模态的团队，这是一个容易被忽视但成本极低的切入点。

§6 获取与许可

6.1 三层获取信息

项	内容
载体	Mendeley Data（Elsevier 旗下数据仓库）
入口	https://data.mendeley.com/datasets/4gcpm9dsc3/1
DOI	10.17632/4gcpm9dsc3.1
直链	https://data.mendeley.com/public-api/zip/4gcpm9dsc3/download/1
体积	1.06 GB（单 zip）
门槛	无——无需申请、无需注册、无需机构隶属

FAS 的获取体验在医学数据集里属于最顺滑的一档。相较库内常见的"请求制"（如 PANDA-PLUS 掩码需邮件通讯作者）、“gated 制”（HuggingFace 需接受条款）或"受控访问制"（需 IRB 审批），FAS 是"点开即下"的完全公开——这对复现性研究极为友好：任何人在任何时间都能拿到同一份数据。

6.2 许可：CC BY 4.0 的两层含义

许可为 CC BY 4.0，含义有两层：

1. 授予的权利：可复制、可分发、可修改、可商用、可再混合——只要署名（Attribution）。这是 CC 协议里除 CC0 外最宽松的一档。
2. 需尽的义务：署名原作者、标明是否修改、附许可链接。对模型训练者而言，通常意味着在数据来源、论文、以及（若商用）产品文档中注明数据集出处。

一个常见的混淆点：数据集许可（CC BY 4.0）与可能存在的论文/图像来源许可要分开看。本数据集图像由作者团队自行采集，不存在"图像归上游、标注归本篇"的分裂（这点与 PANDA-PLUS 截然不同），因此许可链条清晰：图像+标注同属一个 CC BY 4.0 数据条目。

6.3 版本链

抓取时点（2026-10-08）Mendeley 记录为 Version 1（发布 2023-10-18），DOI 10.17632/4gcpm9dsc3.1，无 v2 记录。使用者应注意：Mendeley Data 的版本以 URL 末位数字区分（/1 对应 .1），若未来发布新版本，DOI 会随版本变化——引用时锁定具体版本 DOI。

6.4 AI-Ready 评估

从 AI-Ready 光谱看，FAS 处在最有利的一端：

维度	评估
可获取性	极佳（公开直链）
许可开放度	极佳（CC BY 4.0，可商用）
标注质量	良好（专家 3D Slicer 逐像素 + 双重质控）
结构规整度	良好（PNG + .npy + 字典绑定）
规模	一般（1588 图，小样本级）
多中心性	弱（单中心单地区）
官方基准	无

一句话：接入零摩擦、规模有限、泛化待证。它最适合的角色是"干净的小型目标域"，而非"大规模预训练语料"。

§7 质量、局限与风险

7.1 数据质量的正负两面

正面：

• 专家逐像素标注，非众包、非自动；
• 3D Slicer 统一工具、统一流程；
• 双重质量管控剔除卡尺与声影图像；
• .npy 字典绑定图像，降低错配风险。

负面/需要注意：

• 采集谐波与增益等设置在医师手中，图像间非标准化；
• 三型设备混合带来风格差异；
• 无官方 train/test 划分，跨研究结果不完全可比。

7.2 单中心偏倚与外部验证缺口

这是 FAS 最需要使用者警惕的局限。全部数据来自巴西一个州的一家三级转诊医院、三型扫描仪，作者与下游论文都明确点名这一缺口。具体风险：

1. 地域/人群偏倚：巴西人群的胎儿生长基线、孕妇营养与合并症谱，未必代表其他地区。
2. 设备偏倚：Siemens/GE/Philips 三型之外的设备（如国内常见的国产超声）未覆盖，跨设备泛化未被检验。
3. 诊疗层级偏倚：三级转诊医院的病例复杂度高于基层，模型的"难度分布"可能与基层实际不符。

因此，任何宣称"在 FAS 上达到 X"的研究，都不能等同于"在真实临床可用"——外部验证是部署前的硬门槛。

7.3 样本量与难度分布

1588 张在小样本学习里够用，但要注意两个结构层面的稀缺：主动脉与脐静脉本身像素面积小，若按"前景像素占比"衡量，这两类的有效监督信号远少于肝。训练时若不做类别加权/ focal loss 等针对性处理，模型极易偏向大结构（肝）而牺牲小结构（主动脉/脐静脉）——而恰恰是小结构最能反映方法优劣（这是 Fiorentino 2025 用 focal-loss 变体的原因）。

7.4 文档一致性风险

官方描述里"图数（约 1500 vs 1588）"、"标注类别（四结构 vs 提及肝脂肪变/代谢失衡）"两处不一致（坑 1、坑 4），提示对官方文本需以 Mendeley 主体描述为准、以第三方实测为辅证。使用者在撰写数据卡（datasheet）时，建议显式记录自己实际下载到的图数与类别分布，而非照抄描述文字。

坑点清单

坑 1：图数"约 1500"与"1588"两口径
Mendeley 官方描述写 “totaling nearly 1500 images”，下游（medRxiv 2026、Ultrasound Dataset Atlas、第三方索引）均记 1588。本条目按 1588 记录并标注官方约数口径。与他文比对规模时先确认对方口径。

坑 2：引用年份 2023 vs 2024
Mendeley 发布于 2023-10-18，但文献常引作 “Da Correggio et al., 2024”（采集期跨 2021-2023，被引年份被记为 2024）。二者指同一数据条目——以 DOI 10.17632/4gcpm9dsc3.1 消歧，不要因年份不同而误判为两个数据集。

坑 3：数据集没有独立论文
FAS 只有 Mendeley Data 数据 DOI，没有方法学论文。想找"数据集论文"的检索者会扑空。学术出处全靠下游引用与数据仓库描述——引用时直接引数据条目本身。

坑 4：官方文本的"肝脂肪变/代谢失衡"是模板残留
“Steps to reproduce” 段落提到标注 “hepatic steatosis and metabolic imbalance”，与主体四结构（主动脉/脐静脉/胃/肝）口径冲突，疑为关联论文（胎儿肝脏回声分析，J Ultrasound Med doi:10.1002/jum.70053）的文本模板残留。按四结构理解，遇到此类标签先怀疑文档串写。

坑 5：公开的 DSC 0.90/0.80 不是官方 SOTA
“肝约 0.90、主动脉约 0.80” 出自 Fiorentino 2025 的适配 SAM 结果，是第三方评测，不是数据集自带基准。引用务必注明来源，避免被误当作官方指标。

坑 6：无官方 train/test 划分
官方描述未给划分方案。下游研究多自建划分（如 Fiorentino 用 “curated dataset”）。这意味着不同论文的指标不可直接横向比较——横向对比前须核对划分与预处理是否一致。

坑 7：文字与标尺是必须去除的伪相关源
超声图自带设备文字与标尺，若不去除，模型会学到"图像位置↔标签"的伪相关。下游已形成"PyDICOM 读取 → 8bit 灰度 → 检测文字/标尺 → TELEA 修补 → 保留整扇区"的惯例（§5.1）。跳过这一步的评测结果不可信。

坑 8：单中心 = 泛化未证
全部数据来自巴西一家医院三型设备。作者明示 proof-of-concept，需外部验证方可部署。任何"在 FAS 上表现好"的结论都要加这句限定。

坑 9：按图像随机划分会造成数据泄漏
同一孕妇贡献约 9.4 张图，若按图像随机划分 train/test，同一人的图会跨集出现，指标虚高。必须按患者分组划分（GroupSplit / patient-level split）。官方无划分方案，此坑完全依赖使用者自觉。

坑 10：小结构才是评测的分水岭
肝 DSC 轻易上 0.9，主动脉/脐静脉常在 0.8 甚至更低。若只看平均值会误判方法优劣。分结构报告 + 关注小结构是唯一诚实的评测方式（这也是 Fiorentino 用 focal-loss 变体的原因）。

坑 11：类别编码/键名需实测确认
官方未给数据字典。解压后须核验 .npy 字典的键名与类别编码，不要假设"0=背景、1=肝"之类的约定——不同批次导出可能顺序不同。若发现"肝脂肪变/代谢失衡"等异常键（坑 4），按模板残留处理。

坑 12：别把"nearly 1500"当精确值做抽样论证
若研究需要精确样本量（如统计功效计算），应以自己下载实测的 1588 为准，并在文中声明官方口径为"约 1500"。

§7.5 适合与不适合的用法清单

为便于决策，明确列出推荐与不推荐：

推荐用法：

• ✅ 作为胎儿腹部结构分割的精基准（clean benchmark）；
• ✅ 作为基础模型（SAM 系）适配/评测的目标域；
• ✅ 作为小样本、低对比结构分割的方法对比床；
• ✅ 作为自动 AC 测量、切面门控原型的训练/验证数据；
• ✅ 作为低资源环境 AI 超声筛查的公开可用起点。

不推荐用法：

• ❌ 从零预训练一个大基础模型（1588 张远远不够）；
• ❌ 直接作为跨机构泛化证据（单中心）；
• ❌ 把它当作疾病分类数据（无逐图诊断标签）；
• ❌ 宣称"在 FAS 上 SOTA = 临床可用"（缺外部验证）；
• ❌ 忽略患者分组直接随机划分后报指标（数据泄漏）。

§7.6 风险清单（部署视角）

风险	说明	缓解
域偏移	换设备/换地区性能未知	外部验证、域自适应
小结构漏检	主动脉/脐静脉对比低	focal loss、类别加权、适配 SAM
声影遮挡	骨质后结构不可见	质控已剔部分，但残余仍存
伪相关	文字/标尺被学	预处理去除（§5.1）
泄漏	同患者跨集	按患者划分（坑 9）
合规误用	误以为可作诊断	明确研究用途边界

§7.7 与其他开放性维度的对照

维度	FAS 表现	同类常见情况
获取门槛	无（直链）	多为申请制/gated/受控
许可开放度	高（CC BY 4.0 可商用）	多为 CC BY-NC 或研究用途
标注密度	高（专家逐像素）	大量弱标注/众包
规模	小（1588）	大（万级）
多中心	无	部分有多中心
官方基准	无	部分有挑战赛
文档完整度	中（有描述无字典）	参差

这张对照表总结了 FAS 的画像：在"可获取性与许可开放度"两个维度上是优等生，在"规模与多中心性"两个维度上是短板，在"标注密度"上属优质。使用者的策略应据此调整——用它做基准、做目标域、做原型；不要指望它做规模与泛化的来源。

§7.8 许可合规的操作建议

CC BY 4.0 虽宽松，但"署名"义务要落到实处。给出三条操作建议：

1. 论文/报告：在数据来源小节或参考文献中给出数据集全名 + Mendeley DOI + 作者（按 §5.5 的规范引用格式）；
2. 代码仓库：在 README 或 DATA 文件中注明数据来源与许可，附许可链接；
3. 衍生产物：若基于 FAS 训练出模型并发布，声明"训练数据包含 FAS（CC BY 4.0）"，并标明是否修改。

红线：不得声称你是数据的原始作者；不得移除许可信息后再分发；虽可商用，但若用于医疗器械注册路径，需另做数据合规评估（CC BY 4.0 不自动满足医疗器械监管对数据来源的追溯要求）。

§7.9 检索与索引现状

FAS 已被若干公开索引收录，说明它在开放数据生态中的可见度正在提升：

索引/生态	收录情况
Mendeley Data	官方宿主，DOI 10.17632/4gcpm9dsc3.1
Ultrasound Dataset Atlas（GitHub）	0206 条目，记 Open、Mendeley Data
PMC 公开超声资源综述（PMC12722232）	Table 1 收录，标 OA + Gold
NIAID Data Ecosystem / 第三方索引	2026-05 收录，标影像分割/胎儿健康监测

“OA + Gold"是 PMC 综述给出的开放等级标注——Gold 级通常指"完全开放、无限制”。这一标注与本条目的"零摩擦"判断一致：在开放程度上，FAS 属最高一档。

§7.10 一句话的风险-收益总结

• 收益：零门槛获取、可商用、专家标注、切面与结构定义清晰、下游评测生态已成形。
• 风险：单中心单地区、样本量有限、无官方划分与基准、文档存在两处口径不一致、易被误当作临床可用。
• 结论：作为研究与原型的"干净目标域"，收益远大于风险；作为临床部署的直接依据，风险大于收益。

§7.11 使用中的八个常见误区

把本条目分散在各处的提醒集中成一张"误区清单"，便于使用前扫一眼：

#	误区	正确做法
1	以为有官方 train/test 划分	自行按患者划分（坑 6/9）
2	直接照抄"约 1500"	以实测 1588 为准并声明口径（坑 1）
3	把 “Da Correggio 2024” 当作另一个数据集	同一条目，以 DOI 消歧（坑 2）
4	期待找到"数据集论文"	无独立论文，引数据条目（坑 3）
5	相信官方文档里的"肝脂肪变"标签	是模板残留，按四结构理解（坑 4）
6	把 DSC 0.90 当作官方 SOTA	那是 Fiorentino 2025 第三方结果（坑 5）
7	跳过文字/标尺去除	必须去除伪相关源（坑 7）
8	声称"在 FAS 上 SOTA = 可临床部署"	单中心，须外部验证（坑 8）

这张表可直接作为团队评审 checklist：任何基于 FAS 的项目在立项、投稿、上线三个节点，都应对照检查一遍。

§8 DAIMS 数据表

下表按 DAIMS（Data and Analytics Interoperability Maturity / 数据资产描述简明卡）口径，对 FAS 做一屏式结构化描述：

维度	内容
数据集名称	Fetal Abdominal Structures Segmentation Dataset Using Ultrasonic Images
简称/别名	FAS；Fetal Abdominal Structures Segmentation Dataset
唯一标识	DOI 10.17632/4gcpm9dsc3.1（Version 1）
宿主/发布	Mendeley Data（Elsevier）
采集机构	Universidade Federal de Santa Catarina（UFSC，巴西）
数据模态	2D B-mode 超声
采集切面	胎儿腹围（AC）轴位标准切面（腹部最宽处、跨肝脏）
样本规模	1588 张图像 / 169 名孕妇（约 9.4 张/人）
采集期	2021-09 ~ 2023-09
采集设备	Siemens Acuson / GE Voluson 730 / Philips-EPIQ Elite；2-9 MHz 凸阵探头
标注结构	腹主动脉 / 肝内段脐静脉 / 胃 / 肝
标注工具	3D Slicer v5.2.2
标注类型	逐像素语义分割掩码
交付格式	PNG（图像）+ .npy（掩码，内含字典绑定）
文件体积	1.06 GB（单 zip）
许可	CC BY 4.0
获取方式	完全公开直链（无需申请/注册）
人口统计	169 名足月孕妇，≥18 岁；含 IUGR/GDM/子痫前期等并发症
伦理	UFSC 伦理委员会批号 4.971.754；书面知情同意
任务类型	语义分割、AC 测量（派生）、切面合格性判定（派生）
官方基准	无
外部评测	Fiorentino 2025（SAM vs CNN）；medRxiv 2026（FGR 筛查）；FETAL-GAUGE（VLM）
主要局限	单中心、单地区、样本量有限、无官方划分/基准
AI-Ready 评级	接入零摩擦、规模有限、泛化待证

§9 建议互链点

以下是库内与本条目语义相近、建议互相链接的条目（含 record_id）：

1. fetal-planes-db（rid=538） — 胎儿标准平面分类数据集。与本数据集构成"先选平面、再分结构"的流水线前后段，是最直接的上游互链。
2. hc18（rid=535） — 胎儿头围（HC）超声分割。与本数据集腹围（AC）结构分割构成"头-腹"生物测量双生参照，同属自动生物测量族。
3. focus-fetal（rid=881） — 胎儿超声聚焦/质控方向条目，同域互补。
4. acouslic-ai（rid=691） — 胎儿腹部盲扫序列帧定位/分割/测量（Sappia 2025, Zenodo）。任务重叠度最高，适合交叉引用。
5. psfhs（rid=791） — 产时耻骨联合+胎头超声分割（Chen 2024, Zenodo），同属产科超声公开数据集族。
6. pfus1（rid=869） — 胎儿超声（PFUS 系）数据，同一图像域。
7. fets（rid=476）/ fetreg（rid=343） — 胎儿超声配准与图像方向，方法学近邻。
8. oimhs（rid=745）/ maternal-ultrasound-nutrition（rid=615） — 产科/母胎超声相关。

消歧说明：abdomenct-1k（rid=402） 名称含"abdomen"但为成人腹部 CT，与本数据集（胎儿超声）任务域完全不同，不作主互链，仅在跨模态检索时作字面近邻提示。

9.1 互链优先级的理由

为什么把 fetal-planes-db 与 hc18 列为首选互链？

• fetal-planes-db（538）：它的标注体系里包含"腹部平面"这一类，与本数据集是同一物理切面的两种任务（分类 vs 分割）。读者从任一条目出发，都应能自然想到另一条——这是"任务互补型"互链。
• hc18（535）：头围 vs 腹围，是胎儿生物测量的经典配对。两者常被同一篇"自动生物测量"论文并引，构成"测量互补型"互链。
• acouslic-ai（691）：同样面向胎儿腹部结构的分割/测量，是"任务重叠型"互链，交叉引用价值最高。
• focus-fetal（881）、psfhs（791）：同属产科超声，是"域内邻接型"互链。

9.2 建议在正文中的消歧表述

若本条目与上述条目同页展示，建议正文补一句消歧：

注意区分：fetal-planes-db 做的是"判断这张超声图属于哪个标准平面"（分类），而本数据集（FAS） 做的是"在腹围切面内分割出四个内部结构"（分割）——两者是同一批解剖切面上的上下游任务，不是相互替代关系。

§10 结语：一个小数据集为什么值得收录

FAS 在规模上毫不惊人——1588 张图、169 名孕妇、一家医院。但它值得进入 AI-Ready 数据集库，理由恰好与"大"相反：

第一，它填了一个精确的空缺。 胎儿超声的公开资源长期偏"分类"与"单一测量"，"腹围切面内的多器官分割"几乎没有现成的像素级公开数据。FAS 用 1588 张专家标注恰好补上了这个位置，且切面与结构定义清晰，可直接落地。

第二，它把接入成本压到零。 CC BY 4.0 + 公开直链，没有请求制、没有 gated、没有审批。对低资源环境的研究者（这正是 medRxiv 2026 FGR 研究选它的原因）而言，这种"零摩擦"本身就是稀缺价值。

第三，它是方法评测的理想试炼场。 四类结构天然分成"大而连续"与"小而低对比"两档，使它成为区分"能分割大结构"与"能分割小结构"的照妖镜——Fiorentino 2025 用它证明"零样本 SAM 在小结构上失败、适配 SAM 才管用"，就是一个范例。这类可复现的评测价值，往往比数据集规模更重要。

要切记的：它是一个单中心的概念验证数据集，不是跨机构泛化的证据库。用它训练、评测、做原型都对；宣称"已可用于临床"则越界。把它放在正确的定位上——干净、开放、有限、好用的目标域——它就能发挥最大的作用。

附录 A：核心数字速记

数字	含义	来源
1588	图像总数（官方约数口径 ~1500）	Mendeley 官方 + 三源实测
169	孕妇数	三源一致
9.4	平均图像数/人	1588/169 计算值
4	标注结构类数	Mendeley 官方描述
1.06 GB	文件体积	Mendeley 官方
2021-09 ~ 2023-09	采集期	Mendeley 官方描述
4.971.754	伦理批号	Mendeley 官方描述
3	采集设备型数	Mendeley 官方描述
5.2.2	3D Slicer 版本	Mendeley 官方描述
0.90 / 0.80	DSC（肝/主动脉，适配 SAM）	Fiorentino 2025（第三方）

附录 B：来源清单

1. Mendeley Data 官方条目：https://data.mendeley.com/datasets/4gcpm9dsc3/1
2. 数据 DOI：https://doi.org/10.17632/4gcpm9dsc3.1
3. Ultrasound Dataset Atlas（GitHub，0206 条目）：https://github.com/TIanCat/open-medical-ultrasound-datasets
4. 公开超声资源综述（PMC12722232，Table 1 收录）：https://pmc.ncbi.nlm.nih.gov/articles/PMC12722232/
5. 下游 FGR 筛查（medRxiv 2026）：https://www.medrxiv.org/content/10.64898/2026.05.04.26352354v1.full-text
6. 下游 SAM vs CNN 基准（Fiorentino 2025）：https://www.sciencedirect.com/science/article/pii/S0169260725005930
7. 下游 VLM 基准 FETAL-GAUGE（arXiv 2512.22278）：https://ar5iv.arxiv.org/html/2512.22278
8. 关联论文（J Ultrasound Med 胎儿肝脏回声）：https://doi.org/10.1002/jum.70053

附录 C：术语表（中英对照）

中文	英文	说明
腹围	abdominal circumference, AC	胎儿腹部周长，评估生长的关键指标
腹围切面	AC plane / abdominal plane	腹部最宽处、跨肝脏的轴位切面
语义分割	semantic segmentation	逐像素类别判定
掩码	mask	承载分割结果的像素级标注
腹主动脉	abdominal aorta artery	腹围切面内小圆形低回声结构
肝内段脐静脉	intrahepatic umbilical vein	脐带入口折向肝内的管状结构
胃泡	stomach bubble	无回声液性暗区
声影	acoustic shadow	骨质后方的暗区，遮挡结构
卡尺	calipers	测量标记，会污染像素
组织谐波成像	tissue harmonic imaging	一种成像模式，影响图像风格
凸阵探头	curved linear transducer	常用于腹部/产科超声
宫内生长受限	intrauterine growth restriction, IUGR	胎儿生长不足
妊娠期糖尿病	gestational diabetes mellitus, GDM	妊娠期糖代谢异常
子痫前期	pre-eclampsia	妊娠期高血压疾病
3D Slicer	3D Slicer	开源医学影像分割软件
Dice 相似系数	Dice similarity coefficient, DSC	分割评测常用指标
交并比	intersection over union, IoU	分割评测指标
视觉语言模型	vision-language model, VLM	多模态大模型
数据泄漏	data leakage	训练测试信息串通导致指标虚高
域偏移	domain shift	训练与部署分布不一致

附录 D：常见问题再答（承接 §1）

问：为什么官方说"约 1500"而别人都说 1588？
答：官方描述用粗略约数，实际交付与下游实测为 1588。本条目按 1588 记录并标注约数口径（坑 1）。

问：这是数据集论文吗？
答：不是。FAS 只有 Mendeley Data 数据条目与 DOI，没有独立数据集论文（坑 3）。引用时直接引数据条目。

问：我能商用吗？
答：可以。CC BY 4.0 允许商用，只需署名。

问：为什么有人引用年份是 2024？
答：采集期跨至 2023，下游按被引年份常记 2024（坑 2）。以 DOI 消歧。

问：能直接算腹围吗？
答：数据集标的是内部结构，需自行由结构/外轮廓推导 AC；官方未直接提供 AC 数值（§4.2）。

问：有测试集吗？
答：没有官方划分（坑 6）。务必自行按患者分组划分（坑 9）。

问：哪个结构最难？
答：主动脉与肝内段脐静脉（小且低对比），零样本大模型常在此失败（§5.2）。

问：适合训练基础模型吗？
答：不适合从零预训练（规模小），适合适配与评测（§7.5）。

附录 E：一手来源定位速查

想核实的信息	去哪看
作者全名单、机构	Mendeley Data 页面 Contributors
采集期、资格标准、伦理批号	Mendeley Data 描述段
许可	Mendeley Data Licence（CC BY 4.0）
文件体积、下载直链	Mendeley Data Files 区
标注工具、类别、导出格式	Mendeley Data “Steps to reproduce” 段
规模转引（1588/169/9.4）	medRxiv 2026 FGR 论文 §3.1
分割基准（SAM vs CNN）	Fiorentino 2025 摘要与结果
数据集收录（Open/Gold）	PMC12722232 Table 1；Ultrasound Dataset Atlas 0206

附录 F：本条目编写说明与存照索引

本条目编写依据"三源互证"原则：

1. 官方源：Mendeley Data 条目完整描述（主源）；
2. 转引源：medRxiv 2026 FGR 论文、Ultrasound Dataset Atlas、PMC 综述、第三方索引页；
3. 下游基准源：Fiorentino 2025（分割基准）、FETAL-GAUGE（多模态基准）。

编写中识别并存的存照/遗留疑点（对应 §7 坑点与 FACTS.md §9）：

编号	类型	内容
存照 1	图数口径	官方"约 1500" vs 实测 1588
存照 2	年份口径	2023 发布 vs 2024 被引
存照 3	类别口径	四结构 vs 提及肝脂肪变/代谢失衡
存照 4	出处	无独立数据集论文
遗留 1	待核	官方 train/test 划分未披露
遗留 2	待核	各结构像素占比未披露
遗留 3	待核	liver 标注规则细节未细化
遗留 4	待核	无官方 SOTA，数字来自第三方
遗留 5	待核	spine 是否为标注类的歧义

免责声明：本条目为数据集的百科式整理，供研究参考。用于临床决策前须完成外部验证与合规审查。数据的使用须遵守 CC BY 4.0 与所在机构伦理规范。

附录 G：胎儿生物测量背景补充

为帮助非产科背景的读者理解 FAS，这里补充必要的基础知识。

G.1 胎儿超声生物测量的三把标尺

指标	英文	测量切面	代表意义
头围	HC, head circumference	丘脑水平横切面	脑发育
腹围	AC, abdominal circumference	腹部最宽横切面	肝脏大小、皮下脂肪、营养状态
股骨长	FL, femur length	股骨长轴	骨骼发育

三者结合估计胎儿体重（EFW），是判断生长是否达标的常规手段。其中 AC 对"营养性生长受限"最敏感——因为肝糖原与皮下脂肪最先在营养不足时减少，AC 随之变小。

G.2 为什么"腹围切面"有严格标准

若切面斜切或位置偏，AC 会被系统性高估或低估。因此国际指南（如 ISUOG）要求腹围切面必须满足若干解剖标志，典型包括：

• 切面为胎儿腹部横切、近似圆形/椭圆形；
• 可见胃泡；
• 可见肝内段脐静脉；
• 脊柱呈"三个点"的高回声；
• 肾/膀胱不应作为切面水平的参考（避免切面过低）。

FAS 的采集协议与这些标志高度对应——胃、肝内段脐静脉、腹主动脉（与脊柱相关）正是标准切面核验的关键结构。这解释了为什么数据集要标这几类：它们不只是"要分割的器官"，更是"要确认切面合格"的证据。

G.3 AC 测量的经典方法与像素级方法

方法	流程	优点	缺点
手动描点	医生点若干点、软件拟合椭圆	主观可控	耗时、依赖经验、重复性差
半自动椭圆	医生确认椭圆、微调	较快	仍依赖人工
像素级分割拟合	由掩码推导外轮廓、拟合	忠实不规则轮廓、可复现	依赖分割精度、需标注数据

FAS 支撑的正是第三种——用结构分割掩码去拟合 AC，把"点几个点"升级为"圈出每一个像素"。这也是它被认为对"自动生物测量"有价值的原因（§5.8）。

G.4 常见妊娠并发症速览

并发症	英文缩写	与腹围/腹部结构的关系
宫内生长受限	IUGR	腹围偏小、肝脏偏小
妊娠期糖尿病	GDM	胎儿腹围偏大（脂肪堆积）
子痫前期	pre-eclampsia	可能影响胎盘灌注与胎儿生长
胎膜早破	PROM	感染风险，可能与早产相关

FAS 队列纳入了上述若干并发症病例（§2.5），使其样本更贴近真实临床分布——但也正因如此，用 FAS 训练模型时不能默认"这些图都是正常胎儿"。

附录 H：扩展阅读与生态位

H.1 FAS 在开放超声数据里的坐标

从"开放超声数据集"的宏观版图看，FAS 属于"胎儿/产科"这一密集子群。该子群的常见任务分布：

任务	代表数据集	与 FAS 关系
标准平面分类	fetal-planes-db	上游（选平面）
头围分割	hc18	平行（测头）
腹部结构分割	FAS	本条（测腹）
盲扫序列定位	acouslic-ai	平行（动态）
产时结构分割	psfhs	邻接（产时）
多模态评测	FETAL-GAUGE	下游（用 FAS 做候选）

H.2 对本库其他条目的启示

FAS 的案例对本数据集的整理工作有三点普遍启示：

1. 规模不是唯一价值：1588 张的"小"数据集，因开放与标注密度，生态位反而清晰。
2. "无官方论文"是常态：许多高价值临床数据集只以数据条目形式存在，整理时须习惯以数据仓库描述为一级来源。
3. 文档口径冲突必存照：官方约数与下游实测常不一致，双口径并存是负责任的写法。

附录 I：本条目结构索引

章节	主题	一句话
§0	导读	这个数据集解决什么问题
§1	速览	十问十答
§1.5	全景	一页看懂 FAS
§2	数据构成	规模、规格、类别、队列
§3	采集与标注	协议、流程、效率
§4	任务定义	四结构分割 + AC 测量
§5	用法与基准	预处理、下游、评测
§6	获取与许可	零摩擦直链 + CC BY 4.0
§7	质量与局限	单中心、规模、风险
§8	DAIMS 表	结构化一屏卡
§9	建议互链	库内条目 + rid
§10	结语	为什么值得收录
附录 A-I	速记/来源/术语/问答/索引	工具性内容

附录 J：核对用事实清单（供审校）

事实	值	来源	是否双口径
图像数	1588	三源实测	是（官方约 1500）
受试者	169	三源一致	否
每例均数	9.4	计算值	否
结构类数	4	官方描述	否
文件体积	1.06 GB	官方	否
采集期	2021-09~2023-09	官方	否
伦理批号	4.971.754	官方	否
设备	Siemens/GE/Philips	官方	否
探头	2-9 MHz 凸阵	官方	否
标注工具	3D Slicer 5.2.2	官方	否
许可	CC BY 4.0	官方	否
发布日	2023-10-18	官方	是（被引常记 2024）
官方基准	无	官方	否
DSC（肝/主动脉）	~0.90 / ~0.80	Fiorentino 2025	否（第三方）

本清单供审校者逐项勾对，凡"是否双口径=是"的行，均已在正文坑点或 §9 存照。

---

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：

• prostate158 — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• heart-lung-segmentations-data — 共享标签：医学影像 / 医学图像分割 / 目标检测
• focus-fetal — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• umid — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• livecell — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• acusim — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• body-acupoint-images — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准
• tg3k — 共享标签：医学影像 / 医学图像分割 / 评测基准
• openpros — 共享标签：医学影像 / 医学图像分割 / 评测基准
• polypdb — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 评测基准

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。