信息速览
FUSC 是一份被缩写遮住的档案。四个字母在中文语境里常被猜成眼底、超声或皮肤镜，实际指向的是一件更窄也更具体的事：把「这块足部溃疡到底有多大」从一把尺子和一支棉签，变成一张可以逐像素比对的分割掩码。它的正式名字是 Foot Ulcer Segmentation Challenge，举办于 MICCAI 2021 的联合工作坊，数据集代号 FUSeg，站内 slug 沿用了 FUSC 这一写法。
它由威斯康星大学密尔沃基分校与当地一家创面血管中心合作建成：2019 年 10 月到 2021 年 4 月，两年门诊随访中拍下 1210 张足部创面照，来自 889 名患者，逐像素描出创面边界。810 张带标注公开训练，200 张带标注公开验证，最后 200 张只放图像、扣住掩码，交给参赛队伍用容器提交、由组织方在统一软硬件上重跑评分。
这件事的分量不在图像数量。1210 张放在皮肤影像库里并不算大，ISIC 系列动辄数万张。分量在于它是这条细分线上少见的「真值藏起来、榜单一直开着」的公开基准：多数创面数据集给完掩码就结束，它留了一道只有组织方能开的门，于是「谁的方法更好」这个问题第一次有了可复算的答案。一屏速览见下表。
| 维度 | 事实 |
|---|---|
| 正式名称 | Foot Ulcer Segmentation Challenge（FUSeg；站内 slug 用 FUSC） |
| 身份 | MICCAI 2021 联合工作坊挑战赛，托管于 Grand Challenge 平台 |
| 主办 | 威斯康星大学密尔沃基分校计算机科学系 + AZH Wound and Vascular Center |
| 图像 | 1210 张足部溃疡临床照 |
| 患者 | 889 名，单中心门诊，多次随访 |
| 采集期 | 2019-10 至 2021-04 |
| 划分 | 810 训练 / 200 验证 / 200 隐藏测试 |
| 标注 | 像素级创面掩码，创面护理专家复核 |
| 指标 | 平均 Dice 系数 |
| 2021 赛季 | 注册逾百人，8 支队伍完成提交 |
| 现行榜首 | 0.8923（x-FUSegNet，威斯康星大学密尔沃基分校） |
| 状态 | 开放挑战，榜单持续接收提交 |
§1 它到底是什么
一句话：FUSC 是把创面面积测量这件事做成可复现竞赛的那份数据。创面护理的日常工作里，面积是判断愈合趋势的主要依据，而测量方式长期停留在「用尺量长宽、用棉签探深度」的水平。论文开篇给出的理由是，人工测量既费时又不稳定，同一块创面换个护士量就可能差出一截，而面积曲线一旦抖动，后续换药方案与转诊判断就失去了锚点。
它之所以不是一份普通的分割数据集，有三个具体差别。第一，测试掩码从未公开，任何人都无法在自己机器上算出官方分数，必须走容器提交，由组织方在统一 GPU 服务器上重跑，这消除了「各家预处理不同导致分数不可比」的老问题。第二，榜单在会议结束后没有关闭，2021 年 8 月发布首版排名，此后陆续有新队伍上榜，今天排在第一位的 x-FUSegNet 分数 0.8923 就高于 2021 年冠军的 0.8880。第三，它只做足部，且明确说明了只做足部的原因：足部溃疡面积通常小于其他慢性创面，逐像素勾画的时间成本更低，标注质量更容易守住。
1.1 三个名字必须一次分清
围绕这四个字母有三层容易混淆的称呼，混用会直接影响检索与引用。
| 写法 | 指什么 | 出处 |
|---|---|---|
| FUSC | 站内与部分中文文献对这份数据的简称 | 本站 slug |
| FUSeg | 组织方在论文与仓库中使用的数据集代号 | arXiv:2201.00414 |
| Foot Ulcer Segmentation Challenge | 挑战赛全称，2021 届亦称 FUSeg2021 | 挑战赛主页 |
真正需要提防的是第四个名字：DFUC（Diabetic Foot Ulcer Challenge）。两者都做糖尿病足，都以脚为对象，都在 MICCAI 体系内，但任务完全不同——DFUC 判的是「这张足部图像有没有感染、有没有缺血」，输出是类别；FUSC 判的是「创面边界在哪里」，输出是逐像素掩码。把两者的样本量放在一张表里比较，是最常见的错误之一。
1.2 决策卡：你的处境决定它有没有用
| 你的处境 | 它能帮你什么 |
|---|---|
| 要给创面测量工具找一个公开可比的分割基线 | 提供 810 张带标注训练图与统一 Dice 口径，可直接对齐文献数字 |
| 手上有一批自家门诊拍的创面照，想知道模型能不能迁移 | 提供单中心真值作起点，但必须自建外部验证集，跨院跌幅可达 0.33 Dice |
| 做分割网络结构对比，需要一个「小目标、边界模糊」的难例集 | 小块孤立创面与上皮-肉芽交界是本数据集的天然难点，适合压力测试 |
| 要论证某个模型在创面任务上「达到专家水平」 | 它给不了这个结论——官方从未公布专家自身的 Dice 上限 |
| 做多组织类型分析（肉芽/腐肉/焦痂占比） | 它给不了，掩码只有创面/非创面两类 |
| 需要多中心、多肤色、多设备的泛化证据 | 它给不了，全部图像来自一家门诊、两种拍摄设备 |
1.3 不适合谁
如果你的目标是训练一个能直接上线到任意医院的创面识别模型，这份数据不足以支撑。它的 889 名患者全部来自美国中西部一家创面血管中心的随访队列，拍摄设备只有 Canon SX 620 HS 与 iPad Pro 两种，光照不受控但拍摄习惯高度一致。把它当作唯一训练源，模型学到的很可能是这家门诊的拍摄风格，而不是溃疡本身的视觉规律。
如果你的研究问题是「慢性创面的组织构成与愈合阶段」，同样不合适。掩码把肉芽组织、腐肉、焦痂一并算作创面，等于主动放弃了组织层面的分辨力。这个选择在分割任务上是合理的简化，在组织分析任务上则是信息缺失。
§2 数据构成与规格
2.1 四个数字的算术关系
数据集的规模叙述里同时出现四个数字，它们不是四份数据，而是一份数据的三层切分加一个上游来源。
| 数字 | 含义 | 关系 |
|---|---|---|
| 1210 | 图像总数 | 810 + 200 + 200 |
| 889 | 患者数 | 与图像数不成比例，一人多图 |
| 1010 | 公开标注的图像数 | 810 训练 + 200 验证 |
| 200 | 隐藏测试图像数 | 掩码不公开 |
理解这层关系的关键是 889 与 1210 的差：平均每位患者贡献约 1.36 张图。这不是随手拍的集合，而是随访序列——同一位患者在多次复诊中被拍下不同愈合阶段的创面。这一点对划分策略有直接影响，后文 §7 会展开。
2.2 拍摄规格与分辨率
官方论文给出的采集描述只有两句：Canon SX 620 HS 数码相机与 iPad Pro，非受控光照，背景多样。原始分辨率未在挑战赛页面公布。多篇使用该数据集的方法论文把输入统一记为 512×512，其中 2021 年冠军方案在描述中明确写到全部图像为固定 512×512，并说明该尺寸来自上游慢性创面数据集的处理惯例。这一点在复现时需要注意：512 是流通中的通行规格，不是官方在页面上背书的规定。
设备混合带来的后果比分辨率更值得注意。消费级数码相机与平板电脑的成像风格差异明显：前者色彩饱和度偏高、景深更浅，后者白平衡更激进、边缘锐化更重。同一块创面在两种设备下可能呈现不同的红色调，而红色恰恰是判断创面边界的核心线索。数据集没有提供设备字段，使用者无法在训练时做设备分层。
2.3 目录组织
仓库按训练集与测试集分目录，训练集内图像与掩码并列存放，文件名一一对应。
Foot Ulcer Segmentation Challenge/
├── TrainingSet/
│ ├── images/ #-- 810 张训练 + 200 张验证，共 1010 张临床照
│ └── labels/ #-- 同名掩码，单通道灰度 PNG
└── TestSet/
└── images/ #-- 200 张，仅图像，掩码由组织方保管
这个结构有一个容易踩的坑：训练集目录里同时装了 810 张训练图与 200 张验证图，官方并没有用子目录把两者分开。想复现「用 810 训练、200 验证」的口径，必须自己按官方给出的文件名清单切分，否则会不自觉地把验证集混进训练，报出一个偏高的分数。下面这段命令用来确认图像与掩码是否严格配对，缺一张就说明下载不完整。
#-- 逐张比对图像与掩码的基名，输出缺失与多余两侧的数量
cd "Foot Ulcer Segmentation Challenge/TrainingSet"
comm -3 \
<(ls images | sed 's/\.[^.]*$//' | sort) \
<(ls labels | sed 's/\.[^.]*$//' | sort) | tee /tmp/pairing_diff.txt
wc -l < /tmp/pairing_diff.txt #-- 正常应为 0
2.4 一条样本的解剖
以任一训练样本为例，一条记录由两个文件构成，没有第三个。
| 组成 | 内容 | 说明 |
|---|---|---|
| 图像文件 | RGB 三通道临床照 | 足部局部，可能含敷料边缘、脚趾、地面背景 |
| 掩码文件 | 单通道灰度图 | 与图像同尺寸，创面区域为高值 |
| 元数据 | 无 | 无患者号、无年龄、无糖尿病分型、无愈合阶段 |
这里必须说清一件事：数据集不含任何临床元数据。没有 HbA1c，没有溃疡病程，没有 Wagner 分级，没有感染状态。这意味着任何「结合临床变量的多模态模型」都无法在这份数据上直接做，只能把它当作纯图像分割任务使用。
2.5 与同方向资源的定位差异
| 资源 | 任务 | 规模 | 与本数据集的分工 |
|---|---|---|---|
| FUSC / FUSeg | 足部创面像素级分割 | 1210 张，889 人 | 本页对象；唯一带隐藏测试集的创面分割基准 |
| DFUC 系列 | 足部感染/缺血分类 | 数千张图块 | 判类别，不判边界；库内已有专页 |
| Medetec | 各类开放创面图 | 341 张，无标注 | 常被用作本数据集的预训练源 |
| WoundDB | 多模态创面（RGB/热/立体/深度） | 188 组 | 模态更全，数量远不足以训练分割 |
| 上游慢性创面数据集 | 足部创面分割 | 1010 张，889 人 | 本数据集的子集，同源同标注体系 |
表里最后一行尤其需要留意。1010 张的慢性创面数据集与本数据集同源，前者是本数据集公开标注部分的前身。如果某篇论文在慢性创面数据集上报告 0.9270 的 Dice，又在本数据集上报告 0.8923，这两个数字不是「同一数据的两次测量」，而是「同源数据在不同划分、不同评测流程下的两个结果」，不能相减当作模型进步或退步。
2.6 数据量的真实位置
放在足部影像这个细分领域里，1210 张属于「够训练一个中等规模分割网络、不足以训练基础模型」的量级。2021 年参赛队伍普遍采用 ImageNet 预训练编码器加五折交叉验证加测试时增强的组合，正是对样本量不足的直接回应。相比之下，同期皮肤镜数据集动辄两万张以上，而创面领域因为标注成本高、隐私敏感、拍摄场景难以标准化，规模长期上不去。
2.7 下游论文对规模的三种引用口径
同一份数据在不同论文里被写成三种规模，读文献时容易误判为三个不同的库。
第一种写法是「1210 张」。这是总数，出现在数据集论文摘要与挑战赛主页介绍里，也是搜索引擎最常抓到的数字。第二种写法是「1010 张」，只算公开标注部分，出现在所有实际训练模型的论文里，因为隐藏测试集无法用于训练。第三种写法是「810 张」，只算官方指定的训练子集，出现在需要严格区分训练与验证的方法论文里。
三种写法都没错，但混用时会产生一个具体后果：有人看到 A 论文说 1010 张、B 论文说 810 张，会以为其中一篇用错了数据。判断办法很简单——看该论文是否报告了验证集分数。报告了验证集且说明按官方清单切分的，用的是 810 训练加 200 验证；只报单一数字且未提划分的，多半把 1010 张整体拿去做交叉验证，这类结果与榜单不可直接比较。
还有第四种更隐蔽的写法：把上游慢性创面数据集的 1010 张与本数据集的 1210 张并列，说成「两个数据集」。它们同源同标注体系，后者只是前者加上隐藏测试集之后的完整版本。看到并列叙述时，先确认作者是否意识到这层包含关系。
§3 来源层：一家创面门诊的两年
3.1 采集场景决定了图像的样貌
数据来自 AZH Wound and Vascular Center，一家位于密尔沃基的创面与血管专科门诊。图像在患者复诊时拍摄，属于临床记录行为的一部分，不是为建模专门搭棚拍摄。这个出身带来三个特征：创面周围常出现敷料、胶带、标记笔痕迹；背景可能是检查床、地面、医生的手套；拍摄角度随患者体位变化，同一创面在不同次随访中可能被从不同距离、不同角度记录。
对分割任务而言，这些「噪声」恰恰是真实部署时会遇到的东西。实验室数据集常把创面裁到画面中央、背景干净，模型在那种数据上刷到 0.95 并不难；把同一模型放到门诊原始照片上，分数会明显下滑。本数据集保留原始取景，是它在工程意义上的主要价值之一。
3.2 时间跨度与愈合过程
2019 年 10 月到 2021 年 4 月，跨度正好覆盖新冠疫情前段。论文没有说明疫情是否影响了随访节奏，也没有给出每位患者的随访次数分布。可以确认的是，889 名患者在两年内贡献 1210 张图，说明大部分患者只有一到两次成像，长程随访序列集中在少数病例上。
这带来一个隐蔽的分布问题：愈合过程中的创面形态变化极大，从大面积渗出期到接近闭合的浅表期，颜色、边界清晰度、周围皮肤状态都不同。如果训练集与测试集在愈合阶段的配比不一致，模型分数会出现与算法无关的波动。官方未公布按愈合阶段的配比，这属于不可核查项。
3.3 去标识与伦理路径
论文写明数据已去标识，处理方式为移除 HIPAA 定义的个人标识符，机构审查委员会（威斯康星大学密尔沃基分校 IRB）豁免了知情同意。合作门诊同意将数据公开。
对使用者而言，这条路径的含义是：图像可以公开分发，但患者层面的任何信息都不存在，包括年龄、性别、种族、病程。这也意味着无法做人群分层分析——不能回答「这套方法在深肤色人群上是否同样有效」，因为肤色标签根本没有被记录。
3.4 单中心的三重后果
| 后果 | 具体表现 | 对使用的实际影响 |
|---|---|---|
| 人群偏倚 | 美国中西部城市门诊人群 | 糖尿病足的人群构成、足部护理习惯与亚洲、非洲不同 |
| 设备偏倚 | 两种固定设备、固定拍摄距离习惯 | 换手机型号即分布偏移 |
| 操作偏倚 | 同一批医护的拍摄与清创习惯 | 创面床清洁度、敷料类型高度一致，模型学不到多样性 |
后文 §7 会给出量化证据：在同类任务上做跨院测试，Dice 从 0.80 以上跌到 0.557。这个跌幅不是模型退步，而是单中心数据的必然代价。
3.5 两种设备写进像素里的差异
混合设备采集在这份数据里不是脚注，而是会直接改变模型行为的事实。消费级数码相机在室内灯光下倾向提高饱和度，红色区域容易过曝成一整片亮红斑，创面与周围炎症皮肤的分界被压平；平板电脑的自动白平衡更激进，遇到敷料或手套这类中性色参照物时，整幅图的色温会被拉偏，创面可能呈现偏黄或偏青的色调。
对一个以颜色为主要线索的分割模型，这两条路径都会带来误差，方向还不一致。相机样本上训练出的模型，遇到平板样本时容易把过曝区整片判为创面；反过来，平板样本训练出的模型遇到相机样本时容易低估面积。
数据集没有设备字段，也没有拍摄距离、闪光灯状态、是否使用放大镜等信息。使用者的可行办法只有一条：在自建外部集时显式记录设备，用它做分层评估，观察模型在不同设备子集上的分数差。若差距超过 0.05 Dice，说明模型已经学到了设备特征而非创面特征。
3.6 与糖尿病足公开数据的采集条件对照
同样是足部图像，采集条件的差别决定了能不能互相迁移。DFUC 系列的图像以足部图块为主，拍摄时经过专门的定位与裁切流程，画面基本被创面占满；本数据集保留原始取景，一张图里可能只有一小块区域是创面，其余是脚背、脚趾、地面或床单。Medetec 的图来自公开图库，构图讲究、光线均匀，更像教学素材而非临床记录。
这三种条件构成一条从「理想」到「真实」的梯度。用 Medetec 预训练、在本数据集微调、再到真实门诊部署，是论文里常见的路径，也解释了为什么 2021 年的冠军方案要先用 341 张 Medetec 图做任务相关预训练——它补的正是「构图规范但数量不足」这一块。
§4 标注层：谁画的那条线
4.1 流程：先提议，再复核，争议合议
官方对标注流程的描述相当具体，值得逐句拆开。第一步，由实验室成员对原始图像提出初始掩码，论文致谢中明确提到这项初始提议工作由一位同事承担。第二步，初始掩码交由合作门诊的创面护理专家与医疗助理复核修改，其中专家具备二十年以上创面护理经验，医疗助理则是随访患者的直接执行者。第三步，遇到疑难病例或意见分歧，标注团队与实验室坐到一起，共同裁定最终边界。
这个流程的设计意图很清楚：算法或非专家先给出草稿，把机械劳动前移；真正的判断权留在见过创面愈合全过程的人手里。医疗助理这一环尤其关键，他们随访同一位患者多次，知道这块创面在上周是什么样、哪部分是新生上皮、哪部分是残留腐肉，这种纵向知识是单张图像上看不出来的。
4.2 什么算创面：三类组织合并计入
论文给出一条明确的标注约定：肉芽组织、腐肉、焦痂均标注为创面。这条约定解决了创面分割里最典型的歧义——一块发黑的焦痂算不算创面？如果算，模型要学会识别黑色硬壳；如果不算，模型要学会把它从创面区域里挖掉。官方选择了前者，理由是这三类组织都处于未愈合状态，都属于临床需要清创或换药处理的区域。
这条约定的代价是掩码失去组织分辨力。想区分肉芽与腐肉的团队，拿到的掩码只能当作「创面总区域」，需要自己在内部再标一层。
4.3 最难的一条边界
论文在讨论部分承认，即便对人类专家，这个任务也不轻松。核心难点是上皮组织与肉芽组织的交界：两者颜色相近，且上皮组织生长在肉芽组织之上，边界在图像上呈现为一圈渐变的粉白色带，没有锐利的分界。
由此产生两类系统性误差。第一类是把正在上皮化的边缘判进创面，导致面积高估，模型在愈合后期样本上分数偏低。第二类是把小块孤立的残余创面漏掉，论文明确指出「分割小块孤立创面是最困难的任务」。这两类误差方向相反，在平均 Dice 上会互相抵消一部分，使得总分看起来比单例表现更稳。
4.4 一个可复用的真实案例：从 0.9270 到 0.8923 再到 0.557
这条曲线是本页反复回指的核心案例，因为它把「数据边界」三个字变成了三个具体数字。
同一个模型家族，先在公开的慢性创面数据集上评测，报告的数据级 Dice 为 92.70%。这个数字来自对本数据集公开标注部分的子集内评测——训练与测试同源、同分布、同标注习惯，属于典型的域内成绩。
随后，同一模型以 x-FUSegNet 之名提交到隐藏测试集，五折交叉验证取平均，得到 89.23%，位列现行榜首。分数下降了约 3.5 个百分点。这 3.5 个百分点不是随机波动，它由三件事构成：测试集从未参与任何调参、五折平均抹掉了单折的幸运、以及隐藏测试集里存在训练集中少见的形态。
第三段来自 2026 年的一项跨数据集基准。研究者在合并后的创面数据上训练，不微调，直接测两个外部集，域内 Dice 维持在 0.80 至 0.83，而在 DFUC2022 上跌到 0.557，在 Medetec 上为 0.786。同一批模型在 2160 张外部测试图上做逐例失败分析，最严重的灾难性失败比例从 31.1% 到 43.0% 不等。
三段连起来读，结论很直接：0.89 这个数字描述的是「在这家门诊的这批图上有多准」，不是「创面分割有多准」。任何把它当作通用性能指标的引用都越界了。
4.5 标注质量的已知空白
官方没有公布标注者间一致性指标。没有 Cohen κ，没有 Dice 形式的双人重复标注比对，也没有标注者在同一批图上重标的稳定性数据。这意味着真值本身的可重复性缺乏量化证据。
这不算致命缺陷——临床分割数据集的通行做法大多如此——但它限制了一件事：无法判断 0.89 与 0.90 之间的差距是模型差异还是标注噪声。当两个方法的分数相差不到 1 个百分点时，比较结论应当谨慎。
4.6 标注成本的量级感
按论文描述，一条样本需要经过提议、复核、争议合议三道工序，其中复核由具备二十年经验的专家完成。1010 张标注图乘以三道工序，是本数据集最贵的部分，也是它难以被快速扩充的根本原因。这解释了为什么 2021 年 7 月还需要「追加 200 张标注图进训练集」——标注产能是瓶颈，而图像采集早在 4 月就已结束。
4.7 复现他人边界结果前的四个检查点
边界类指标对实现细节极度敏感，同一份掩码、同一个模型，换个后处理就能差出两三个点。复现文献数字前，先把下面四件事对齐。
第一，阈值。预测概率图用什么阈值二值化，是否与对方一致。0.5 与 0.4 在边界带上的差别不小，尤其是创面占比很小的图。
第二，后处理。是否填补孔洞、是否剔除小于某像素数的连通域、是否做形态学闭运算。2021 年冠军方案明确写了两步：填孔与去除极小目标。缺了这两步，分数通常低 1 个点左右。
第三，尺寸与重采样。是否把原图统一缩放到 512×512 再推理，掩码是否用最近邻插值回原尺寸。用双线性插值处理掩码会造出中间灰度值，二值化后边界偏移。
第四，划分。是否使用官方清单里指定的 810 张训练。若对方把 200 张验证也放进训练，那么他报告的验证分数本质上是在训练集上测的，不可比。
HarDNet-MSEG 那一档的分数（0.8757）之所以有参考价值，正因为它的实现细节在论文里写得足够具体：多尺度训练、标准增强、级联部分解码器，没有额外的后处理魔法。凡是没有交代后处理的分数，复现时都要预留 1 到 2 个点的余量。
§5 评测层：Dice、容器与那张会变的榜
5.1 指标只有一个
评分采用平均 Dice 系数，逐图计算后取平均。公式如下，其中真阳性、假阴性、假阳性均按像素计数。
#-- 逐图 Dice：先按像素统计混淆四格，再算 2TP/(2TP+FN+FP)
import numpy as np
def dice_per_image(pred: np.ndarray, true: np.ndarray, thr: int = 127) -> float:
p = pred > thr #-- 预测概率图按阈值二值化
t = true > thr #-- 掩码同样二值化，两边口径必须一致
tp = np.logical_and(p, t).sum()
fp = np.logical_and(p, ~t).sum()
fn = np.logical_and(~p, t).sum()
if 2 * tp + fp + fn == 0:
return 1.0 #-- 双方皆空视为完全一致，避免除零
return 2.0 * tp / (2.0 * tp + fp + fn)
def mean_dice(preds, trues, thr: int = 127) -> float:
return float(np.mean([dice_per_image(p, t, thr) for p, t in zip(preds, trues)]))
这段代码里唯一需要留意的是阈值。预测侧通常输出 0 到 1 的概率，掩码侧是 0 到 255 的灰度，两边若不统一到同一量纲，Dice 会莫名其妙地接近 0。上例统一用 127 作为分界，是最常见的做法。
5.2 提交方式：容器，不是 CSV
参赛队伍提交的是一个包含算法与推理代码的 Docker 容器，而不是预测结果文件。组织方在自己的 GPU 服务器上运行容器、生成预测、完成评分，所有结果在同一软硬件环境下产生。
这个设计消除了三类常见的不公平：其一，参赛者无法针对测试集手工调参，因为看不到测试图；其二，推理环境的 GPU 型号、框架版本、后处理细节由组织方统一，硬件差异不再影响分数；其三，无法通过提交多份结果挑选最好的一次。代价是参赛门槛提高——需要写 Dockerfile、处理依赖、保证容器在规定时间内跑完 200 张图。
5.3 榜单现状
2021 年 8 月 16 日发布首版排名，此后榜单持续更新。当前可见的前九名如下。
| 名次 | 团队 / 机构 | 方法 | Dice |
|---|---|---|---|
| 1 | Mrinal Kanti Dhar 等（威斯康星大学密尔沃基分校） | x-FUSegNet | 0.8923 |
| 2 | Amirreza Mahbod 等（维也纳医科大学） | U-Net + LinkNet 集成 | 0.8880 |
| 3 | Yichen Zhang（华中科技大学） | HarDNet-68 编码的 U-Net | 0.8757 |
| 4 | Bruno Oliveira（米尼奥大学） | 未公开 | 0.8706 |
| 5 | Adrian Galdran（伯恩茅斯大学） | 堆叠 U-Net | 0.8691 |
| 6 | Jianyuan Hong 等（厦门理工学院） | 未公开 | 0.8627 |
| 7 | Abdul Qayyum 等（勃艮第-弗朗什孔泰大学） | 未公开 | 0.8229 |
| 8 | Hongtao Zhu（上海大学） | U-Net + ASPP | 0.8213 |
| 9 | Hung Yeh（联合大学） | 未公开 | 0.8188 |
榜上有一条明显的时间痕迹。2021 年论文记录的第一名是 Mahbod 的集成方案，分数 88.8%，第二名是 HarDNet-MSEG 的 87.57%，第三名是 Galdran 的双编码解码器。今天这三支队伍分别落在第二、第三、第五位，第一名被 2023 年提交的 x-FUSegNet 取代。引用榜单数字时必须写明抓取时点，否则「谁第一」这个问题会随时间改变答案。
5.4 前两名的方法差异值得一读
Mahbod 的方案是工程集成的教科书式做法：LinkNet 配 EfficientNetB1、U-Net 配 EfficientNetB2，各自五折交叉验证，推理时做四方向旋转加水平翻转的测试时增强，最后把两个模型的概率图平均，按 0.5 阈值二值化，再填补孔洞、剔除极小连通域。整套流程没有新结构，胜在每一步都做对，且用 Medetec 的 341 张开放创面图做了任务相关预训练。
x-FUSegNet 走的是另一条路：以 EfficientNet-b7 为骨干，在解码器每一级中部插入改进的并行 scSE 模块，把加性与最大化的通道注意力并置，并在特征图最少的最顶层跳过其中一支以避免退化。同一模型家族在公开慢性创面数据上拿到 0.9270，在隐藏测试集上拿到 0.8923，两个数字的落差已在 §4.4 拆解。
HarDNet-MSEG 的路径更朴素：HarDNet-68 编码器把大部分层放在 stride-8，强化小目标感知，解码器用级联部分解码器丢弃浅层高分辨率特征以节省算力。它的召回最高、精确率最低，说明它倾向于把边界往外扩——这正好对应「小块孤立创面容易漏」的难点。
5.5 分数分布的读法
九支队伍的成绩集中在 0.8188 到 0.8923 之间，跨度不到 7.4 个百分点。这个窄带说明两件事：基础架构（U-Net 家族的编码解码器）已经足够解决大部分像素；剩下的差距主要来自边界处理、小目标召回与集成策略。论文给出的参照是，原生 U-Net 在该数据集上的 Dice 约为 80%，也就是说从 80 到 89 的九个点，是集成、预训练、注意力模块与后处理共同贡献的。
5.6 容器提交的常见失败
容器提交提高公平性的同时也提高了翻车率，2021 年注册逾百人而只有 8 支队伍完成有效提交，这个比例本身说明了门槛。失败集中在四类。
第一类路径写死。容器内用绝对路径读取本地数据目录，到了组织方的机器上目录不存在，进程直接退出。正确做法是从环境变量或约定挂载点读取输入目录。
第二类依赖缺失。开发机装了完整 CUDA 工具链，镜像里漏装某个算子库，推理到一半报错。建议把镜像构建在干净的基础镜像上，并在本地用只读挂载模拟一遍。
第三类超时。200 张图在开发机 GPU 上跑得很快，组织方的卡型可能不同，加上冷启动与模型加载，容易超过限时。保险做法是把单图推理时间压到秒级以下，并把批大小做成自适应。
第四类输出格式错。预测掩码的命名、尺寸、位深与要求不符，评分脚本读不到或读错，结果被判零分。这类失败最冤，因为在本地一切正常。
这四类问题在今天依然存在：只要榜单还开着，新提交就会重复踩同样的坑。
§6 与库内同方向数据的分工
库内与足部、创面、皮肤分割相邻的页面已有若干，但没有任何一条覆盖「像素级创面分割 + 隐藏测试集」这个格子。
| 库内页面 | 它管什么 | 与本页的分工 |
|---|---|---|
| DFUC 2024 | 糖尿病足感染与缺血的分类挑战，图块级标签 | 判「有没有感染」，本页判「边界在哪」；两者互补，不可替换 |
| ISIC Archive | 皮肤镜影像总库，以分类与检索为主 | 病种在皮肤肿瘤一侧，病灶为色素性病变，与创面无关 |
| ISIC 2018 | 皮肤病变分割 + 分类双任务 | 同为分割，但对象是皮肤镜下的色素病变，背景与拍摄方式完全不同 |
| PAD-UFES-20 | 智能手机拍摄的皮肤癌筛查图 | 同为「非受控环境下的皮肤照」，但任务是分类，且部位不限于足部 |
| Derm1M | 百万级皮肤病视觉-语言数据 | 提供语义描述，不提供像素真值；可作预训练语料，不能作分割监督 |
| SkinCAP | 皮肤病图像配医学描述 | 语言侧资源，与本页的像素侧资源互补 |
| SkinCon | 皮肤病密集概念标注 | 概念层标签，回答「像什么」，不回答「在哪里」 |
| CheXmask | 胸片解剖结构分割掩码 | 分割任务的工程参照（多库合并掩码的组织方式），领域无关 |
一句话的分工规则：要判类别 → DFUC 2024；要像素边界且对象是皮肤肿瘤 → ISIC 2018；要创面边界且需要隐藏测试集 → 本页；要语言描述 → Derm1M 或 SkinCAP。四条线互不重叠，也互不替代。
如果你的问题横跨两类，比如「先用分类模型筛出有溃疡的足部照，再分割面积」，正确的做法是把 DFUC 2024 与本页串成流水线，而不是指望任何单一数据集同时提供两种监督。
§7 质量评估与已知局限
7.0 阅读本节前需要知道的一件事
评价这份数据，不能用通用图像数据集的尺子。它不是一个「越大越好」的资源，也不是一个「覆盖越广越好」的资源。它的设计目标非常窄：在一家门诊的创面照上，给出一个大家都能复算的分割分数。用「样本量是否足够训练基础模型」「是否覆盖多肤色多中心」这类标准去打分，结论必然是差，但这个差并不构成对它的否定——它本来就没打算做那件事。
真正该问的是三个问题：它的划分是否干净？它的真值是否可信？它的榜单是否可复现？下面逐条回答，能答的给数字，不能答的明说不能答。
7.1 划分的洁净度：官方没有说清
论文只写了「图像被随机分为三个子集」，没有说明随机是在图像层面还是患者层面。这两者的差别很大：889 名患者贡献 1210 张图，若按图像随机划分，同一位患者的不同次随访极可能同时落进训练集与测试集。同一块创面在不同愈合阶段的照片高度相似，模型只要记住这位患者的皮肤纹理与创面位置，就能在测试集上拿到虚高的分数。
这一条无法从公开信息中排除，只能标注为「未披露」。使用时的稳妥做法是：不把这个榜单分数当作跨患者泛化的证据；在自己的数据上做患者级划分后再评估。
7.2 真值的可信度：流程扎实，缺量化
流程层面，本数据集的标注设计优于多数同类：初始提议、专家复核、争议合议三道工序，且复核者具备二十年以上经验。组织类型约定明确，三类组织统一计入创面，避免了最大的定义歧义。
量化层面则完全空白：没有标注者间一致性，没有重复标注比对，没有边界容差说明。这意味着真值的误差范围未知。对于 Dice 在 0.85 以上的方法，标注噪声可能与模型差异同量级。
7.3 标签口径在文献中被不同处理
官方未在挑战赛页面明确掩码的取值语义。下游文献出现了两种处理：一种把掩码当作概率图，按灰度值判断像素属于创面的可能性；另一种直接按二值掩码使用，取固定阈值二值化。两种做法在本数据集上都能跑出合理分数，但在边界带的处理上不同，会导致同一模型报告出不同的 Dice。
这不是数据集的错，但它是一个必须在自己论文里写清的方法细节。复现他人结果时，先确认对方用的是哪种口径。下面三行代码可以量化口径差异有多大：同一张掩码按不同阈值二值化，前景占比会变。
#-- 同一掩码、三种阈值下的前景占比，用来判断口径差异的量级
import numpy as np
from PIL import Image
m = np.array(Image.open("labels/sample.png").convert("L"))
for thr in (0, 64, 127):
print(thr, round(float((m > thr).mean()), 4))
如果 0 与 127 两个阈值算出的占比相差超过两个百分点，说明该掩码确实是软边界，二值化阈值必须在论文里写明。
7.4 榜单不是学术排行榜
榜单只反映「在该测试集上、按该 Dice 口径、在规定容器环境内」的表现。它不衡量推理速度、不衡量模型体积、不衡量跨院泛化，也不要求提交代码公开。排名第四、第六、第九的队伍方法未公开，无法复核。
更实际的一点：榜单是开放的，任何人都可以提交，没有截止日期也没有资格审核之外的准入。这意味着名次会变，且新提交未必经过同行评议。引用时应写「截至某年某月，榜首为某某」，而不是「该任务的 SOTA 是某某」。
7.5 泛化能力的量化边界
前文引用的 2026 年跨数据集基准给出了目前最清晰的数字：在合并创面数据上训练，域内 Dice 0.80 至 0.83；不微调直接测 DFUC2022，Dice 0.557；测 Medetec，Dice 0.786。逐例失败分析覆盖 2160 张外部图像，灾难性失败率 31.1% 至 43.0%。
这组数字的用法是：当你打算把在本数据集上训练的模型部署到另一家医院时，预期跌幅在 0.25 到 0.3 Dice 量级；若对方设备、人群、拍摄流程差异更大，跌幅可能更深。任何「训练完即可用」的假设都不成立。
7.6 DAIMS 二十四项评估
按数据与 AI 可用性成熟度框架（DAIMS）的六个维度、每个维度四项打分，满分 72，本数据集得 44 分。分数低的位置集中在元数据与合规两项，这与官方从未提供临床变量、从未标注许可条款直接相关。
| 维度 | 项 | 观察 | 分 |
|---|---|---|---|
| 可得性 | 获取门槛 | 仓库公开，无需申请 | 3 |
| 可得性 | 下载稳定性 | 依赖 GitHub，无镜像 | 2 |
| 可得性 | 版本固定 | 无版本号、无校验和 | 1 |
| 可得性 | 长期托管 | 挑战赛页面自 2021 年持续在线 | 2 |
| 完整性 | 图像-掩码配对 | 训练部分一一对应 | 3 |
| 完整性 | 测试集 | 仅图像，掩码永久保留 | 1 |
| 完整性 | 元数据 | 无任何临床字段 | 0 |
| 完整性 | 文档 | 论文 + 页面更新日志，无数据卡片 | 2 |
| 一致性 | 命名规范 | 同名文件对应，规则简单 | 3 |
| 一致性 | 尺寸统一 | 下游统一按 512 处理，原始尺寸未公布 | 2 |
| 一致性 | 掩码语义 | 三类组织合并，定义清晰 | 3 |
| 一致性 | 划分说明 | 「随机划分」，未说明是否按患者 | 1 |
| 可追溯 | 来源机构 | 论文明确到具体门诊 | 3 |
| 可追溯 | 采集时间 | 2019-10 至 2021-04 | 3 |
| 可追溯 | 设备 | 型号明确 | 2 |
| 可追溯 | 标注者 | 角色与年限明确，姓名未公开 | 2 |
| 合规 | 伦理审批 | IRB 豁免知情同意，有说明 | 3 |
| 合规 | 去标识 | 按 HIPAA 移除标识符 | 3 |
| 合规 | 许可条款 | 页面与论文均未标注 | 0 |
| 合规 | 商用边界 | 未说明 | 0 |
| 可用性 | 基线可复现 | 冠军方法有论文，代码部分公开 | 3 |
| 可用性 | 评测脚本 | 官方未放出评分脚本 | 1 |
| 可用性 | 榜单可复算 | 需容器提交，个人无法本地复算 | 1 |
| 可用性 | 社区活跃 | 2023 年后仍有新提交与新论文 | 3 |
7.7 外部验证矩阵
| 验证方式 | 是否可行 | 说明 |
|---|---|---|
| 官方测试集本地复算 | 否 | 掩码不公开，只能提交容器 |
| 验证集内部复现 | 是 | 200 张带标注，但需自行按清单切分 |
| 跨库外部验证 | 是 | 需自备 DFUC2022、Medetec 等外部集 |
| 患者级划分复测 | 部分 | 患者号未提供，只能按图像相似度做聚类代理 |
| 标注一致性检验 | 否 | 无双人重复标注可查 |
| 公平性分层评估 | 否 | 无肤色、年龄、性别字段 |
7.8 如果由你来重做这份数据
把这份数据的短板逐条列出之后，一个自然的问题是：重做一次要改什么。答案不是「更多图」，而是四件与原命题直接相关的事。
其一，把患者号留下来。哪怕只留一个匿名编号，也能让后来者做患者级划分，把「同一位患者横跨训练与测试」这个无法排除的疑虑一次性解决。编号不影响去标识，却能让划分从图像级升级到病例级。
其二，把设备与拍摄条件记下来。相机型号、是否用闪光灯、估算距离，三个字段足以支撑设备分层评估，成本几乎为零。
其三，让两位标注者独立标一遍至少 200 张，算出 Dice 形式的一致性。有了这个数字，后来者才知道 0.89 与 0.90 的差距是否在噪声范围内。
其四，给许可一个明确条款。当前三处官方材料都没有许可说明，商用团队只能绕道，这直接限制了数据的实际使用面。
这四条都不增加标注成本的大头，却能让一份 2021 年的数据在 2026 年依然可用。反过来说，本数据集今天仍被引用，恰恰是因为它在任务定义与评测封闭性上做对了，短板集中在记录与合规一侧。
§8 版本、生态与它为何还在跑
8.1 时间线
| 时间 | 事件 |
|---|---|
| 2021-02-24 | 挑战赛对外公布 |
| 2021-03-01 | 注册为 MICCAI 线上挑战赛 |
| 2021-03-09 | 训练与验证数据发布 |
| 2021-05-31 | 挑战赛设计文档上传 |
| 2021-07-05 | 训练集追加 200 张标注图 |
| 2021-07-10 | 发布测试集，供参赛者做健全性检查与容器调试 |
| 2021-07-11 | 提交说明发布 |
| 2021-07-15 | 提交截止 |
| 2021-08-16 | 榜单发布，结果与排名公开 |
| 2021-10 | MICCAI 工作坊报告 |
| 2022-01 | 数据集论文提交预印本 |
| 2023-05 | x-FUSegNet 提交并登顶 |
| 2026 | 跨数据集基准发表，给出泛化跌幅数字 |
8.2 一次典型的「追加标注」
2021 年 7 月 5 日的更新在时间线上很不起眼，却最能说明这份数据的生产节奏：训练集从 610 张追加到 810 张，新增的 200 张带标注图像在提交截止前十天进入训练集。这意味着早期参赛者与新参赛者拿到的训练数据不同，而官方并未要求所有人用同一份数据重训。榜单上 2021 年那批成绩，与后来者的成绩，严格来说不在同一条件下产生。
这不是设计缺陷，而是开放挑战的常态：数据在赛程中迭代，早期提交者已经用掉了一次机会。理解这一点，才不会把 2021 年的 0.8880 与 2023 年的 0.8923 直接相减当作方法进步的幅度。
8.3 为何能持续：三根支柱
第一根是任务本身的刚性。创面面积的连续测量是愈合评估的核心环节，只要还在用图像记录创面，就需要自动分割。这个需求不依赖某个模型架构的兴衰，属于临床流程里的固定工序。
第二根是评测的封闭性。测试掩码由组织方保管，任何人想报分只能走容器提交。这让榜单具备一种稀缺的可信度：分数不是自报的，是在同一台机器上跑出来的。相比之下，大量公开数据集的自报分数无法横向比较。
第三根是继任者的接力。2023 年，同一实验室的后续工作以 x-FUSegNet 登顶并公开了模型代码与论文，把这份数据从「一届比赛」变成了「一条持续有产出的研究线」。一个基准能不能活过三年，往往取决于有没有人愿意在自己的论文里继续用它做对比。
8.4 生态位：它不孤独，但很窄
在创面影像这条线上，它处在中间层：上游是 Medetec 这类无标注的开放图库，下游是各家医院的私有随访数据。它把「有标注、有隐藏测试、有公开榜单」这三件事凑齐，填补了上游标注不足与下游不可公开之间的空隙。这个位置很难被替代，也很难被扩展——扩展意味着重新组织一次多中心标注，成本远超单个实验室的承受范围。
8.5 引用生态：它被谁拿去当什么用
一份数据集的真实地位，看它被引用的方式比看它自我描述更准。以本数据集为实验场的工作大致分三类。
第一类是结构改进。U-Net 加注意力、编码器换骨干、加入多尺度融合，这类工作把它当作标准的对照台，报一个 Dice 与榜首比较。FUSegNet 与 x-FUSegNet 属于这一类，也是唯一来自组织方实验室的后续。
第二类是轻量化与部署。移动端、边缘设备、参数量压缩，这类工作关心的是在保持分数可接受的前提下把模型做小，因为创面测量最终要落在护士站的平板上。
第三类是泛化与公平性研究。2026 年的跨数据集基准是代表，它不问「在这份数据上能到多少」，而问「离开这份数据还剩多少」，把 0.80 到 0.557 的落差摆到台面上。
三类引用里，第三类最有价值，因为它把数据集从「刷分场地」变成了「边界探测工具」。一个基准的成熟标志，往往就是有人开始系统测量它的失效条件。
§9 使用指引：三类角色怎么上手
9.1 三条路径
| 角色 | 建议路径 | 关键动作 |
|---|---|---|
| 复现者 | 验证集内部复现 → 与文献对齐 | 按官方清单切出 810/200，固定阈值口径，报告逐图 Dice 分布 |
| 开发者 | 训练 → 外部验证 → 部署前重测 | 必须自建外部集，把 §7.5 的跌幅当作预算的一部分 |
| 评测者 | 只做横向比较，不做绝对结论 | 同一划分、同一阈值、同一后处理，三者缺一不可 |
9.2 最小实现
下面的脚本把「读图、算 Dice、按划分汇总」这条最小链路走通，可直接在自己的数据副本上运行。
#-- 最小评测链路：目录遍历 + 逐图 Dice + 分位数汇总
from pathlib import Path
import numpy as np
from PIL import Image
ROOT = Path("Foot Ulcer Segmentation Challenge")
def load_mask(path: Path) -> np.ndarray:
return np.array(Image.open(path).convert("L"))
def evaluate(pred_dir: Path, label_dir: Path, thr: int = 127) -> dict:
scores, missing = [], 0
for img in sorted(pred_dir.glob("*.png")):
ref = label_dir / img.name
if not ref.exists():
missing += 1
continue
p, t = load_mask(img), load_mask(ref)
if p.shape != t.shape:
p = np.array(Image.fromarray(p).resize(t.shape[::-1], Image.NEAREST))
pb, tb = p > thr, t > thr
tp = np.logical_and(pb, tb).sum()
denom = pb.sum() + tb.sum()
scores.append(1.0 if denom == 0 else 2.0 * tp / denom)
arr = np.array(scores)
return {
"n": int(arr.size),
"missing": missing,
"mean": float(arr.mean()),
"p10": float(np.percentile(arr, 10)),
"p50": float(np.percentile(arr, 50)),
"below_0.5": int((arr < 0.5).sum()),
}
print(evaluate(ROOT / "val_pred", ROOT / "TrainingSet" / "labels"))
输出里的 p10 与 below_0.5 比均值更有信息量。均值 0.89 的模型完全可能在某几张图上跌到 0.2，而这些失败样本往往集中在「小块孤立创面」与「边界模糊」两类，正是临床最需要自动化帮助的场景。
9.3 在 AI 流程中的位置
| 流程环节 | 本数据集能做什么 | 不能做什么 |
|---|---|---|
| 预训练 | 提供创面域的编码器初始化 | 数据量不足以从零训练基础模型 |
| 微调 | 810 张带标注样本做任务适配 | 无法覆盖其他创面类型 |
| 评测 | 与公开榜单对齐，做方法横评 | 无法本地复算官方测试分数 |
| 部署前验证 | 提供单中心基准 | 无法替代多中心外部验证 |
| 生产监控 | 无 | 无时间戳、无设备字段，做不了漂移监测 |
9.4 迁到自家数据前的检查表
把这套模型搬到本院数据上之前，逐项过一遍下表，任一项为「否」都不要直接上线。
| 检查项 | 判断标准 | 不通过的处置 |
|---|---|---|
| 拍摄设备是否与 1210 张中的两类之一接近 | 手机型号、拍摄距离、是否开闪光 | 先拍 30 张做对比，必要时重训 |
| 创面类型是否限于足部溃疡 | 若含压力性、静脉性创面 | 需补标对应类型，或限定使用范围 |
| 光照是否受控 | 是否有固定诊室、固定灯位 | 若不受控，扩充训练数据的场景多样性 |
| 是否保留原始分辨率 | 是否在预处理阶段暴力缩放 | 保留原图，推理后再回映射 |
| 是否有本地真值 | 至少 100 张双人勾画 | 没有真值就不要报分，先做小规模标注 |
| 面积误差是否可接受 | 与人工测量比对，相对误差小于 10% | 超过则加后处理或人工复核环节 |
| 是否记录推理日志 | 设备、时间、输入尺寸 | 没有日志就无法做漂移监测 |
这张表的核心是最后一条：单中心模型上线后最大的风险不是精度不够，而是静默漂移——换了新手机、换了新诊室、换了拍摄习惯，分数悄悄下滑而无人察觉。留下日志，才有可能在三个月后发现问题。
比对基准时要记住一件事：HarDNet-MSEG 在 2021 年是第二名，如今排第三，这个位移与算法无关，纯粹是榜单继续接收新提交的结果。任何以名次表述的性能判断，都必须带时间戳。
§10 AI 使用声明
| 项 | 说明 |
|---|---|
| 数据性质 | 真实临床拍摄的足部创面照，已去标识，非合成 |
| 建议用途 | 分割模型训练与评测、创面面积测量工具研发、域适应研究 |
| 不建议用途 | 直接临床诊断、跨院零样本部署、组织类型分析、人群公平性结论 |
| 伦理约束 | 原始采集已获 IRB 豁免知情同意，二次使用须遵守研究用途边界 |
| 患者信息 | 无任何患者层面字段，不可回溯个体 |
| 引用要求 | 引用数据集论文 arXiv:2201.00414，并注明榜单抓取时点 |
| 版本状态 | 无版本号；以仓库当前内容为准，建议自建校验和 |
| 商用提示 | 官方未标注许可条款，商用前须向组织方书面确认 |
常见误读：十条被反复传播的说法
| 常见说法 | 实际情况 | 证据 |
|---|---|---|
| 「这是一个 1210 张的完整标注集」 | 只有 1010 张带公开标注，200 张测试掩码从未公开 | 论文 2.1 节划分说明 |
| 「FUSC 和 DFUC 是同一个数据集的两种叫法」 | 任务不同：一个判像素边界，一个判感染/缺血类别 | 两者各自的挑战赛页面与任务定义 |
| 「榜单第一就是该任务的 SOTA」 | 榜单开放且持续更新，名次随提交变化；且只测 Dice | 榜单页显示 2021 年前三名已被重排 |
| 「0.89 的 Dice 说明接近专家水平」 | 官方从未测量专家自身的 Dice，无对照基准 | 论文讨论部分只描述专家也感到困难 |
| 「1210 张图来自 1210 名患者」 | 889 名患者，一人多图，是随访序列 | 论文摘要与 2.1 节 |
| 「掩码区分了肉芽、腐肉与焦痂」 | 三类组织统一标为创面，只有二值 | 论文 2.1 节标注约定 |
| 「训练集和测试集按患者严格隔离」 | 论文只说「随机划分」，未说明层级 | 论文 2.1 节原文 |
| 「可以在本地复算官方测试分数」 | 测试掩码不公开，只能容器提交由组织方评分 | 挑战赛提交说明 |
| 「数据可以自由商用」 | 页面与论文均未给出许可条款 | 挑战赛页面与论文全文均无许可段 |
| 「这是多中心数据，泛化性有保证」 | 单一门诊、两种设备；跨院测试跌幅达 0.3 Dice 量级 | 2026 年跨数据集基准 |
附录 A 数据组织
| 层级 | 内容 | 数量 |
|---|---|---|
| 根目录 | 挑战赛数据仓库子目录 | 1 |
| 训练目录 | images 与 labels 并列 | — |
| 训练图像 | 官方清单指定为训练 | 810 |
| 验证图像 | 官方清单指定为验证，仍在同一目录 | 200 |
| 测试目录 | 仅 images | 200 |
| 掩码 | 单通道灰度，与图像同名 | 1010 |
| 元数据文件 | 无 | 0 |
附录 B 标注格式
| 属性 | 取值 | 说明 |
|---|---|---|
| 通道数 | 1 | 灰度 |
| 位深 | 8 位 | 0 至 255 |
| 前景语义 | 创面区域（含肉芽、腐肉、焦痂） | 三类合并 |
| 背景语义 | 非创面 | 含皮肤、敷料、地面 |
| 尺寸 | 与对应图像一致 | 下游多统一至 512×512 |
| 命名 | 与图像同名 | 便于按文件名配对 |
| 多标注者 | 无独立版本 | 仅一份合议后的最终掩码 |
附录 C 术语表
| 术语 | 含义 |
|---|---|
| FUSeg | 本数据集的官方代号，Foot Ulcer Segmentation 的缩写组合 |
| Dice 系数 | 重叠度指标，2×交集除以两侧面积之和 |
| 像素级标注 | 逐像素给出类别，区别于框级与图块级 |
| 肉芽组织 | 愈合期新生组织，呈红色颗粒状 |
| 腐肉 | 黄色坏死组织，附着于创面床 |
| 焦痂 | 黑色或褐色硬壳，覆盖创面 |
| 上皮化 | 创面边缘新生上皮向中心覆盖的过程 |
| 创面床 | 溃疡底部的组织表面 |
| 测试时增强 | 推理时对输入做多种变换并融合结果 |
| 五折交叉验证 | 数据分五份，轮流留一份作验证 |
| scSE | 空间与通道压缩激励模块，用于特征重标定 |
| 级联部分解码器 | 丢弃浅层高分辨率特征以省算力的解码结构 |
| 灾难性失败 | 分割结果与真值几乎不重叠的样本 |
| IRB | 机构审查委员会，负责研究伦理审批 |
| HIPAA | 美国健康保险流通与责任法案，定义受保护健康信息 |
| 域内 / 域外 | 与训练数据同分布 / 不同分布 |
| 容器提交 | 以 Docker 镜像形式提交算法，由主办方运行 |
| 开放挑战 | 会议结束后仍接收提交的长期榜单 |
附录 D 常见问答
D.1 问：FUSC 这个缩写在正式文献里常见吗
答：不常见。正式文献与仓库统一使用 FUSeg，全称 Foot Ulcer Segmentation Challenge。检索时应以 FUSeg 为主关键词，FUSC 作为别名补充。
D.2 问：1010 张公开标注与 1210 张总数的差在哪
答：差的 200 张是测试集图像，只公开图像不公开掩码，用于容器提交评分。公开标注的 1010 张 = 810 训练 + 200 验证。
D.3 问：能不能只用 810 张训练，把 200 张验证留作测试
答：这是官方设定的用法，可以。但要注意仓库把两者放在同一目录，必须按官方文件名清单切分，否则容易混入。
D.4 问：掩码是二值还是概率图
答：官方页面未明确取值语义。下游文献两种处理都有，复现时须与对照方法保持同一口径。
D.5 问：为什么只有足部，不含其他慢性创面
答：论文说明足部溃疡面积通常较小，逐像素勾画的时间成本更低，标注质量更容易守住。其他类型创面被列为后续计划。
D.6 问：榜单上的分数随时间变化吗
答：会。榜单自 2021 年 8 月开放至今持续接收提交，2021 年的前三名现分别位于第二、第三、第五。引用须注明抓取时点。
D.7 问：这份数据能直接训练临床可用的面积测量工具吗
答：可以训练，但不能直接部署。跨院使用时预期有 0.25 至 0.3 Dice 的跌幅，必须在目标机构重测与微调。
D.8 问：有没有官方的评分脚本
答：官方未公开评分脚本。容器提交由组织方在统一环境运行，个人无法在本地复算官方测试分数。验证集可用自写脚本评估。
附录 E 许可与引用
官方挑战赛页面、数据集论文与仓库 README 均未给出 SPDX 式许可条款，也未说明商用边界。图像与掩码以研究用途分发，二次分发与商用须向组织方确认。引用数据集本身请使用下列文献。
@article{wang2022fuseg,
title = {FUSeg: The Foot Ulcer Segmentation Challenge},
author = {Wang, Chuanbo and Mahbod, Amirreza and Ellinger, Isabella and
Galdran, Adrian and Gopalakrishnan, Sandeep and Niezgoda, Jeffrey and
Yu, Zeyun},
journal = {arXiv preprint arXiv:2201.00414},
year = {2022},
doi = {10.48550/arXiv.2201.00414}
}
若引用榜首方法，需另引 x-FUSegNet 的原始论文；若引用泛化跌幅数字，需另引 2026 年跨数据集基准。三者不可互相替代。
编辑说明
- 核验时间：2026-10-29。
- 主要来源：fusc.grand-challenge.org 主页、榜单页、统计页；arXiv:2201.00414 全文（PDF 抓取）；arXiv:2305.02961 与 arXiv:2607.02555 摘要。
- 未能覆盖：许可条款（三处均无）、标注者间一致性（未公布）、原始图像分辨率（未公布）、划分是否按患者（未说明）、2021 年 8 位提交者的完整名单（榜单仅列九行）。
- 数值口径：榜单分数按抓取当日页面记录；论文中的 88.8% 与榜单 0.8880 为同一结果的两种写法。
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：
- synthoct — 共享标签：皮肤影像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- med-reasonseg — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- xpress — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- cryoet-data-portal — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- psfhs — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- toothfairy2 — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- curvas — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- toothfairy3 — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- stsr — 共享标签：医学图像分割 / 挑战赛数据集 / 评测基准
- mitoem — 共享标签：医学图像分割 / 挑战赛数据集 / 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。
需要更高工程化程度或合规出域的商业版本？
当前展示的公开版本适用于学术研究与原型验证。千方医数集依托三甲医院直采网络，提供经专家标注、符合伦理合规的专病数据集交易服务。
