Maternal-Fetal Ultrasound Video Dataset — 774 段产时超声视频的端到端产程生物测量数据集

INFOBOX — 产时超声视频数据集一屏速览

维度	内容
本质	全球首个多中心、多设备、多类别标注的产时超声视频数据集（此前公开资源均为静态图像）
团队	暨南大学信息科学技术学院 + 无锡学院 + 中山三院 + 南方医科大学珠江医院；通讯 Jieyun Bai、Yunbo Gao
论文	Sci Data 2026，doi:10.1038/s41597-026-06900-5（PMID 41730873 / PMCID PMC12966494）
规模	774 名孕妇 / 774 段视频 / 68,106 帧；JNU 560 段（61,924 帧）｜SYSU 121 段（3,494 帧）｜SMU 93 段（2,688 帧）
设备	ObEye（便携）｜GE Voluson P8｜Esaote MyLab——三台不同厂商机型
视频规格	约 2 秒/段、24 fps、MJPG AVI；原始 720×564、8-bit；标准化 512×512、0.30 mm/px
三类标注	① 视频级标准平面多任务二分类（NONE/ALL）② FH/PS 逐帧多类分割掩膜 ③ AoP/HSD 四关键点
划分	train 434（仅 ObEye）+ val 40（ObEye）+ test ≈300（三设备各 ≈100），患者级约 4:1
标注者	3 名 >7 年经验专家（每中心 1 名），交叉标注各 100 段；一致性子集 150 段（每中心 50）
一致性	ICC：分类 ACC 0.92｜分割 DSC_PS 0.82、DSC_FH 0.57｜测量 ΔAoP 0.53、ΔHSD 0.46
挑战赛	IUGC 2024（MICCAI）：18 国 126 队注册、16 队有效提交、8 队方案入选分析
获取	Zenodo 10.5281/zenodo.17655183 公开直下，整包 17655183.zip，CC BY 4.0
库内互链	iugc2024(1134，同族挑战赛静态视角)、psfhs(791，2023 前作静态图)、fetal-abdominal(898)、focus-fetal(881)

这个数据集要回答的问题很具体：产房里那台超声机屏幕上连续滚动的两秒钟画面，能不能被算法读成一句临床结论——「胎头下降到什么位置了」。在此之前，产时超声的公开数据几乎全是挑好的单张标准切面：一张图、一个掩膜、一个角度。这种做法把临床上最耗时的两个环节藏了起来——从连续视频里找到可测量的那一帧，以及连续跟踪结构在几十帧里的微小位移。作者把这两件事显式地做成了三个可评测的任务，并把 774 段真实产房录像连同三类标注一起放到 Zenodo 上，许可是最宽松的 CC BY 4.0。

导语读法三则：

1. 只想下数据跑模型：直奔 §6 获取与许可——Zenodo 一条直链、CC BY 4.0、整包带 SHA-256，不用申请。
2. 关心任务怎么定义：直奔 §3 三段式标注体系与 §4 硬数字，特别注意 AoP/HSD 的四点几何构造，这是与静态图像数据集最大的接口差异。
3. 要判断它值不值得当基准：直奔 §7 一致性与基线、§8 消歧（它与 iugc2024、psfhs 的区别），再看 §9 的坑点清单。

§0 导读：这个数据集解决什么问题

产时超声（intrapartum ultrasound）指的是在产程进行中、经会阴（transperineal）放置探头所做的超声检查。它便宜、便携、可重复，被 ISUOG（国际妇产超声学会）2018 年实践指南与 WAPM/PMF 2022 年临床指南共同推荐，用来在产房里客观判断胎头下降程度、辅助决定继续试产还是中转剖宫产。临床上最常用的两个量化指标是：

• 进展角（Angle of Progression, AoP）：耻骨联合长轴与「同时相切于耻骨下缘和胎颅最突出骨点」的切线之间的夹角；
• 头耻距（Head-Symphysis Distance, HSD）：沿耻骨轴线，从耻骨联合下缘到胎头最近点的距离。

这两个数字都要靠医生在实时画面上手动摆线、手动取点，主观性强、学习曲线陡，而且必须在探头扫查的连续画面里先挑出一个「耻骨联合与胎头同时完整显影」的正中矢状切面（mid-sagittal view）。换句话说，临床流程天然是三段式的：找切面 → 勾结构 → 量参数。只要有一段被算法替代，整条流程就断掉。

为什么此前没有视频数据集。 论文在对比表中把既往资源逐一列出：ISBI 2021 的 A-AFMA 挑战（羊水与母体膀胱，产前）、ISBI 2025 的 FUGC（宫颈，产前）、MICCAI 2024 的 ACOUSLIC-AI（胎儿腹部，产前）、以及团队自己 2022 年发布的 JNU-IFM（产时，胎头与耻骨联合，图像）。这些资源要么是产前场景，要么是静态图像，要么只覆盖单一任务。作者点出的三重困难是：第一，为分类、分割、测量三类任务同时准备视频级标注，工作量巨大；第二，多数研究只做标准平面识别或只做生物测量分割，形不成闭环流水线；第三，相关数据大量不公开，可复现性与公平评测无从谈起。

本数据集的三点主张。 第一，首次公开发布多中心、多设备、多类别标注的产时超声视频数据集（774 段 / 68,106 帧）；第二，把三类标注做在同一批视频上，使多任务学习有共同的监督底座，也让「分类错→分割错→测量错」的误差传播链条第一次可被量化；第三，配套 IUGC 2024 挑战赛与官方基线，把视频域的产时生物测量变成一个可逐年对表的基准。

它不是什么。 它不是床旁即时诊断产品，也不提供临床决策建议；它的对照组不是医生诊断，而是专家标注的一致性。理解这一点，才能正确读 §7 那组看似矛盾的 ICC 数字。

§1 数据集速览：十问十答

Q1：数据集叫什么？有简称吗？
官方全称是 “Maternal-Fetal Ultrasound Video Dataset for End-to-end Intrapartum Biometry and Multi-task Learning”，论文未设 acronym，正文以 “Proposed dataset” 指代。检索时容易被写成 “IUGC dataset”，但严格说 IUGC 是挑战赛名（Intrapartum Ultrasound Grand Challenge, MICCAI 2024），不是数据集名——见 §8.1 消歧。

Q2：规模到底多大？
774 名孕妇、774 段视频、68,106 帧。注意论文里 “images” 一词实指帧（frames），不是 68,106 张独立图像；若按独立图像理解会把样本量高估近百倍。

Q3：数据从哪来？
三家中国医院产房：暨南大学附属第一医院（JNU，560 段 / 61,924 帧，ObEye 便携机）、中山大学附属第三医院（SYSU，121 段 / 3,494 帧，GE Voluson P8）、南方医科大学珠江医院（SMU，93 段 / 2,688 帧，Esaote MyLab）。

Q4：纳入标准是什么？
单胎妊娠、孕周 ≥37 周、头位。排除：<37 周、非头位、双胎或多胎、先天性子宫畸形、有子宫手术史、产程中胎心异常、拒绝参与。回顾性设计，知情同意豁免。

Q5：一段视频有多长？
约 2 秒，24 fps，即每段几十帧（均值约 88 帧：68,106÷774）。原始分辨率 720×564、8-bit，标准化到 512×512，像素间距由 0.33 mm/px 换算为 0.30 mm/px，保持物理视野不变。

Q6：三类标注分别是什么？
① 视频级分类：多列二分类标签，每列一个临床判断，取值 NONE / ALL；② 分割：逐帧 PNG 掩膜，类别为耻骨联合（PS）与胎头（FH）；③ 测量：landmarks.json 中四个关键点，用于重建 AoP 与 HSD。

Q7：划分是怎么做的？
设备中心（device-centric）：训练 434 段全部来自 ObEye，内部验证 40 段也来自 ObEye，测试集约 300 段由三台设备各约 100 段组成。这个划分刻意让训练期看不见跨设备差异，把泛化压力全押在测试集上。

Q8：标注可靠吗？
3 名 >7 年经验的专家（超声技师 / 产科医生 / 技术员各一，分属三中心），交叉标注每人另标 100 段。另设 150 段盲法子集做一致性评估：分类 ICC 高（ACC 0.92），但 FH 分割与测量 ICC 只有 0.46–0.57，这是全数据集最重要的质量信号。

Q9：怎么下载？要申请吗？
Zenodo 直下，DOI 10.5281/zenodo.17655183，整包 17655183.zip，CC BY 4.0，附 SHA-256 校验。不需要申请、不需要签协议、可商用（CC BY 允许，但需署名）。

Q10：为什么它对 AI-Ready 重要？
它同时具备三件事：视频模态、多任务同源标注、最宽松许可 + 单一归档直下。库内多数产科超声条目受限于静态图像或获取门槛，本条是「可直接进入训练管线」的少数样本，也是唯一能把分类-分割-测量三段串起来评测的公开视频资源。

§2 数据构成与规格

2.1 三中心、三设备的构成表

论文 Table 2 与 Fig. 1 给出了逐中心的精确数：

中心	医院	设备	视频（段）	帧（张）	帧/视频（均值）
JNU	暨南大学附属第一医院	ObEye（便携）	560	61,924	110.6
SYSU	中山大学附属第三医院	GE Voluson P8	121	3,494	28.9
SMU	南方医科大学珠江医院	Esaote MyLab	93	2,688	28.9
合计	3 家	3 台	774	68,106	88.0

三列数字互相闭合：560+121+93=774，61,924+3,494+2,688=68,106。这个闭合关系是核对任何二手转述的第一道关——若某处只写「774 段视频」而不写帧数，多半是抄了摘要；若写「68,106 例」则是把帧当成了病例。

值得注意的异常是帧长分布极不均衡：JNU 平均每段 110.6 帧，而 SYSU 与 SMU 恰好都是 28.9 帧。论文未解释这一差异（见 §9 坑 5）。对训练的直接含义是：若按帧随机采样，JNU 的样本会以约 18:1 的比例压倒另外两个中心——这实际上与「训练集只用 ObEye」的设计一致，但也意味着测试集里的 SYSU/SMU 视频更短，跨设备评测同时叠加了「设备差异」与「时长差异」两个变量。

2.2 视频规格与预处理

原始视频以 AVI 容器、MJPG 编码存储，24 fps，单段约 2 秒，8-bit 灰度，原始尺寸 720×564 像素。论文公式 1 给出了像素间距的换算规则：

新像素间距 = 原像素间距 × (原图像尺寸 / 新图像尺寸)

代入原始 0.33 mm/px 与从 564 到 512 的尺寸变化，得到标准化后的 0.30 mm/px。这个换算是刻意保持物理视野不变——即整幅画面的真实毫米数不变，只是被重新采样到统一网格上。对生物测量的意义很直接：如果各中心的图像不统一到同一物理尺度，AoP 角度虽不受影响，但 HSD 的毫米换算会系统性漂移。

标准化到 512×512 后，所有视频进入同一坐标网格，为后续的分割掩膜与关键点坐标提供了统一定义域。掩膜与关键点都定义在这个网格上，因此任何再缩放都必须同步缩放关键点，否则 HSD 会按比例失真。

2.3 目录结构与文件格式

数据按 train / val / test 三个划分组织，每个划分内按任务分目录。论文附带的 README_EN（补充文件 1）给出了完整结构，正文可查证的部分如下：

路径	内容	格式
videos/	原始超声视频序列	AVI（MJPG，24 fps，约 2 秒）
seg/	逐帧分割掩膜（FH / PS）	PNG（逐帧一张）
cls/class_label.csv	视频级分类标签	CSV（一行一段视频，多列二分类）
landmarks.json	四关键点坐标	JSON
*_info.csv	帧级索引与标注引用	CSV

landmarks.json 的字段命名与语义是可查证的关键细节：

• ps_points：[["y1","x1"],["y2","x2"]]，对应耻骨联合模拟椭圆长轴的左点与右点；
• hsd_point：["y3","x3"]，胎头轮廓上距右点最近的点；
• aop_tangency：["y4","x4"]，过右点作胎头轮廓切线的切点。

坐标系采用数字图像惯例：原点在左上角，x 轴向右，y 轴向下。这一点极易出错——若误按数学坐标系（y 向上）读取，AoP 的角度会变成补角，HSD 虽不受影响，但可视化会整幅上下颠倒。工程上建议第一时间画一张四点叠加图肉眼验一次。

2.4 划分口径：设备中心策略的利与弊

各划分段数与来源设备如下：

划分	视频（段）	来源设备	用途
训练集	434	仅 ObEye	模型拟合
内部验证集	40	ObEye	调参、早停
测试集	约 300（三设备各约 100）	ObEye + Voluson P8 + Esaote MyLab	跨设备泛化评测
合计	774	3 台	—

论文对这套设计的表述很明确：训练集「exclusively from a single device (ObEye)」，测试集为「approximately 300 scans」，由三种系统各约 100 段组成，目的是模拟「在一种设备上训练、要在不同机构不同设备上仍可靠」的真实场景。

这套策略的价值在于把泛化压力显式化——如果按患者随机划分，同一台机器的成像风格会同时出现在训练与测试中，模型可以靠记忆设备特性刷高分数而毫无临床价值。代价有两层：其一，验证集与训练集同设备，意味着调参阶段看不到任何跨设备信号，超参数是在「最容易」的条件下选的；其二，训练集 434 段全部来自帧长最长的中心（110.6 帧/段），而测试集中三分之二的视频只有约 29 帧，帧长分布本身就是分布偏移的一部分。

还有一处算术上的细节值得记录：434 + 40 + 300 = 774，与总数恰好闭合。但 300 是约数，论文未给出三设备各自的精确条数（见 §9 坑 6）。若要做严格复现，须以 Zenodo 归档内实际文件计数为准，而不是按 300 这个约数去核对。

2.5 受试者与临床边界

纳入与排除标准构成本数据集适用人群的硬边界：

纳入：单胎、孕周 ≥37 周、头位。
排除：孕周 <37 周；非头位；双胎或多胎；先天性子宫畸形；有子宫手术史；产程中胎心异常；拒绝参与。

这组条件刻画的是一个足月、头位、试产中的低风险人群。它同时意味着三个方向的缺口：早产人群（胎头更小、骨化程度更低、耻骨联合声影不同）、臀位/横位（产时超声用于判断胎位与内倒转的典型场景）、瘢痕子宫（有子宫手术史直接被排除，而这正是临床最需要谨慎评估的人群之一）——在这三类人群上，模型的任何结论都属于外推，不能直接引用。

回顾性设计与全去标识化使知情同意被豁免，伦理批件号为 JNUKY-2022-019、2023-SYJS-023、[2021] 20-367。这一点对使用者有实际约束：数据集不携带可用于追踪个体的信息，因此也不可能做「同一孕妇多次检查」的纵向研究——每段视频都是独立采样点。

2.6 与静态图像数据集的口径对照

把本数据集和库内另外两个产科超声条目放在一张表里，能直观看出「视频」二字带来的全部差异：

维度	本数据集	iugc2024（rid=1134）	psfhs（rid=791）
模态	视频（774 段 / 68,106 帧）	视频（训练 456 段）+ 帧级标注	静态图像（1358 张 / 1124 人）
分类标注	视频级多列二分类（全量 774 段）	帧级标准平面二分类	无
分割标注	逐帧 FH/PS 掩膜	2,906 帧	1358 张
测量标注	四关键点（AoP/HSD）	有 AoP/HSD 任务	附 AOP 素材
许可	CC BY 4.0（Zenodo 直下）	未明示（需登录核）	CC BY 4.0
角色	挑战赛后的全量数据集描述	挑战赛赛事本身	2023 年前作（静态）

一句话分辨：psfhs 是「一张张挑好的图」，iugc2024 是「一场比赛」，本条是「比赛所用数据的完整版本与使用手册」。三者不可互换引用，具体消歧见 §8.1。

§3 任务定义与标注体系

3.1 三段式流水线的临床原型

作者把「自动产时超声参数测量」拆成三个顺序任务，这个拆法不是工程上的任意切分，而是照抄临床动作：

1. 分类（classification）：探头扫过时会产生大量不可用的画面——耻骨联合被声影遮挡、胎头未入画、切面偏斜。医生的第一动作是「停在一个能测的画面上」，对应视频级的可用性判断。
2. 分割（segmentation）：在选定画面上勾出耻骨联合与胎头的边界，医生用光标描边。
3. 测量（biometry）：在两条轮廓上取四个点，量角度与距离。

顺序不可颠倒：没有分类，分割会在垃圾帧上产生垃圾掩膜；没有分割，测量只能靠回归网络直接猜角度，失去可解释性与误差定位能力。论文反复强调的「multi-task」正是这个意思——三个任务是同一临床动作的三个阶段，而不是三个互不相干的数据集拼在一起。

3.2 分类任务：视频级多列二分类

分类标签存放在 cls/class_label.csv，采用多任务二分类结构：每一行是一段视频，每一列是一个独立的临床判断，取值 NONE 或 ALL，表示该视频是否满足该列对应的条件。CSV 中同时包含 filename、frame_count、pos_index 等索引性字段。

这一设计与常见的「单标签多类别」分类有本质区别：

• 允许多标签共存：一段视频可以同时满足多个条件，符合临床现实（例如既显影良好、又包含可测量平面）；
• 每列独立二值化：每列可以单独计算 ACC/AUC/F1/MCC，评测时不需要处理类别互斥的混淆；
• 未公开列名清单：论文正文没有逐一列出各临床判断列的名称（见 §9 坑 7），只说明分类核心是识别含完整 PS 与 FH 的产时标准切面，正文提及的位姿描述为正中矢状切面（mid-sagittal view）。

对使用者的直接影响是：任何「N 类分类」的转述都必须回到 CSV 列名核实。二手文献若写「分为标准平面/非标准平面两类」，那是对任务性质的简化，不等于 CSV 只有两列。

3.3 分割任务：FH 与 PS 多类掩膜

分割为多类别（multi-class）标注，类别只有两个前景：胎头（Fetal Head, FH）与耻骨联合（Pubic Symphysis, PS），背景为第 0 类。掩膜逐帧存为 PNG，与 512×512 标准化视频帧严格对齐。

两个结构的成像特性差异极大，这也是后续一致性数字悬殊的根源：

• 耻骨联合：强回声骨性结构，边界清晰、形态稳定（近似长条形），在正中矢状面上几乎总是显影良好；
• 胎头：颅骨环为强回声弧线，但常被声影、母体组织回声、探头压迫变形干扰，且入盆越深、显影越不完整——恰恰是临床上最需要测量的那些病例，标注最难。

论文的 ICC 结果完全印证了这一点：DSC 的 ICC 在 PS 上是 0.82，在 FH 上只有 0.57（§7.1）。

3.4 测量任务：四关键点与两条公式

测量不再是「直接回归一个角度」，而是先定位四个关键点，再由几何关系解析计算。四个点的定义（对应 Fig. 2）：

点	定义	在 JSON 中的字段
Point 1	耻骨联合模拟椭圆长轴的左端点	ps_points[0] = [y1, x1]
Point 2	耻骨联合模拟椭圆长轴的右端点	ps_points[1] = [y2, x2]
Point 3	胎头模拟椭圆轮廓上距 Point 2 最近的点	hsd_point = [y3, x3]
Point 4	过 Point 2 作胎头模拟轮廓的切线的切点	aop_tangency = [y4, x4]

由此得到两条计算式：

• HSD = Euclidean(Point 2, Point 3)，即公式 2，直接取欧氏距离；像素值再乘 0.30 mm/px 换算为毫米。
• AoP 由 Point 1、Point 2、Point 4 的几何关系求得：以 Point 1→Point 2 的连线（耻骨联合长轴）为一条边，以 Point 2→Point 4 的切线为另一条边，两线夹角即进展角。论文明确指出该实现与公开的 IUGC 2024 评估代码保持一致（cal_aop.py、ellipse.py）。

这套「四点 → 解析式」的设计有两个好处。其一，可审计：任何一个异常角度都能回溯到具体是哪个点漂了；其二，可跨方法比较：不同团队可以用不同的网络预测点，但只要用同一套公式，误差就落在同一坐标系里。坏处是误差会累积——Point 2 同时参与 HSD 与 AoP 的计算，它的一个像素漂移会同时污染两个指标。

3.5 标注协议：三步与防偏设计

论文给出的标注协议为三步：

1. 从视频中挑选 PS 与 FH 同时完整显影的高质量帧，识别产时超声标准切面；
2. 手工自由绘制（free-hand）PS 与 FH 的分割轮廓；
3. 测量超声参数（AoP、HSD）。

三名标注者分别来自三家参与机构，各 1 名，均具 >7 年专业经验，身份覆盖超声技师、产科医生、技术员三种岗位——这个组合刻意让「操作者视角」与「临床视角」同时进入标注。

防偏设计有两条：

• 交叉标注：每位专家在完成自己中心的初始标注后，额外标注 100 段视频，取自另外两位专家初始集各 50 段。这使每段视频至少被两个不同机构的人看过一遍，机构特异性的画风偏好会被暴露。
• 共识复核：有争议的病例由三位专家共同复核，确定最终 ground truth。最终发布的标签是共识结果，而非某一个体的标注。

3.6 一致性子集：150 段盲法评估

为量化标注可靠性，团队另行随机、盲法组装了 150 段视频（每家机构 50 段），由三名标注者独立分析。统计方法为双向随机效应、绝对一致性模型的 ICC(2,1)，并用 1000 次 bootstrap 生成 95% 置信区间。这部分结果单独列在 §7.1，是本条目最需要谨慎解读的数字组。

§4 硬数字与统计画像

4.1 一页数字表

类别	指标	数值
规模	孕妇 / 视频 / 帧	774 / 774 / 68,106
规模	中心 / 设备	3 / 3
规模	每段时长 / 帧率	约 2 秒 / 24 fps
规模	平均帧数/段	88.0（JNU 110.6｜SYSU 28.9｜SMU 28.9）
影像	原始分辨率 / 位深	720×564 / 8-bit
影像	标准化分辨率 / 像素间距	512×512 / 0.30 mm/px
划分	训练 / 验证 / 测试	434 / 40 / ≈300
标注	标注者 / 经验	3 人 / >7 年
标注	交叉标注量	每人 100 段
标注	一致性子集	150 段（每中心 50）
一致性	分类 ICC（ACC/AUC/F1/MCC）	0.92 / 0.96 / 0.94 / 0.89
一致性	分割 ICC（DSC PS/FH）	0.82 / 0.57
一致性	测量 ICC（ΔAoP / ΔHSD）	0.53 / 0.46
挑战赛	注册 / 国家 / 有效提交 / 入选分析	126 队 / 18 国 / 16 队 / 8 队

4.2 三个中心的不均衡程度

把三中心数字换算成比例，不均衡一目了然：

• 视频数：JNU 72.4%、SYSU 15.6%、SMU 12.0%；
• 帧数：JNU 90.9%、SYSU 5.1%、SMU 3.9%。

帧层面的不均衡（90.9% vs 9.1%）几乎是视频层面（72.4% vs 27.6%）的三倍多。原因正是帧长差异：JNU 每段近 111 帧，另两中心每段仅 29 帧。这个结构决定了任何按帧采样的训练策略都会让 ObEye 的设备特征占据绝对主导，也解释了为什么作者干脆把训练集限制在 ObEye——既然无法平衡，不如显式声明。

4.3 为什么"帧"当作样本单位要慎重

68,106 这个数字很有吸引力：它比多数产科超声静态数据集的规模大一到两个数量级。但它不是 68,106 个独立样本。同一段 2 秒视频内的相邻帧相关性极高——探头几乎不动，结构只位移几个像素。若按帧随机划分训练/测试，等于把同一段视频的近似副本分到两边，会得到严重虚高的分数。

论文用患者级约 4:1 的划分规避了这个问题，并在方法中强调患者级切分以防数据泄漏。使用者在做自己的实验时必须沿用同一原则：切分单位是 video_id（等价于受试者），不是帧。这一点在 §9 坑 1 会再强调一次。

§5 采集、预处理与去标识化

5.1 采集环节：谁、在哪、用什么机器

数据来自三家医院产房的真实检查过程，不是为建模而设计的实验采集。这一点决定了三个特征：

1. 探头是经会阴放置，扫查方向为耻骨联合至胎头的正中矢状面，画面同时包含母体骨性标志与胎儿颅骨——这正是 AoP/HSD 的解剖前提；
2. 设备不可控：ObEye（便携式，常用于床旁）、GE Voluson P8（中高端产科机）、Esaote MyLab（意系便携/中端）三台机器的成像风格、增益曲线、声束参数各不相同，这正是「多设备」三个字的实质内容；
3. 时长不可控：临床医生按下记录键到松手，通常就是一两次呼吸的时间，约 2 秒。这不是裁剪结果，而是原始采集的长度。

采集是回顾性的：从既有临床检查记录中筛选符合纳入标准的录像，而非前瞻性招募。回忆偏倚的风险在于——只有「拍得比较清楚」的录像才可能被纳入，模糊失败的扫查在进入筛选池前就可能被丢弃。论文未报告筛选漏斗（从多少段原始录像中筛出 774 段），这是无法从现有材料估计的选择性（见 §9 坑 8）。

5.2 预处理流水线

预处理分四步，顺序与目的如下：

步骤	操作	目的
1	统一转换为标准化尺寸	让不同设备的画面进入同一网格
2	去除标识信息（姓名、日期等叠加字符）	去标识化，满足伦理豁免前提
3	按公式 1 重算像素间距（0.33 → 0.30 mm/px）	保持物理视野不变，保证 HSD 毫米换算可比
4	输出 512×512、8-bit	与掩膜、关键点共用同一坐标定义域

关键是第 3 步。超声图像上的距离只有在知道像素间距时才有物理意义；不同机器的原始视野与像素数不同，若不统一，同一个「30 像素」在三台机器上可能对应完全不同的毫米数。作者的做法是：以原始 720×564 画面为基准，重采样到 512×512 时按比例反推新像素间距，使画面覆盖的毫米数保持不变。这与「先把图像统一成 512×512，再沿用原像素间距」的错误做法有本质区别——后者会让 HSD 的系统性偏差随设备而变。

5.3 去标识化的边界

论文明确说明数据和图像已完全去标识化，因此知情同意被豁免。对使用者而言，这意味着：

• 数据中没有患者 ID、检查日期、孕周、产次、分娩结局等临床变量；
• 因此无法做「AoP 预测分娩方式」这类需要结局标签的下游研究——本数据集只提供影像与影像派生标签，不提供临床终点；
• 也无法做纵向随访（见 §2.5）。

如果研究问题需要结局，必须把本数据集当作预训练或方法验证资源，再另找带结局的队列做外部验证。这一点在选题阶段就该想清楚，否则做到一半会发现缺标签。

§6 获取、许可与工程接入

6.1 一条直链：Zenodo 归档

项	内容
仓库	Zenodo
DOI	10.5281/zenodo.17655183
访问方式	公开直下，无需申请、无需签署 DUA
归档文件	17655183.zip（含视频、掩膜、标签、坐标、README_EN）
完整性校验	SHA-256 0D14E96DF712666B6324780AB6C7BFB3BF87DAB0D72DBF77AD3CD636012A0A1E
许可	CC BY 4.0
版本	V3（论文对应版本）

这是本数据集在「AI-Ready」维度上最强的一项：产科超声领域大量数据集的获取方式是「邮件申请 + 学术用途承诺 + 机构背书」，本数据集是少见的零门槛直下。CC BY 4.0 允许复制、分发、改编乃至商业使用，唯一硬性义务是署名（给出 DOI 与论文引用）。相比 CC BY-NC 系列，它不会因为「公司内部试点」而踩线。

6.2 许可的实操细节

三点容易被忽略：

1. 署名要同时给两层：数据本体（Zenodo DOI）与数据描述论文（Sci Data DOI）。只引论文不引数据 DOI，不符合 CC BY 的「指明来源」要求。
2. 改编作品也要开放：若你在其基础上生成新的标注或衍生数据集并公开发布，需以兼容许可发布并说明改动。
3. 论文本身的许可是另一回事：Sci Data 论文为开放获取（CC BY），引用格式与数据引用应分开写。

6.3 代码与可复现性

官方公开的代码有两处，均指向同一 GitHub 账号：

用途	地址
AoP 评估（cal_aop.py、ellipse.py）	https://github.com/maskoffs/IUGC2024/tree/main/eval
端到端基线（分割+分类）	https://github.com/maskoffs/IUGC-2024-Submit/tree/master/baseline

不公开的部分：从原始临床视频生成数据集的代码，因机构数据治理政策未放出。这意味着「从医院 PACS 到 512×512 标准化」这一段不可完全复现，只能复现「拿到数据之后」的部分。这是可复现性链条上的一个真实断点，而非疏漏。

6.4 工程接入的最小路径

对想快速跑通的团队，建议的最短路径是：

1. 下载 17655183.zip，校验 SHA-256
2. 解压，先只读 README_EN，确认 train/val/test 目录结构与 CSV 列名
3. 抽查 3 段视频：用 landmarks.json 的四点在首帧上画图，肉眼确认坐标系（y 轴向下）
4. 用 eval/cal_aop.py 复算一份官方 AoP，与 landmarks 中记录的角度对表
5. 跑 baseline：先单独训 UNet 分割，再冻结编码器训分类
6. 评测时严格按 video_id 切分，禁止帧级随机划分

第 3 步是最容易被跳过、也最容易致命的一步。坐标轴方向、x/y 顺序（JSON 中写作 [y, x]）任一搞反，都会得到「看起来能跑、数值荒谬」的结果。

6.5 存储与算力估算

按 774 段 × 平均 88 帧 × 512×512 × 1 字节（8-bit 灰度）估算，仅帧图像未压缩约 17.9 GB；MJPG 压缩后实际归档体积显著更小。掩膜为逐帧 PNG，若按单通道类别图存储，体积约与帧图像同量级。训练时的显存需求取决于输入策略：

• 帧级分割：单帧 512×512，batch 4 在 8GB 显存即可（与论文基线设置一致）；
• 视频级分类：若用 3D 或时序模型，需一次读入整段（约 29–111 帧），显存需求上升数倍，实际多采用稀疏采样（如均匀取 8/16 帧）；
• 端到端级联：先分类筛帧、再分割、再测量，是显存最省的组合，也是论文基线的做法。

§7 一致性、基线与评测

7.1 标注者间一致性：一组必须分层解读的数字

一致性评估在 150 段盲法子集上进行，指标为 ICC(2,1)，结果（ALL, n=150）如下：

任务	指标	ICC
分类	ACC	0.92
分类	AUC	0.96
分类	F1	0.94
分类	MCC	0.89
分割	DSC（PS）	0.82
分割	DSC（FH）	0.57
分割	ASSD（PS）	0.86
分割	ASSD（FH）	0.47
分割	HD（PS）	0.91
分割	HD（FH）	0.47
测量	ΔAoP	0.53
测量	ΔHSD	0.46

正确的读法：ICC 衡量的是「不同标注者之间排序与数值的一致性」，不是「标注有多准」。这组数字在任务间呈现极陡的落差——分类接近完美（0.89–0.96），耻骨联合分割良好（0.82–0.91），而胎头分割与两项测量只有中等一致性（0.46–0.57）。

落差的原因在解剖：耻骨联合是骨性强回声、形态稳定；胎头轮廓在不同帧、不同压力下显影长度不同，边界「画到哪算结束」本身就没有唯一答案；而 AoP/HSD 又是从胎头轮廓上提点算出来的，胎头的不确定性会原样传导到测量。因此 §7.1 的最后一列其实不是两个独立缺陷，而是一个缺陷的两次显影。

对模型评测的含义：任何模型在 FH 分割和 AoP/HSD 上的误差，只要落在人类专家之间的分歧范围内，就不能被判定为「模型不如人」。反之，若模型误差显著小于专家间分歧，也要怀疑是否过拟合了某种共识偏置。这是本数据集最容易被误读的一组数字（见 §9 坑 3）。

7.2 个体标注者与共识的偏差

论文 Fig. 3 单独报告了标注者 #2 与 #3 在 150 段子集上相对共识的表现：

任务	标注者表现
分类	ACC > 0.86，F1 > 0.87
分割	DSC > 0.92（PS）、> 0.95（FH）
测量	ΔAoP 平均误差约 5°；ΔHSD 约 5–6 像素

这里出现了一个表面矛盾：个体对共识的 FH DSC 超过 0.95，但标注者两两之间的 FH DSC ICC 只有 0.57。解开矛盾的关键是——共识本身就是三位专家妥协后的产物，个体向共识靠拢很容易（大家都在往同一个折中轮廓上贴），但两个独立个体之间要一致得多难。换言之，0.95 衡量的是「服从度」，0.57 衡量的是「独立可重复性」。做基准时应当引用后者。

7.3 官方基线的构成

论文在 Usage Notes 中给出了一个可复现的双输出基线：

组件	设计
分割	常规 UNet
分类	复用 UNet 编码器特征，接分类头
分割损失	交叉熵 + Dice 混合
分类损失	仅交叉熵
训练策略	两阶段：先独立训分割，再冻结 UNet 训分类
优化器	AdamW，初始 LR 1e-4，β₁=0.9、β₂=0.999，L2 正则 0.1
训练轮次	分割 80 epochs，batch 4；分类 batch 8

数据增强分任务差异化设置，这一点很有讲究：

• 分割/测量：随机旋转（±10°）、缩放（0.9–1.1×）、平移；明确排除垂直翻转。原因是翻转会颠倒耻骨联合与胎头的上下解剖关系，AoP 的符号与 HSD 的方向都会被破坏。
• 分类：垂直翻转（概率 0.5）+ 非零像素归一化。分类只判「是否可用」，不涉及上下关系，翻转相当于有效扩增。

推理流程：先对单帧做分类，低置信帧跳过，其余进入分割，再由分割轮廓推导 AoP/HSD。作者自己指出这条流程的潜在局限——跳过困难帧可能引入选择偏倚，使分割指标虚高。这句话值得抄在实验记录本首页。

7.4 挑战赛层面的横向参考

IUGC 2024 挑战赛的公开成绩（据团队新闻稿与方法学论文摘要，非本数据描述论文正文）给出了一组可对表的数字：最优方案的分割 DSC 达 0.8857，AoP 绝对误差 9.1557°，HSD 绝对误差 10.3878 mm。赛事规模为 18 国 126 队注册、16 队有效提交，最终对 8 支队伍的方法做了系统剖析，分析维度为预处理、数据增强、学习策略、模型架构、后处理五个方面。

从方法学层面被点名的几条经验：

• 预处理：图像尺寸归一化与对比度增强能有效降低数据复杂度；
• 数据增强：几何变换结合强度调整的复合策略，可使模型准确率提升约 24%；
• 模型架构：Video Swin Transformer 一类视频专用网络能更好捕捉时空特征；SAM（Segment Anything Model）在分割与参数测量任务中表现突出；
• 后处理：直接由分割轮廓提取关键点，比椭圆拟合更适合动态的产时影像。

需要注意的是，9.1557° 与 10.3878 mm 这两个误差值与 §7.1 中专家间 ΔAoP 约 5°、ΔHSD 约 5–6 像素的量级相比仍有明显差距——即最好的算法尚未进入人类专家的分歧带内。这是本领域当前的关键瓶颈，也是本数据集存在的意义：它把差距量化了，而不是靠个案宣称「超越医生」。

7.5 评测协议建议

基于以上事实，建议的最小评测协议如下：

1. 切分单位：video_id（受试者级），不按帧；
2. 测试集：只用官方 test（约 300 段）做一次性报告，不参与任何调参；
3. 指标分层：分类报 ACC/AUC/F1/MCC 四件套；分割报 DSC、ASSD、HD，且 PS 与 FH 分开报；测量报 AoP 绝对误差（度）与 HSD 绝对误差（mm，按 0.30 mm/px 换算）；
4. 对照基线：至少对表官方 baseline 与 §7.4 的挑战赛最优值；
5. 不隐藏级联失败：分类判错导致整段跳过的情况必须计入分母，不能只统计「进入分割的帧」。

第 5 条最容易被忽略，也最影响结论的诚实度。论文自己已经提示了「跳过困难帧会虚高指标」的风险，使用者在复现时必须把这个偏倚显式化。

§8 消歧：它与你以为的那几个条目分别是什么

8.1 与 iugc2024（rid=1134）的区别

这是最需要说清的一组。两者高度重叠，但定位完全不同：

对照项	本条目 intrapartum-us-video	iugc2024（rid=1134）
对象	数据集（Sci Data 数据描述论文）	挑战赛（MICCAI 2024 Grand Challenge）
发表载体	Scientific Data 2026（doi:10.1038/s41597-026-06900-5）	Springer LNCS 论文集（doi:10.1007/978-3-031-96318-6）
覆盖数据	全量 774 段视频 / 68,106 帧，三任务全量标注	训练 456 段（288 全标准平面 + 168 全非标准平面），2,906 帧分割标注
获取入口	Zenodo 一条直链，CC BY 4.0	CodaLab 竞赛 18413（需登录，许可未明示）
评测协议	设备中心 train/val/test 划分 + 官方基线	官方排行榜 + 提交格式
读它为了什么	想要数据、想看清全量标注与许可	想复现赛事、对照排行榜名次

一句话：挑战赛是「用这批数据办了一场比赛」，本数据集是「这批数据的完整说明书 + 下载入口」。二者不是别名关系，不能互相 redirect。若研究需要许可明确、可离线复用的数据，走本条；若研究需要官方排行榜口径与提交文件格式，走 iugc2024。引用时二者都应引，但引的章节不同。

8.2 与 psfhs（rid=791）的区别

psfhs 是同一实验室谱系中 MICCAI 2023 的前作，定位是静态图像分割：

对照项	本条目	psfhs（rid=791）
模态	视频	静态图像
规模	774 段 / 68,106 帧	1358 张 / 1124 名孕妇
任务	分类 + 分割 + 测量（三任务）	胎头与耻骨联合分割（+ AOP 测量素材）
文件格式	AVI + PNG + CSV + JSON	MHA（MetaImage）
核心差异	多了时序与找帧两个难题	只有「给一张标准图，勾两个结构」

关键区别在于任务难度不在同一个量级：psfhs 的输入已经是专家挑好的正中矢状面，模型只需勾轮廓；本数据集的输入是原始扫描，模型必须先判断哪一帧可用。把 psfhs 的分数与本数据集的分数直接比较是无效的——前者是「分割能力」，后者是「分割能力 × 找帧能力」。

二者共同的临床背景（经会阴、产时、FH+PS、AoP）常导致混引，检索时须看模态这个词。

8.3 与库内其他胎儿超声条目的区别

条目	rid	场景	与本条的交集
fetal-abdominal	898	孕中期胎儿腹部标准切面（1588 张静态图，四结构掩膜）	同为「标准切面+分割」，但为产前、单任务、静态
focus-fetal	881	胎儿四腔心双椭圆标注（CTR 心胸径比）	同为「椭圆拟合+比值指标」，但部位与指标完全不同
fetal-planes-db	538	胎儿标准切面分类（静态，孕中晚期筛查）	同为「分类找切面」，但分类目标的定义不同：它判别解剖平面类别，本条判别「是否可用于测量」
maternal-ultrasound-nutrition	615	孕期母体脂肪超声	对象是母体而非胎儿，仅超声模态相同
ldpolypvideo	163	结肠息肉视频分割	同为「视频+分割」范式，可作方法学对照但无临床交集

最容易混淆的是 fetal-planes-db：两个数据集都在做「从超声里找标准切面」的分类。差异在于——fetal-planes-db 判的是「这是腹围平面/股骨平面/…」的多类别解剖归属，且是产前筛查场景；本条判的是产时某帧「能否用于 PS-FH 测量」，标签为多列二分类。名字里都有 “planes”，但 plane 的含义在两边不是一回事。

8.4 检索时最容易踩的三个名字坑

1. “IUGC dataset”：IUGC 是赛事缩写，严格意义的「IUGC 数据集」指赛事发布的训练集（456 段），不等于本条的 774 段全量。搜 “IUGC dataset” 大概率落到 CodaLab 页面而非 Zenodo 归档。
2. “Ultrasouno”：论文标题在 Nature、Springer、PubMed 三处均拼作 “Ultrasouno”（疑为 Ultrasound 的排印错误）。按正确拼写搜索可能漏掉这篇论文；按错误拼写搜索反而能命中。引用时按原文照录，检索时两种都试。
3. “fetal ultrasound video dataset”：这个短语会大量命中产前胎儿超声视频（如心脏、脑部扫查），与本条（产时、经会阴、关注胎头下降）场景完全不同。必须带上 “intrapartum” 或 “transperineal” 限定词。

§9 坑点清单：十个已踩过的坑

坑 1：「68,106 张图像」不是 68,106 个样本。
论文一律写 “774 videos / 68,106 images”，其中 images 指帧。同一段 2 秒视频内的相邻帧高度相关，若按帧随机划分训练/测试，会把同一段视频的近似副本分到两边，指标虚高但毫无泛化意义。正确做法：以 video_id（≈受试者）为切分单位，论文本身采用患者级约 4:1。

坑 2：训练集与验证集同设备，跨设备能力在调参期不可见。
434 段训练 + 40 段验证全部来自 ObEye，测试集才有另外两台机器。这意味着你在验证集上选出的超参数，是在「最容易」的条件下选的；到测试集掉多少分完全未知。若模型用于真实产房，必须自己另划一个跨设备验证集，不能直接信任论文的 val。

坑 3：ICC 0.57 不是「标注差」，是「人类之间本来就不一致」。
胎头分割 DSC 的 ICC 仅 0.57、ΔAoP 0.53、ΔHSD 0.46，但个体对共识的 DSC 又超过 0.95。矛盾的解释在 §7.2：共识是妥协产物。把 0.57 读成「数据质量不行」是误读；把 0.95 读成「标注高度可靠」也是误读。正确引用后者作为模型上限的参考，即模型误差低于专家间分歧时，不宜宣称「超越专家」。

坑 4：坐标是 [y, x] 且 y 轴向下。
landmarks.json 中 ps_points 存的是 [["y1","x1"],["y2","x2"]]，数组内先 y 后 x；坐标系原点在左上角、y 向下。任何一处搞反都会得到「能跑但数值荒谬」的结果。验收方法：取四点画在首帧上肉眼看，AoP 应当是一个锐角或钝角（通常 90°–140° 量级），绝不是 0° 或 180° 附近。

坑 5：JNU 帧长远高于另两中心（110.6 vs 28.9）。
论文未解释原因。工程后果是按帧采样时会严重偏向 JNU；报告「各中心表现」时必须按中心分层统计，否则"总体平均"会被 JNU 主导。若你的研究问题是跨设备公平性，需做重加权或按中心等量采样。

坑 6：测试集 300 是约数，三设备精确条数未公布。
434+40+300=774 恰好闭合，容易让人误以为 300 是精确值。实际论文写 “approximately 300 scans”，各设备 “around 100”。严格复现须以 Zenodo 归档内文件计数为准。任何按「每设备正好 100 段」做的结论都应加限定语。

坑 7：分类类别名未逐一公开，二手转述常简化。
论文只说明是视频级多列二分类（NONE/ALL），CSV 含 filename、frame_count、pos_index 等列，具体临床判断列名须读 class_label.csv 或 README_EN。二手文献若写「二分类：标准/非标准」，是对任务性质的简化描述，不等于 CSV 只有两列。

坑 8：回顾性筛选漏斗未披露。
从多少段原始录像中筛出 774 段、剔除比例多少，论文未报告。这意味着无法估计「只有拍得清楚的才被留下」这一选择偏倚的规模。对模型的实际影响是：真实产房中模糊失败的扫查比例远高于数据集中的比例，部署时的假阴性率会高于离线评测。

坑 9：垂直翻转不能用在分割与测量任务上。
论文的增强策略明确：分割/测量只做旋转、缩放、平移，排除垂直翻转；分类才用垂直翻转。若你自己写增强时图省事统一 fliplr/flipud，会颠倒耻骨联合与胎头的上下关系，AoP 符号与 HSD 方向同时被破坏，而损失曲线可能看不出异常。这是一个「只会在临床解读时暴露」的静默错误。

坑 10：级联流程的「跳过困难帧」会虚高指标。
官方基线是先分类、低置信帧跳过、再分割。作者自己承认这可能引入选择偏倚、使分割指标虚高。复现或改进时，被跳过的帧必须计入分母（例如报「有效帧覆盖率」），否则你报的 DSC 是在「模型自己挑的好帧」上算的，不可与其他方法比较。

坑 11（补）：数据生成代码不公开。
从原始临床视频到 512×512 标准化的代码因数据治理政策未放出。这意味着「预处理一致性」只能靠 README_EN 的文字描述来复现，遇到细节分歧（如重采样插值方式）无法查证。若要严格对齐，建议先用官方归档里的成品帧做逆向验证（比较像素间距与视野）。

坑 12（补）：论文标题拼写错误会导致引用检索失败。
“Ultrasouno” 是原文拼写。用 DOI 引用可避开此问题；若必须写标题，照录原文并在括号中标注疑似排印错误，避免读者按正确拼写搜不到。

§10 DAIMS 评估与证据链

10.1 DAIMS 五维评分

DAIMS 指 Discoverability（可发现性）、Accessibility（可获取性）、Interoperability（可互操作）、Metadata（元数据质量）、Sustainability（可持续性）五个维度，每项 1–10 分：

维度	评分	依据
D 可发现性	9	Zenodo DOI + Sci Data 开放获取 + PMC 全文 + 官方发布博文，四路可达；标题拼写错误（“Ultrasouno”）是唯一减分项
A 可获取性	10	单一归档直下、无需申请、CC BY 4.0、带 SHA-256——本领域可获取性的上限形态
I 可互操作	7	AVI/PNG/CSV/JSON 均为通用格式，易接入 PyTorch/MONAI；但无 DICOM 封装、无官方 dataloader、掩膜非 NIfTI，医学影像工具链需自行适配
M 元数据质量	7	论文表格完备（Table 2 三中心、Table 3 ICC、Fig 2 四点定义）；扣分项为分类列名未公开、筛选漏斗未披露、测试集精确条数缺失
S 可持续性	8	Zenodo 为 CERN 运营的长效仓库，DOI 稳定；依赖单一归档（无镜像），且 V3 版本号提示仍可能更新
综合	8.2/10（优）	许可与获取接近满分，元数据与互操作是主要短板

10.2 逐项证据链

关键数字	来源	位置
774 / 68,106	PMC 全文 Fig 1 图注 + Table 2	PMC12966494
560/61,924、121/3,494、93/2,688	同上（Fig 1 图注逐中心列出）	PMC12966494
434 / 40 / ≈300	Methods “Dataset Split for Model Development”	PMC12966494
0.33 → 0.30 mm/px	Methods 公式 1	PMC12966494
三台设备型号	Table 2	PMC12966494
纳入排除标准	Methods “Subject characteristics”	PMC12966494
3 名标注者 / >7 年 / 交叉 100 段 / 150 段子集	Methods 标注节	PMC12966494
ICC 全套（0.92/0.82/0.57/0.53/0.46 等）	Table 3	PMC12966494
Fig 3 个体 vs 共识（DSC>0.92/0.95、ΔAoP≈5°）	Fig 3 图注	PMC12966494
四点定义 Point 1–4	Fig 2 图注	PMC12966494
landmarks.json 字段结构	Data Records 节	PMC12966494
CC BY 4.0 / Zenodo DOI / SHA-256	Data availability 节	PMC12966494
代码两处 GitHub 地址	Code availability 节	PMC12966494
126 队 / 18 国 / 16 队 / 8 队	团队新闻稿 + 方法学论文摘要	jd120.com；CatalyzeX
DSC 0.8857 / AoP 9.1557° / HSD 10.3878 mm	团队新闻稿	jd120.com
PMID 41730873 / PMCID PMC12966494	PubMed 条目	pubmed.ncbi.nlm.nih.gov

10.3 双口径存照

以下冲突或潜在冲突逐条存照，正文采用左列口径并注明理由：

项	口径 A	口径 B	采用与理由
图像计数	68,106 images（论文原文）	68,106 frames（实指）	采用「帧」，因论文 Fig 1 图注写明 “68,106 frames of images”
标题	Ultrasouno（三处原文一致）	Ultrasound（应为）	引用照录原文，正文括注疑似排印错误
测试集条数	约 300	434+40+300=774 暗示精确 300	采用「约 300」，原文为 approximately
模型性能	本论文不报模型 MAE	挑战赛最优 DSC 0.8857 / AoP 9.1557°	分开表述：§7.1 只讲人工一致性，§7.4 标注为赛事口径
分类类别	多列二分类（论文）	二手常简化为二分类标准/非标准	采用论文口径，明确列名未公开
许可	Zenodo 页 CC BY 4.0	论文正文未单列数据许可	采用 CC BY 4.0，以数据仓库声明为准

10.4 遗留疑点

1. JNU 帧长（110.6）显著高于另两中心（28.9），论文未解释成因；
2. 三设备在测试集中的精确条数未给出；
3. 分类任务的完整列名清单未在正文公开，须读归档内 CSV；
4. 从原始录像到 774 段的筛选漏斗未披露，选择偏倚规模不可估；
5. §7.4 的挑战赛数字来自新闻稿与方法学论文摘要，未逐条核对赛事官方排行榜页；
6. 数据生成代码不公开，预处理细节（插值方式等）只能依 README 文字复现；
7. Zenodo V3 是否为最终版未明示，后续可能发布 V4；
8. 论文正文未报告模型在不同设备上的分层性能，跨设备掉分幅度未知。

§11 研究价值与下游用法

11.1 五类可直接落地的研究方向

方向一：视频级多任务学习。 本数据集最大的结构价值是「同一批视频上挂三类标签」。这让「共享骨干 + 三头输出」的多任务架构第一次有了公平的同源对照：分类头、分割头、测量头共享同一个编码器，可以量化「任务间互补」到底带来多少增益。论文在背景中明确指出，此前的多任务研究大多跨越不同数据集，任务间的监督信号并不同源，增益来源难以归因。

方向二：误差传播分析。 三段式流水线天然形成一条链条。用本数据集可以逐段注入误差：故意降低分类阈值、在分割掩膜上加扰动、在关键点上加抖动，观察最终 AoP/HSD 的敏感度。这类研究在静态图像数据集上做不到，因为没有「找帧」这一环。

方向三：跨设备泛化与域适应。 训练集只有 ObEye，测试集覆盖三台机器。这是域适应的教科书式设定：源域单一、目标域多源、且目标域在训练期完全不可见。可以比较 BN 统计量对齐、风格归一化、测试时自适应等方法在同一划分下的收益。

方向四：时序建模方法对比。 3D CNN、Video Swin Transformer、帧级 2D + 时序聚合、以及 SAM 类基础模型的逐帧推理，四种范式的成本-精度权衡可在同一数据上对表。§7.4 已提示 Video Swin 与 SAM 在赛事中表现突出，但那是单个赛事的观察，值得独立复现。

方向五：人机一致性研究。 既然人类专家之间的 ICC 只有 0.46–0.57，那么「模型与共识的一致性」和「模型与个体专家的一致性」哪个更高，本身就是一个有价值的问题。若模型与共识的一致性高于任一单个人类，说明它学到了「折中解」；若低于所有人，说明它错过了人类共有的判断依据。

11.2 三类不适合的用法

不适合一：直接做临床决策系统。 数据集不含结局标签（分娩方式、产程时长、母婴并发症），也不含孕周之外的临床变量。任何「AoP 低于 X 度即建议剖宫产」的说法都无法用本数据集验证——它只能告诉你算法测得准不准，不能告诉你阈值该定在哪。

不适合二：做早产或臀位研究。 纳入标准排除了 <37 周与非头位，这两类人群的影像特征与标注分布都不同，外推风险高。

不适合三：把本数据集当「超声基础模型预训练语料」。 774 段、68,106 帧的体量对自监督预训练而言偏小，且全部是单一解剖区域（耻骨联合-胎头）与单一探头路径。它适合做下游任务微调与评测，不适合作为通用超声表征的预训练主体。

11.3 与临床工作流的对接点

若把算法放回产房，可对接的位置有三个，成本递增：

对接点	输入	输出	临床价值	落地难度
事后质控	已存录像	AoP/HSD 曲线	复盘产程判断是否合理	低（离线、无实时要求）
实时辅助测量	实时画面	建议测量帧 + 参数	减少手动摆线时间	中（需低延迟、需 UI）
自动预警	连续监测	胎头下降停滞提示	及早识别产程异常	高（需结局标签与阈值验证）

本数据集能支撑第一个对接点的全部验证，第二个对接点的算法侧验证，第三个对接点只能做方法预研——因为缺结局标签，阈值无从校准。这个分层判断在读任何「该数据集可用于临床」的宣传语时都用得上。

§12 与同族资源的谱系图

12.1 一条清晰的时间线

2022  JNU-IFM          单中心、单设备、静态图像、FH+PS 分割
  │
2023  PSFHS (MICCAI)   多中心、多设备、静态图像、1358 张 / 1124 人
  │                    → 库内条目 psfhs (rid=791)
  │
2024  IUGC 2024        多中心、多设备、视频、三任务挑战赛
  │                    → 库内条目 iugc2024 (rid=1134)
  │
2026  Sci Data 论文    全量 774 段 / 68,106 帧 / 三任务全量标注 / CC BY 4.0
                       → 本条目 intrapartum-us-video

这条谱系的演进逻辑非常清楚：从单中心到多中心（泛化）、从静态到视频（时序）、从单任务到多任务（闭环）、从不明确许可到 CC BY 4.0（可复用）。每一步都对应一个具体的方法学缺口，不是简单的规模堆叠。

12.2 谱系阅读的三条注意

1. 不要按时间顺序假定「后出的取代前面的」。 psfhs 的 1358 张静态图在「纯分割任务」上仍然更干净——没有找帧误差干扰，DSC 直接反映分割能力。做分割方法对比时，psfhs 反而是更好的对照。
2. 同一团队的不同论文引用要分清。 数据描述论文（Sci Data）与方法学论文（“Beyond Benchmarks of IUGC”）是两篇，前者描述数据，后者分析挑战赛方法。引数据用前者，引方法学结论用后者。
3. 库内条目之间是互补不是重复。 本条目、iugc2024、psfhs 三条各有独立价值：一条讲"数据怎么来、怎么用"，一条讲"比赛怎么打、谁赢了"，一条讲"静态分割的标准答案长什么样"。

§13 实操：从下载到第一次评测

13.1 环境与依赖

最小依赖集（PyTorch 路线）：

python >= 3.10
torch >= 2.0
opencv-python        # 读 AVI（MJPG 编码）
numpy, pandas        # CSV 标签
pillow               # PNG 掩膜
scipy                # 距离变换、HD/ASSD 计算

若走 MONAI 路线，可省去手写 Dice/HD 的实现，但需注意 MONAI 默认读 NIfTI，AVI/PNG 仍需自行封装 Dataset。

13.2 数据完整性核验

下载后第一件事是校验 SHA-256，而不是急着解压：

sha256sum 17655183.zip
# 期望：0D14E96DF712666B6324780AB6C7BFB3BF87DAB0D72DBF77AD3CD636012A0A1E

校验不通过说明下载中断或被篡改，重下即可。这一步在慢速网络下尤其重要——超声视频文件大，断点续传失败很常见，而 zip 的 CRC 校验只有在解压时才报错，可能浪费更多时间。

13.3 目录盘点脚本思路

解压后建议先跑一个盘点脚本，把「你以为的」和「实际的」对齐：

对每个 split（train/val/test）：
  统计 videos/ 下 AVI 数量 → 与论文 434/40/300 对表
  统计 seg/ 下 PNG 数量 → 与帧数关系（是否每帧都有掩膜）
  读 cls/class_label.csv → 打印列名与前 3 行，确认分类列
  读 landmarks.json → 打印键名与一条样例，确认 [y,x] 顺序

这一步能一次性发现四类问题：条数不符（版本差异）、掩膜不是逐帧（部分帧无标注）、分类列名与预期不同、坐标顺序理解错误。

13.4 第一个 baseline 的最小实现

不必一上来就跑官方完整基线。建议按以下顺序，每步都能独立验证：

阶段	任务	验证方式	预期
1	用真值掩膜推导 AoP/HSD	与 landmarks.json 记录值比对	误差应接近 0
2	训练纯分割 UNet	val DSC	PS 明显高于 FH（符合 ICC 规律）
3	在真值掩膜上做分割扰动实验	AoP/HSD 误差随扰动增长	建立敏感度基线
4	加分类头，跑级联	端到端 AoP/HSD 误差	应劣于阶段 2 的纯分割上界
5	在 test 上一次性评测	三设备分层报告	观察跨设备掉分

阶段 1 是最重要的一步：它能同时验证坐标顺序、像素间距换算、AoP 公式三件事。如果阶段 1 算不出接近真值的角度，后面所有实验都不可信。这一步通常只需几十行代码，却能省下几天排查。

阶段 3 常被跳过，但它给出的「敏感度基线」是解读后续结果的关键：若在真值掩膜上人为让 FH 轮廓偏移 3 像素就会导致 AoP 变化 8°，那么任何模型报出 9° 的 AoP 误差时，你就知道这个数字里有多少来自分割误差、多少来自其他环节。

13.5 评测脚本的两个易错点

1. HD/ASSD 的像素单位 vs 毫米单位。 论文 Table 3 报告的 HD/ASSD 单位为像素；报告 HSD 误差时用毫米。混用会让数字差 3.3 倍（0.30 mm/px）。
2. 空掩膜的处理。 若某帧分类判为不可用而被跳过，该帧的分割指标应记为缺失而非 0；若直接当 0 参与平均，会把「跳过」伪装成「完全失败」，两个方向的偏差都存在。

§14 术语表

缩写	全称	中文
AoP	Angle of Progression	进展角
HSD	Head-Symphysis Distance	头耻距 / 头-耻骨联合距离
PS	Pubic Symphysis	耻骨联合
FH	Fetal Head	胎头
ICC	Intraclass Correlation Coefficient	组内相关系数
DSC	Dice Similarity Coefficient	Dice 相似系数
ASSD	Average Symmetric Surface Distance	平均对称表面距离
HD	Hausdorff Distance	豪斯多夫距离
MAE	Mean Absolute Error	平均绝对误差
ISUOG	International Society of Ultrasound in Obstetrics and Gynecology	国际妇产超声学会
WAPM	World Association of Perinatal Medicine	世界围产医学会
PMF	Perinatal Medicine Foundation	围产医学基金会
NICE	National Institute for Health and Care Excellence	英国国家卫生与临床优化研究所
IUGC	Intrapartum Ultrasound Grand Challenge	产时超声大挑战
MICCAI	Medical Image Computing and Computer Assisted Intervention	医学图像计算与计算机辅助介入会议
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability	数据可用性五维框架
MJPG	Motion JPEG	运动 JPEG 编码
CTR	Cardiothoracic Ratio	心胸径比（仅 §8.3 提及）

§15 一页速查卡

┌────────────────────────────────────────────────────────────┐
│  Maternal-Fetal Ultrasound Video Dataset (intrapartum-us-video)  │
├────────────────────────────────────────────────────────────┤
│  是什么   774 段产时经会阴超声视频 + 三类标注                 │
│  在哪     Zenodo 10.5281/zenodo.17655183（CC BY 4.0，直下）   │
│  多大     774 孕妇 / 774 视频 / 68,106 帧（帧≠独立样本）      │
│  三任务   分类（视频级多列二分类）+ 分割（FH/PS）+ 测量（AoP/HSD）│
│  划分     train 434 + val 40（仅 ObEye）+ test ≈300（三设备） │
│  规格     约2秒/24fps；720×564→512×512；0.30 mm/px          │
│  质量     分类ICC 0.92；DSC ICC PS 0.82 / FH 0.57           │
│           测量ICC ΔAoP 0.53 / ΔHSD 0.46（这是天花板）        │
│  基线     UNet分割 + 冻结编码器训分类；AdamW lr 1e-4         │
│  赛事     IUGC 2024：126队/18国；最优 DSC 0.8857            │
│           AoP MAE 9.1557° / HSD MAE 10.3878 mm              │
├────────────────────────────────────────────────────────────┤
│  三条铁律                                                  │
│  ① 按 video_id 切分，绝不按帧                                │
│  ② 坐标是 [y,x] 且 y 向下，先用真值掩膜验证 AoP 公式         │
│  ③ 不与 psfhs/iugc2024 混引：静态图/挑战赛/数据集三回事       │
└────────────────────────────────────────────────────────────┘

FAQ：高频问答 40 问

A. 基础认知

A1. 这个数据集属于什么模态？
视频。这是它与产时超声领域既有公开资源（几乎全是静态图像）最本质的区别。

A2.「产时」具体指什么时点？
指产程进行中、孕妇在产房里的阶段，不是孕中期的筛查超声。探头经会阴放置，观察胎头相对耻骨联合的位置。

A3. 为什么强调「经会阴」？
经腹部超声在产程中难以稳定获得胎头与耻骨联合同时显影的正中矢状面；经会阴路径避开了胎头入盆造成的声影遮挡，是 ISUOG 指南推荐的标准路径。

A4. AoP 的临床含义是什么？
进展角。角度越大，表示胎头相对耻骨联合下降越多。它是评估产程进展的客观指标之一，常用于辅助判断是否需要中转剖宫产。

A5. HSD 与 AoP 有什么区别？
AoP 是角度（度），HSD 是距离（mm）。两者从不同几何关系刻画同一件事——胎头下降程度，临床上常联合使用而非二选一。

A6. 数据集有没有官方简称？
没有。论文未设 acronym，正文用 “Proposed dataset”。不要用 “IUGC dataset” 代指（见 §8.4）。

A7. 谁做的？
暨南大学信息科学技术学院团队牵头，联合无锡学院、中山大学附属第三医院、南方医科大学珠江医院。通讯作者 Jieyun Bai 与 Yunbo Gao。

A8. 什么时候发布的？
数据描述论文发表于 Scientific Data 2026；对应挑战赛 IUGC 2024 于 2024 年随 MICCAI 举办。

A9. 这算不算「中国团队主场」的数据集？
是。三中心全部在中国广州，伦理批件为中国机构出具，但论文发表在国际期刊，标注者为三中心各自的专家。

A10. 与商业产品有关系吗？
论文未披露任何商业化安排；数据以 CC BY 4.0 发布，允许商用，但不代表作者背书任何产品。

B. 数据与获取

B1. 怎么下载？需要注册吗？
Zenodo 直接下载，无需注册、无需申请、无需签署协议。DOI：10.5281/zenodo.17655183。

B2. 文件多大？
整包 17655183.zip。论文未直接给出压缩包体积；按 774 段 × 平均 88 帧 × 512×512 估算，未压缩帧图像约 17.9 GB，MJPG 压缩后显著减小。

B3. 许可具体是什么？能商用吗？
CC BY 4.0。可以商用，但必须署名（注明数据 DOI 与论文引用）并说明是否修改。

B4. 需要签 DUA 吗？
不需要。这是它相对多数产科超声数据集的显著优势。

B5. 有没有版本更新风险？
归档标为 V3，Zenodo 的 concept DOI 会随版本更新指向最新版。若需严格复现，应记录具体版本 DOI。

B6. 数据里有患者隐私信息吗？
没有。论文说明已完全去标识化（移除姓名、日期等叠加字符），因此知情同意被豁免。

B7. 有结局标签吗？比如顺产还是剖宫产？
没有。只有影像与影像派生标签（分类、分割、关键点），不含分娩方式、产程时长等临床终点。

B8. 有孕周信息吗？
纳入标准是 ≥37 周，但逐例的精确孕周未在公开材料中说明，数据文件中亦无逐例临床变量。

B9. 可以用 hf-mirror 之类的镜像吗？
Zenodo 不是 HuggingFace，无对应镜像路径。若下载慢，建议用 Zenodo 提供的断点续传，下载后务必校验 SHA-256。

B10. 官方提供 dataloader 吗？
没有。仓库中只有评估与基线代码（cal_aop.py、ellipse.py 与 baseline），数据加载需自行封装。

C. 数据规格

C1. 视频多长？多少帧率？
约 2 秒，24 fps。按总数平均每段约 88 帧，但中心间差异极大（JNU 110.6，SYSU/SMU 28.9）。

C2. 分辨率是多少？
原始 720×564、8-bit 灰度；标准化为 512×512。像素间距由 0.33 mm/px 换算为 0.30 mm/px。

C3. 为什么像素间距会变？
因为重采样到 512×512 时尺寸变了，为保持画面覆盖的物理毫米数（视野）不变，必须按比例反推新间距。

C4. 掩膜是逐帧的还是只标关键帧？
掩膜为逐帧 PNG（seg/ 目录）；分类标签是视频级（一段视频一行）。二者粒度不同。

C5. 分割有几类？
两类前景：胎头（FH）与耻骨联合（PS），加背景共 3 类。

C6. 关键点有几个？
4 个。Point 1、2 是耻骨联合模拟椭圆长轴两端；Point 3 是胎头轮廓上距 Point 2 最近的点；Point 4 是过 Point 2 的切线在胎头上的切点。

C7. AoP 用哪几个点算？
Point 1、2、4。以 Point 1→2 为耻骨长轴，Point 2→4 为切线，两者夹角即 AoP。

C8. HSD 用哪几个点算？
Point 2 与 Point 3，取欧氏距离（公式 2），再乘 0.30 mm/px 换算为毫米。

C9. 坐标的 (x, y) 顺序还是 (y, x)？
JSON 中存为 [y, x]，且原点在左上角、y 轴向下。这是最常见的踩坑点（坑 4）。

C10. 三台设备分别是什么？
ObEye（便携）、GE Voluson P8、Esaote MyLab。

D. 标注与质量

D1. 谁标注的？
三位专家，各来自一家中心，均 >7 年经验，身份为超声技师、产科医生、技术员。

D2. 怎么防标注偏倚？
交叉标注（每人额外标他人 100 段）+ 争议病例三人共识复核。

D3. 一致性怎么测的？
150 段盲法随机子集（每中心 50 段），ICC(2,1)，1000 次 bootstrap 求 95% CI。

D4. 为什么胎头分割的 ICC 只有 0.57？
胎头在不同帧、不同探头压力下显影长度不同，边界「画到哪算结束」本身无唯一答案；耻骨联合是骨性强回声，边界更确定。

D5. ICC 0.57 说明数据不能用吗？
不是。它说明人类之间本身就有分歧，这构成模型性能的现实天花板。模型误差落在专家分歧带内时不宜判定「不如人」。

D6. 为什么个体对共识的 DSC 又超过 0.95？
共识是三人妥协的产物，个体向共识靠拢容易；两个独立个体之间一致难。前者衡量服从度，后者衡量可重复性。

D7. 标注有 QC 吗？
有争议病例的共识复核环节；论文未单独描述逐例 QC 通过率。

D8. 有没有标注工具的公开信息？
论文未说明所用标注软件；仅说明「手工自由绘制」轮廓。

E. 评测与基准

E1. 官方划分是什么？
train 434（仅 ObEye）+ val 40（ObEye）+ test ≈300（三设备各约 100），患者级约 4:1。

E2. 为什么训练集只用一台设备？
刻意设计。模拟「单设备训练、跨设备部署」的真实场景，把泛化压力显式化。

E3. 官方基线是什么结构？
UNet 分割 + 复用编码器接分类头；先训分割，再冻结 UNet 训分类；AdamW lr 1e-4。

E4. 官方基线报了多少分？
论文本身未以 MAE 形式报告模型性能，只报告人工一致性。模型层面的可对表数字来自挑战赛（DSC 0.8857 / AoP 9.1557° / HSD 10.3878 mm），须注明口径。

E5. 挑战赛规模多大？
126 队注册、18 国参与、16 队有效提交，最终 8 队方案被系统分析。

E6. 最好的算法超过医生了吗？
按现有数字，AoP 误差约 9.16° 仍大于专家间分歧（约 5°），不能宣称超越；论文与新闻稿的表述均未做此宣称。

E7. 复现时最常犯的评测错误？
按帧随机划分、隐藏级联跳过帧、混淆像素与毫米单位。三条都在 §13.5 与 §9 中写明。

E8. 增强策略有什么特别？
分割/测量禁止垂直翻转（会颠倒解剖上下关系），分类才用垂直翻转。

E9. 有公开排行榜吗？
有，在 CodaLab 竞赛 18413（对应 iugc2024 条目）。但榜单口径是赛事提交，不是自由复现。

E10. 可以用不同的关键点算法吗？
可以，但须用官方 cal_aop.py / ellipse.py 的同一套几何定义，否则误差不可比。

F. 局限与风险

F1. 人群代表性够吗？
不够广。仅足月、单胎、头位、无子宫手术史人群；早产、臀位、多胎、瘢痕子宫全部缺席。

F2. 有选择偏倚吗？
可能有。回顾性筛选，拍到清楚的才可能被纳入；从原始录像到 774 段的漏斗未披露。

F3. 单一国家单一人种？
三中心均在中国广州，人群以中国南方孕产妇为主，跨人群外推需谨慎。

F4. 能用它做临床阈值研究吗？
不能。缺结局标签，阈值无从校准（§11.2）。

F5. 数据生成代码公开吗？
不公开。原始临床视频到标准化数据的生成代码因数据治理政策未放出。

F6. 会不会有版本漂移导致复现差异？
有可能。V3 版本号提示后续可能更新；严格复现须记录下载时的具体版本 DOI 与 SHA-256。

F7. 帧长不均会带来什么风险？
按帧采样时 JNU 占 90.9% 帧数，会主导训练；报告各中心结果必须分层。

F8. 测试集 300 是精确值吗？
不是，论文写 approximately 300，三设备各 around 100。

F9. 分类列名会影响复现吗？
会。列名未在正文公开，须读归档内 class_label.csv；二手转述的类名不可信。

F10. 最大的认知风险是什么？
把「视频数据集」当成「更大的静态图像数据集」用。它多出来的时序与找帧环节，恰恰是方法学价值的核心。

事实清单（硬事实 42 条）

1. 官方全称：Maternal-Fetal Ultrasound Video Dataset for End-to-end Intrapartum Biometry and Multi-task Learning。
2. 论文发表于 Scientific Data 2026。
3. DOI：10.1038/s41597-026-06900-5。
4. PMID：41730873。
5. PMCID：PMC12966494。
6. 论文标题在 Nature/Springer/PubMed 三处均拼作 “Ultrasouno”（疑为排印错误）。
7. 数据集无官方 acronym。
8. 数据集版本标为 V3。
9. Zenodo DOI：10.5281/zenodo.17655183。
10. 归档文件：17655183.zip。
11. SHA-256：0D14E96DF712666B6324780AB6C7BFB3BF87DAB0D72DBF77AD3CD636012A0A1E。
12. 许可：CC BY 4.0。
13. 受试者总数：774 名孕妇。
14. 视频总数：774 段。
15. 帧总数：68,106。
16. JNU：560 段视频、61,924 帧。
17. SYSU：121 段视频、3,494 帧。
18. SMU：93 段视频、2,688 帧。
19. 三中心合计 560+121+93=774。
20. 三中心帧数合计 61,924+3,494+2,688=68,106。
21. 设备：ObEye / GE Voluson P8 / Esaote MyLab。
22. 纳入：单胎、孕周 ≥37 周、头位。
23. 排除含非头位、多胎、先天性子宫畸形、子宫手术史、产程中胎心异常。
24. 伦理批件：JNUKY-2022-019、2023-SYJS-023、[2021] 20-367。
25. 知情同意因回顾性设计与全去标识化被豁免。
26. 视频约 2 秒、24 fps、MJPG 编码 AVI。
27. 原始分辨率 720×564、8-bit。
28. 标准化分辨率 512×512。
29. 原始像素间距 0.33 mm/px。
30. 标准化后像素间距 0.30 mm/px。
31. 训练集 434 段，全部来自 ObEye。
32. 内部验证集 40 段，来自 ObEye。
33. 测试集约 300 段，三设备各约 100 段。
34. 划分策略为设备中心（device-centric）。
35. 标注者 3 名，均 >7 年经验。
36. 交叉标注每人额外 100 段（他人各 50）。
37. 一致性子集 150 段，每中心 50 段，盲法随机。
38. ICC 分类 ACC 0.92 / AUC 0.96 / F1 0.94 / MCC 0.89。
39. ICC 分割 DSC_PS 0.82 / DSC_FH 0.57。
40. ICC 测量 ΔAoP 0.53 / ΔHSD 0.46。
41. 挑战赛 126 队注册、18 国、16 队有效提交、8 队方案被分析。
42. 挑战赛最优 DSC 0.8857、AoP MAE 9.1557°、HSD MAE 10.3878 mm。

§16 深度专题：为什么"视频"这个字值一整篇论文

16.1 静态图像解决了什么、没解决什么

静态图像数据集（如 psfhs）的隐含假设是：输入已经是可用帧。这个假设在实验室里成立，在产房里不成立。真实产房的操作序列是：探头贴上 → 调整角度 → 画面里出现骨性阴影 → 判断是否为正中矢状面 → 决定是否按记录键 → 记录约 2 秒 → 松手。中间任何一步判断错误，得到的都是废片。

静态数据集的训练范式因此只覆盖了整条链路的中段（勾轮廓、算参数），前后两段（找帧、连续跟踪）被丢在数据集之外。而这前后两段恰恰是临床上最依赖经验的部分——一位资深医生和新手的差距，首先体现在「能不能快速找到可测量的画面」，其次才是「摆线准不准」。

16.2 视频带来的三个新问题

问题一：帧级冗余与信息密度极低。 一段 2 秒视频里可能只有 5–10 帧真正可测，其余是探头移动的过渡画面。若逐帧分类，正负样本比例严重失衡；若按视频整体判断，又丢掉了「哪一帧可用」的定位信息。如何在时序上做「稀疏监督」是一个尚未被本数据集充分回答的问题。

问题二：跨帧一致性约束未被显式建模。 同一段视频里，耻骨联合的形状几乎不变，只有位置在动。这是极强的先验，但大多数逐帧分割方法并未利用。论文的基线也是逐帧 UNet，没有时序模块——这留下了一个明显的方法学空间：把「PS 形状跨帧稳定」这一先验编码进网络。

问题三：测量的时间语义。 AoP 在一段 2 秒视频里也不是恒定的——探头轻微加压就会让角度变化几度。那么「这段视频的 AoP」应该取哪一帧的值？均值？中位数？还是「显影最完整那一帧」？论文未就此给出明确约定，而这直接影响评测口径（见 §16.4）。

16.3 从"单帧正确"到"整段可用"的评价转向

传统分割指标（DSC、HD）衡量的是单帧的空间重合度。对视频任务，还需要一类段级指标：这段视频最终交付的 AoP 是否落在可接受范围内。两个层面可能脱节——单帧平均 DSC 很高，但关键的那几帧恰好分割失败，整段测量就废了；反之，单帧 DSC 一般，但关键帧恰好成功，段级结果反而可用。

这提示一个评测设计原则：报告段级误差分布，而不只报帧级平均。例如报告「774 段中，AoP 误差 <10° 的比例」，比报告「平均 MAE 9.1557°」更能反映临床可用性——因为临床上每段视频只产出一个数字，不是产出 88 个数字再平均。

16.4 一个尚未被回答的口径问题

如果把一段视频的所有帧都跑一遍，会得到一串 AoP 值。假设某段视频的 AoP 序列为 95°、97°、99°、96°、94°，而专家标注记录的是 97°。那么：

• 取均值（96.2°）→ 误差 0.8°；
• 取中位数（96°）→ 误差 1°；
• 取「质量最高帧」→ 取决于质量评分定义，可能 0.5° 也可能 3°。

三种口径给出的误差不同，而论文未明确约定哪一种。这不影响数据集本身的价值，但影响任何「与官方数字对表」的尝试——若你的口径与作者不同，9.1557° 这个数字就不可直接比较。建议在论文中显式声明口径，并在需要时同时报告三种。

§17 数据集在产科 AI 版图中的位置

17.1 产科超声 AI 的三条主线

产科超声的 AI 研究大致沿三条主线展开，本数据集位于其中一条的交汇处：

主线	典型任务	代表资源（库内）	与本数据集关系
产前筛查	标准切面识别、结构异常检测	fetal-planes-db(538)、fetal-abdominal(898)、focus-fetal(881)	场景不同（产前 vs 产时），方法可迁移
产时评估	胎头下降、产程进展	psfhs(791)、iugc2024(1134)、本条	同一条线的三代演进
母体健康	孕期营养、脂肪分布	maternal-ultrasound-nutrition(615)	对象不同，无方法交集

三条主线中，产时评估是数据最稀缺、临床价值最直接的一条——因为它直接关联「要不要中转剖宫产」这个决策点，而公开数据长期只有静态图像。本数据集的 774 段视频把这条线的数据规模推高了一个量级。

17.2 与通用超声基础模型的关系

近两年出现了一批通用超声基础模型（自监督预训练 + 下游微调）。它们对本数据集的态度是双面的：

• 作为下游评测集：非常合适。任务明确、指标成熟、许可宽松、有官方划分，是标准的 benchmark 形态。
• 作为预训练语料：不合适。774 段、单一解剖区域、单一探头路径，规模与多样性都不够（§11.2）。

一个合理的用法是：用大规模通用超声数据预训练，用本数据集做产时专项微调与评测。这条路径既绕开了数据量限制，又利用了本数据集的任务设计优势。

17.3 挑战赛遗产：不只是排行榜

IUGC 2024 留下的不只是名次，还有三样可复用的资产：

1. 统一的评测脚本（cal_aop.py、ellipse.py）——把「怎么算 AoP」这件事固定下来，避免了各团队自定义公式导致的不可比；
2. 提交格式规范——分割掩膜与关键点的输出格式被固定，便于自动化评测；
3. 8 支队伍的方法剖析——预处理、增强、学习策略、架构、后处理五个维度的经验总结，是新手进入该领域最高效的读物。

这三样资产的价值可能超过排行榜本身——排行榜会过期，评测口径不会。

§18 复现路线图：从零到一篇可投稿的实验

18.1 阶段划分与时间预算

阶段	目标	关键交付	风险点
P0 环境	数据落地、校验、盘点	校验通过的本地副本 + 盘点报告	下载中断、SHA 不符
P1 口径	用真值掩膜复算 AoP/HSD	误差应接近 0 的验证脚本	坐标顺序、像素间距
P2 单任务	纯分割基线	PS/FH 分层 DSC	类别不均衡
P3 敏感度	掩膜扰动 → 测量误差曲线	敏感度基线图	扰动方式设计
P4 多任务	分类+分割级联	端到端 AoP/HSD 误差	跳帧偏倚
P5 跨设备	三设备分层评测	分层误差表	帧长不均
P6 写作	与官方/赛事数字对表	可对表的结果表	口径不一致

时间预算不给具体天数（因人而异），但顺序不可颠倒：P1 不过关就不要进 P2，否则后面所有数字都建立在错误的坐标系上。

18.2 P1 阶段的具体验证方法

这是全流程最关键、也最容易被草率对待的一步。推荐三重验证：

验证一：角度范围合理性。 用真值四点算出的 AoP 应落在 90°–150° 区间（临床常见范围）。若大量样本落在 0°–30° 或 150°–180°，基本可判定是坐标轴或点的顺序搞反了。

验证二：HSD 与像素间距。 真值关键点算出的 HSD（像素）乘以 0.30 应得到临床合理量级（数十毫米）。若结果差 3.3 倍，说明用了 0.33 而未换算；若差得离谱，说明点选错了。

验证三：可视化叠加。 随机抽 10 段，把四点画在首帧上，肉眼检查 Point 1/2 是否落在耻骨联合长轴两端、Point 3 是否在胎头轮廓上靠近 Point 2、Point 4 是否为切点。这一步无法自动化，但能发现所有自动化检查都发现不了的语义错误。

三重验证全过，才有资格进入 P2。

18.3 P3 敏感度实验的设计要点

敏感度实验的目的是建立「分割误差 → 测量误差」的映射，从而在解读模型结果时能做归因。设计要点：

• 扰动类型：轮廓整体平移（模拟定位偏差）、轮廓缩放（模拟大小偏差）、轮廓局部形变（模拟边界模糊）；
• 扰动幅度：1、2、3、5 像素（对应 0.3、0.6、0.9、1.5 mm）；
• 统计方式：每个幅度跑全测试集，报告 AoP/HSD 误差的中位数与 90 分位；
• 分层报告：PS 扰动与 FH 扰动分开——由 §7.1 可知 FH 的不确定性更大，其扰动的影响应显著强于 PS。

有了这条曲线，当模型报出 AoP MAE = 9° 时，你可以回答：「其中约 X° 可由 FH 分割的 2 像素平均偏差解释，其余来自关键点提取环节。」这种归因能力是从「报个数字」到「讲清原因」的分水岭。

18.4 P5 阶段的分层报告模板

跨设备评测的建议表格形态：

设备	段数	分类 ACC	DSC_PS	DSC_FH	AoP MAE(°)	HSD MAE(mm)
ObEye（训练设备）	约 100	—	—	—	—	—
Voluson P8	约 100	—	—	—	—	—
Esaote MyLab	约 100	—	—	—	—	—
三设备合计	≈300	—	—	—	—	—

必须包含「训练设备」一行作为上界参照。若训练设备上的误差与另两台接近，说明模型学到的是解剖结构而非设备风格；若差距悬殊，说明存在明显的设备过拟合。这张表比任何单一汇总数字都更有信息量。

§19 常见误解澄清

误解一：「68,106 是样本量。」
不是。样本量是 774（受试者/视频），68,106 是帧数。把帧当样本会高估独立信息量近百倍。

误解二：「CC BY 4.0 意味着可以随便用，不用引用。」
可以自由使用（含商用），但必须署名并说明是否修改。不引用违反许可条款。

误解三：「标注者 ICC 低说明数据质量差。」
恰恰相反，它诚实地反映了任务本身的不确定性。一个所有标注者完全一致的胎头分割数据集，反而可疑——那通常意味着标注者被同一个模板「归一化」了。

误解四：「挑战赛冠军超过医生了。」
按现有数字不能这么说。AoP 最优误差 9.1557° 仍大于专家间分歧约 5°。

误解五：「训练集只用一台设备是设计缺陷。」
是刻意的设计选择，目的是模拟跨设备部署。缺陷在于验证集也来自同一设备，导致调参期看不到跨设备信号。

误解六：「这个数据集可以替代 psfhs。」
不能。psfhs 是静态图像，任务更纯粹；做纯分割方法对比时它仍是更好的对照。

误解七：「有 AoP 标注就等于能做产程预测。」
不能。产程预测需要结局标签（分娩方式、产程时长），本数据集不提供。

误解八：「视频比图像难，所以视频数据集一定更好。」
难度不等于价值。选哪个取决于研究问题：做分割算法对比用静态图，做端到端流水线用视频。

§20 结语：一个数据集的三重身份

对本条目最准确的概括，是承认它同时扮演三个角色：

身份一：数据仓库。 774 段视频、68,106 帧、三类标注、CC BY 4.0 直下。这是最容易被看见的身份，也是最容易被误用的身份——若只把它当作「更大的静态图像集」，就浪费了它最核心的设计。

身份二：任务定义文件。 它用「分类 → 分割 → 测量」三段式，把产时超声的自动化拆成了可评测的部件。这个拆分本身就是贡献：在此之前的公开资源，要么只做分割，要么只做分类，无法评测端到端流水线。

身份三：质量基准。 那组 ICC 数字（0.92 / 0.82 / 0.57 / 0.53 / 0.46）确立了一个诚实的参照系：胎头分割与测量的专家间分歧本就不小，任何宣称「达到专家水平」的模型都必须先跨过这条线。这比任何排行榜名次都更持久。

三个身份合起来，回答了「为什么这个数据集值得单独成条」：它不是又一个产科超声图像集，而是把一个临床动作的完整链条，第一次做成了可下载、可评测、可复现的公开资源。

附录 A：三中心硬数字全表

中心	医院	设备	视频	帧	帧/视频	视频占比	帧占比
JNU	暨南大学附属第一医院	ObEye	560	61,924	110.6	72.4%	90.9%
SYSU	中山大学附属第三医院	GE Voluson P8	121	3,494	28.9	15.6%	5.1%
SMU	南方医科大学珠江医院	Esaote MyLab	93	2,688	28.9	12.0%	3.9%
合计	3	3	774	68,106	88.0	100%	100%

附录 B：任务与标签速查

任务	目录/文件	粒度	输出形式	关键指标
分类	cls/class_label.csv	视频级	多列 NONE/ALL	ACC、AUC、F1、MCC
分割	seg/	帧级	PNG 多类掩膜（背景/FH/PS）	DSC、ASSD、HD
测量	landmarks.json	视频级（关键帧）	四点坐标 [y,x]	ΔAoP(°)、ΔHSD(mm)

附录 C：关键点与公式速查

符号	定义	用途
P1	耻骨联合椭圆长轴左端	AoP 一条边的起点
P2	耻骨联合椭圆长轴右端	AoP 顶点、HSD 起点
P3	胎头轮廓距 P2 最近点	HSD 终点
P4	过 P2 的胎头切线切点	AoP 另一条边的端点
AoP	∠(P1-P2, P2-P4)	进展角（度）
HSD	‖P2 − P3‖	头耻距（像素 × 0.30 = mm）

附录 D：来源清单

#	来源	用途
1	PMC12966494（Sci Data 全文）	主源：规模、划分、标注、ICC、许可、代码
2	PubMed 41730873	PMID/PMCID、作者单位、基金
3	doi:10.1038/s41597-026-06900-5	论文标识
4	Springer Link 摘要页	背景段（指南、既往研究）
5	Springer Nature 社区发布博文	774/68,106 三度互证
6	暨南大学附属第一医院新闻稿	挑战赛规模与最优指标
7	CatalyzeX（Beyond Benchmarks of IUGC 摘要）	方法学论文摘要、赛事规模
8	Zenodo 10.5281/zenodo.17655183	数据获取、许可、SHA-256
9	GitHub maskoffs/IUGC2024	评估代码
10	GitHub maskoffs/IUGC-2024-Submit	基线代码
11	库内 writing/psfhs	消歧对照
12	库内 writing/iugc2024	消歧对照

附录 E：建议互链点

目标 slug	rid	互链理由	建议链接位置
iugc2024	1134	同一挑战赛赛事条目，数据与本条同源	§8.1、§12.1、§17.3
psfhs	791	同实验室 2023 静态前作，谱系上一代	§8.2、§12.1
fetal-abdominal	898	同为胎儿标准切面分割，产前对照	§8.3
focus-fetal	881	同为胎儿超声几何测量（椭圆/比值）	§8.3
fetal-planes-db	538	同为标准切面分类，易混淆需消歧	§8.3
maternal-ultrasound-nutrition	615	同为孕期超声，对象不同	§17.1
ldpolypvideo	163	库内另一视频+分割条目，方法学对照	§8.3

附录 F：写作与核验说明

• 写作时点：2026-10-17；代理 agent-a-intrapartu。
• 一手来源抓取：PMC 全文一次抓取（主源）、PubMed 一次、Springer 摘要页一次、社区博文检索命中；Nature 主站直抓被 Cloudflare 拦截，未重试（按低中断预算纪律记为遗留疑点）。
• 三处数字交叉核对：774 / 68,106 在 PMC Fig 1 图注、Springer Nature 社区博文、PubMed 摘要三处一致。
• 挑战赛数字（126 队 / DSC 0.8857 / AoP 9.1557° / HSD 10.3878 mm）来自团队新闻稿与方法学论文摘要，未逐条核对官方排行榜页，已在 §10.3 与 §10.4 标注口径。
• 正文未虚构任何分类类别名、未虚构模型性能数字、未把帧数当样本量。
• 与库内 iugc2024、psfhs 的消歧在 §8.1、§8.2、§12.1 三处展开，避免混引。

§21 临床背景补论：产房里那两秒为什么重要

21.1 产时超声的循证位置

产时超声不是「影像科给产房看的图」，而是产科医生自己拿着探头做的床旁评估。它的循证地位由三份文件奠定：

• ISUOG 2018 实践指南（Ghi 等，Ultrasound Obstet Gynecol 52:128–139）：首次系统规范产时超声的适应证、切面与参数定义，明确 AoP 与 HSD 的测量方法；
• WAPM/PMF 2022 临床指南（Rizzo 等，J Perinat Med 50:1007–1029）：从世界围产医学会视角给出分级推荐；
• NICE 指南：在产程管理与胎头下降评估的相关条款中引用超声参数。

本数据集的纳入标准（足月、单胎、头位）与这三份文件的适用人群高度重合，不是随意设定，而是为了让数据与指南场景对齐——这样算法输出才能直接对照指南里的阈值讨论。

21.2 为什么"两秒"是合理的采集长度

产房里的超声检查不是「慢慢扫、仔细看」，而是「快速确认一个判断」。两秒足够完成一次屏气观察，也足够让医生判断画面是否可用，但不足以捕捉完整的胎头下降过程。这带来一个临床事实：产时超声评估本质是重复采样——产程中每隔一段时间做一次，看 AoP 是否在增大。

本数据集的 774 段视频正是这样的独立采样片段，而非连续监测。放到 §11.3 的对接点表里看，它天然服务于「事后质控」与「实时辅助单次测量」，而不服务于「连续趋势监测」——后者需要同一孕妇多次采样，恰好被去标识化设计排除了（§2.5）。

21.3 AoP 与 HSD 的互补性

两个指标的几何来源不同，因而在不同临床情境下各有优势：

情境	AoP 表现	HSD 表现
胎头位置较高（未入盆）	角度小，区分度尚可	距离大，量化直观
胎头位置很低（近着冠）	角度可能超出可测范围	距离很小，接近零，易受噪声影响
胎头严重变形（产瘤）	受颅骨轮廓影响大	起点固定，相对稳定
耻骨联合显影不全	长轴端点难定，误差放大	仅需下缘一点，鲁棒性稍好

这张表解释了为什么标准争议长期存在：不是哪个指标「更准」，而是哪个在特定情境下更稳。算法同样如此——若模型在低胎头位样本上 AoP 误差骤增，可能不是模型差，而是该情境下 AoP 本身就不稳定。评测时按胎头位置分层，会比笼统报平均值更有说服力。

21.4 超声参数的物理尺度感

理解 0.30 mm/px 这个数字，需要一点尺度感：

• 1 像素 = 0.30 mm = 300 微米；
• 胎头颅骨厚度约 2–3 mm，即 7–10 像素；
• 耻骨联合宽度约 10 mm，即约 33 像素；
• 一个「可接受」的 HSD 误差（5–6 像素）约等于 1.5–1.8 mm 的物理误差。

这组换算很重要：它把「像素级误差」翻译成了「毫米级临床意义」。当一个模型报出 HSD 误差 10 mm（约 33 像素），意味着它的定位偏差接近一整个耻骨联合的宽度——这个数量级足以改变临床判断，而不是「差一点点」。

§22 统计方法学：ICC 到底在说什么

22.1 ICC 的定义与常见误读

组内相关系数（Intraclass Correlation Coefficient, ICC）衡量的是「同一组对象被不同评价者测量时，评价者之间的一致程度相对于对象之间差异的比例」。直观地说：

ICC = 对象之间的真实差异 / （对象之间的真实差异 + 评价者之间的测量误差）

这个公式解释了为什么会得到 0.46 这样的数字：如果对象的真实差异本来就不大（各段视频的 HSD 都很接近），而测量误差不小，比值就会很低。低 ICC 既可能来自误差大，也可能来自对象间差异小——这两者在本数据集里很可能同时存在。

22.2 ICC(2,1) 的选择理由

论文采用 ICC(2,1)，即双向随机效应模型、绝对一致性、单个评分者。三个选择的含义：

选项	含义	为什么这样选
双向（two-way）	同时考虑评分者与对象两个随机因素	三位标注者是样本而非固定的「唯一三位」
随机效应（random）	评分者被视为来自更大总体的随机样本	结论要能外推到「其他专家」
绝对一致（absolute agreement）	关注数值是否相同，而非排序是否一致	测量值本身有意义，不能只比排序
单个评分者（single）	评估单个标注者的可靠性	实际使用中只有一位医生在测

若换成「一致性（consistency）」与「平均评分者」，ICC 会显著升高——这也是不同论文报告的同名指标不可直接比较的原因。读任何 ICC 数字前，先确认这四项设定。

22.3 Bootstrap 置信区间的意义

1000 次 bootstrap 生成 95% CI，目的是量化 ICC 估计本身的不确定性。150 段样本不算大，ICC 的点估计可能波动明显。报告时若只给点估计而不给 CI，读者无法判断「0.57 与 0.65 的差距」是真实差异还是抽样噪声。

这一点对本数据集尤其重要：FH 分割 ICC 0.57 的置信区间若较宽，那么「FH 比 PS 难标」这一结论虽然方向上可信，但幅度不宜过度解读。

22.4 一致性与准确性的区别

一个必须分清的概念对：

• 一致性（agreement/reliability）：标注者之间是否互相同意；
• 准确性（accuracy/validity）：标注是否与「真实值」相符。

本数据集只能评估前者——因为不存在独立于三位专家的「金标准」。三位专家共识只是「最可信的折中」，不是「真值」。这带来一个诚实的边界：所有以本数据集为基准的模型评测，本质上是在逼近专家共识，而不是逼近解剖学真值。

理解这一点，就能明白为什么论文的结论措辞相当克制——它不宣称算法「更准」，只报告「与共识的差距」。

§23 工程细节答疑：十个实现层面的问题

Q1：AVI（MJPG）用什么读？
OpenCV 的 cv2.VideoCapture 支持 MJPG，逐帧 read() 即可。注意 OpenCV 的默认 BGR 顺序，灰度视频需显式转 cv2.IMREAD_GRAYSCALE 或 cvtColor。

Q2：帧数与 CSV 中的 frame_count 不一致怎么办？
先用 frame_count 作为期望值，与实际解码帧数比对。若不一致，多半是解码器丢帧（MJPG 在快速拖动时偶发），建议顺序解码而非随机 seek。

Q3：掩膜是单通道索引图还是多通道 one-hot？
PNG 掩膜通常为单通道索引（0=背景、1=PS、2=FH）。若读到三通道，说明存成了彩色，需按唯一值提取类别。

Q4：关键点坐标是归一化还是像素？
像素坐标，定义在 512×512 网格上。若你的网络输出归一化坐标（0–1），必须先乘以 512 再算几何量，否则 AoP 角度虽不变但 HSD 会错。

Q5：AoP 计算时角度取锐角还是钝角？
按 P1→P2 与 P2→P4 两条向量的夹角计算，结果通常落在 90°–150°。若得到的是其补角，说明向量方向取反（P2→P1 而非 P1→P2）。

Q6：HSD 的「垂距」与「欧氏距离」矛盾吗？
论文定义写「沿耻骨轴线的垂直距离」，而公式 2 用 Point 2 与 Point 3 的欧氏距离。二者的调和在于：Point 3 被定义为胎头轮廓上距 Point 2 最近的点，此时 P2—P3 连线天然垂直于胎头切面，欧氏距离即垂距。实现时按公式 2 即可，不必另行投影。

Q7：类别极不均衡怎么办？
PS 与 FH 在画面中占比都远小于背景。建议用 Dice 损失配合交叉熵，并对前景做重加权；论文基线正是 CE+Dice 混合。

Q8：视频级分类怎么训？
两种范式：① 取若干帧，逐帧出 logits 后聚合（平均或 max）；② 用 3D/时序模型一次吃整段。论文基线是复用分割编码器接分类头，属范式①的变体。

Q9：测试时是否需要重采样回 720×564？
不需要。所有标注（掩膜、关键点）都定义在 512×512 网格上，评测应在此网格进行。若为了可视化需要放大，须同步放缩关键点。

Q10：能否把 test 拆一部分做验证？
可以，但必须在论文中声明，且不能反复用 test 调参——那样 test 就退化成验证集，报出的数字失去意义。官方划分为 val 40 段（同设备），若需要跨设备验证，可从 test 中划出一部分并明确标注，剩余部分仍只用于一次性报告。

§24 与同类「视频+分割」数据集的横向对照

库内另有一个视频分割条目（ldpolypvideo, rid=163），虽然临床领域完全不同，但方法学层面可直接对照：

维度	本数据集	ldpolypvideo（rid=163）
临床场景	产时经会阴超声	结肠镜息肉检出
模态	超声（扇形、灰度、强声影）	内镜（彩色、光照不均）
任务	分类+分割+测量	检测+分割
时序特征	探头缓慢移动，结构位移小	镜头快速推进，形变大
标注难点	胎头轮廓边界模糊	息肉边界与反光混淆
对本条的可借鉴点	视频级标注如何组织	时序一致性后处理、帧间传播

两个数据集共同的挑战是时序一致性：逐帧独立预测会在相邻帧之间产生抖动，而后处理平滑往往能显著提升视频级指标。差别在于，超声场景下结构位移小（平滑收益大），内镜场景下形变大（过度平滑会拖影）。这提示在本数据集上做时序后处理是一个低风险高收益的改进方向。

§25 给不同读者的阅读路径

25.1 临床医生

从 §0 导读开始，重点看 §21（临床背景补论）与 §11.3（与临床工作流的对接点）。跳过 §13、§23 的工程细节。核心结论只需记住两条：AoP/HSD 的算法误差仍高于专家间分歧；本数据集不含结局标签，不能直接用于阈值设定。

25.2 算法研究者

直接跳 §3（任务定义）、§7（基线与评测）、§13（实操）、§23（工程答疑）。特别注意 §7.2 关于「个体对共识 0.95 vs 个体间 0.57」的解释，这决定了你如何设定模型的目标上界。

25.3 数据集方法论研究者

重点读 §9（坑点）、§10（DAIMS 与双口径存照）、§22（统计方法学）。这个条目最有价值的部分不是数字，而是「数字怎么被口径影响」——ICC 的四项设定、帧与样本的区别、约数与精确值的界限。

25.4 产品与决策者

读 §1（十问十答）、§11.2（不适合的用法）、§15（一页速查卡）。三个判断点：许可可用（CC BY 4.0）、规模够做评测不够做预训练、临床落地需另找结局数据。

§26 结语补记：一个诚实的参考系

产时超声 AI 领域最缺的从来不是「更高的分数」，而是「可信的参考系」。过去几年里，不少论文报告了令人印象深刻的 AoP 误差，但读者很难判断这个误差意味着什么——因为没有公开数据、没有统一口径、没有专家间分歧的基线。

本数据集提供的正是这个参考系的三根立柱：

1. 同一批数据——774 段视频，人人都能下载同一份；
2. 同一套口径——官方评估脚本固定了 AoP 的计算方式；
3. 同一条天花板——专家之间的分歧被量化（ΔAoP ICC 0.53），模型再好也要和这条线对话。

有了这三根立柱，「我的模型达到 X 度误差」才从一句孤立的自述，变成一个可被定位的坐标。这也是为什么一个只有 774 段视频的数据集，值得在百科里占据一个独立条目。

---

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：

• tn-scui2020 — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 评测基准 / 挑战赛数据集
• iugc2024 — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 评测基准 / 挑战赛数据集
• fusemycells — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 评测基准 / 挑战赛数据集
• tn3k — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 评测基准
• pfus1 — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 评测基准
• acouslic-ai — 共享标签：医学影像 / 图像分类 / 挑战赛数据集
• psfhs — 共享标签：医学影像 / 医学图像分割 / 评测基准 / 挑战赛数据集
• cxr-lt — 共享标签：医学影像 / 图像分类 / 评测基准 / 挑战赛数据集
• dfuc-2024 — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 挑战赛数据集
• selma3d — 共享标签：医学影像 / 医学图像分割 / 图像分类 / 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。