LAScarQS 2022 (lascarqs) — 左心房与瘢痕定量分割挑战赛 — AI-Ready Wikipedia

INFOBOX — LAScarQS 2022 一屏速览

维度	内容
本质	MICCAI 2022 / STACOM 首届左心房与瘢痕定量分割挑战赛数据集（已停更，演化为 CARE-Left Atrium）
组织	Fudan University ZMIC Lab（庄吓海团队）；编辑 Zhuang / Li / Wang / Wu
载体	Springer LNCS vol. 13586（2023 出版），DOI 10.1007/978-3-031-31778-1，收录 15 篇
数据	194 例 3D LGE MRI（三中心多厂商，术前+术后混合；NIfTI，.nii.gz）
任务	Task 1 LA+scar 联合分割与定量｜Task 2 多中心 LA 腔体分割（域泛化）
划分	Task 1 = 60 训 + 34 测｜Task 2 = 130 训 + 64 测（二手口径，两任务不互斥）
核心难点	scar 中位体积仅 3.18 cm³（≈ LA 的 1/35）、LA 壁厚 ~1.89 mm、图像质量差
基准	Task 2（纯 LA）DSC 可至 ~92%；Task 1（含 scar）DSC 仅 ~69-71%
获取	注册制（签 DUA 邮件申请）｜测试集不公开金标准，走官方平台/docker 封测
许可	CC BY-NC-ND（禁商用、禁演绎）+ 机构伦理批准并匿名化
谱系	ISBI2012 cDEMRIS → LAScarQS 2022 → LAScarQS++(CARE2024) → CARE-Left Atrium
库内互链	MyoPS（rid 702）、ACDC（rid 511）、CAMUS（rid 533）、Cardiac Atlas Project（rid 521）

LAScarQS 2022 是一次把"心脏影像最薄的墙"摆上台面的挑战赛。左心房（LA）壁平均厚度只有约 1.89 毫米，而房颤（AF）消融治疗成败的关键——左心房瘢痕（scar）——就贴在这层薄壁上，体积中位数只有约 3.18 立方厘米，仅相当于 LA 腔体的三十五分之一。挑战赛用 194 例来自美国犹他大学、波士顿贝斯以色列女执事医疗中心（BIDMC）和英国伦敦国王学院（KCL）三家中心、两种厂商的延迟钆增强磁共振（LGE MRI），设置了两条赛道：一条要求同时分割出 LA 腔体和瘢痕（Task 1），另一条只分割 LA 腔体但要在跨中心未知域上工作（Task 2）。结果形成了一道鲜明的裂谷：纯 LA 分割 Dice 可以做到 92%，而一旦加上瘢痕，Dice 立刻掉到 69-71%。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意它是注册制 + CC BY-NC-ND，且官方已停更，新用户建议转 CARE。
2. 关心难度与基准：直奔 §4 规模与 §7 评估——scar 3.18 cm³ 与 Dice 落差是全条目的核心。
3. 做谱系与选型：直奔 §3 三代谱系（cDEMRIS→LAScarQS→CARE）与 §9 生态——这是心脏挑战赛家族的一环。

§0 导读：这个数据集解决什么问题

心房颤动（atrial fibrillation, AF）是最常见的临床心律失常，在人群中患病率可达 1%，并随年龄增长快速上升。射频导管消融（radiofrequency catheter ablation）配合肺静脉隔离（pulmonary vein isolation）是治疗 AF 的主流手段，但复发率高，术前规划高度依赖对左心房瘢痕位置与范围的精确评估。延迟钆增强磁共振（late gadolinium enhancement MRI, LGE MRI）是目前无创显示心房瘢痕的关键技术。

问题在于，从 LGE MRI 自动分割 LA 腔体和瘢痕异常困难，官方列了四条理由：第一，LGE MRI 图像质量本身可能很差（血-瘢痕对比度低、反转时间不理想、信噪比低）；第二，瘢痕的先验模型极难构建——LA 形状个体差异大、壁极薄（文献报道平均 1.89 ± 0.48 毫米）、周围存在强化区干扰、AF 患者瘢痕形态复杂；第三，瘢痕目标极小，体积中位数仅 3.18 cm³；第四，直接定位瘢痕几乎不可能，必须先分割 LA 腔体作为初始化，而既往方法往往把两个任务独立求解、忽略了它们之间的内在空间关系。

LAScarQS 2022 因此把"联合分割与定量"设为核心命题：设计两条赛道，要求参赛者提交的联合优化算法在两条赛道上同时被评估排名，从而把"LA 分割"和"瘢痕定量"从两个孤立问题拧成一个多任务问题。它将 194 例多中心、多厂商、术前与术后混合的临床 LGE MRI 汇集起来，既做单中心的精度比拼，也做跨中心的域泛化考验（Task 2 测试集明示包含未知域数据）。

§0 读法三则：

1. 这个条目是"挑战赛数据集 + 论文集 + 基准排行榜"三合一：数据集本体是 194 例 LGE MRI 与其金标准，论文集是 LNCS 13586 的 15 篇方法，基准是官方平台的 Dice/HD 排名。
2. 全文所有规模数字均须留意口径：官网写 194，多篇论文写 200/200+，训练/测试划分只有二手来源给出——冲突处已在 §4 与坑 2 存照。
3. 检索时注意官方主页已迁移（老域 zmiclab.github.io → 新域 zmic.org.cn）且 LAScarQS 本身停更，最新动态在 CARE 系列；不要把 CARE-Left Atrium 的 200+ LGE MRI + 300 CT 规模误当作 LAScarQS 2022 本体。

§1 数据集速览：十问十答

Q1：LAScarQS 2022 是什么？
MICCAI 2022（联合 STACOM workshop）举办的首届"左心房与瘢痕定量分割挑战赛"（Left Atrial and Scar Quantification & Segmentation Challenge）数据集。由复旦大学 ZMIC Lab 组织，会议 2022 年 9 月 18 日在新加坡举行，会议论文集 2023 年由 Springer 作为 LNCS 第 13586 卷出版。

Q2：数据有多少、从哪来？
官方口径 194 例 3D LGE MRI，来自三家中心：美国犹他大学（University of Utah）、贝斯以色列女执事医疗中心（BIDMC）、英国伦敦国王学院（KCL）。三家中心使用不同扫描仪（Siemens Avanto 1.5T / Vario 3T、Philips Achieva 1.5T ×2）和不同分辨率，"多中心多厂商"正是为了考验模型的跨域泛化。文献中另见 200 / 200+ 口径（坑 2）。

Q3：两条赛道分别是什么？
Task 1（LA Scar Quantification）：同时分割 LA 腔体与 LA 瘢痕并定量，训练 60 例、测试 34 例，瘢痕金标准只在 Task 1 提供。Task 2（Left Atrial Segmentation from Multi-Center LGE MRIs）：只分割 LA 腔体，训练 130 例、测试 64 例，测试集含未知域数据。挑战赛鼓励同一个联合优化算法在两条赛道上同时排名。

Q4：金标准长什么样？
每例的 NIfTI 图像是 enhanced.nii.gz；LA 腔体金标准是 atriumSegImgMO.nii.gz；LA 瘢痕金标准是 scarSegImgM.nii.gz（仅 Task 1 提供）。全部由专家手工分割，临床专家标注是这一家族的根基（其前身是专家分割范式成熟的 2018 Atrial Segmentation Challenge）。

Q5：难点到底在哪？
三点叠加：目标极小（scar 体积中位 3.18 cm³，min 0.89 / max 8.33 cm³）、墙体极薄（~1.89 mm）、图像质量波动大。LA 腔体中位体积 113 cm³，scar 只有它的约 1/35，构成典型的极端类别不平衡——这直接决定了 Task 1 与 Task 2 的性能落差。

Q6：性能基准如何？
第三方广泛转引的挑战赛结果：Task 2（纯 LA）DSC 三值 85.29 / 90.03 / 91.97；Task 1（含 scar）DSC 三值 70.69 / 66.82 / 69.05。同一批算法在 LA 上能做到 ~92%，一旦把瘢痕并进来就跌到 ~69-71%。NSD 口径为 Task 1: 77.3/75.39/80.51、Task 2: 64.28/72.58/79.97（指标与数值口径见 §7）。

Q7：收录了哪些方法？
LNCS 13586 收录 15 篇，覆盖 nnU-Net 变体（boundary-focused nnU-Net）、4 步两阶段序列网络（LASSNet，Johns Hopkins 的 Trayanova 组）、多深度边界感知网络（MDBAnet）、UGformer、LA-HRNet、TESSLA、跨域多尺度决策级融合、多项式损失 + 不确定性（PolyLoss）、课程学习 U-Net、半监督 3DResUnet + 伪标签等。

Q8：怎么拿到数据？
注册制：从官网下载 registration form（DataAccessAgreementforParticipants_LAScarQS2022.pdf），填写后发到 LAScarQS2022@outlook.com 或 LAScarQS2022@163.com，组织者分配账号并提供评价平台 guidebook。许可为 CC BY-NC-ND，全部数据经机构伦理批准并匿名化。

Q9：现在还能用吗？官方还在维护吗？
官网已明示"Maintainance of LAScarQS ended. Please refer to CARE for latest event"。挑战赛在 2022 年结束后转为 CARE 系列：LAScarQS++ 成为 CARE 2024 的 track 2，之后是 CARE-Left Atrium（CARE 2025/2026，规模扩至 200+ LGE MRI + 300 CT）。要做新研究建议走 CARE；要复现 2022 基准则仍用本条目的数据与论文集。

Q10：为什么它对 AI-Ready 重要？
它是"极小目标 + 极端类别不平衡 + 多中心域偏移"三重难度的标准化基准样本，也是心脏影像挑战赛三代谱系（ISBI2012 cDEMRIS → LAScarQS 2022 → CARE）的中枢一环。其 Dice 落差（LA ~92% vs LA+scar ~69%）为"小目标分割的工业化上限"提供了一个可复现的量化锚点。

§2 数据构成与规格

2.1 规模、来源与机构构成

LAScarQS 2022 提供 194 例三维 LGE MRI（官方一手口径），来自三家临床中心：

中心	机构	扫描仪	空间分辨率（mm）	扫描时点
Center 1	University of Utah（美国犹他大学）	Siemens Avanto 1.5T 或 Vario 3T	0.625 × 0.625 × 2.5	术前，或术后 3-6 个月
Center 2	Beth Israel Deaconess Medical Center（BIDMC，美国波士顿）	Philips Achieva 1.5T	1.4 × 1.4 × 1.4	术前，或术后 1 个月
Center 3	King’s College London（KCL，英国伦敦）	Philips Achieva 1.5T	1.3 × 1.3 × 4.0	术前，或术后 3-6 个月

三家中心均采用自由呼吸（free-breathing, FB）+ 导航门控（navigator-gating），BIDMC 与 KCL 另加脂肪抑制。validation/test 集的图像分辨率被统一调整为 1.0 × 1.0 × 1.0 mm（官网明示），这意味着测试阶段的评价在统一网格上进行，而训练集保留原始各异分辨率——这一设计本身就是在逼模型面对域偏移。

三家中心的分辨率跨度为后文所有"域泛化"讨论提供了物理基础：面内分辨率从 0.625 mm 到 1.4 mm 相差一倍以上，层厚从 1.4 mm 到 4.0 mm 相差近三倍。同一解剖结构在不同中心呈现的体素尺度完全不同，这正是 Task 2 把"多中心"写进任务名的原因。

2.2 任务划分与规模（二手口径存照）

官网 data 页未给出逐任务的训练/测试划分表；二手来源（Awesome-Medical-Dataset 条目，署名作者为 Zhuang/Li/Wang/Wu 本人）给出了如下划分：

任务	目标	训练	测试	测试金标准
Task 1 LA Scar Quantification	LA 腔体 + LA 瘢痕联合分割与定量	60（术后 LGE MRI）	34	不公开
Task 2 LA Segmentation（multi-center）	仅 LA 腔体分割（域泛化）	130（术前+术后）	64（含 unknown domain）	不公开

口径警告：60 + 34 + 130 + 64 = 288，远大于官方总数 194，说明两条赛道的训练/测试集并非互斥划分（存在大量病例复用，例如同一批 LA 腔体图像既服务 Task 2 训练也可能进入 Task 1 测试）。任何"194 = 各任务之和"的推演都是错的。此外还有第三种可能：194 是主任务口径，含验证集后合计接近 200（坑 2）。

2.3 文件格式与命名约定

官方文件结构（二手来源转记，与官网标签命名一致）：

LAScarQS2022/
├── task1/
│   ├── readme.txt
│   └── train_data/
│       ├── train_1/
│       │   ├── enhanced.nii.gz      # LGE MR 图像
│       │   ├── atriumSegImgMO.nii.gz # LA 腔体金标准
│       │   └── scarSegImgM.nii.gz   # LA 瘢痕金标准
│       ├── ...
│       └── train_60/
├── task1_val/
├── task2/
│   ├── readme.txt
│   └── train_data/
│       ├── train_1/
│       │   ├── enhanced.nii.gz
│       │   └── atriumSegImgMO.nii.gz
│       ├── ...
│       └── train_130/
└── task2_val/

预测提交命名约定：LA_predict.nii.gz（预测 LA 腔体）、scar_predict.nii.gz（预测瘢痕，仅 Task 1）。全部为 NIfTI（.nii.gz）格式。

2.4 标注内容与统计分布

金标准标签两类：左心房腔体（LA blood pool） 与 左心房瘢痕（LA scars）。二手来源给出的解剖统计（以标签覆盖为准）：

解剖结构	出现例数	覆盖率	最小体积 (cm³)	中位体积 (cm³)	最大体积 (cm³)
左心房（LA）	130	100%	37	113	410
左心房瘢痕（scar）	60	100%	0.89	3.18	8.33

这张表是全条目的核心：瘢痕中位体积 3.18 cm³，仅为 LA 腔体（113 cm³）的约 1/35；瘢痕最小只有 0.89 cm³。以典型 1 mm³ 体素计，中位瘢痕不过约 3,180 个体素，最小约 890 个体素——在 640×640×44 量级的体数据里是沧海一粟。这解释了为什么 Task 1 的 Dice 只能在 ~69-71% 徘徊，也是官方反复强调"瘢痕先验难构建"的量化依据。

2.5 为何"先分 LA 再找瘢痕"

官方在挑战赛说明中明确指出：LA 分割通常是瘢痕定量的初始化步骤，因为心房瘢痕位于 LA 壁上，尺寸过小，直接定位极其困难。这意味着两任务存在天然依赖：Task 2（LA 分割）的质量是 Task 1（瘢痕定量）的上限。挑战赛据此鼓励联合优化——把本就耦合的两个任务放进同一个优化目标，让 LA 的边界信息约束瘢痕的搜索范围，这正是 LASSNet、MDBAnet 等方法的共同思路（§7）。

§3 谱系与组织：一次挑战赛的三代演进

3.1 上游：ISBI 2012 cDEMRIS

LAScarQS 2022 不是凭空出现的。它的直接前身是 ISBI 2012（IEEE International Symposium on Biomedical Imaging）的 cDEMRIS 挑战（Cardiac Delayed Enhancement Segmentation Challenge，心脏延迟增强分割挑战）。那次挑战赛首次系统性地提出"从 LGE CMR 分割左心房纤维化与瘢痕"的标准化评价框架，使用的正是同样的三家中心：犹他大学（Utah School of Medicine）、贝斯以色列女执事医疗中心（BIDMC）、伦敦国王学院（KCL-IM）。

cDEMRIS 的原始数据库为 60 例多中心多厂商 LGE CMR（30 例术前 + 30 例术后，每中心各 10 术前 + 10 术后），金标准由三位观察者的手工分割合并而成，并辅以 2/3/4 倍标准差（SD）与半高全宽（FWHM）阈值定量法。当时有 7 家机构参赛、提交 8 种算法，结果分割在术前图像上普遍困难、术后者表现较好——重叠分数（满分 100）术前：IC=37 / MV=22 / SY=17 / YL=48 / KCL=30 / UTA=42 / UTB=45；术后：IC=76 / MV=85 / SY=73 / HB=76 / YL=84 / KCL=78 / UTA=78 / UTB=72。结论是"目前没有算法明显优于其他"，呼吁更多算法开发。该研究发表于 Journal of Cardiovascular Magnetic Resonance（2013;15:105，DOI 10.1186/1532-429X-15-105），数据在 Figshare 公开。

cDEMRIS 奠定了 LAScarQS 的两大遗产：同一批中心的临床数据源，以及LA 腔体 + 瘢痕双目标分割的任务范式。它留下的未解问题（术前图像难、算法无优劣、缺少深度学习方法）正是九年后 LAScarQS 2022 用 194 例深度学习方法轮次来回答的。

3.2 本体：LAScarQS 2022

LAScarQS 2022 由 Fudan University ZMIC Lab（复旦大学生物医学影像与智能计算实验室）组织，核心人物是庄吓海（Xiahai Zhuang）教授，联合编者包括 Lei Li（李磊，牛津大学，后转南安普顿大学）、Sihan Wang（王思涵，复旦）、Fuping Wu（吴福平，牛津）。挑战赛与 STACOM（Statistical Atlases and Computational Models of the Heart workshop）及 MICCAI 2022 联合，于 2022 年 9 月 18 日在新加坡举行。

它是"首届"（First Challenge），把 cDEMRIS 的 60 例扩展到 194 例，把评价从传统阈值法推进到深度学习算法对决，并新增了"多中心域泛化"作为独立的第二条赛道。数据集的构建与其姊妹论文紧密绑定——官方强制要求使用者在发表时同时引用三篇：AtrialJSQnet（Li/Zimmer/Schnabel/Zhuang, Medical Image Analysis 76:102303, 2022，联合分割定量框架）、LA LGE MRI 综述（Medical Image Analysis 77:102360, 2022）、AtrialGeneral（MICCAI 2021, 557-566，多中心 LA 分割域泛化）。这三篇既是数据来源的方法学基础，也界定了 LA LGE MRI 分析的问题空间。

3.3 下游：LAScarQS++ 与 CARE-Left Atrium

LAScarQS 2022 结束后，组织者把这一系列并入更大的 CARE（Comprehensive Analysis and Computing of Real-World Medical Images）挑战赛体系：

• LAScarQS++（CARE 2024，track 2）：随 MICCAI 2024（摩洛哥马拉喀什）举行，论文集为 LNCS 15548（DOI 10.1007/978-3-031-87009-5），CARE 2024 共 5 条赛道（TFM4MedIA 基础模型迁移、LAScarQS++、LiQA 肝纤维化、MyoPS++、WHS++）。任务划分更细：Task 2 训练 130 例 Center A + 验证 10 例 A + 10 例 C + 测试 14 例 A + 20 例 B + 10 例 C。
• CARE-Left Atrium（CARE 2025 / CARE 2026）：进一步扩展为 200+ 多中心 LGE MRI + 300 CT，引入"心脏数字孪生"与个性化消融的动机，数据来自 Center A（154 例，源自 Utah NAMIC-CARMA 经 2018 Atrial Segmentation Challenge 精修）、Center B（20 例，BIDMC，源自 ISBI2012）、Center C（20 例，KCL，源自 ISBI2012）、Center D（300 例 CT，福州大学附属省立医院）。许可仍为 CC BY-NC-ND、注册制。

3.4 三代谱系一图流

ISBI 2012 cDEMRIS（60 例，8 算法，阈值法+手工金标准）
        │  同一三家中心（Utah / BIDMC / KCL）
        ▼
LAScarQS 2022（194 例，15 篇深度学习方法，两赛道，首届）
        │  并入 CARE 体系
        ├──► LAScarQS++（CARE 2024 track 2，MICCAI 2024）
        └──► CARE-Left Atrium（CARE 2025/2026，200+ LGE + 300 CT）

理解这条谱系的实用价值：引用规范、数据复用、基准对标三者都依赖它。用 LAScarQS 2022 数据做训练要引本体论文集 + AtrialJSQnet 三部曲；做跨版本对标要区分 LAScarQS 2022 的 194 例与 CARE 的 200+/500+ 例；做最新研究则直接走 CARE-Left Atrium。

3.5 组织者画像：一个团队的挑战赛方法论

把 LAScarQS 2022 放回组织者 Xiahai Zhuang（庄吓海）团队的长期实践中，可以看到一套高度稳定的"挑战赛方法论"：

1. 多中心多厂商采集：从 cDEMRIS（2012）到 LAScarQS（2022）到 CARE（2024-2026），始终坚持三到四个临床中心、两种以上扫描仪——不为追求数据量，而为制造真实的域偏移。
2. 专家手工金标准：数据标注由临床专家完成，并对医学伦理与匿名化严格把关（每代官网都有"institutional ethic approval and anonymized"声明）。
3. 双目标耦合任务：不满足于"分割一个结构"，而是设计两个内在耦合的目标（LA + scar、心肌 + 病理），逼迫模型处理目标间依赖。
4. 域泛化作为独立命题：从 AtrialGeneral（2021）到 Task 2 的 unknown domain，把"跨中心失效"从副作用提升为可度量、可排名的主任务。
5. 评价标准化 + 平台化：提供官方评价脚本与线上平台，让不同方法在同一把尺子下比较。
6. 谱系延续：不一次性办完就散，而是每两年升级合并（LAScarQS→LAScarQS++→CARE-Left Atrium），保持社区连续性。

这套方法论的价值超出单个数据集：它定义了"如何用挑战赛推动一个医学影像子领域"，LAScarQS 2022 是其中"薄壁小目标"分支的定型之作。

3.6 位置：为什么是"左心房"这个解剖目标

选择左心房作为挑战对象并非偶然。左心房是房颤发生与维持的核心解剖结构，而它的成像与分割又恰好处在几个"最难"的交叉点上：

• 壁最薄：左心房壁厚约 1.89 ± 0.48 mm，是全身最薄的心腔壁之一，在 1-4 mm 层厚的体数据里往往只占 1-2 个层。
• 目标最小：与心室肌相比，心房瘢痕体积小一到两个数量级（中位 3.18 cm³）。
• 对比度最差：LGE MRI 中血池（高信号）与瘢痕（次高信号）在反转时间不理想时难以区分。
• 临床最相关：消融手术的靶点就是这些瘢痕，分割精度直接关联治疗成败。

正因如此，左心房瘢痕分割长期被当作"心脏影像分割的试金石"——LA 腔体本身好分（Task 2 可达 92%），但瘢痕不好分（Task 1 停 71%）。LAScarQS 2022 把这块试金石标准化、公开化、可排名化。

§4 数据规模与关键数字（口径对齐）

4.1 核心硬数字总表

项	数值	来源口径
图像总数	194 例 3D LGE MRI	官网 data 页（一手）
文献另见总数	200 / 200+	LASSNet 论文、Awesome 页、CARE 页、综述
中心数	3（Utah / BIDMC / KCL）	官网
厂商数	2（Siemens / Philips）	官网
Task 1 训练/测试	60 / 34	二手（Awesome 页）
Task 2 训练/测试	130 / 64	二手（Awesome 页）
LA 例数	130（Task 2 训练）	二手
scar 例数	60（Task 1 训练）	二手
LA 体积 中位/最小/最大	113 / 37 / 410 cm³	二手
scar 体积 中位/最小/最大	3.18 / 0.89 / 8.33 cm³	二手
训练集切片数	7040（130 例）	二手
体数据尺寸 min/median/max	(576,576,44) / (640,640,44) / (640,640,88)	二手
spacing min/median/max (mm)	(0.625,0.625,1.0) / (0.625,0.625,2.5) / (1.0,1.0,2.5)	二手
论文收录篇数	15（LNCS 目录）/ 16（官网 result 页）	双口径
LA 壁厚（文献）	1.89 ± 0.48 mm	Beinart 等（官网引用）

4.2 "194 vs 200"的口径深挖

官网 data 页与首页都写 194，措辞是"We provide 194 LGE MRIs"。而 LASSNet 论文（收录于本论文集、作者含 Trayanova 组）正文写"200+ late gadolinium enhancement magnetic resonance images were provided by the LAScarQS 2022 Challenge"，Google Scholar 版本甚至写"200"；Awesome-Medical-Dataset 页、CARE 官网页、arXiv 2407.09561 综述也写 200。

三种可能解释并存：① 194 是主任务发布口径，200+ 含 validation 追加例或后续补充；② 194 为精确计数、200 为叙述性约数；③ 数据在赛程中滚动扩充，早期论文取整。本条目以官网 194 为主口径并全程标注，跨文献对标时必须先对齐分母（坑 2）。

4.3 类别不平衡的量化

scar 与 LA 的体积比是本数据集最重要的一阶特征：

关系	计算	含义
中位体积比	3.18 / 113 ≈ 1 / 35	瘢痕仅 LA 腔体的约 1/35
最小 scar / 中位 LA	0.89 / 113 ≈ 1/127	最难样本更极端
最大 scar / 最小 LA	8.33 / 37 ≈ 1/4.4	即便最好情况仍显著不平衡

在语义分割中，这种比例意味着：若模型全部预测为背景，Dice 损失几乎为零，但瘢痕类 Dice 也为零；任何以体素精度的均值为优化目标的朴素方法都会被背景淹没。这是 Task 1 与 Task 2 性能裂谷（§7）的根因，也是所有参赛方法都引入 boundary-aware（边界感知）、uncertainty-aware（不确定性感知）或两阶段 ROI 策略的动机。

4.4 域偏移的量化

三家中心的分辨率差异可直接换算为体素尺度差：

维度	BIDMC	KCL	Utah
面内分辨率 (mm)	1.4	1.3	0.625
层厚 (mm)	1.4	4.0	2.5
面内差	基准	≈0.93×	≈0.45×（更细）
层厚差	基准	≈2.86×（更厚）	≈1.79×

同一位患者/同一解剖结构，在 Utah 机器上是 0.625 mm 面内精细网格、层厚 2.5 mm，在 KCL 机器上是 1.3 mm 面内、层厚 4.0 mm——两者各向异性方向与程度都不同。Validation/test 统一到 1.0×1.0×1.0 mm 虽抹平了提交网格，却无法消除原始采集造成的纹理与对比度域差。这就是 Task 2 必须把"unknown domain"写进测试设计的物理原因。

§5 任务定义与标注规范

5.1 Task 1：左心房瘢痕定量（LA Scar Quantification）

目标：从 LGE MRI 同时分割出 LA 腔体与 LA 瘢痕，并定量。

输入：enhanced.nii.gz（3D LGE MRI）。输出：LA 腔体掩码 + 瘢痕掩码。金标准：atriumSegImgMO.nii.gz（腔体）+ scarSegImgM.nii.gz（瘢痕）。

为何难：瘢痕贴在 ~1.89 mm 的薄壁上，中位体积 3.18 cm³，且被周围强化区分割不清的边界包围。官方明确，瘢痕定量几乎必须依赖 LA 腔体的先验——先定 LA 边界，再在墙体带内搜索瘢痕。Task 1 的测试集（34 例）无公开金标准，须走官方平台或 docker 封测。

5.2 Task 2：多中心 LA 分割（域泛化）

目标：仅从 LGE MRI 分割 LA 腔体，考验跨中心域泛化。

输入/输出：enhanced.nii.gz → atriumSegImgMO.nii.gz（预测命名 LA_predict.nii.gz）。

为何单列：LA 分割本身已足够难（心房形状多样、毗邻结构强化干扰），而多中心采集让域偏移成为主矛盾。任务训练 130 例（术前+术后），测试 64 例含 unknown domain，正是要暴露"在一个中心训练、到另一个中心失效"的问题——这也是 AtrialGeneral 论文（MICCAI 2021）的主题在先、Task 2 在后的逻辑联系。

5.3 联合优化的设计含义

挑战赛鼓励把两任务放进同一优化框架，原因是它们本就耦合：LA 边界约束瘢痕搜索范围，瘢痕分布又反过来提示 LA 壁的位置。参赛方法的常见做法有两条路线：

1. 序列式（sequential）：先分割 LA，再以 LA 为 ROI 分割瘢痕。代表是 LASSNet（4 步：每阶段一个 ROI 网络 + 一个精修网络）与 Abbas Khan 等的"多尺度权重共享网络 + 边界处理"。
2. 并行/双分支（dual-branch）：两任务共享骨干、分支输出，用信息传递模块耦合。代表是 MDBAnet（多深度边界感知网络，用 Sobel 滤波在两个分支间传递边界信息）。

5.4 评价机制与官方工具

• Validation 阶段：线上平台上传预测（.nii 格式），每队每任务 ≤10 次，通道于 2022-05-07 开启、2022-07-22 关闭。
• Test 阶段：将算法封装为 docker 提交，每队每任务 1 次，邮件主题 “[Team ID] + test evaluation”。
• 官方评价脚本：LAScarQS2022_evaluate.py（在 lileitech/AtrialJSQnet GitHub 仓库），依赖 SimpleITK / medpy / hausdorff；注意该脚本只在 Windows 下可用（其调用的 C++ 工具仅编译了 Windows 版），在 Linux 环境复现需要自行替换 Hausdorff 距离计算模块。
• 指标：主指标 Dice（DSC），边界指标 HD/ASSD；第三方综述另常用 NSD（归一化表面距离）。

5.5 数据集在 AI-Ready 光谱上的位置

把 LAScarQS 2022 当作一个 AI-Ready 样本审视，它是"标准落地、获取有门槛、基准可复现但受限"的典型：

维度	状态	说明
数据可发现	好	官网 + LNCS 论文集 + 多篇论文引用
获取难易	中	注册制 + DUA 邮件申请，无直链；官方停更削弱可获取性
格式互操作	好	标准 NIfTI，SimpleITK 生态通吃
标注质量	好	专家手工金标准，血统可溯至 cDEMRIS/2018 挑战赛
基准可复现	中	训练集公开（申请后），测试集金标准不公开、只有排行榜
许可开放度	低	CC BY-NC-ND：禁商用、禁演绎，衍生物受限
可持续性	中	本体停更，但谱系延续到 CARE，长期有维护通道

对使用者的结论：做方法研究、发论文、跑基准 → 合适（需接受非商用+禁演绎）；做商用产品、做衍生数据再发布 → 需与组织者书面确认（CC BY-NC-ND 不含演绎授权）。

5.6 与前身任务范式的继承关系

LAScarQS 2022 的任务设计与前身有两处显著继承：

维度	cDEMRIS（2012）	LAScarQS 2022	继承/变化
目标结构	LA 纤维化 + 瘢痕	LA 腔体 + 瘢痕	从"纤维化"细化到"腔体+瘢痕"双目标
中心	Utah/BIDMC/KCL	Utah/BIDMC/KCL	完全继承
例数	60	194	扩大约 3.2 倍
方法类型	传统算法（8 种）	深度学习（15 篇）	范式换代
评价	阈值法（SD/FWHM）+ 重叠分	Dice + HD + 平台化	标准化升级
术前/术后	30/30 各半	术前+术后混合	保留术后加权
域泛化	隐含于多中心	显式独立赛道	命题化

最关键的继承是"术前/术后混合"设计：cDEMRIS 报告术前图像分割普遍比术后难（术前重叠分 17-48，术后 72-85），这一现象在 LAScarQS 2022 里被继承为数据构成的一部分——Task 1 训练明示为"术后"（post-ablation），而 Task 2 训练为"术前+术后"。术后瘢痕因其消融形成的高对比环形结构更易识别，术前纤维化则更弥散难分，这是理解两任务难度差异的一个补充维度。

§6 获取与许可

6.1 许可条款逐条

LAScarQS 2022 采用 CC BY-NC-ND（Creative Commons Attribution-NonCommercial-NoDerivatives，署名-非商业性使用-禁止演绎）。官网 data 页原文措辞为"please follow the data usage agreement, i.e., CC BY NC ND"。这意味着：

权限	是否允许	说明
署名使用	✅	须注明来源并引用指定论文
非商业性使用	✅	科研、教学、非营利评测
商业性使用	❌	产品化、云服务、商业模型训练需另行授权
演绎（修改/再混合/派生数据集）	❌	不得发布基于本数据的改编版本
再分发	⚠️	ND 未授予"再分发修改版"，原样转发亦受 DUA 约束

此外，官网明确"All these clinical data have got institutional ethic approval and have been anonymized"（全部临床数据已获机构伦理批准并匿名化）——这是医数集合规的底线声明。

许可三层提示：① 数据本体 = CC BY-NC-ND + DUA；② 论文集 = Springer 版权（LNCS，非开放获取，单章需购买或机构订阅）；③ 参赛方法代码 = 各自仓库许可（如 AtrialJSQnet 仓库，评价脚本附带）。

6.2 注册制获取流程

获取路径是注册制 + 数据使用协议（DUA），无公开直链：

1. 从官网下载 registration form：DataAccessAgreementforParticipants_LAScarQS2022.pdf
2. 填写并发送至组织者邮箱：LAScarQS2022@outlook.com 或 LAScarQS2022@163.com
3. 组织者审核后分配账号，并通过邮件提供评价平台 guidebook 与数据访问
4. 数据以 NIfTI 形式发放，含 task1/task2 目录结构（§2.3）

关于评价平台：validation 阶段通过线上平台上传预测（.nii），验证通道已于 2022-07-22 关闭；test 阶段通过 docker 封测（每队每任务 1 次）。作为历史挑战赛，这些通道当前的实际可用性需向组织者确认——这也是本条目"待核"的核心项（§10）。

6.3 "官方已停更"的影响与迁移建议

官网首页顶部已明确标注：“Maintainance of LAScarQS ended. Please refer to CARE for latest event !!!”。这对使用者的实操含义有三：

1. 数据仍可获得：历史数据集不打烊，注册制申请通道原则上仍在（但响应速度可能下降）。
2. 评价榜单冻结：2022 榜单不再更新，做新方法无官方排名可刷。
3. 建议迁移：要做当前研究，直接走 CARE-Left Atrium（CARE 2025/2026）；其数据量更大（200+ LGE MRI + 300 CT）、动机更新（心脏数字孪生 + 个性化消融），且维护活跃。

6.4 版本链与获取方式对照

版本	年份	规模	许可	获取
ISBI2012 cDEMRIS	2012	60 例	见 Figshare 原始页	Figshare 公开
LAScarQS 2022	2022	194 例 LGE MRI	CC BY-NC-ND	注册制 + DUA 邮件
LAScarQS++（CARE2024）	2024	130 训 + 34 验证/测试（划分更细）	CC BY-NC-ND	注册制 + DUA 邮件
CARE-Left Atrium	2025/2026	200+ LGE MRI + 300 CT	CC BY-NC-ND	注册制 + DUA 邮件

注意每个版本的规模、划分、许可措辞可能微调，跨版本引用务必带上版本号与年份。

§7 评估与基准结果

7.1 评价指标

• Dice / DSC（Dice Similarity Coefficient）：主指标，衡量预测与金标准的体素重叠。LAScarQS 对 LA 腔体与瘢痕分别计算。
• HD / ASSD（Hausdorff Distance / Average Symmetric Surface Distance）：边界距离族，惩罚边界外溢（对小目标瘢痕尤其敏感）。
• NSD（Normalized Surface Distance）：归一化表面距离，第三方综述常与 DSC 并列。

7.2 挑战赛基准（第三方转引口径）

arXiv 2407.09561 综述（v2, 2025-01）转引自挑战赛网站的 Table 3 结果，是当前被引用最广的 LAScarQS 2022 benchmark 数字（DSC 与 NSD 各取三个报告值）：

任务	DSC 三值	NSD 三值
LAScarQS2022 Task 1（LA + scar）	70.69 / 66.82 / 69.05	77.3 / 75.39 / 80.51
LAScarQS2022 Task 2（LA cavity）	85.29 / 90.03 / 91.97	64.28 / 72.58 / 79.97

（作为横向参照，同表中其他挑战赛：KiTS23 三值 DSC 74.61/55.44/67.96；ISLES2022 64.95/46.68/55.51；KiPA22 90.61/64.36/75.29。LAScarQS2022 Task 2 的 85-92% 在同类中属高位，Task 1 的 66-71% 属低位——落差正是瘢痕分割的难度印记。）

7.3 性能裂谷的解读

把 Task 1 与 Task 2 并排看，得到的不是"方法好坏"，而是"任务难度差"：

对比	Task 2（纯 LA）	Task 1（LA + scar）	落差
DSC 上界	~92%	~71%	约 21 个百分点
目标体积中位	113 cm³	scar 3.18 cm³	约 35 倍
目标形态	大而连续	小而贴壁分散	结构性差异

结论：在 LAScarQS 2022 上，LA 腔体分割已经接近成熟（92% 是可交付水平），而瘢痕分割仍是开放问题（71% 远未收敛）。任何声称"在 LAScarQS 上做 LA 分割有重大突破"的说法，需要先说明是否只是复现了已经接近天花板的结果；真正的增益点应在 scar（Task 1）与跨域（Task 2 的 unknown domain）。

7.4 参赛方法谱系（LNCS 13586 收录 15 篇）

按技术路线归类（论文卷首目录口径）：

路线	代表方法	关键思路
序列式两阶段	LASSNet（Johns Hopkins / Trayanova 组）	4 步 DNN：2 阶段 × （ROI 网络 + 精修网络），数据分诊（data triaging）
双分支边界耦合	MDBAnet（Multi-Depth Boundary-Aware）	多深度策略双分支，Sobel 滤波跨支传递边界信息，以 LA 边界条件化 scar
nnU-Net 变体	boundary-focused nnU-Net（Yuchen Zhang / Yalin Zheng）	用几何朝向增强 + nnU-Net 骨干，聚焦边界
域泛化增强	Two Stage Histogram Matching Augmentation；Cross-domain multi-scale decision fusion	直方图匹配增广、多尺度决策级融合对抗域偏移
不确定性感知	Polynomial Loss + Uncertainty（Arega / Bricq / Meriaudeau）	PolyLoss + Dice，对不确定预测降阈值，软边界距离图引导
Transformer	UGformer；Self Pre-training with Single-scale Adapter	Transformer 架构 / 自预训练 + 单尺度适配器
高分辨率 / 多尺度	LA-HRNet；Sequential multi-scale weight sharing（Khan / Slabaugh, QMUL）	高分辨率网络、多尺度权重共享 + 边界处理
课程学习 / 半监督	Deep U-Net + curriculum learning；Deep-Supervision 3DResUnet + Pseudo Labeling	由易到难课程、伪标签半监督
集成 / 边界增强	TESSLA（KCL / Aslanidi 组，两阶段集成）；Edge-enhanced Features Guided	集成学习、边缘特征引导联合分割
传统深度 CNN	Automated segmentation deep CNN（Punithakumar / Noga）	经典深度卷积网络基线

这 15 条路线几乎覆盖了 2022 年前后医学图像分割的所有主流技术（nnU-Net、Transformer、半监督、域泛化、不确定性、集成），使 LAScarQS 2022 成为观察"小目标分割技术全景"的一个浓缩切片。

7.6 Task 1 内部：LA 与 scar 的分列评估

挑战赛对 Task 1 的 LA 腔体与瘢痕分别计算指标，这一点至关重要。把 Task 1 的两类目标拆开看：

目标	难度	原因	预期指标量级
LA 腔体（Task 1 内）	中	大而连续，但需与 Task 2 同样的边界精度	较高（接近 Task 2）
LA 瘢痕（Task 1 内）	极高	极小、贴壁、分散、边界模糊	较低（主难点）

表 7.2 中 Task 1 的 DSC 三值 70.69 / 66.82 / 69.05 是任务的综合或瘢痕主指标口径（综述转引方式），而其中 LA 腔体分项通常会高出瘢痕分项很多。这提醒使用者：引用 Task 1 的单一 Dice 数字时，务必确认它指的是 LA 腔体、瘢痕、还是两者平均——三者含义完全不同。若用综合值掩盖了瘢痕的真实低分，会高估方法在临床关键目标上的能力。

7.7 排行榜的解读纪律

挑战赛排行榜是"同一条件下的一次性快照"，解读需注意：

1. 单次测试：test 阶段每队每任务仅 1 次提交机会，排名受单次运行波动影响，弱于多次交叉验证的稳健性。
2. docker 封测：算法在组织者环境下运行，理论上防止了本地调参作弊，但也可能因环境差异引入偏差。
3. 测试集不公开：无法独立第三方复算，排行榜数字只能"引用"不能"复核"。
4. 术前/术后混合：Task 2 训练含术前+术后，测试集构成未逐例公开，排名可能受批次构成影响。

因此，本条目与综述转引的基准数字应作为相对参照（比较方法与任务的相对难度），而非绝对性能承诺。

7.5 与前身 cDEMRIS 的结果对照（跨年代）

年代	挑战赛	瘢痕分割水平	度量
2012	cDEMRIS	术后重叠分 72-85（满分 100），术前 17-48	重叠分数
2022	LAScarQS 2022 Task 1	Dice 66.82-70.69	Dice

两个数字口径不同（重叠分数 vs Dice），不能直接相减；但可见共识：术前/低质量图像上的瘢痕分割始终是硬骨头，十年深度学习进步并未让这个子问题"解决"，只是把整体水平抬高并系统化了评价。（详见坑 7 的跨年代度量不可比说明。）

§8 生态与互链

8.1 挑战赛家族全景

LAScarQS 2022 属于 Fudan ZMIC Lab 组织的心脏影像挑战赛家族。庄吓海团队长期运营一系列与 MICCAI 联合的心脏影像挑战，形成可预期的谱系：

挑战赛	主题	与 LAScarQS 的关系	库内 rid
MS-CMRSeg 2019	多序列 CMR 心室/心肌分割	同家族	—
MyoPS 2020	心肌病理（瘢痕/水肿）分割	同家族，同被 CARE 升级为 MyoPS++	702
MM-WHS	多模态全心脏分割	同家族，同被 CARE 升级	—
LAScarQS 2022	左心房 + 瘢痕	本条目	—
CARE 2024（LAScarQS++ / MyoPS++ / WHS++）	综合真实世界医学影像	下游升级	—
CARE-Left Atrium（2025/2026）	左心房分割与分析	最新延伸	—

这个家族的共同特征：多中心多厂商 LGE/CMR、专家手工金标准、域泛化命题、CC BY-NC-ND + 注册制。熟悉一个，就熟悉一整族。

8.2 库内互链点

条目与中心库内以下条目构成检索面（rid 为库内 record_id）：

库内条目	rid	关联性质
myops	702	同 ZMIC 心脏病理分割家族，同被 CARE 升级为 MyoPS++，最直接互链
acdc	511	心脏 MRI 分割经典基准（LV/RV/Myo），同属心脏分割家族
camus	533	超声心动图分割，心脏影像家族
cardiac-atlas-project	521	心脏图谱项目，心脏解剖参考
cardiac-implantable-device-cxr	599	心脏影像（X 光，弱关联）

查重结论：库内无 lascarqs 同名条目；scared（rid 363）是不同数据集（SCARED 通用评估），非别名冲突——scared（SCARED）≠ LAScarQS，一键之差的拼写陷阱见坑 5。

8.3 外部生态与下游使用

• 论文引用谱：LAScarQS 2022 被大量心房分割与域泛化论文引用；组织者指定的三篇锚论文（AtrialJSQnet / LA LGE MRI Review / AtrialGeneral）构成了方法学的引用入口。
• 代码生态：AtrialJSQnet 仓库（lileitech/AtrialJSQnet）提供核心代码与官方评价脚本 LAScarQS2022_evaluate.py；各路参赛方法的代码散见于各自仓库（如 KCL 组、Johns Hopkins 组）。
• 临床延伸：LA 瘢痕分割的下游应用是房颤消融术前规划与心脏数字孪生（个人化 in-silico 心脏建模），CARE-Left Atrium 正是把这一临床动机写进挑战赛动机的直接体现。
• 姊妹数据集引用：使用 LAScarQS 2022 做研究时，常需同时对标 2018 Atrial Segmentation Challenge（LA 分割专家范式前身）与 ISBI2012 cDEMRIS（瘢痕分割前身）。

8.4 与其他心脏分割基准的分工

把 LAScarQS 2022 放进"心脏分割任务光谱"看，它的独特定位一目了然：

数据集	解剖目标	模态	独特命题
ACDC（rid 511）	左/右心室、心肌	cine MRI	心功能定量
CAMUS（rid 533）	左房/左室、心肌	超声	超声分割
LAScarQS 2022	左心房腔体 + 瘢痕	LGE MRI	薄壁小目标 + 多中心域泛化
MyoPS（rid 702）	心肌 + 瘢痕 + 水肿	多序列 CMR	多序列融合

差异核心在模态与目标：LGE MRI 专门显示纤维化/瘢痕（钆增强延迟），而 LA 瘢痕又是全身最薄的靶结构之一——这使 LAScarQS 2022 在"极薄壁 + 极小面积目标"这一维度上几乎无可替代。

8.5 谁在用 LAScarQS 2022（下游应用画像）

从挑战赛论文的引用与后续工作看，LAScarQS 2022 的下游使用者大致分三类：

1. 方法研究者：把它当作"小目标分割 + 域泛化"的测试床，验证 nnU-Net 变体、Transformer、半监督、不确定性建模等新方法。15 篇收录论文本身就是这类使用者的产出。
2. 临床算法开发者：以 LA 瘢痕分割作为房颤消融术前规划流水线的一环，用 LAScarQS 数据做预训练或迁移。这类使用者最需要关注许可（非商用）与薄壁小目标的临床误差容忍度。
3. 基准与综述作者：把 LAScarQS 2022 纳入跨数据集对照（如 arXiv 2407.09561 综述把它的 Task 1/2 结果与其他 MICCAI 挑战赛并排），用作评估"某类方法在小目标上的相对位置"的锚点。

三类使用者的共同需求是口径一致：一旦混用 194/200 或错认任务编号（坑 2、坑 6），跨工作比较就失去意义。这也是本条目反复强调存照的原因。

8.6 挑战赛数据集的方法论价值

LAScarQS 2022 作为一种"挑战赛数据集"的生产范式，有几点值得从方法论层面记录：

• 受限规模、精心设计：194 例不算大，但每例都是真实临床多中心数据、带专家金标准，且刻意保留域异质性。挑战赛的价值不在于数据量，而在于"用同一把尺子把分散的方法拉到一起比"。
• 双赛道设计：把"易任务"（LA 分割）与"难任务"（瘢痕定量）并置，使得排行榜本身就是一张难度诊断图——参与者能立刻看到自己的瓶颈在 LA 还是在 scar。
• 测试集封闭：测试金标准不公开、docker 封测、每队一次，杜绝了刷榜与过拟合，但也牺牲了可复现性。这是"公平排名"与"开放复现"之间的经典权衡。
• 谱系连续性：每两年升级合并，让数据集的生命周期远超单次挑战赛，形成了研究社区可以长期依附的基础设施。

对研究者的启示：选一个挑战赛数据集，往往不只是选一份数据，而是选一个社区、一套评价规范、和一条可预期的谱系。 LAScarQS 2022 的谱系终点目前是 CARE-Left Atrium，它的价值会随着 CARE 的推进被持续引用。

8.7 与库内其他挑战赛条目的一般性对照

本库中与 LAScarQS 2022 类似——“MICCAI/ISBI 系挑战赛数据集 + 多机构 + 专家标注 + 评测基准”——的条目不少。它们的共同检索面是：挑战赛数据集、评测基准、医学图像分割三个 category_tag。使用者若要横向比较"哪个挑战赛数据集适合我的任务"，可沿以下线索检索：

需求	检索线索	LAScarQS 2022 适配
找心脏 MRI 分割数据	心脏分割 + MRI	✅（LA 腔体 + 瘢痕）
找极小目标分割基准	类别不平衡 + 小目标	✅（scar 3.18 cm³）
找域泛化基准	多中心 + 域泛化	✅（Task 2 unknown domain）
找可商用心脏数据	开放许可 + 商用	❌（CC BY-NC-ND）
找最新心脏挑战赛	CARE / MICCAI 2024+	⚠️（走 CARE-Left Atrium）

这张线索表也解释了为什么本条目把 myops（rid 702）、acdc（rid 511）、camus（rid 533）列为首要互链——它们与 LAScarQS 2022 在"心脏分割"这一检索面高度重叠，读者很可能需要在它们之间做选择。

§9 与库内条目的关系

9.1 家族图谱：LAScarQS 2022 在库内的坐标

中心库里并不存在第二个"左心房+瘢痕"条目，这让 LAScarQS 2022 在库内具有结构性独占性。但它的邻居相当密集，按远近可分三层：

第一层｜同源家族（ZMIC / CARE 谱系）

• myops（rid 702） —— 心肌病理（瘢痕/水肿）分割。与 LAScarQS 2022 同属 Fudan ZMIC Lab 主办、同被 CARE 升级为 MyoPS++，几乎每一条元数据范式（多中心、多厂商、专家手工金标准、域泛化命题、CC BY-NC-ND + 注册制）都可平移。这是条目描述中最该被搜索引擎同时召回的一条。
• 若库内后续补齐 MS-CMRSeg、MM-WHS，则"ZMIC 心脏挑战赛家族"将形成完整闭环。

第二层｜同一解剖系统的兄弟

• acdc（rid 511) —— 心脏 cine MRI 的 LV/RV/Myo 分割经典基准。同为心脏 MRI、同为分割任务、同为 MICCAI 序列产物，但解剖目标不同（心室 vs 心房）、模态不同（cine vs LGE）。互链的价值在于"心脏 MRI 分割"这一检索面。
• camus（rid 533） —— 超声心动图多结构分割。模态不同（超声 vs MRI），但同属"心脏影像分割"的检索交集。
• cardiac-atlas-project（rid 521） —— 心脏图谱，提供解剖参考系。
• scared（rid 363） —— 心脏电影 MRI（cine）数据集。注意：SCARED 与 LAScarQS 名称仅一字之差，但主题完全不同（一个测冠状动脉，一个测左心房瘢痕）。这是库内最容易发生"检索串台"的一对，见坑 5。

第三层｜分割方法学与挑战赛范式参照

• totalsegmentator（rid 422） —— 全身 CT 多器官分割工具链，代表"通用分割大模型"路线。
• segthor（rid 439） —— 胸部分割挑战赛数据集，代表"挑战赛驱动的方法学"范式。
• fastmri（rid 23） —— MRI 重建挑战赛，与 LAScarQS 同属"MICCAI 卫星赛 + 医学影像 + 挑战赛数据"范式。

9.2 检索路径建议

若读者从不同入口检索，应期望同时命中哪些条目：

检索意图	关键词组合	期望命中
想找左心房图像	“左心房 + 分割 + MRI”	lascarqs、myops（弱）
想找心脏瘢痕	“心脏 + 瘢痕 + 分割”	lascarqs、myops、acdc（弱）
想找 LGE MRI	“LGE + MRI + 数据集”	lascarqs（库内几乎唯一）
想找多中心域泛化	“多中心 + 域泛化 + 医学影像”	lascarqs、myops
想做房颤研究	“心房颤动 / AF + 影像”	lascarqs（库内主入口）
想找 MICCAI 挑战赛	“MICCAI 挑战赛 + 数据集”	lascarqs、myops、segthor、fastmri

9.3 互链声明（供库方参考）

建议在库内以下条目中添加反向互链（若库方支持）：

• 在 myops（rid 702） 条目中增加"同家族的左心房版本：LAScarQS 2022"；
• 在 acdc（rid 511） 的"相关数据集"中列入 LAScarQS 2022（同为心脏 MRI 分割）；
• 在 scared（rid 363） 条目中显式声明"与 LAScarQS 非同一数据集，谨防检索串台"。

§10 避坑清单：八个已踩过的坑

以下八坑全部来自本条目的一手核验或已发表材料，按"使用者最可能踩到的顺序"排列。

坑 1｜把 LAScarQS 2022 当成"做 LA 分割"的数据集。
真相：LA 分割（Task 2）已经接近解决（DSC 85-92%），真正的开放问题在瘢痕分割（Task 1，DSC 66-71%）与跨域泛化（test 含 unknown domain）。若研究目标是"在 LAScarQS 上刷新 LA 分割 SOTA"，先想清楚是否有新增益空间，否则很可能只是在复现天花板。建议把注意力放在 scar 与跨域上。

坑 2｜混用 194 / 200 / 194+ 三个规模数字。
真相：官网一手写 194；Zenodo 摘要写 194(+)；CARE 官方页与部分论文写 200/200+。三个数字同时在校验场内流通，跨版本、跨论文比较时若不带口径说明，会造成"数据集规模对不上"的假象。本条目统一以 194 为主口径，并在 §4.2 与附录 S 中并列存照。

坑 3｜以为训练/测试划分只有一个版本。
真相：openmedlab 汇总只列 Task1 60+34、Task2 130+64；而论文集正文另有 验证集 10（Task1）/ 20（Task2），且验证集无公开 GT、需在线提交。三集（train / val / test）并存，val ≠ test。若在论文里写"测试集 44 例"，需先确认那 34+10 里哪部分是公开的。

坑 4｜把 Task 1 与 Task 2 的 Dice 数字横向比较。
真相：Task 2 报 85-92%，Task 1 报 66-71%，看着像"方法 A 比方法 B 强 20 个点"，其实是任务难度差，不是方法差。跨任务比较 Dice 毫无意义——两者的解剖目标、术前/术后范围、类别数都不同（见 §7.3）。

坑 5｜把 scared（SCARED，rid 363）与 LAScarQS 混为一谈。
真相：库内 scared 是另一数据集，名称与 lascarqs 只差字母，但主题完全不同。在引用、检索、写论文时务必核对全称。这是库内最容易发生的"一字之差串台"。

坑 6｜把金标准当"干净监督"直接用。
真相：LASSNet 论文自曝：Task 1 低质训练数据占比 25%、Task 2 占比 18.46%，并给出逐例索引（脂肪抑制差、对比剂过早、严重模糊噪声、LA 腔分割严重错误等）。这意味着直接拿官方 GT 训练而不做数据清洗，很可能把噪声当信号学。这是组织者/参赛者自己承认的标注缺陷，不是第三方指控。

坑 7｜用 cDEMRIS（2012）的重叠分数直接减 LAScarQS（2022）的 Dice。
真相：两个年代用了不同的度量（重叠分数 vs Dice），数值不可直接相减或相加。只有定性结论可传递：术前/低质量图像上的瘢痕分割一直是硬骨头。

坑 8｜以为"官方还在运营、可以直接下载"。
真相：官网首页顶部已注明 “Maintainance of LAScarQS ended. Please refer to CARE for latest event !!!”。评价榜单已冻结，注册制通道原则上仍在但响应可能变慢。要做当前研究，请直接走 CARE-Left Atrium（CARE 2025/2026）。 若本次核验未实际发起注册申请，则"通道是否仍受理"属待核项（见附录 S）。

坑 9（补充）｜把许可当成 CC BY 通用可商用。
真相：实际许可是 CC BY-NC-ND —— 非商业 + 禁止演绎。比 CC BY-NC-SA 更严：ND 意味着不能发布基于本数据的改编/派生版本。商业用途、派生数据再发布都需与组织者书面确认。三层许可要分清：数据本体（CC BY-NC-ND）≠ 论文集（Springer 版权）≠ 参赛代码（各自仓库许可）。

坑 10（补充）｜把验证集/测试集的分辨率当成训练集分辨率。
真相：验证/测试集被统一重采样到 1.0×1.0×1.0 mm，而训练集保持三中心原生各向异性分辨率（0.625×0.625×2.5 / 1.4×1.4×1.4 / 1.3×1.3×4.0 mm）。若在预处理里用测试集的等方 1 mm 假设去推断训练集，会得到错误的间距分布。

§11 总结

11.1 三句话总结

1. LAScarQS 2022 是 MICCAI 2022 首届"左心房 + 左心房瘢痕"联合分割挑战赛，由复旦大学 ZMIC Lab 主办、与 STACOM workshop 合办，论文集为 LNCS 13586（15 篇），2023-05 由 Springer 出版。
2. 它的数据是 194 例多中心（Utah / BIDMC / KCL）多厂商 LGE MRI，两项任务分别是"LA + scar 联合分割"与"多中心 LA 分割"，其中 scar 中位仅 3.18 cm³（约 LA 腔体的 1/35），构成极端类别不平衡这一核心科学命题。
3. 它已停止维护，官方指定由 CARE-Left Atrium 接棒；作为数据集仍是"薄壁小目标分割 + 多中心域泛化"的优质基准，但使用前必须处理标注噪声（Task 1 约 25% 低质）与口径冲突（194/200、Task1/Task2 等）。

11.2 适合谁

• 做医学图像分割方法研究（尤其是小目标、类别不平衡、边界感知、域泛化方向）的研究者；
• 做心房颤动（AF）影像、LA 瘢痕量化、消融术前规划的临床研究团队；
• 需要 LGE MRI 左心房标注做算法验证或预训练的工程团队；
• 研究 MICCAI 挑战赛范式、数据质量与金标准生产流程的方法学者。

11.3 不适合谁

• 需要商用授权或需要发布派生数据集的团队（CC BY-NC-ND 不允许）；
• 需要当前活跃榜单排名的刷分场景（榜单已冻结两年以上，应转 CARE）；
• 需要干净、无噪声金标准直接训练的团队（须先做数据清洗，约 1/4 训练数据有已知质量问题）；
• 需要 CT 数据的场景（LAScarQS 2022 只有 LGE MRI，CT 版本见 CARE-Left Atrium）。

11.4 30 秒决策卡

你的问题	答案
这是什么？	MICCAI 2022 首届左心房 + 瘢痕分割挑战赛
多少数据？	194 例多中心 LGE MRI（Utah/BIDMC/KCL 三家）
几个任务？	2 个：Task1 = LA+scar 联合；Task2 = 多中心 LA
性能水平？	Task1 Dice 66.82-70.69；Task2 Dice 85.29-91.97
最难的点？	scar 中位 3.18 cm³（LA 腔体 113 cm³ 的 1/35）+ 多中心域偏移
怎么拿？	注册制 + DUA，邮件 LAScarQS2022@outlook.com / .163.com
许可？	CC BY-NC-ND（非商用 + 禁演绎）
还在维护吗？	否，官方已转 CARE-Left Atrium（CARE 2025/2026）
金标准干净吗？	不完全，Task1 约 25% / Task2 约 18.46% 训练数据有已知质量问题
一图流	见附录 A 速查卡

FAQ（高频问答）

A. 基础认知

Q1：LAScarQS 的全称是什么？
Left Atrial and Scar Quantification & Segmentation Challenge（左心房与瘢痕量化与分割挑战赛）。

Q2：它是哪个会议的活动？
MICCAI 2022 的官方卫星挑战赛（首届），与 STACOM workshop 合办，2022-09-18 在新加坡现场举行。

Q3：谁办的？
复旦大学 ZMIC Lab（Xiahai Zhuang 庄吓海团队）。论文集编者为 Xiahai Zhuang、Lei Li（Oxford）、Sihan Wang（Fudan）、Fuping Wu（Oxford）。

Q4：为什么叫"2022"？
因为它绑定 MICCAI 2022 举办。论文集虽 2023 年出版，但会议本身是 2022 年，赛事命名以会议年份为准。

Q5：它和 2018 Atrial Segmentation Challenge 什么关系？
后者的 LA 分割专家范式是 LAScarQS 的前身之一。LAScarQS 在此基础上增加了"瘢痕量化"这一更难的维度，并把"多中心域泛化"显式写进任务设定。

Q6：它和 cDEMRIS（ISBI 2012）什么关系？
cDEMRIS（Cardiac Delayed Enhancement Segmentation Challenge）是 2012 年的前身，同样来自 Utah/BIDMC/KCL 三家，但只有 60 例、只有瘢痕分割、度量是重叠分数。LAScarQS 2022 可视作 cDEMRIS 的十年后深度学习版。

Q7：现在还能参加吗？
不能。官网明确 “Maintainance of LAScarQS ended. Please refer to CARE for latest event”。要做当前研究请走 CARE-Left Atrium。

Q8：它被升级成什么了？
LAScarQS++（CARE 2024 track）→ CARE-Left Atrium（CARE 2025/2026）。后者规模更大（200+ LGE MRI + 300 CT）。

B. 数据与获取

Q9：数据在哪儿下？
没有公开直链。需从官网下载注册表（DataAccessAgreementforParticipants_LAScarQS2022.pdf），填妥后邮件发 LAScarQS2022@outlook.com 或 LAScarQS2022@163.com，组织方审核后提供访问。

Q10：多少例？
官网一手口径 194 例。Zenodo 摘要写 194(+)，CARE 页与部分论文写 200/200+。本条目以 194 为主口径。

Q11：数据来自哪几家医院？
三家：University of Utah（犹他大学）、Beth Israel Deaconess Medical Center（BIDMC）、King’s College London（KCL）。

Q12：都是什么机器？
Utah：Siemens Avanto 1.5T 或 Vario 3T；BIDMC：Philips Achieva 1.5T；KCL：Philips Achieva 1.5T。

Q13：分辨率是多少？
训练集保持原生：Utah 0.625×0.625×2.5 mm；BIDMC 1.4×1.4×1.4 mm；KCL 1.3×1.3×4.0 mm。验证/测试集统一重采样到 1.0×1.0×1.0 mm。

Q14：是术前还是术后数据？
Task 1 只用术后 LGE MRI；Task 2 用术前 + 术后。这也解释了为什么 Task 2 数据量更大。

Q15：有 CT 吗？
没有。LAScarQS 2022 只有 LGE MRI。CT 版本出现在 CARE-Left Atrium（300 CT）。

Q16：许可是什么？
CC BY-NC-ND（署名-非商业性使用-禁止演绎），并需签署数据使用协议（DUA）。

Q17：可以商用吗？
不可以。CC BY-NC-ND 明确排除商业用途，且 ND 禁止演绎（不能发布改编版/派生数据集）。

Q18：数据集文件长什么样？
每个病例含：enhanced.nii.gz（LGE 原图）、atriumSegImgMO.nii.gz（LA 标签）、scarSegImgM.nii.gz（瘢痕标签，仅 task1）。task2 只有 LA 标签。

Q19：测试集的 GT 公开吗？
不公开。需通过官方平台/Docker 提交预测，由组织方评测。

Q20：现在申请还有回应吗？
不确定。官网已停更，响应速度可能下降。若注册通路仍开放，仍可申请；若长期无响应，建议转 CARE。本条目未实际发起申请，故列为此项待核。

C. 统计与发现

Q21：LA 腔体多大？
最小 37 cm³ / 中位 113 cm³ / 最大 410 cm³。

Q22：瘢痕多大？
最小 0.89 cm³ / 中位 3.18 cm³ / 最大 8.33 cm³。

Q23：这个体积差意味着什么？
瘢痕中位只有 LA 腔体的约 1/35，构成极端的类别不平衡——一个 LA 里瘢痕只占 ~3%，这既是分割难点，也是评测指标失真的来源。

Q24：左心房壁有多薄？
平均 1.89 ± 0.48 mm（Beinart 等）。这解释了为什么瘢痕标注和分割都极难——靶结构本身就薄。

Q25：有多少低质数据？
LASSNet 论文自曝：Task 1 训练数据约 25% 有已知问题；Task 2 约 18.46%。

Q26：低质包括哪些类型？
脂肪抑制差、对比剂注射过早导致对比度低、严重模糊/噪声、LA 腔分割严重错误、左心耳/肺静脉覆盖不全、同一患者重复扫描等。

Q27：GT 在哪些区域分歧大？
肺静脉（PV）、二尖瓣、LA 底/顶、左心耳；有三支右肺静脉的病例，其中一支常未标注。

Q28：房颤有多常见？
最常见的心律失常，患病率最高约全人群 1%，随年龄快速上升。这是 LA 影像研究的临床重要性所在。

Q29：三中心之间差异大吗？
很大。分辨率、厂商、场强（1.5T vs 3T）、术前术后窗口（1 月 vs 3-6 月）都不同——这正是"多中心域泛化"命题的来源。

Q30：哪些中心是未知域？
Task 2 的测试集包含 out-of-distribution（未知域）数据，用于考察跨中心泛化能力。

D. Bench 基准

Q31：Task 1 的基准成绩？
第三方横评表转引挑战赛结果：DSC 70.69 / 66.82 / 69.05；NSD 77.3 / 75.39 / 80.51。

Q32：Task 2 的基准成绩？
DSC 85.29 / 90.03 / 91.97；NSD 64.28 / 72.58 / 79.97。

Q33：为什么 Task 2 比 Task 1 高那么多？
因为 Task 2 只分 LA 腔（大而连续），Task 1 还要分瘢痕（小而贴壁分散、体积 1/35）。这是任务难度差，不是方法差。

Q34：评测用的什么指标？
官网口径为 Dice（DM）、平均表面距离（ASD）、Hausdorff 距离（HD）。第三方横评表用 DSC 与 NSD。口径不同，勿混用。

Q35：谁赢了？
存在两个口径：① MICCAI 2022 Daily 现场报道称 Yuchen Zhang（boundary-focused nnU-Net）第一；② Arega 等的 GitHub 仓库自称 “won the challenge”（Polynomial Loss + Uncertainty 方法，LNCS 13586 pp.133-144）。疑为"Task 分榜冠军 vs 总冠军"的口径差异，两说并存存照。

Q36：有没有公开的评估代码？
有。AtrialJSQnet 仓库（lileitech/AtrialJSQnet）附带官方评价脚本 LAScarQS2022_evaluate.py。

Q37：参赛方法都用了什么技术？
15 篇论文覆盖了 2022 年前后所有主流路线：nnU-Net 变体、Transformer（UGformer）、半监督/伪标签、域泛化（直方图匹配、多尺度决策融合）、不确定性感知（PolyLoss）、集成（TESSLA）、课程学习、边界增强等。

Q38：LAScarQS 上的结果能直接和别的挑战赛比吗？
不能直接比。数据来源、解剖目标、度量口径都不同。只能在同一挑战赛内部、同一任务内部比较。

E. 生产与库内

Q39：库内有同名条目吗？
没有。slug lascarqs 独占，无撞库、无别名冲突（已查 DB + ls writing/）。

Q40：库内哪个条目最该互链？
myops（rid 702）——同属 ZMIC 家族、同被 CARE 升级、范式几乎完全一致。

Q41：库内的 scared（rid 363）是这个吗？
不是。SCARED 是另一数据集（冠状动脉），名称一字之差但主题不同，注意不要串台。

Q42：这条目适合放在库内什么位置？
心脏影像 / 医学图像分割 / MICCAI 挑战赛数据集 / 多中心域泛化，四个检索面都有它的位置。

Q43：条目里的数字可以放心引用吗？
可以，但须带口径。所有硬数字均标来源；冲突处（194/200、Utah 分辨率、冠军归属、划分边界、指标口径）已在 §4 与附录 S 并列存照，请勿擅自合并。

Q44：如果我发现了冲突怎么办？
保留两说并注明来源，不要强行取一个。本条目全程遵循"双口径存照"原则。

Q45：这个数据集未来会更新吗？
本体不会（已停更）。未来演进在 CARE-Left Atrium 分支上，建议追踪 CARE 官方页。

F. 复现与工程细节

Q46：如何在文件中定位一个病例的瘢痕？
读 scarSegImgM.nii.gz（task1 才有）；LA 腔读 atriumSegImgMO.nii.gz；原图读 enhanced.nii.gz。

Q47：类别 ID 是什么？
task1 为 2 类（LA、scar）；task2 为 1 类（LA）。具体 ID 映射以官方文件为准，使用前请核对（见附录 J）。

Q48：预处理要注意什么？
① 训练集各向异性间距必须保留或显式重采样并记录；② 验证/测试是 1.0 mm 等方，勿反推训练集；③ 体素尺寸约 (576,576,44)–(640,640,88)，显存规划需按此估计。

Q49：怎么处理类别不平衡？
常见做法：PolyLoss / Dice 组合损失、边界距离图引导、不确定性降阈值、两阶段 ROI + 精修。可参考 LNCS 13586 中的 15 篇方法。

Q50：数据清洗该做什么？
至少按 LASSNet 的索引剔除/标记已知问题例（§10 坑 6），并在论文中声明清洗策略，否则会把噪声当信号。

Q51：能用于预训练吗？
可以（非商业前提下）。194 例 LGE MRI 对心脏/左心房相关的自监督或迁移学习是有价值的预训练素材。

Q52：多中心域泛化怎么做实验？
标准做法：留一中心（leave-one-center-out）训练与测试，或按中心划分训练/测试集，观察跨中心性能下降幅度。

Q53：评测提交有什么格式要求？
验证阶段上传 .nii 预测；测试阶段封装 Docker，每队每任务限 1 次。

Q54：论文投稿有什么注意事项？
通过 CMT-LAScarQS 系统投稿，作者/机构须匿名，否则取消终榜资格。

事实清单（硬事实 36 条）

1. 全称：Left Atrial and Scar Quantification & Segmentation Challenge。
2. 身份：MICCAI 2022 首届卫星挑战赛，与 STACOM workshop 合办，2022-09-18 新加坡。
3. 主办：复旦大学 ZMIC Lab（Xiahai Zhuang 庄吓海团队）。
4. 官网：zmiclab.github.io/projects/lascarqs22（镜像 zmic.org.cn）。
5. 论文集：LNCS vol. 13586，Springer Cham。
6. 论文集 DOI：10.1007/978-3-031-31778-1。
7. 论文集 ISBN：978-3-031-31778-1（电子）/ 978-3-031-31777-4（print）。
8. 论文集收录：15 篇论文。
9. 论文集篇幅：x + 164 页，83 图（72 彩图）。
10. 论文集出版：2023-05-05（e-pub ahead of print 2023-05-04）。
11. 数据规模（官网口径）：194 例 LGE MRI。
12. 数据规模（其他口径）：194+（Zenodo）/ 200 或 200+（CARE 页 / LASSNet）。
13. 来源中心：University of Utah、BIDMC、King’s College London。
14. Utah 设备：Siemens Avanto 1.5T 或 Vario 3T。
15. BIDMC 设备：Philips Achieva 1.5T。
16. KCL 设备：Philips Achieva 1.5T。
17. Utah 分辨率：0.625×0.625×2.5 mm。
18. BIDMC 分辨率：1.4×1.4×1.4 mm。
19. KCL 分辨率：1.3×1.3×4.0 mm。
20. 验证/测试集分辨率：统一重采样至 1.0×1.0×1.0 mm。
21. Task 1：左心房瘢痕量化，仅术后，2 类别（LA + scar）。
22. Task 2：多中心左心房分割，术前 + 术后，1 类别（LA），含未知域测试。
23. Task 1 划分：60 训练 + 34 测试（+ 10 验证，无 GT）。
24. Task 2 划分：130 训练 + 64 测试（+ 20 验证，无 GT）。
25. LA 腔体积：最小 37 / 中位 113 / 最大 410 cm³。
26. 瘢痕体积：最小 0.89 / 中位 3.18 / 最大 8.33 cm³。
27. LA 壁平均厚度：1.89 ± 0.48 mm（Beinart 等）。
28. 房颤患病率：最高约全人群 1%。
29. 低质训练数据占比：Task 1 约 25%，Task 2 约 18.46%（LASSNet 自曝）。
30. Task 1 基准：DSC 70.69 / 66.82 / 69.05；NSD 77.3 / 75.39 / 80.51。
31. Task 2 基准：DSC 85.29 / 90.03 / 91.97；NSD 64.28 / 72.58 / 79.97。
32. 许可：CC BY-NC-ND + 数据使用协议（DUA）。
33. 获取方式：注册制 + 邮件申请（LAScarQS2022@outlook.com / .163.com）。
34. 评测量：Dice（DM）、ASD、HD；第三方表用 DSC、NSD。
35. 前身：ISBI 2012 cDEMRIS（60 例 LGE CMR，同三中心来源）。
36. 后续：LAScarQS++（CARE 2024）→ CARE-Left Atrium（CARE 2025/2026，200+ LGE MRI + 300 CT）。

术语表

术语	全称 / 中文	说明
LAScarQS	Left Atrial and Scar Quantification & Segmentation	本挑战赛
LA	Left Atrium / 左心房	靶解剖结构
LGE MRI	Late Gadolinium Enhancement MRI / 延迟钆增强磁共振	显示心肌/心房纤维化的模态
AF	Atrial Fibrillation / 心房颤动	最常见心律失常，本数据集患者主体
Scar	瘢痕	LA 壁上的纤维化区域，Task 1 目标
LA cavity	左心房腔体	Task 2 目标
DSC / Dice	Dice Similarity Coefficient	体素重叠度主指标
HD	Hausdorff Distance	最大表面距离
ASD / ASSD	(Average) Symmetric Surface Distance	平均对称表面距离
NSD	Normalized Surface Distance	归一化表面距离
PV	Pulmonary Vein / 肺静脉	GT 分歧区之一
LAA	Left Atrial Appendage / 左心耳	GT 分歧区之一
DUA	Data Usage Agreement	数据使用协议
CC BY-NC-ND	署名-非商业-禁止演绎	许可类型
cDEMRIS	Cardiac Delayed Enhancement Segmentation Challenge	ISBI 2012 前身
CARE	Comprehensive Analysis and Real-world Evaluation	后续综合挑战赛
ZMIC	复旦大学数字医学影像与智能计算实验室	主办团队
STACOM	Statistical Atlases and Computational Modeling of the Heart	合办 workshop
nnU-Net	no-new-Net	主流医学分割自配置基线
PolyLoss	Polynomial Loss	一种损失函数族
Domain Generalization	域泛化	跨中心泛化能力
Class Imbalance	类别不平衡	scar 体积极小导致
双口径存照	—	多来源数字冲突时并列记录
OOD	Out-of-Distribution	未知域数据
GT	Ground Truth	金标准标注

附录

附录 A：条目信息速查卡

项	内容
slug	lascarqs
全称	LAScarQS 2022 — Left Atrial and Scar Quantification & Segmentation Challenge
主办	Fudan ZMIC Lab
时间地点	2022-09-18，新加坡（MICCAI 2022 + STACOM）
数据	194 例 LGE MRI，3 中心
任务	Task1 LA+scar；Task2 多中心 LA
许可	CC BY-NC-ND
获取	注册制 + DUA 邮件
论文集	LNCS 13586，DOI 10.1007/978-3-031-31778-1
状态	已停更，转 CARE-Left Atrium
库内强互链	myops（rid 702）

附录 B：DAIMS 评估全表

维度	评分	依据
Discoverability（可发现性）	高	MICCAI 官方挑战赛、有论文集 DOI、被大量论文引用、官网可检索
Accessibility（可获取性）	中	注册制 + DUA 邮件，无公开直链；通道原则上仍在但响应可能变慢
Interoperability（互操作性）	高	NIfTI 标准格式、标准目录结构、公开评价脚本
Metadata（元数据）	中高	三中心设备/分辨率/门控/窗口披露详尽；但术前术后比例、部分规模口径未完全披露
Sustainability（可持续性）	中	本体停更；但谱系延续至 CARE 系列，长期有维护通道；2026 仍有 CARE 版本活跃

附录 C：逐项证据链自证

事实	一手来源	交叉来源
194 例	官网 data 页	Zenodo 6362206（194+）、CARE 页（200+）
三中心设备与分辨率	官网 data 页	LAScarQS++ 材料、arXiv:2407.09561
论文集 15 篇	Springer LNCS 13586 目录	ePrints Soton、Stanford SearchWorks
任务划分	官网 + openmedlab	论文集正文（验证集 10/20）
体积统计	openmedlab 汇总	与壁厚文献、类别不平衡结论自洽
低质数据占比	LASSNet 论文自曝	逐例索引可核实
基准数字	挑战赛网站	arXiv:2407.09561 Table 3 转引

附录 D：数据获取决策树

1. 你是要做当前研究吗？ → 是 → 直接去 CARE-Left Atrium（维护活跃、规模更大）。
2. 你只是要复现 2022 基准吗？ → 是 → 走 LAScarQS 2022 注册流程。
3. 你能接受 CC BY-NC-ND（非商用 + 禁演绎）吗？ → 否 → 停止，寻找其他许可数据。
4. 你需要干净金标准吗？ → 是 → 必须做数据清洗（剔除/标记已知问题例），否则慎用。
5. 你只需要LA 分割吗？ → 是 → 优先考虑 Task 2 数据（130 训练例）或直接考虑别的 LA 数据集。

附录 E：掩码类别映射与使用规范

文件	内容	类别	所属任务
enhanced.nii.gz	LGE MRI 原图	—	task1 / task2
atriumSegImgMO.nii.gz	LA 腔标签	1 类（LA）	task1 / task2
scarSegImgM.nii.gz	LA 瘢痕标签	1 类（scar）	仅 task1

使用规范：① 二值化前先确认标签值域；② scar 与 LA 可叠加为 2 类多标签；③ 评估时 scar 单独计算指标，勿与 LA 混算。

附录 F：推荐预处理骨架（SOP 模板）

1. 读取 enhanced.nii.gz，记录原始 spacing 与 shape
2. 按中心分组（Utah / BIDMC / KCL），分别统计间距分布
3. 训练集：保留各向异性 or 显式重采样（记录目标间距）
4. 验证/测试集：已知为 1.0×1.0×1.0 mm 等方，直接使用
5. 强度归一化：按中心分别做 z-score 或直方图匹配（域泛化策略）
6. 数据清洗：按 LASSNet 索引标记/剔除已知问题例
7. 划分：task1 = 60 训练；task2 = 130 训练（验证集另行在线提交）

附录 G：类别不平衡处理策略表

策略	代表方法	适用
PolyLoss + Dice	Arega 等	瘢痕检测召回
边界距离图引导	多篇边界感知方法	薄壁小目标
两阶段 ROI + 精修	LASSNet、TESSLA	先定位 LA 再找瘢痕
不确定性降阈值	Arega 等	软边界预测
Sobel 边界耦合	MDBAnet	LA 边界条件化 scar
直方图匹配增广	域泛化类方法	跨中心

附录 H：评估指标计算公式表

指标	公式要点
Dice	2·\
HD	max( sup d(a,B), sup d(b,A) )
ASD	双向表面点平均距离
NSD	归一化表面距离（容差带内比例）

附录 I：15 篇论文集论文技术路线归类总表

#	路线	代表方法
1	序列式两阶段	LASSNet（四步 DNN + data triaging）
2	双分支边界耦合	MDBAnet
3	自预训练 + 适配器	Self Pre-training with Single-scale Adapter
4	Transformer	UGformer
5	nnU-Net 变体	Boundary-Focused nnU-Net
6	域泛化	Two Stage Histogram Matching Augmentation
7	多尺度权重共享	Sequential Seg MSWS-Net
8	高分辨率网络	LA-HRNet
9	边界增强引导	Edge-Enhanced Feature Guided Joint Seg
10	集成学习	TESSLA（KCL）
11	课程学习	Deep U-Net + Curriculum Learning
12	域泛化融合	Cross-domain Multi-scale Decision Level Fusion
13	不确定性感知	Polynomial Loss + Uncertainty（Arega）
14	传统深度 CNN	Automated Seg LA and Scar CNN（Punithakumar）
15	半监督	3DResUnet + Pseudo Labeling

附录 J：库内互链候选（rid 实测）

条目	rid	关联
myops	702	同 ZMIC 家族，最强互链
acdc	511	心脏 MRI 分割
camus	533	心脏超声分割
scared	363	心脏 cine（易串台，需声明区别）
cardiac-atlas-project	521	心脏图谱
echonet-dynamic	526	超声心动图
echonet-lvh	530	超声心动图
totalsegmentator	422	通用分割工具链
segthor	439	胸部分割挑战赛
fastmri	23	MRI 挑战赛

附录 K：多中心域偏移量化表

中心	设备	场强	分辨率 (mm)	术后窗口	门控
Utah	Siemens Avanto/Vario	1.5T/3T	0.625×0.625×2.5	术前或术后 3-6 月	自由呼吸+导航门控
BIDMC	Philips Achieva	1.5T	1.4×1.4×1.4	术前或术后 1 月	自由呼吸+导航+脂肪抑制
KCL	Philips Achieva	1.5T	1.3×1.3×4.0	术前或术后 3-6 月	自由呼吸+导航+脂肪抑制

域偏移来源：厂商、场强、分辨率、层厚（2.5 / 1.4 / 4.0 mm 跨 2.9 倍）、术后窗口（1 月 vs 3-6 月）、脂肪抑制与否。

附录 L：跨年代度量不可比登记

年代	挑战赛	度量	数值
2012	cDEMRIS	重叠分数（0-100）	术后 72-85，术前 17-48
2022	LAScarQS 2022 Task 1	Dice	66.82-70.69

结论：可定性比较（术前难、术后易），不可定量相减。

附录 M：与库内 myops（rid 702）的关系声明

维度	LAScarQS 2022	MyoPS
解剖目标	左心房 + 瘢痕	心肌 + 瘢痕 + 水肿
主办	Fudan ZMIC Lab	Fudan ZMIC Lab
后续升级	LAScarQS++ / CARE-Left Atrium	MyoPS++ / CARE
模态	LGE MRI	多序列 CMR
共同点	多中心、专家金标准、域泛化、CC BY-NC-ND、注册制	同左

声明：本条目与 myops 为姊妹数据集，同源同范式，但解剖目标不同，不应互相替代。

附录 N：双口径登记表（全面）

编号	冲突项	口径 1	口径 2	本条目采用
A	数据规模	194（官网）	194+ / 200 / 200+（Zenodo / CARE / LASSNet）	194
B	Utah 分辨率	0.625×0.625×2.5（官网）	1.25×1.25×2.5（arXiv 2407.09561）	官网
C	冠军归属	Arega（GitHub 自称 won）	Yuchen Zhang（MICCAI Daily 报道）	两说并存
D	划分边界	60+34 / 130+64（openmedlab）	另有验证 10 / 20（论文集）	三集合并存
E	评测指标	DSC/ASD/HD（官网）	DSC/NSD（第三方横评）	并列存照
F	论文篇数	15（LNCS 目录）	16（官网结果页）	15 为主

附录 O：许可条款细读（三层）

1. 数据本体：CC BY-NC-ND + DUA → 非商业、禁演绎、需署名。
2. 论文集（LNCS 13586）：Springer 版权 → 非开放获取，单章需购买或机构订阅。
3. 参赛方法代码：各自仓库许可（如 AtrialJSQnet 仓库）→ 需逐个核对，官方评价脚本通常随附。

附录 P：申请邮件模板（供参考）

Subject: [TeamID] + test evaluation   （测试阶段）
或：LAScarQS 2022 Data Access Application

收件人：LAScarQS2022@outlook.com / LAScarQS2022@163.com

正文：
尊敬的 LAScarQS 2022 组织方：
我们计划在 [研究用途] 中使用 LAScarQS 2022 数据集。
团队 / 机构：[填写]
联系人 / 邮箱：[填写]
已附上填写完成的注册表（DataAccessAgreementforParticipants_LAScarQS2022.pdf）。
我们承诺遵守 CC BY-NC-ND 许可与数据使用协议的条款。
顺颂时祺。

附录 Q：坑点档案（与 §10 对照）

坑	一句话	详见
1	误以为题目是"做 LA 分割"	§10 坑 1 / §7.3
2	混用 194 / 200 / 194+	§4.2 / 附录 N
3	混用 train/val/test 划分	§5 / 附录 N-D
4	跨任务比较 Dice	§7.3
5	与 scared 串台	§9.1 / 附录 J
6	用带噪金标准不清理	§10 坑 6 / FAQ Q25
7	跨年代度量相减	附录 L
8	以为官方还在运营	§6.3
9	误判许可可商用	§6.1 / 附录 O
10	混用训练/测试分辨率	§2.3 / 附录 K

附录 R：检索决策树

用户输入"左心房" → 命中 lascarqs、myops(弱)
用户输入"瘢痕/疤痕/scar" → 命中 lascarqs、myops
用户输入"LGE" → 命中 lascarqs(库内几乎唯一)
用户输入"房颤/AF" → 命中 lascarqs
用户输入"SCARED" → 命中 scared(rid 363)，非条目
用户输入"多中心域泛化" → 命中 lascarqs、myops

附录 S：双口径与待核登记（维护计划）

项	类型	处置
194 vs 200	口径冲突	主用 194，存照
Utah 分辨率	口径冲突	主用官网
冠军归属	口径冲突	两说并存
划分边界	口径冲突	三集合并存
指标口径	口径冲突	并列存照
术前/术后比例	待核	Task2 130 训练未披露拆分
注册通道是否受理	待核	未实际发起申请，须确认
Zenodo “194(+)” 含义	待核	是否含扩展未发布

触发点：若 CARE-Left Atrium 公布完整数据描述或 LAScarQS 通道正式关闭，应更新条目。

附录 T：引文规范

官方指定引用三篇：

1. Li, Zimmer, Schnabel, Zhuang. AtrialJSQnet: A New Framework for Joint Segmentation and Quantification of Left Atrium and Scars Incorporating Spatial and Global Information. Medical Image Analysis, 76:102303, 2022.
2. Li, Zimmer, Schnabel, Zhuang. Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation Studies: A Review. Medical Image Analysis, 77:102360, 2022.
3. Li, Zimmer, Schnabel, Zhuang. AtrialGeneral: Domain Generalization for Left Atrial Segmentation of Multi-Center LGE MRIs. MICCAI 2021, pp.557-566.

挑战赛本体：Zhuang, Li, Wang, Wu (eds.). Left Atrial and Scar Quantification and Segmentation: First Challenge, LAScarQS 2022. LNCS 13586, Springer, 2023. DOI 10.1007/978-3-031-31778-1.

附录 U：AI-Ready 检查单

项	状态
唯一 slug	✅ lascarqs
明确全称与别名	✅
规模口径明确	✅ 194 为主，存照
许可明确	✅ CC BY-NC-ND
获取路径明确	✅ 注册制 + 邮件
任务定义明确	✅ Task1 / Task2
划分明确	✅ 含三集口径
金标准质量披露	✅ 含自曝噪声
基准数字	✅ 双口径
互链声明	✅ 附录 J / M
双口径登记	✅ 附录 N
建议使用边界	✅ §11.2 / §11.3

附录 V：心脏影像数据集对照（库内）

数据集	rid	解剖	模态	任务
LAScarQS 2022	—	左心房 + 瘢痕	LGE MRI	联合分割
MyoPS	702	心肌 + 瘢痕 + 水肿	多序列 CMR	病理分割
ACDC	511	心室 + 心肌	cine MRI	心功能分割
CAMUS	533	左房/左室 + 心肌	超声	超声分割
SCARED	363	冠状动脉	cine MRI	冠状动脉重建

附录 W：本数据集的研究检查清单

1. 确认用途符合 CC BY-NC-ND（非商用、不发布派生数据）。
2. 记录使用的所有中心与病例索引。
3. 声明是否做了数据清洗（及清洗规则）。
4. 明确使用 Task 1 还是 Task 2（或两者）。
5. 明确训练/验证/测试划分（及是否有外部验证集）。
6. 说明间距处理方式（保留各向异性 or 重采样目标）。
7. 报告指标口径（Dice/HD/ASD 或 DSC/NSD），不与别的挑战赛混比。
8. 报告是否做了跨中心泛化实验（leave-one-center-out）。
9. 对小目标（scar）单独报告指标，不只报平均。
10. 引用官方指定三篇 + 论文集。

附录 X：缩写速查

LA / LGE / AF / DSC / HD / ASD / NSD / PV / LAA / DUA / CC BY-NC-ND / cDEMRIS / CARE / ZMIC / STACOM / nnU-Net / MLP / OOD / GT / DNN / ROI / SOP / DAIMS / FAIR

附录 Y：本条目生产档案

项	值
写手代理	agent-b-lascarqs
slug	lascarqs
锁文件	writing/lascarqs/.lock
私有部件目录	.parts_agent-b-lascarqs_1790776085/
抓取时点	2026-09-30
核验轮次	3 轮（官网 / Zenodo+Springer / 第三方综述+GitHub）
事实档案	writing/lascarqs/FACTS.md
冲突登记	6 项（附录 N）

附录 Z：DAIMS 维度操作化说明

• D：从 MICCAI 官网、Springer、Google Scholar、GitHub 多个入口可检索到 → 高。
• A：有明确申请路径，但非即取即用 → 中。
• I：NIfTI 标准格式 + 标准目录 + 公开评价脚本 → 高。
• M：设备/分辨率/门控详尽，但部分拆分与口径缺失 → 中高。
• S：本体停更，但谱系活跃 → 中。

附录 AA：术前/术后与任务的关系表

任务	术前	术后	说明
Task 1	❌	✅	瘢痕量化只在术后（消融后瘢痕可辨）
Task 2	✅	✅	多中心 LA 分割覆盖两阶段

附录 AB：与 CARE-Left Atrium 的迁移对照

项	LAScarQS 2022	CARE-Left Atrium
时间	2022	2025/2026
数据	194 LGE MRI	200+ LGE MRI + 300 CT
模态	仅 MRI	MRI + CT
动机	分割 + 量化	心脏数字孪生 + 个性化消融
状态	停更	活跃

附录 AC：检索路径示范（关键词组合）

"LAScarQS 2022" dataset
"left atrial scar" LGE MRI segmentation
"atrial fibrillation" LGE MRI challenge MICCAI
LAScarQS 2022 benchmark Dice
LAScarQS++ CARE 2024 left atrium
CARE-Left Atrium 2025 dataset
"left atrial" "class imbalance" scar segmentation
LNCS 13586 left atrial scar

尾注

1. LAScarQS 2022 官网（zmiclab.github.io/projects/lascarqs22；镜像 zmic.org.cn）——规模 194、三中心规格、任务定义、许可与注册流程、停更声明。
2. Springer LNCS 13586（DOI 10.1007/978-3-031-31778-1）——论文集书名、编者、15 篇目录、出版日期、ISBN。
3. Zenodo record 6362206——挑战赛摘要存档（194+）。
4. arXiv:2407.09561（v2, 2025-01）——多模态大模型横评表转引 LAScarQS 2022 基准（DSC/NSD 三值），以及 Utah 分辨率另一口径（1.25×1.25×2.5）。
5. LASSNet 论文（LNCS 13586, pp.1-15）——数据质检自曝：逐例问题索引、低质占比 25% / 18.46%、四步 DNN 架构。
6. Arega, Bricq, Meriaudeau（LNCS 13586, pp.133-144）——Polynomial Loss + Uncertainty 方法；GitHub tewodrosweldebirhan/leftatrium_scar_segmentation_lascarqs2022 自称夺冠。
7. MICCAI 2022 Daily 现场报道——冠军口径为 Yuchen Zhang（boundary-focused nnU-Net）。
8. AtrialJSQnet 与 MedIA Review、AtrialGeneral——官网指定引用三篇。
9. Karim et al., JCMR 2013（DOI 10.1186/1532-429X-15-105）——cDEMRIS / ISBI 2012 前身（60 例 LGE CMR）。
10. openmedlab 汇总——LA 与 scar 体积统计、间距与尺寸分布、划分口径。
11. Beinart 等——LA 壁平均厚度 1.89 ± 0.48 mm。
12. CARE 挑战赛官方页（CARE 2024 LNCS 15548 / CARE-Left Atrium 2025/2026）——200/200+ 口径、CT 扩展、迁移建议。

---

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：

• acdc — 共享标签：医学影像 / MRI / 医学图像分割 / 心血管疾病 / 评测基准
• mms-2 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• cmrxmotion — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• lvquant — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• emidec — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• myops — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• trackrad — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 评测基准
• asoca — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病 / 评测基准
• mm-whs — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• orcascore — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 心血管疾病 / 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。