信息速览

数据集名称LIMUC: Labeled Images for Ulcerative Colitis — 溃疡性结肠炎内镜 Mayo 评分 11,276 图专家标注数据集

数据类型人工标注,影像数据,原始数据

规模564 名 UC 患者（11,276 张图像 / 1,043 次结肠镜操作，2011-12 至 2019-07）

接入方式Marmara 大学医学院胃肠病学科 2011-12 至 2019-07 采集的结肠镜图像（统一缩放 352×288 BMP）+ Mayo 内镜评分（MES 0-3）三专家共识标注 + 官方 10 折交叉验证划分与固定测试集 + 按患者组织的全量图像包（patient_based_classified_images.zip）

AI 就绪度

INFOBOX — LIMUC 一屏速览

维度内容

本质溃疡性结肠炎（UC）结肠镜图像的 Mayo 内镜评分（MES 0-3）四分类专家标注数据集，附回归式深度学习方法论文

团队 Marmara 大学医学院胃肠病学科（采数+标注）× 中东技术大学 METU 信息学研究生院（算法），六作者两机构

论文 Inflamm Bowel Dis. 2023 Sep 1;29(9):1431-1439（doi:10.1093/ibd/izac226；在线优先 2022-11，双口径存照）

数据 11,276 图 / 564 患者 / 1,043 次肠镜；统一缩放 352×288 BMP；采集窗 2011-12 至 2019-07

类别 MES 0: 6,105（54.14%）｜MES 1: 3,052（27.07%*）｜MES 2: 1,254（11.12%）｜MES 3: 865（7.67%）

标注两名胃肠专家盲评 → 分歧图第三专家盲评仲裁 → 多数投票；三专家全分歧者剔除

任务矩阵四分类（MES 0-3）/ 缓解二分类（Mayo 0-1 vs 2-3）/ 回归式建模（论文核心创新）

评估官方 10 折交叉验证 + 固定 test_set；主指标 QWK，辅 macro F1 / MAE / macro accuracy

许可数据 CC BY-4.0（可商用需署名）｜代码 MIT｜论文 OUP 版权非开放获取——双许可勿混引（坑 5）

获取 Zenodo records/5827695 三压缩包合计约 3.85 GB，免登录直链，无注册/申请门槛

HF 警示 HuggingFace GorkemPolat/LIMUC 是占位仓库（仅 README 无数据），实际数据只能走 Zenodo（坑 4）

拼写警示 METU 官方博客把 LIMUC 误拼为 LUMIC；检索与引用勿沿袭（坑 1）

库内互链 hyperkvasir(693)/gastrovision(203)/real-colon(778)/polypdb(779)/gastroendonet(780)/endoscapes(353) 等

*MES 1 百分比：Zenodo 官方页写 27.70%，按 3,052/11,276 实算为 27.07%——官方页笔误，本条目按 27.07% 并存照（坑 2）。

LIMUC 是一个「把消化科最常用的严重度评分变成机器可学监督信号」的数据集工程：马尔马拉大学医学院胃肠病学科用八年时间（2011-12 至 2019-07）攒下 564 名溃疡性结肠炎患者的 1,043 次结肠镜操作图像，经三重专家标注流水线筛出 11,276 张可用的黏膜图像，逐张贴上 Mayo 内镜评分（MES 0-3）标签，连同官方 10 折交叉验证划分与固定测试集一起以 CC BY-4.0 放上 Zenodo。它配套的论文核心主张是：MES 是有序等级而非无序类别，把类间有序距离融进深度学习的损失与建模方式，比标准四分类更能逼近专家判断。对做消化内镜 AI 的人来说，这是 UC 病种上事实意义上的起点数据集。

把 LIMUC 的全部时间锚点排成一条线，可以看出「数据集先行、方法随后、论文收口」的典型学术工程节奏：

时间	事件	口径来源
2011-12	采集窗开启（Marmara 胃肠病学科）	Zenodo 描述（一手）
2019-07	采集窗关闭，历时约 7 年 8 个月	Zenodo 描述（一手）
2022-03-14	Zenodo v1 发布（records/5827695，概念 DOI 5827694）	Zenodo API（一手）
2022-07	姊妹论文发表于 MIUA 2022（类距离加权损失）	Springer 出版记录（一手）
2022-11	主论文在线优先出版（izac226，© 2022）	GitHub BibTeX + 版权行（一手）
2023-05-17	HF 账号 GorkemPolat 建 LIMUC 占位仓库	HF/hf-mirror API（一手）
2023-09-01	主论文正式卷期 29(9):1431-1439	PubMed/NLM（一手）
2025	MDPI Bioengineering 全家族评测等第三方研究陆续出现	出版页（二手转述源头）
2026-10-03	本条目抓取与核验时点	本条目存照

两个从时间线读出的结论：其一，数据集发布（2022-03）早于主论文在线出版（2022-11）八个月——「先公开数据再发论文」的正确顺序；其二，HF 占位仓库（2023-05）出现在数据集发布之后一年多，更像是作者在 HF 生态的顺手登记而非发布渠道扩展，这解释了它为何一直是空壳（坑 4）。

导语读法三则：

只想下数据：直奔 §6 获取与许可——Zenodo 三压缩包免登录直链；注意 HuggingFace 上的同名仓库是空占位（坑 4）。
关心标注可靠性：直奔 §3 标注流水线与 §5 后续研究——双盲双专家加第三专家仲裁的完整协议，以及第三方实测性能对照。
做方法研究：直奔 §4 建模方法——回归式建模与类距离加权损失是两条处理有序性的技术路线，10 折 CV 协议可直接复用。

§0 导读：这个数据集解决什么问题

溃疡性结肠炎是一种慢性非特异性肠道炎症，活动度评估直接决定治疗方案：Mayo 内镜评分（Mayo Endoscopic Score，MES）把黏膜最严重区域的内镜表现分为 0（正常或愈合期黏膜）到 3（重度活动，自发出血、溃疡）四级，MES 0-1 视为缓解、2-3 视为活动，是临床转归与药物疗效判断的分界线。但 MES 靠人眼主观判定——同一段黏膜，不同医生给出的等级未必相同，教科书式的「有序四分类」问题在消化内镜里出现了：类别之间不是平等的，把 2 判成 3 只差半格，把 0 判成 3 则是天壤之别；加上真实就诊人群中轻度病例远多于重度（本数据集 MES 0 占 54.14% 而 MES 3 仅 7.67%），类别不平衡与有序性两个难题叠加。

在 LIMUC 之前，想做 UC 严重度分级的 AI 研究者面对的是一片荒地：息肉检测方向有 Kvasir 家族、Real-Colon 等成熟数据集，但「炎症性肠病严重度」方向没有可比规模的公开标注资源——UC 数据受隐私敏感度（黏膜特写比息肉更易识别患者）、标注成本（需要胃肠专科医生而非通科标注团队）双重制约。LIMUC 把这条从零到一的路径走完了：单中心八年积累、三专家共识标注、协议与数据一起发布。

LIMUC 的回答分三层。第一层是数据：11,276 张统一缩放 352×288 的结肠镜图像，564 名患者、1,043 次肠镜操作，每张带三专家共识的 MES 标签，并按患者组织好——同一患者的图像不会同时出现在训练集与测试集，从根上堵住数据泄漏。第二层是协议：官方随数据发布 10 折交叉验证划分与固定测试集，并明确要求任何性能比较必须基于官方 test_set——这是内镜数据集里少见的「评测协议随数据一起发布」的做法，让不同论文的数字有可比性。第三层是方法：论文提出把 MES 当连续量做回归式建模，让模型感知 0-1-2-3 之间的有序距离；其 MIUA 2022 姊妹论文进一步给出类距离加权交叉熵损失，把「错得越远、罚得越重」写进损失函数。

§0 读法三则：

这个条目是「数据集+方法论文」双轮结构：本体是 11,276 张带 MES 标签的图像与三种官方划分，方法是回归式深度学习与类距离加权损失两条有序分类路线——数据走 CC BY-4.0，论文本体却是付费墙内（§6）。
全文硬数字均出自 Zenodo 官方页、论文摘要（PubMed eutils 权威记录）与官方 GitHub 仓库三源互证；凡仅见于第三方论文转述的数字（19,537 初始采集、7,652 仲裁、QWK 0.781 等）全部标注「二手口径」并存照（坑 8）。
检索时注意官方名是 Labeled Images for Ulcerative Colitis (LIMUC) Dataset——任务派发侧的「Ulcerative Colitis Endoscopic Mayo Score Dataset」是描述性别名，Zenodo/GitHub/HF 均无此标题（坑 1）。

§1 数据集速览：十问十答

Q1：LIMUC 的「11,276 张」怎么来的？
2011 年 12 月至 2019 年 7 月间，Marmara 大学医学院胃肠病学科采集 UC 患者结肠镜图像。按第三方论文（MDPI Bioengineering 2025）转述的漏斗：初始采集 19,537 张，剔除 8,060 张不适合 MES 评估的（碎片、肠准备不足、伪影、反转画面、画质差），再剔除 201 张三专家完全无法达成多数的，剩 11,276 张——19,537−8,060−201=11,276，数字自洽，但注意这是二手口径，官方页未给漏斗（坑 8）。

Q2：类别分布是什么样？
MES 0：6,105 张（54.14%）；MES 1：3,052 张（27.07%）；MES 2：1,254 张（11.12%）；MES 3：865 张（7.67%）。四项相加恰为 11,276，百分比相加恰为 100.00%。注意 MES 1 的百分比官方页写 27.70%，实算 3,052/11,276=27.07%——官方页笔误（坑 2）。

Q3：图像规格是什么？
统一缩放至 352×288 像素的 BMP 文件。原始分辨率与采集设备参数不随数据集发布；设备口径（Pentax EPK-i 视频处理器 + Pentax EC-380LKp 结肠镜）与统一缩放做法仅见于第三方论文转述（坑 8）。

Q4：谁标注的，协议多严？
两名资深胃肠病专家独立盲评全部图像的 MES；两者不一致的图像交给第三名专家盲评仲裁（不看先前标签）；按多数投票定稿；三专家完全分歧者剔除。按二手口径，进入第三专家仲裁的图像有 7,652 张，标注者间信度 QWK 0.781（坑 8）。

Q5：为什么按患者组织数据这么重要？
564 名患者贡献了 1,043 次肠镜，平均每人约 1.85 次检查——同一患者的多次检查乃至同次检查的多张图像高度相似。如果随机打乱划分，训练集和测试集会出现「同一患者的脸熟图像」，测出来的分数虚高。LIMUC 官方直接提供按患者组织的图像包与 10 折划分，把防泄漏做成了默认选项。

Q6：官方提供了哪三种划分？
三压缩包对应三种用法：train_and_validation_sets.zip（论文 10 折交叉验证的训练+验证划分）、test_set.zip（论文固定测试集，公平比较基准）、patient_based_classified_images.zip（按患者组织的全量图像，供自行设计划分）。官方明确要求性能比较必须用官方 test_set 报告。

Q7：除了四分类还能做什么任务？
论文任务矩阵三线：①MES 0-3 四分类；②缓解分类（Mayo 0-1 缓解 vs 2-3 活动的二分类——临床治疗决策分界）；③回归式建模（把 MES 当连续值回归，论文核心创新）。缓解二分类用 kappa + F1 评估，四分类与回归用 QWK 为主指标。

Q8：为什么主指标是 QWK 而不是 accuracy？
两个原因：类别不平衡下 accuracy 会被多数类（MES 0 占 54.14%）抬得很高但不反映重病识别能力；MES 又是有序等级，QWK（quadratic weighted kappa）对「错得越远罚得越重」的误差结构敏感。METU 官方建议 QWK 为主、MAE/macro F1/macro accuracy 为辅——只用 accuracy 或未加权 kappa 报成绩的第三方论文，结论要打折看。

Q9：我现在能拿到什么？
Zenodo records/5827695 三压缩包共约 3.85 GB，免登录直链下载（1,637,567,731 B + 286,765,740 B + 1,925,339,722 B）；代码在 GitHub 官方仓库（MIT 许可，含 10 折划分与训练/推理脚本）；咨询邮箱 polatgorkem@gmail.com。HuggingFace 上的 GorkemPolat/LIMUC 只有 3 行 README，没有数据（坑 4）。

Q10：许可上有什么要注意的？
数据 CC BY-4.0（可商用、需署名），代码 MIT，两者并存——GitHub 页顶徽标只显示 MIT，粗看容易把数据集许可也当成 MIT（坑 5）。论文本体由牛津大学出版社出版、代表 Crohn’s & Colitis Foundation 出版，版权行 All rights reserved，是非开放获取文献——「数据开放、论文付费」并存于同一个项目。

1.1 术语速查表

术语	全称/展开	一句话解释
UC	Ulcerative Colitis，溃疡性结肠炎	慢性非特异性肠道炎症，IBD 的两大成员之一（另一个是克罗恩病）
MES	Mayo Endoscopic Score，Mayo 内镜评分	UC 内镜活动度 0-3 四级评分，本数据集的标签体系
Mayo Score	Mayo 评分（总）	内镜子分（MES）+ 医生整体评估等合成的临床综合评分；LIMUC 只覆盖内镜子分
UCEIS	Ulcerative Colitis Endoscopic Index of Severity	UC 内镜严重度的另一套评分体系（血管纹理/出血/糜烂溃疡三要素），与 MES 并列
缓解/活动	remission / active	MES 0-1 为缓解、2-3 为活动的临床二分界，治疗决策的锚点
QWK	Quadratic Weighted Kappa	二次加权 kappa，对有序类别的远距误判罚得更重；LIMUC 官方主指标
MAE	Mean Absolute Error	平均绝对误差，回归式建模的辅助指标
macro F1	宏平均 F1	各类 F1 的算术平均，对不平衡类别每类等权
患者级划分	patient-level split	按患者（而非图像）切分训练/测试集，防「同患者图像跨集」泄漏
10 折 CV	10-fold cross-validation	训练+验证按官方折划分轮流训练评估；官方随仓库发布折信息
共识标签	consensus label	多数投票产生的最终标签；LIMUC 为三专家投票
盲评	blinded reading	标注者不看他人标签独立评分，防锚定效应

这十二个术语覆盖了读懂本条目的全部概念负担；后文首次出现更细的技术名词（如类距离加权交叉熵、MoCo-v3）时会随文解释。

1.2 十问之外的三问

十问十答之外，检索与评审场景最常补问的三题：

补问 A：能用 LIMUC 做分割或检测吗？
不能。LIMUC 只有帧级（图像级）有序标签，没有任何像素级或边界框标注。想要内镜分割监督，请转库内 kvasir-seg（rid 112）、cvc-colondb（rid 142）、endoscapes（rid 353）等条目；LIMUC 的标签语义是「这张图整体呈现几度炎症」，不是「病灶在哪里」。

补问 B：有视频或时序信息吗？
没有。LIMUC 是静态帧集合，发布物不含视频流、帧号序列或检查内时序关系。同一检查的多帧在 patient_based 包里按患者组织，但「哪几帧来自同一次检查」的元数据粒度未获官方文档明确保证——需要检查级分组的研究者应在解压后自行核验目录结构（§2.2 步骤 3），并把核验结果写进自己的实验记录。

补问 C：多中心吗？能代表我的患者群吗？
单中心（Marmara 大学医学院）、单一设备谱系（Pentax，二手口径）、单一地域（伊斯坦布尔）。它适合做方法开发与受控评测，不适合直接外推为「跨中心泛化已验证」——任何「在其他医院数据上也适用」的主张都需要额外的外部验证集支撑。这与库内 gastrovision（多中心胃镜）的设计取向正好相反：两者一个求协议纯度，一个求人群多样性。

1.3 再答六问（进阶版）

Q11：单中心是不是硬伤？
是约束，不是硬伤，关键看用途。单中心带来的协议纯度（同一设备谱系、同一标注团队、同一人群底色）让标签质量与内部一致性达到多中心数据集难以企及的水平；代价是「跨中心泛化」无法在其内部验证——你不知道在另一台内镜、另一群医生、另一段人群上模型还剩几分功力。务实的态度是把 LIMUC 当「方法试验台」而非「部署证明」：损失设计、划分策略、指标纪律的结论可以带走，直接部署宣称则必须补外部验证。若做多中心研究，LIMUC 可作其中一个中心的数据源，与其他机构数据联合（注意许可均需兼容，CC BY-4.0 无障碍）。

Q12：训练模型需要什么级别的算力？
门槛极低。11,276 张 352×288 小图、四分类任务，单张消费级 GPU（8-12 GB 显存）即可完整跑通 ResNet18 级别的 10 折交叉验证；官方仓库的 conda 环境面向普通工作站。第三方论文用 RTX 4090、300 epochs 属于「全家桶对比」的豪华配置，不是复现基线的必需品。对预算有限的教学场景，这是少数「学生笔记本加Colab 就能完整走完下载-划分-训练-评测全流程」的医学影像数据集。

Q13：没有原始分辨率，还能做哪些方向的研究？
仍然开阔：有序损失设计与序数回归方法学、类别不平衡的评估策略、患者级划分的泄漏控制实验、缓解二分类的临床阈值建模、标注协议的成本-质量权衡研究、共识标签 vs 单 rater 标签的噪声建模（受限版）。受限或不可行的：需要细纹理的超分辨率/细节增强研究、需要时序信息的视频理解、需要设备元数据的域偏移分析、需要人口学信息的公平性亚组研究。选择研究方向前先对照 §4.4 的方法谱系表与附录 H 的数据字典。

Q14：引用怎么写才完整？
三件套缺一不可：主论文（doi:10.1093/ibd/izac226）、姊妹论文（doi:10.1007/978-3-031-12053-4_12）、数据集（doi:10.5281/zenodo.5827695，version 1）。年份口径自选其一并全篇一致：在线 2022-11 或卷期 2023（坑 3）。若使用了漏斗数字或标注信度，注明「转引自 MDPI Bioengineering 2025」（坑 8）。BibTeX 原文在 Zenodo 页面与官方 README 双备份，复制即用（§6.4）。

Q15：数据集有版本漂移风险吗？
当前风险很低：v1（2022-03-14）发布四年零修订，Zenodo 概念 DOI 10.5281/zenodo.5827694 自动指向最新版，引用不会失效。风险点在未来：若作者发布 v2（更正标签、补充图像），旧实验的可比性需要重新声明。建议任何严肃实验在论文里写死「Zenodo record 5827695, version 1」的版本级引用，而非只写概念 DOI——这是零成本的未来兼容保险。

Q16：能用 LIMUC 研究 UCEIS 或组织学活动度吗？
不能直接做。LIMUC 的标签只有 MES 单一维度；UCEIS（血管纹理/出血/糜烂溃疡三要素）与组织学分级（如 Geboes 评分）的标注均不在发布物内。相关但不可换算：MES 与 UCEIS 在临床上有中等相关但不是同一把尺子，模型无法从 MES 标签学会 UCEIS 分级。若研究需要 UCEIS 口径，需另寻数据源或自行标注——这条边界在向消化期刊投稿时会被问到，提前声明（§3.4 末段有应答模板）。

1.4 按角色阅读路径

角色	第一站	第二站	第三站	避开
数据工程师	§2.1 三包结构	§2.2 校验 SOP	附录 H 数据字典	不必三包全下
模型训练者	§4.6 三条铁律	§4.5 仓库结构	§10 坑 6/7	别随机划分
方法研究者	§4.3 回归式原理	§4.4 方法谱系	§5.2 口径对照	别混第三方口径
临床信息学家	§7.4 临床转译边界	§1.1 术语表	§3.4 评分标准	别混淆 MES 与 Mayo 总分
标注协议设计者	§3.1 流水线图	§3.2 成本推演	§3.3 共识两面性	别跳过盲评
论文审稿人	§4.6 铁律	§5.3 缺陷清单	附录 C 证据链自证	别放过指标错位
学生/教学	§0 导读	§1 十问十答	§11.4 决策卡	别先跑代码后读协议

每条路径按「最短闭环」设计：第一站给结论，第二站给证据，第三站给工具；「避开」列是该角色最容易浪费时间的陷阱。

1.5 常见误解澄清表

误解	事实	出处
「LIMUC 就是 Ulcerative Colitis Endoscopic Mayo Score Dataset」	这是描述性别名；官方名为 Labeled Images for Ulcerative Colitis (LIMUC) Dataset	Zenodo 记录页（坑 1）
「MES 1 占 27.70%」	实算 27.07%；27.70% 是 Zenodo 页笔误并被转载页沿袭	§2.3（坑 2）
「LIMUC 论文是 2023 年的」	在线 2022-11、卷期 2023-09，双口径并存	PubMed + BibTeX（坑 3）
「HuggingFace 上能下 LIMUC」	GorkemPolat/LIMUC 是占位仓库，无数据文件	hf-mirror 实抓（坑 4）
「整个 LIMUC 项目是 MIT 许可」	只有代码是 MIT；数据是 CC BY-4.0	GitHub 徽标 vs Zenodo（坑 5）
「11,276 张图像独立同分布」	嵌套于 1,043 次检查、564 名患者；统计推断以患者数为自由度上界	§2.6
「三包是三份不同的数据」	同一全量的三种视角，内容重叠	§2.1
「官方公布了标注一致性 0.781」	0.781 是第三方论文转述，官方发布物未载	§3.3（坑 8）
「官方 test_set 有 X 张图」	官方未公开 test_set 图像数；解压可数但无权威口径存档	§2.1（遗留疑点）
「LIMUC 也能评 UCEIS」	标签仅 MES 单维度，UCEIS 与组织学标注不在发布物内	§3.4

这张表与 §10 避坑清单互补：§10 讲「会犯的错」，这里讲「会信错的数」。两者都指向同一个根源——网络转载链会把官方文档的笔误放大成「公认事实」，唯一解药是回到一手来源核对。

1.6 一手数字白名单（可直接转引的封闭集合）

以下 14 个数字经三源核验为官方口径，转引时无需再核对（超出此集合的数字请先查附录 I）：

11,276（图像）、564（患者）、1,043（肠镜）、6,105/3,052/1,254/865（四类张数）、54.14%/11.12%/7.67%（三类占比，MES 1 用实算 27.07%）、CC BY-4.0（数据许可）、MIT（代码许可）、1,637,567,731 B / 286,765,740 B / 1,925,339,722 B（三包字节数）、2022-03-14（发布日）、10.5281/zenodo.5827695（版本 DOI）、10.1093/ibd/izac226（论文 DOI）、2023 Sep 1;29(9):1431-1439（卷期页）、2022-11（在线月）、polatgorkem@gmail.com（联系邮箱）。

白名单的意义：给自动化管线与内容创作者一个「免检集合」，把人工核对的火力集中在白名单之外的数字上——尤其是那七个二手口径数字（§附录 I 第二层）。

1.7 与「相似但不同」任务的一线之隔

LIMUC 常被与三类任务混淆，边界如下：

与息肉检测：息肉是「找病灶」（有无/在哪），LIMUC 是「定级别」（病灶没有单独标注，整帧按最严重区域定级）——两者可以在同一次肠镜中并存，任务互斥的是标注形态而非图像来源；
与 Mayo 总评分：临床的 Mayo 评分是综合分（内镜 MES + 医生整体评估 + stool 频次 + 便血），LIMUC 只覆盖内镜子分 MES——用 LIMUC 训练的模型不能直接输出临床 Mayo 总分；
与克罗恩病内镜评分：CD 用 SES-CD 等量表，病变分布与 UC 不同（跳跃病灶 vs 连续蔓延）——LIMUC 标签不适用于 CD 图像，跨病种迁移需要重新标注。

这三条边界在审稿意见里出现频率极高——把它们写进论文的 dataset 节可以省掉一轮返修。

1.8 一日使用路线图：从下载到第一个 QWK 分数

给一个「今天开始、今天出分」的最短可行时间线（按官方脚手架 + 单卡工作站估算）：

第 0-10 分钟：下载 test_set.zip（287 MB，最快到手）与 patient_based_classified_images.zip（1.93 GB）；md5 校验；
第 10-20 分钟：clone 官方仓库，conda 环境创建（environment.yml），wandb 离线模式配置（WANDB_MODE=offline 可跳过在线注册）；
第 20-40 分钟：从官方 cross_validation_folds_train_val_info/ 取一折患者级划分（官方未提供任意切分脚本，自定义 15%/15% 需自备脚本且按患者分组）；
第 40-90 分钟：train_classification_model.py 用 ResNet18 训练单折；352×288 输入在小卡上 batch 32-64 均可；
第 90-100 分钟：inference_classification_based_model.py 在官方 test_set 出分，算 QWK 与 macro F1；
第 100+ 分钟：对照 §5.2 口径表检查自己的协议声明，把五要素复现声明（§5.10）写进实验记录。

到这一步你就有了一个协议合规的第一版基线。之后的升级路径按序：分类式换回归式（§4.3 对照）→ 单折换 10 折（官方折划分）→ 与第三方口径的论文对话（§5.2 表）。这条路线把 LIMUC 「轻量、协议完备」的设计初衷走满——它的目标用户本来就是「想在一天内摸到有序分级问题真实手感」的人。

§2 数据构成与规格

2.1 三压缩包结构与体量

LIMUC 在 Zenodo records/5827695 发布为三个压缩包，各司其职：

文件	字节数	约合	内容
train_and_validation_sets.zip	1,637,567,731 B	1.64 GB	论文 10 折交叉验证的训练+验证划分图像
test_set.zip	286,765,740 B	287 MB	论文固定测试集（公平比较基准）
patient_based_classified_images.zip	1,925,339,722 B	1.93 GB	按患者组织的全量图像
合计	3,849,673,193 B	≈3.85 GB	三包图像有重叠（前两包是全量按协议切分）

patient_based_classified_images.zip 的 md5 为 6d99c6b4f9b9bf3e210964d16439de42（Zenodo 页面披露）。三文件均经 Zenodo API 实抓核验，免登录直链可下。

固定 test_set 的图像数官方文档未公开列明——这是本数据集元数据的已知缺口之一（遗留疑点，见附录 A）。第三方若要复现论文口径，必须使用官方 test_set.zip 而非自行按比例切分，否则与已发表论文的数字不可比。

三个压缩包不是三份独立数据，而是同一份全量图像的三种视图：patient_based 是「源视图」（全量、按患者组织），train_and_validation_sets 与 test_set 是「协议视图」（按论文实验协议切好）。理解这一点可以避免两类浪费：一是把三个包全下完才发现图像重复存储；二是只用协议视图而不知道源视图里有协议视图没覆盖的样本（若协议视图合计不足 11,276 张，差额只能在源视图里找）。

2.2 下载与完整性校验 SOP

拿到数据后先做三步校验再解压：

步骤 1 字节数核对
  ls -l 与下表比对（字节数级精确）：
  train_and_validation_sets.zip → 1,637,567,731 B
  test_set.zip                  →   286,765,740 B
  patient_based_classified_images.zip → 1,925,339,722 B

步骤 2 哈希核对（以官方公示 md5 为准）
  md5sum patient_based_classified_images.zip
  期望值：6d99c6b4f9b9bf3e210964d16439de42
  注：另两包的 md5 未在本条目核验范围内记录，下载时以 Zenodo
  记录页当日公示值为准。

步骤 3 解压后结构核对
  确认图像为 352×288 BMP；确认目录结构与患者分组约定一致；
  确认协议视图与源视图的目录命名不冲突（解压到不同根目录）。

校验的意义不只是防损坏：当复现结果对不上时，「下到的数据和论文用的是不是同一份」是排查链的第一环，而字节数与 md5 是这一环唯一硬的证据。

2.3 类别分布：四类几何

MES 等级	图像数	占比（实算）	内镜表现
MES 0	6,105	54.14%	黏膜正常或愈合期，血管纹理清晰
MES 1	3,052	27.07%	轻度：血管纹理消失/轻红斑/水肿/轻出血
MES 2	1,254	11.12%	中度：明显红斑、水肿、出血、糜烂
MES 3	865	7.67%	重度：溃疡、自发出血、肠壁明显肿胀
合计	11,276	100.00%	—

三点解读：

中度偏少：MES 2（11.12%）与 MES 3（7.67%）合计不足两成，而临床上恰是这两级决定升级治疗。任何在本数据集上训练的模型，重度识别的先验都极其不利——这正是官方力主 QWK 为主指标的现实基础。
官方页笔误：Zenodo 官方页把 MES 1 写作 27.70%，但 3,052/11,276=27.07%（openmedlab 中文名录沿袭了 27.70% 的错误，MDPI Bioengineering 2025 论文用 27.07%）。本条目全部按实算值 27.07%，坑 2 存照。
比例之和自洽：54.14+27.07+11.12+7.67=100.00，四类张数相加=11,276，双重校验通过。

2.4 不平衡的量化与影响

把「不平衡有多严重」量化成三个视角：

不平衡比（IR，多数类:少数类）：6,105:865 ≈ 7.06:1。经验法则里 IR>4 即属显著不平衡，需要评估策略干预。
朴素基线的陷阱：全猜 MES 0 的退化模型 accuracy 即 54.14%——比很多认真调参的第三方论文发表数字（66.9%-75.0%，§5.1）只差十来个百分点。这就是官方弃用 accuracy 作主指标的原因。
缓解二分类的再平衡：按 0-1 vs 2-3 分组后，缓解组 9,157 张（81.20%）对活动组 2,119 张（18.80%），IR ≈ 4.32:1——四分类的不平衡在二分类视图下缩小但不消失；kappa 类指标在二分类任务上依旧比 accuracy 可靠。

训练侧的对策（重采样、类加权损失、focal loss）不在官方协议内，第三方论文各有做法（§5.1 theSAI 论文甚至把各类增强到约 5,000 张）——但任何训练侧干预都不改变「评测必须用官方 test_set + QWK」的评估侧铁律。

2.5 图像规格与设备口径

统一缩放 352×288：所有图像缩放到统一尺寸后发布（openmedlab 与 MDPI Bioengineering 2025 双源转述）。这意味着：
- 训练管线无需再统一尺寸，可直接 batch；
- 但原始分辨率信息丢失——内镜图像的细微纹理（如早期血管纹理消失）可能在缩放中钝化；
- 与现代模型常用输入（224×224、384×384）不匹配，第三方论文普遍再缩放（如 MDPI 2025 用 224×224），层层缩放叠加的信息损失值得在实验设计时掂量。
352×288 的历史语境：数据集发布于 2022 年初，当时 352×288 是兼顾体量（BMP 无压缩三包仅 3.85 GB）与当年主流 CNN 输入习惯的务实选择；四年后的使用者若用 ViT 类高分辨率友好的架构，需要在「官方像素口径的公平复现」与「自家方法的最佳输入」之间明确取舍并在论文里声明。
BMP 格式：无损位图，三个压缩包合计 3.85 GB 的体量主要由此而来；解码零门槛，但没有预生成 patch/特征。
设备口径（二手）：Pentax EPK-i 视频处理器 + Pentax EC-380LKp 结肠镜——仅见 MDPI Bioengineering 2025 转述，Zenodo 页与论文摘要均未写设备型号（坑 8）。设备单一性对模型泛化是双刃剑：域内一致性好，跨中心迁移未知。
采集窗：2011 年 12 月至 2019 年 7 月，八年跨度、单中心。八年间的内镜设备固件、染色做法可能有漂移，官方未按时间分层分析。

2.6 患者与检查的层级结构

564 名患者、1,043 次结肠镜操作、11,276 张图像——三层嵌套：一名患者可能多次检查，一次检查产出多张图像。平均每患者约 1.85 次检查、每次检查约 10.8 张图像。层级结构意味着：

同患者相关性：同一患者的两张图像（甚至跨两次检查）比不同患者的两张更相似（病变背景、肠道解剖、成像条件一致）；
划分必须患者级：官方 patient_based_classified_images.zip 就是为此准备——按患者而非图像切分；
有效样本量低于表面数字：11,276 张图像的统计功效不等于 11,276 个独立样本，做置信区间与显著性检验时应以患者数（564）为近似自由度上界；
统计推断的建议：若在模型之外做亚组比较（如不同等级图像的难度差异），混合效应模型（图像嵌套于检查、检查嵌套于患者）或聚类稳健标准误是比朴素 t 检验更诚实的工具——尽管这已超出官方文档给到的支持范围。

2.7 与同域数据集的规格对照

数据集	器官/任务	规模	标注粒度	许可
LIMUC	结肠/UC 严重度四分类	11,276 图/564 患者	图像级 MES 0-3（三专家共识）	CC BY-4.0
HyperKvasir（rid 693）	胃+肠/findings 分类	约 110,000 图	图像级多类	CC BY-4.0（部分）
GastroVision（rid 203）	胃/多类分类	约 8,000 图	图像级	CC BY-NC 4.0
Real-Colon（rid 778）	结肠/息肉检测	数千图	边界框/图像级	研究用途
LDPolypVideo（rid 163）	结肠/息肉分割视频	158 段视频	像素级	研究用途
Kvasir-Capsule（rid 123）	全消化道/胶囊内镜	数百万帧	图像级+异常标注	研究用途

LIMUC 的差异化定位：唯一专攻「炎症性肠病严重度分级」而非「息肉/findings 检测」的内镜数据集；唯一随数据发布官方 10 折划分+固定测试集的（在库内内镜条目中）。本库此前没有第二个 UC 专用数据集——limuc 是该病种独苗。若把库内内镜条目摆上「任务轴（检测/分割/分级）×器官轴（胃/结肠/胆囊）×模态轴（常规镜/胶囊镜/腹腔镜）」三维矩阵，LIMUC 独占「结肠×帧级分级」格子，与息肉检测家族（Kvasir/Real-Colon/PolypDB）构成「炎症 vs 赘生」互补。

§3 标注流水线与协议

3.1 三专家共识流水线

LIMUC 的标注协议是一条三专家串并联流水线：

全部 11,276 张图像
        │
        ▼
阶段 1：专家 A、专家 B 独立盲评（MES 0-3，不看他人标签）
        │
        ├── 一致（多数已有）→ 标签定稿
        │
        ▼ 不一致
阶段 2：专家 C 盲评仲裁（不看 A/B 的标签）
        │
        ▼
阶段 3：三人标签多数投票 → 定稿
        │
        └── 三人完全分歧（无多数）→ 剔除

协议要点逐条拆解：

双盲起点：两名专家各自独立评阅，互不可见——消除锚定效应（先看到别人的分再打分会被带偏）。
仲裁者盲评：第三名专家在不知道前两人给出什么标签的前提下仲裁——仲裁者不知道谁是「多数」，避免站队。
多数投票收敛：三人中两人一致即定稿，这保证了每张入库图像至少有两票支持。
完全分歧即剔除：三专家三个答案的图像不进入数据集——这一刀切掉了约 201 张（二手口径），宁可牺牲规模也不保留无共识样本。

按二手口径（MDPI Bioengineering 2025 转述）：双专家不一致、需进入第三专家仲裁的图像达 7,652 张，占最终 11,276 张的约 67.9%；标注者间信度 QWK 0.781。这两个数字官方页与论文摘要均未出现，引用时必须标明二手口径（坑 8）。7,652 这个比例本身就有信息量：MES 的观察者间分歧是常态而非例外——三分之二的图像需要第三票，这正是「为什么不能拿单一医生标签当 ground truth」的实证注脚。

3.2 标注成本推演（基于二手口径的粗估）

把协议换算成人力账（估算仅供理解协议量级，非官方数字）：

双专家全量盲评：11,276 张 × 2 人 = 22,552 人次评阅；
第三专家仲裁：约 7,652 人次评阅（二手口径）；
合计约 30,000 人次专家评阅——按每张 10-30 秒的熟手速度折算约 83-250 专家工时；
加上图像筛选阶段（19,537 张初筛剔除 8,060，二手口径）的额外评阅。

这解释了为什么 UC 分级数据集比息肉检测数据集少得多：息肉可以由通科标注团队在医生抽查下完成，而 MES 每一张都需要胃肠专科医生的独立判断。三专家协议的成本是单专家标注的三倍起，换来的是「每个标签至少两票支持」的质量下限。

3.3 共识标签的两面性

三专家多数投票产生的共识标签带来两个后果：

好的一面：

每个标签至少两票支持，噪声上限被压低；
对监督学习来说，共识标签是可得的最高质量「单一真值」；
QWK 0.781（二手口径）的一致性水平意味着共识标签与任何单个专家的意见高度相关——用它训练不会系统性偏离某位专家的风格。

受限的一面：

单标注者标签不公开——无法计算逐对一致率矩阵、无法研究「哪个专家更严」、无法做多 rater 建模（如 soft label、annotator-aware loss）；
完全分歧样本被丢弃——这些恰是疾病过渡带（如 1 vs 2 之间）的样本，丢弃它们可能让模型学到的决策边界比真实临床更「清晰」；
多数投票抹平了置信度——3:0 一致与 2:1 勉强多数在数据集里看起来一样，但语义置信度天差地别。

使用者若要做标签噪声或证据学习（evidence learning）研究，这层信息缺失是硬约束，写入 cr:RecordSet 的 rai:dataLimitations。

3.4 MES 评分标准（标注的语义锚）

三名专家盲评时依据的 Mayo 内镜评分定义：

MES	名称	内镜表现
0	正常/静止	黏膜正常或愈合期，血管纹理可见，无自发出血，无脆性
1	轻度	血管纹理消失但黏膜尚光滑，轻度红斑/水肿，轻触出血
2	中度	明显红斑、血管纹理消失、黏膜粗糙、糜烂、易出血
3	重度	自发出血、溃疡形成、肠壁明显肿胀

临床语义上，0-1 与 2-3 之间横着治疗决策线（缓解 vs 活动），1 与 2 之间则是最容易产生分歧的过渡带——这与 67.9% 的仲裁率（二手口径）相互印证：大多数分歧并不发生在「0 还是 3」这种极端对比上。

MES 与 UCEIS 的关系：UC 内镜评估的另一套体系 UCEIS（血管纹理、出血、糜烂/溃疡三要素各 0-2 分）比 MES 更细粒度，但 LIMUC 标签只有 MES——用 LIMUC 做的研究无法直接换算成 UCEIS 口径。这一点在向临床期刊投稿时可能被审稿人问及：答法是 LIMUC 提供的是 MES 单一维度的共识标签，UCEIS 三要素标注不在发布物内。

3.5 与库内标注协议的横向对照

数据集	标注人力	分歧处理	共识机制
LIMUC	2 资深胃肠专家 + 1 仲裁	第三专家盲评仲裁	多数投票，全分歧剔除
PANDA-PLUS	学生初注+复核+1 专家终审	终审专家改判	单专家终审定稿
GastroVision	多名内镜医生	—	图像级多数/专家审核
Endoscapes（rid 353）	手术安全视角多结构	—	专家标注+质控

LIMUC 的协议在库内属于「严格档」：全程资深专家（非学生众包）、双盲独立、仲裁盲评、分歧样本主动剔除——代价是 7,652 张图像需要第三轮人力（二手口径）。对要自建内镜标注管线的团队，§3.1 的四步可直接当 SOP 骨架抄；与 PANDA-PLUS 的「学生初注+专家终审」相比，LIMUC 的「专家直注+同行仲裁」成本更高但等级更纯，两者代表了标注流水线设计的光谱两端。

3.6 自建标注管线的协议变体建议

若以 LIMUC 协议为蓝本自建管线，按预算与目标质量有三种变体：

变体	人力配置	分歧处理	适用场景	相对成本
LIMUC 完整版	2 专家盲评 + 1 仲裁	盲评仲裁 + 多数投票，全分歧剔除	要发基准论文/构建公共数据集	3x
双人 + 讨论版	2 专家盲评	分歧者面对面协商定标	内部模型迭代、临床科研	2x
单人 + 抽检版	1 专家全量 + 上级抽检 10%	抽检不一致处复议	原型验证、概念验证	1.2x

三条经验从 LIMUC 实践中提炼：①分歧率会随任务的主观度上升——MES 这类形态学评分的仲裁率（二手口径 67.9%）远高于息肉有无这类存在性判断，预算时按「主观度高→预留仲裁轮」规划；②「全分歧即剔除」的规则要在标注开始前写进协议文档，而不是看到数据后再决定（事后规则=隐性偏差）；③每轮标注的工时与分歧率都应留痕，这些运营数据本身就是论文方法节的素材。

3.7 标注质量的可量化证据与缺口

把「LIMUC 标注质量有多了不起」拆成证据与缺口两栏，避免单向吹捧：

证据（质量正面）	缺口（质量未知）
每张入库图像至少两票支持（多数投票规则的结构性保证）	逐对一致率矩阵不可计算（单标注者标签未公开）
三专家全分歧样本主动剔除（宁缺毋滥的显式规则）	2:1 与 3:0 共识在数据里不可区分（置信度被抹平）
标注者间信度 QWK 0.781（二手口径，第三方转述）	官方从未自己公布一致性数字——质量的官方背书缺失
仲裁流程盲评（仲裁者不知先行标签）	剔除的 201 张全分歧样本的去向与特征未公开
标注全部由资深胃肠专家完成（非众包/学生）	三位专家的资历、专业方向、 Blind 评耗时未披露

两栏对照的结论：LIMUC 的质量承诺主要靠协议结构（规则设计）而非质量度量（数字公示）支撑。这比「无协议」强得多，但比「协议+完整度量」还差一档——后者是未来同类数据集的及格线。

3.8 协议的三条边界情况

使用 LIMUC 标签时，协议没有明说但会实际遇到的三个边界问题：

边界帧的归属：一段黏膜从轻度过渡到中度的画面，两个专家给 1、两个给 2（不存在的三人场合按现有三人规则）——共识规则在「恰好压线」的帧上本质是抛硬币，但这不是缺陷而是任务本性的诚实暴露；你的模型在压线帧上的错误也该被同样宽容地解读。
同一检查内的标签混合：一次肠镜的不同帧可以有不同的 MES（评的是最严重区域，但帧本身各处严重度不同）——不要假设「同一检查的所有帧同标签」，做检查级聚合时应该用最大值或专业医嘱，而非平均值。
0 与 1 的分界依赖血管纹理判读：MES 0/1 的分界（血管纹理可见与否）是全协议里最主观的一条线，恰好这俩类合计占 81.20%——模型在 0/1 边界的错误率预期天然偏高，属于任务固有难度，不是实现 bug。

这三条边界情况都指向同一个使用建议：把 LIMUC 标签理解为「三位专家对一张图的最佳共识」而非「客观真值」，评估时用 QWK 而非严格命中率，与协议的哲学一致。

3.9 四级黏膜的判读要点（标注语义的展开）

把 MES 四级的判读要点按「看什么、怎么分级」展开，帮助非消化科的读者理解标签的视觉语义：

MES 0（静止/正常）的判读：核心特征是血管纹理「清晰可见」——正常黏膜下半透明的血管网呈树枝状走行，透见度是黏膜没有水肿增厚的直接证据。同时无自发出血、无脆性（用活检钳轻触不出血）。这一级在数据集中占 54.14%，图像视觉上最「平淡」，也是模型最容易过拟合多数类的地方。

MES 1（轻度）的判读：关键是血管纹理「消失但黏膜尚光滑」——水肿开始增厚黏膜层，血管网透见度下降直至消失，但表面仍光滑、无溃疡。可能伴轻度红斑（充血）、轻微颗粒感或轻触出血。它与 MES 0 的分界（血管纹理可见与否）相对客观，与 MES 2 的分界（糜烂有无）才是主观性重灾区。

MES 2（中度）的判读：出现「糜烂」是升级信号——黏膜表面完整性被破坏，但尚未形成深溃疡。明显红斑、黏膜粗糙、接触易出血。判断「糜烂 vs 溃疡」的深浅有时依赖经验，这正是 1/2 与 2/3 边界上专家分歧集中的原因。

MES 3（重度）的判读：自发出血（不接触也渗血）与溃疡形成——黏膜结构大范围破坏，肠壁可能明显肿胀、蠕动消失。这一级视觉特征最极端、最不难认（数据集中 7.67%），专家间的分歧率反而最低——观察者间变异主要堆积在中间等级，这是有序分级任务的普遍规律。

判读要点的建模启示：两端等级（0 和 3）特征明确、样本和难度呈「易识别」属性；中间等级（1 和 2）语义模糊、恰是临床决策最敏感的地带。模型评估若按等级拆分看误差分布，误差应集中在 1/2 边界——这不是模型缺陷，而是任务本身的主观性地形图。

3.10 标注工具与质控的现实约束

LIMUC 官方未公开标注工具链（用什么标注平台、是否双人背靠背同一平台、质控抽查比例），这是发布物元数据缺口的组成部分（§8.8 清单）。从协议描述可推断的约束：

标注必须支持「图像队列 + 隐藏标签 + 独立会话」的工作流，才能实现双盲；
7,652 张（二手口径）分歧图像的仲裁轮意味着工具需支持「分歧子集」的二次分发；
多数投票是人工或脚本化的后处理，与标注平台无关。

对自建管线的团队，这三条推断给出工具选型的最低要求：会话隔离、子集再分发、投票后处理。市面上的医学标注平台（如各类 DICOM/内镜标注系统）大多支持，难点不在工具而在纪律——工具可以强制会话隔离，但无法阻止标注者在休息室里互相讨论昨天那张图。物理隔离是盲评协议里最原始也最不可替代的一环。

3.11 标注质量的经济学：一分钱一分货的量化版

把 §3.2 的成本推演再向前推一步，算「每单位质量的标注成本」：

单专家标注：11,276 人次评阅，成本 1×，但无一致性背书、无分歧处理——标签质量未知；
双专家一致即定稿（无仲裁）：22,552 人次，成本 2×，一致者可信、不一致者无处安放（要么丢弃约三分之二样本，要么强行归类）；
双盲+仲裁+投票（LIMUC）：约 30,000 人次，成本 2.7×，全量样本有「至少两票支持」的质量下限，一致性可量化，仅损失 1% 无法定稿样本。

LIMUC 选了最贵的第三档。多花的 0.7× 成本买到的是：约 65% 的样本从「单票」升级为「双票支持」、约三分之一可能被简单丢弃的样本得以保留、以及一个可写进论文的一致性数字。对数据集的长生命周期而言，这笔一次性投入的摊销极薄——而标签质量的缺陷一旦发布就无法回收。这是「数据集经济学」的核心不等式：标注侧多花的钱永远小于发布后返工的代价。

3.12 标注协议的四种失效模式

LIMUC 的协议是「成功样板」，但协议在实践中有四种典型失效模式——理解失效模式才能理解协议设计为什么长这样：

锚定失效：第二位标注者看到了第一位的标签（工具没做隔离，或图省事口头沟通）→ 分歧被系统性低估，kappa 虚高。LIMUC 的双盲起点即为堵此；
权威失效：仲裁轮里高年资医生的意见实际压倒规则（「听主任的」）→ 投票机制名存实亡。LIMUC 的匿名多数投票（不看先验标签、每人一票）即为堵此；
漂移失效：标注周期拉长后，标注者对判据的记忆和执行发生漂移（前三个月的「轻度」和后三个月的「轻度」标准不同）→ 一致性随时间退化。LIMUC 八年采集窗下同样暴露于此风险，官方未披露漂移控制手段（如周期性校准会）——这是协议透明度的又一个已知缺口；
幸存者失效：无法定稿的样本被悄悄丢弃且不披露 → 数据集的分布悄然偏移（过渡带样本减少），使用者却以为主观性不存在。LIMUC 公示了 201 张剔除（二手口径），是四类失效中处理得最透明的一类。

四种失效共同的防线是「协议书面化 + 过程留痕 + 数字公开」——三者都便宜，缺的通常是意愿而非资源。

3.13 评估他人标注协议的四问检查表

读任何医学图像数据集的标注章节时，四个问题足以快速定位其协议等级：

几人标？ 一人 = 无协议；多人 = 有协议雏形；
盲了吗？ 独立盲评是协议有效性的最低门槛——「复核」不等于「盲评」；
分歧怎么办？ 无机制 = 分歧被掩盖；仲裁 = 中级；盲评仲裁+投票 = 高级（LIMUC 形态）；
一致性多少？ 无数字 = 质量未知；有数字且分任务报告 = 可审计。

四问全过（如 LIMUC）的数据集，标签可以当「可信基线」使用；四问缺二以上的数据集，标签只能当「参考信号」，模型评估结论要打折扣。这套检查表也适用于本库其他条目的标注章节——它是从 LIMUC（正例）与大量无协议数据集（反例）的对比中提炼的通用工具。

3.14 协议适配：从 MES 四分类推广到其他量表

LIMUC 协议的原始设计服务于「四级有序量表 + 帧级标签」。推广到其他任务形态时的适配要点：

更多等级（如 DR 五级、SES-CD 更细分级）：投票机制不变，仲裁轮成本随分歧率上升——等级越多、边界越模糊，仲裁轮越贵。预算按「全量的 60-80% 进仲裁」预估；
多标签（一帧多个发现）：多数投票需按标签逐项进行，一致性按标签分别报告——协议复杂度翻倍，建议第一版先做单标签主干任务；
分割/框标注：投票被替换为「轮廓一致性」度量（IoU/Dice 阈值），仲裁轮改为「轮廓合并+人工裁决」——LIMUC 的盲评原则不变，收敛机制变形；
视频时序标签：帧级独立标注会丢失时序上下文，需引入片段级标注单元——患者级划分升级为「检查级+患者级」双重隔离。

适配的核心原则不变：**独立性（盲评）、收敛机制（投票/合并）、透明度（数字公开）**三要素以任务适配的形式保留。这也是本条目把标注协议单独立章（§3）的动机——协议的可迁移性比数据本身更强。

§4 建模方法与官方基准

4.1 论文的三线任务矩阵

主论文（izac226）把 UC 严重度估计拆成三条技术路线并在同一数据上对照：

路线	任务形式	监督信号	评估指标
四分类	MES 0/1/2/3 互斥类别	softmax 交叉熵	QWK、macro F1
缓解分类	Mayo 0-1（缓解）vs 2-3（活动）	二值交叉熵	kappa、F1
回归式建模	MES 当连续值回归输出	回归损失，四舍五入/阈值化回等级	QWK、macro F1

回归式建模是论文标题里的核心主张：既然 MES 本质是有序等级，把「0 与 1 相邻、0 与 3 遥远」的几何结构喂给模型，理论上比互斥 softmax 更贴合任务本质。缓解二分类则是临床视角的降维——治疗决策只看缓解/活动两分界，这条线上的准确率有直接的临床转译价值。

三线共用同一批图像与同一套划分，差别只在标签的读法：MES 0-3 原值同时充当四分类的类号、缓解二分类的分组依据（0-1 归缓解、2-3 归活动）与回归的连续目标。这意味着三条路线的成绩差异可以完全归因于「建模方式」而非「数据不同」——是方法论文里少见的干净对照。

4.2 模型阵容与实验协议

模型：5 种 SOTA CNN（含 ResNet18；论文在付费墙内，完整清单见遗留疑点）。
协议：官方 10 折交叉验证（训练+验证），外加固定 test_set 终评。
指标：主指标 QWK（quadratic weighted kappa），辅以 macro F1；缓解分类用 kappa + F1。
结论（摘要口径）：五个分类式 CNN 与专家标注的 kappa 一致性均较高；回归式建模使多数模型取得统计显著的提升，且跨折性能偏差更小（更稳健）。

摘要只给方向不给数字——各模型具体 QWK/F1 数值在牛津大学出版社付费墙内，PubMed eutils 的摘要记录亦无数字。本条目不编造数值，列入遗留疑点；需要精确数字的读者请通过机构订阅获取原文（PMID 36382800）。

「跨折偏差更小」这一半结论常被引用者忽略，但它对工程落地同样重要：一个平均分高但折间震荡大的模型，意味着它对「哪些患者碰巧进了训练集」敏感——在真实部署里这种敏感性会转化为跨中心部署的不稳定。回归式建模的收益是双面的：均值抬升的同时方差收窄。

4.2A 训练配置口径对照（官方与第三方）

准备在 LIMUC 上训练时，各配置维度的口径地图：

配置项	官方/论文口径	第三方常见做法	建议
输入尺寸	352×288（发布原样）	再缩放 224×224（MDPI 2025）	复现论文用原样；新方法可自选但须声明
预训练	未在摘要披露（付费墙内）	ImageNet（MDPI）或 MoCo-v3（Pyatha）	至少 ImageNet；自监督迁移可提分但口径要标
划分	官方 10 折 CV + 固定 test_set	80/20 随机（MDPI，有泄漏风险）	永远官方口径
主指标	QWK	accuracy（Pyatha 等）	永远 QWK 为主
增强	未在摘要披露	翻转/旋转/尺度/亮度至每类约 5,000（theSAI）	增强仅用于训练集；测试集保持原样并声明
环境	environment.yml（官方仓库，5,683 B）	自配（RTX 4090 等）	复现优先用官方 environment.yml

此表的用途是「审计他人论文」与「声明自家配置」双用：写论文时把你的每一项选择对着这张表声明一遍，审稿人关于口径的追问可以预防性消灭大半。

4.3 为什么回归式能赢：有序分类的两个常识

论文的结论在方法学上有清晰的因果链：

误差有代价结构：四分类交叉熵把 (0→1) 误判与 (0→3) 误判等价惩罚，但临床上前者是「同一治疗强度内的手抖」，后者是「从观察升级到生物制剂」。有序结构丢弃了这些信息。
类别不平衡放大了这个问题：MES 0 占 54.14%，交叉熵训练天然偏向多数类；回归式把预测「压」在真实值附近，即使错过也只是邻级，QWK 上的损失远小于跨级飞跳。

姊妹论文（MIUA 2022，DOI 10.1007/978-3-031-12053-4_12）给出另一条实现路径：类距离加权交叉熵（class distance weighted cross-entropy）——保持分类形式，但按预测类与真实类在序数轴上的距离加权损失，错得越远罚得越重。两条路线（回归式 vs 距离加权分类）在 LIMUC 上形成了处理有序性的方法学对照组，后来被多篇第三方论文沿用。

4.4 有序分类方法谱系：LIMUC 在其中的坐标

把「标签有序时怎么建模」的已知选项摆开，LIMUC 论文占了其中两格：

方法族	思路	代表	LIMUC 官方覆盖
朴素分类	无视有序性，softmax 互斥	标准 CNN 分类	对照组（被超越的基线）
回归式	等级当连续值，回归后阈值化	论文主线方法	✅ 主张核心
距离加权损失	保持分类形式，损失按序数距离加权	MIUA 2022 姊妹论文	✅ 姊妹篇
二元序数分解	K-1 个「是否 ≥k」二分类器	Frank & Hall 序数回归	❌ 未覆盖（可自行尝试）
软标签/分布输出	输出等级上的离散分布而非 one-hot	label smoothing 序数变体	❌ 未覆盖（共识标签抹平置信度，做不了）

两个「未覆盖」格子里，二元序数分解可在现有数据上直接复现（标签派生即可）；软标签路线则被 §3.3 指出的「共识标签抹平置信度」卡住——这正是数据与方法互相约束的具体案例。对方法研究者，LIMUC 的价值在于它同时提供了「有序性显著有用」的实证场景与「哪些方法因数据形态做不了」的边界样本。

4.5 官方代码仓库与可复现性

GitHub 官方仓库 GorkemP/labeled-images-for-ulcerative-colitis（MIT 许可）经 GitHub API 实抓（2026-10-03）结构如下：

路径	类型	大小	用途
environment.yml	文件	5,683 B	conda 环境定义
train_classification_model.py	文件	11,142 B	四分类/缓解分类训练（单折）
train_classification_model_CV.py	文件	17,496 B	分类式 10 折 CV 训练
train_regression_model.py	文件	11,304 B	回归式训练（单折）
train_regression_model_CV.py	文件	17,683 B	回归式 10 折 CV 训练
inference_classification_based_model.py	文件	5,544 B	分类式推理
inference_regression_based_model.py	文件	3,763 B	回归式推理
cross_validation_folds_train_val_info/	目录	—	10 折划分信息（随仓库直接发布）
utils/loss.py	文件	1,901 B	损失实现（含距离加权损失）
utils/metrics.py	文件	672 B	指标实现（QWK 等）
utils/provider.py	文件	41,387 B	数据加载器

仓库布局与论文任务矩阵一一对应：分类式与回归式各配单折训练 + CV 训练 + 推理三件套，10 折划分信息直接随仓库发布而非由脚本生成——「划分即发布物」的做法把复现协议的歧义压到最低。

可复现性评级：协议级可复现（划分/指标/代码全可得），数字级不可复现（论文基线数值付费墙内，无法免费核对）。对工程团队，实际操作是：用官方划分训练自己的模型，把 QWK 与第三方论文转述的数字对照（§5），而非与原文直接对照。

最小复现步骤骨架（四步走通官方口径）：

1. conda env create -f environment.yml && conda activate <env_name>
2. 解压 train_and_validation_sets.zip（或 patient_based 包自行按患者分组）
3. 复现论文 CV：
   python train_classification_model_CV.py   # 分类式 10 折
   python train_regression_model_CV.py       # 回归式 10 折（对照论文主线）
4. 终评固定测试集：
   用 test_set.zip + 对应 inference 脚本出分（QWK 为主指标）

注意两点：脚本的具体参数以仓库 README 与代码内 argparse 为准（本条目只记录文件名与用途，不转述参数默认值——那是可以随版本漂移的细节）；若复现数字与第三方论文对不上，先回到 §4.6 三条铁律与 §5.2 口径表找口径差，再怀疑实现。

4.6 官方评估协议的三条铁律

METU 官方（作者实验室 ATEMIZEL 数据集页）与官方仓库共同确立的评估纪律：

QWK 为主指标：类别不平衡 + 有序性双重理由（§1 Q8）；MAE、macro F1、macro accuracy 为辅。
固定 test_set 报告：任何声称「在 LIMUC 上评测」的性能，必须用官方 test_set.zip；自切 test 的数字与官方协议不可比。
患者级划分：不许随机打乱图像——官方 10 折划分已按患者组织，绕过它等于接受数据泄漏。

这三条铁律同时是审稿人与读者的核查清单：一篇 LIMUC 论文若三者缺一（用 accuracy 当主指标/自切 test/随机划分），其数字应自动降级处理。§5.1 的第三方研究里，这三条各有违反案例——它们不是理论洁癖，而是已经有实证后果的纪律。

§5 评估生态与后续研究

5.1 第三方实测图谱（均为二手转述）

LIMUC 发布后形成了「引用即基准」的社区自评模式（无官方 leaderboard）。主要第三方结果：

Pyatha et al. 2023（ViT 路线）：

ViT（MoCo-v3 自监督预训练）：accuracy 75.0%；
ResNet50（MoCo-v3）：accuracy 66.9%；
注意：该文用 accuracy 而非 QWK 为主指标——按 §4.6 铁律，数字横向可比性打折。MoCo-v3 预训练的含义是「先在大规模无标注图像上学通用特征，再在 LIMUC 微调」，其成绩应理解为「自监督迁移在该任务上的贡献」，与从头训练的官方基线不是同一起跑线。

MDPI Bioengineering 12(4):413（2025，全家桶对照）：

DenseNet/EfficientNet/MobileNetV2/ResNet/VGG/ViT 全家族在 LIMUC 上对比；
实验设置：ImageNet 预训练、80/20 划分、RTX 4090、300 epochs、输入重缩放 224×224；
该文同时转述了 LIMUC 的漏斗数字与设备型号（19,537/8,060/7,652/QWK 0.781/Pentax EPK-i+EC-380LKp/352×288）——本条目所有二手口径均追到此文；
注意：80/20 划分非官方 10 折协议，且未明示是否患者级——引用其数字须注明口径差异。300 epochs 的高轮次在不平衡数据上也值得警惕：多数类被反复学习，少数类可能过拟合。

theSAI Journals 2025 两篇：

一篇 ViT 分类框架；
一篇 MobileNetV3Large + Bi-GRU + Bi-LSTM 混合架构；
两篇均做数据增强把各类扩到约 5,000 张（翻转/旋转/尺度/亮度）——这是第三方论文自行增强，官方发布物不含任何增强数据。读到这里如果发现「怎么训练集变成 2 万张」，就是增强的产物，不是数据集本体。

5.2 口径对照表（第三方数字防混用）

数字	出处	口径	与官方协议的关系
ViT accuracy 75.0%	Pyatha 2023	accuracy 主指标	非 QWK 口径，降级引用
ResNet50 accuracy 66.9%	Pyatha 2023	accuracy 主指标 + MoCo-v3 迁移	双重口径偏差
全家族对照	MDPI Bioeng 2025	80/20 划分、224×224、300ep	非 10 折协议
各类扩到 ~5,000	theSAI 2025	自行增强	增强数据非官方发布物
QWK 0.781（标注信度）	MDPI 转述	标注者间信度	官方未确认，二手口径
论文基线 QWK/F1	izac226 正文	官方协议	付费墙内，条目不转录

规则：凡在本条目引用的第三方性能数字，一律注明「二手转述+口径偏差」；官方摘要方向性结论（回归式显著提升、更稳）与第三方具体数字分列，绝不合并成一张看似官方的表（坑 8 的延伸纪律）。

5.3 引用 LIMUC 的第三方研究共同缺陷清单

把 §5.1 三组研究的问题归并成一张核查单，读任何新 LIMUC 论文时逐条过：

指标错位：主报 accuracy 或未加权 kappa，回避 QWK（Pyatha 2023）；
划分自造：80/20 随机切分替代官方 10 折+test_set（MDPI 2025），且不写明患者级与否；
增强混淆：把自行增强后的规模写成数据集规模（theSAI 2025 的「各类约 5,000 张」）；
二手循环：把 MDPI 转述的漏斗/设备数字再转引，转述链越拉越长而源头无人回查；
对照缺失：只报自家模型分数，不引官方「回归式优于分类式」的基线结论，读者无法判断其相对位置。

这五条本身不是 LIMUC 的缺陷，而是「无 leaderboard 数据集」生态的通病——LIMUC 官方通过发布划分与脚本已经把可防御的部分全部设防（§4.6），剩下的靠引用者的纪律。

评测报告最小模板（引用 LIMUC 时的自查表，写进自家论文实验节）：

[ ] 划分声明：官方 10 折 CV（cross_validation_folds_train_val_info）+ 官方 test_set
[ ] 患者级声明：训练/验证/测试无同患者图像跨集
[ ] 指标声明：主指标 QWK（二次加权），辅 macro F1 / MAE / accuracy
[ ] 输入口径声明：352×288 原样 / 再缩放目标尺寸（注明）
[ ] 预训练声明：从头 / ImageNet / 自监督（注明预训练语料）
[ ] 增强声明：训练侧增强清单；测试侧无增强
[ ] 基线对照：至少对照「同骨干朴素分类式」以隔离有序建模的增益
[ ] 引用完整：主论文 izac226 + 姊妹篇 MIUA 2022 + Zenodo BibTeX 三件齐

5.4 生态位的两句话总结

对病种：UC 内镜 AI 的起点数据集——库内唯一 UC 专用条目，与息肉检测系（Kvasir 家族、Real-Colon）构成「炎症 vs 赘生」互补。
对方法：有序分类与标签噪声研究的标准试题——三专家共识标签 + 67.9% 仲裁率（二手口径）使它天然适合「有序回归 vs 朴素分类」「共识标签 vs 单 rater 标签」的方法对照。

5.5 协议对齐的技术细节：哪些能对齐，哪些不能

第三方研究想与官方协议对齐时，会撞上三堵墙和三扇门。先说门（能对齐的部分）：

划分对齐：官方 10 折划分信息随仓库 cross_validation_folds_train_val_info/ 目录发布，配合生成脚本可逐折重建——划分对齐零门槛；
测试集对齐：test_set.zip 就是那把公尺，直接下载即可；
指标对齐：QWK 的实现有成熟库支持（sklearn 的 cohen_kappa_score 配 quadratic 权重矩阵即可），官方仓库也自带 metrics 实现。

再说墙（难以对齐的部分）：

基线数字墙：论文各模型的 QWK/F1 在付费墙内，第三方无法免费核对自家实现是否与官方基线同水平——只能与第三方论文互相对照，而后者口径各异（§5.2）；
预处理墙：官方论文的预处理细节（是否做色彩归一化、是否按检查聚合帧）未完整公开，复现者各自发挥，成为无形方差；
增强墙：第三方自行增强后的「平衡版 LIMUC」与原始分布的成绩语义不同，但增强细节（系数、策略组合）各文不一，无法逆向还原。

实用结论：与官方协议对齐的性价比极高（三扇门全是现成工具），撞墙的部分（基线数字）通过「训练自己的基线并完整报告协议」来绕过——这正是官方发布全套脚手架的意图：让每个团队自己造基准，而不是追逐别人论文里的数字。

5.6 无 Leaderboard 的排行榜：社区自评如何维持秩序

LIMUC 没有官方 leaderboard，但生态并未因此失序——靠的是三重替代机制：

协议锚定：官方 test_set + 10 折划分是物理存在的「公共考场」，任何人都可以把成绩对到同一张卷子上；
脚本公信：划分与训练脚本由数据集作者维护，后来者复用即是表态「遵守官方协议」；
引用网络纠偏：当某篇论文的口径偏差（如 accuracy 主指标）明显时，后续论文会在 related work 中指出——同行评审以慢动作执行着 leaderboard 管理员的职能。

这个「无榜之榜」的模式的软肋是执行漂移（§5.3 缺陷清单）：协议写在纸上，违反没有即时惩罚。对检索者的启示：LIMUC 相关论文的成绩数字可信度分层明显——「官方划分+QWK+患者级」三全的论文可信度最高，缺任何一项都需要检查其协议声明章节。

5.7 方法论结论的可迁移性检验

LIMUC 论文「回归式优于分类式」的结论，放到其他有序分级任务上是否成立？把可迁移性拆成三个条件：

标签有序且类间距离有语义：成立时回归式收益最大——MES、DR 分期、放射学分级都满足；纯名义分类（如器官类型）不适用；
标签一致性足够高：共识标签的 QWK 越高，有序结构越可信，回归式越能学到真实距离；标签噪声大时，距离结构被噪声淹没，回归式优势消失——LIMUC 的 0.781（二手口径）恰好处于「足够高」区间；
类别不平衡不极端：轻微到中度不平衡下回归式稳健；极端不平衡（如 99:1）时任何建模方式的评估都被多数类支配，先解决评估再谈建模。

三条全满足的场景里，回归式值得作为默认基线之一试跑——成本一小时的对照实验，收益可能是一个 QWK 点加跨折稳定性。三条不满足时，先修数据再谈方法：这正是 LIMUC 案例教学价值的精髓——它的结论不是「回归式永远更好」，而是「在标签质量与协议纪律到位的前提下，尊重标签结构的方法获胜」。

5.8 从单篇论文到一个方法学社区

把 LIMUC 相关工作按时间排开，能看到一个小型方法学社区的自组织过程：

2022：官方论文立论（回归式+协议），姊妹论文补损失设计——「内核」成型；
2023：ViT 等新架构进场试水（Pyatha 等）——「边界测试」：新架构在老任务上是否仍占优（答案：不明显，小数据归纳偏置仍值钱）；
2025：全家族系统对照（MDPI 2025）、序列混合架构（theSAI）——「地图绘制」：把可行解空间铺开；
持续：每篇新论文都在引用官方划分与 test_set——「秩序维持」。

这个社区的健康度指标有两个：一是官方协议的引用率（越高越好，说明大家用同一张卷子），二是口径偏差的检出现频率（§5.3 清单的持续存在说明执行仍有缺口）。对想进入这个社区的新团队：先读官方仓库 README 与本条目 §4.6，再动手写代码——入场券是协议认同，不是 GPU。

5.9 分场景的成绩报告模板

不同发表场景下，LIMUC 成绩报告的合规模板（直接套用）：

场景 A：与官方基线对话（方法论文）

我们在 LIMUC（Zenodo record 5827695, v1）上遵循官方协议：患者级 10 折交叉验证（划分信息取自官方仓库 cross_validation_folds_train_val_info）+ 官方 test_set 终评。主指标 QWK，辅 macro F1。我们复现的分类式基线与回归式基线分别为 X.X 与 X.X（10 折均值±标准差），论文报告的方向性结论（回归式显著提升且跨折更稳）在我们的实现中得到/未能复现。

场景 B：新增模型对比（架构论文）

为与既有工作可比，我们使用官方 test_set 报告成绩；训练划分使用官方 10 折中的第 k 折（或全部 10 折取均值）。未使用任何测试集增强。因论文基线数值在付费墙内，我们以自训 ResNet18 分类式基线（QWK = X.X）为内部参照。

场景 C：临床应用导向（医学期刊）

模型在官方固定测试集上的缓解判定（MES 0-1 vs 2-3）kappa 为 X.X；按等级拆分的误差分布显示误判集中于相邻等级（1↔2），跨两级以上的误判占 X%。单中心训练的局限在讨论章节声明。

三个模板共同的骨架：版本写死、划分写死、指标写死、与官方结论的关系写死。审稿人对 LIMUC 论文最常见的质疑全部落在骨架四处——提前写死就是提前免疫。

5.10 复现性声明的写作指南

LIMUC 的「协议级可复现、数字级不可复现」状态（§4.5）对使用者的写作有直接要求——一份合格的复现性声明应包含五要素：

数据版本：record 5827695, version 1（写概念 DOI 而非版本 DOI 的，加注抓取日期）；
划分来源：官方 10 折 / 自定义患者级划分（附参数）——「随机划分」四个字不应出现；
预处理清单：缩放目标、归一化方式、是否按检查聚合——官方未规定的部分如实声明为自己的选择；
指标实现：QWK 的实现库与权重矩阵设置（不同实现的边界行为偶有差异）；
随机性控制：种子、折间方差、显著性检验方式——10 折协议的意义就是让方差可估计，只报均值等于白做。

五要素的长度不超过论文半页，却能把你和 §5.3 缺陷清单里的绝大多数论文区分开。LIMUC 社区目前执行这五要素的论文仍是少数——这既是问题，也是机会：协议纪律是低成本的论文竞争力。

§6 获取与许可

6.1 获取路径：一条直链走到底

需求是什么？
├── 要图像+官方划分（最常见）
│   └── Zenodo records/5827695 → 三个 zip 直链下载（免登录、无申请）
│       ├── train_and_validation_sets.zip（1.64 GB，10 折训练+验证）
│       ├── test_set.zip（287 MB，固定测试集）
│       └── patient_based_classified_images.zip（1.93 GB，按患者全量）
├── 要代码/划分脚本
│   └── GitHub GorkemP/labeled-images-for-ulcerative-colitis（MIT）
│       ├── environment.yml（环境）
│       ├── train_{classification,regression}_model(_CV).py（训练）
│       ├── inference_{classification,regression}_based_model.py（推理）
│       ├── cross_validation_folds_train_val_info/（10 折划分信息）
│       └── utils/{loss,metrics,provider}.py（损失/指标/加载器）
├── 要引用元数据/BibTeX
│   └── Zenodo 页 BibTeX 导出（gorkem_polat_2022_5827695）
└── 有许可/用途问题
    └── polatgorkem@gmail.com（Zenodo Terms 原文披露的咨询邮箱）

无注册、无 gated、无数据使用协议签署——CC BY-4.0 数据集里「点击即得」的爽快档。版本链：概念 DOI 10.5281/zenodo.5827694 → 版本 DOI 10.5281/zenodo.5827695（v1，2022-03-14 发布）；截至本条目抓取时点（2026-10-03）未检索到 v2，v1 为唯一版本。

Zenodo 直链的构造方式：https://zenodo.org/records/5827695 页面逐文件下载，或用 Zenodo API（https://zenodo.org/api/records/5827695）解析 files 数组拿到每个文件的直链与校验值后脚本化下载。API 返回的 key/size/checksum 字段即 §2.2 校验 SOP 的数据源。

6.2 许可三层：数据/代码/论文

资产	许可	要点
数据集（图像+标签）	CC BY-4.0	允许商用与衍生，须署名（引用论文+数据集 BibTeX）
官方代码仓库	MIT	可自由使用、修改、闭源再分发，保留版权声明
论文本体	OUP 版权（All rights reserved）	非开放获取；引用观点无碍，全文转发受版权约束

两个易踩的坑：

MIT 徽标误导（坑 5）：GitHub 仓库页顶 License 徽标只显示 MIT——那是代码的许可。数据集本体在 Zenodo 上是 CC BY-4.0。两者并存且不同，写论文致谢或产品合规文档时分开引用。
「数据开放 ≠ 论文开放」：数据 CC BY-4.0，但发表数据的主论文由牛津大学出版社代表 Crohn’s & Colitis Foundation 出版、版权行 All rights reserved。想核对论文正文数字（如各模型 QWK）需要机构订阅或付费下载（PMID 36382800，DOI 10.1093/ibd/izac226）。

CC BY-4.0 署名的最小合规格式（数据集场景）：

数据：Polat, G., Kani, H. T., Ergenc, I., Ozen Alahdab, Y., Temizel, A., & Atug, O. (2022).
      Labeled Images for Ulcerative Colitis (LIMUC) Dataset. Zenodo.
      https://doi.org/10.5281/zenodo.5827695 （CC BY-4.0）
论文：Polat, G., et al. Improving the Computer-Aided Estimation of Ulcerative Colitis
      Severity According to Mayo Endoscopic Score by Using Regression-Based Deep
      Learning. Inflammatory Bowel Diseases, 29(9), 1431-1439.
      https://doi.org/10.1093/ibd/izac226
代码：github.com/GorkemP/labeled-images-for-ulcerative-colitis（MIT）

CC BY-4.0 相比 NC 系许可的务实优势：产品团队无须担心「非商用」边界的解释争议，只要署名到位，训练商业模型、把模型嵌入产品都在许可射程内——这在库内内镜数据集里属于宽松档（对照 GastroVision 的 CC BY-NC 4.0）。

6.3 HF 占位仓库警示（坑 4 详述）

HuggingFace 上存在 GorkemPolat/LIMUC（作者同名账号，2023-05-17 创建），经 hf-mirror.com 实抓：仓库内容仅 .gitattributes + 3 行 README（license 声明 cc-by-4.0），没有任何数据文件。它是作者注册占位而非数据镜像。后果与对策：

在 HF 生态里 load_dataset("GorkemPolat/LIMUC") 会失败或空载；
检索引擎（HF datasets 搜索、Google）会把这个空仓库与 Zenodo 正主并列——以 Zenodo records/5827695 为唯一有效数据源；
若未来作者补传数据，应以仓库 card 的实际文件列表为准，本条目存照时点为「空占位」。

确需 HF 生态载体（如做 datasets 流水线）的团队，可在本地把 BMP 转 Parquet 自建私有镜像——但对外发布派生载体时注意：CC BY-4.0 允许再分发，署名义务随数据走（附 §6.2 的引用块即可），标签与划分必须原样携带、不得静默改写。

6.4 引用义务清单

官方要求使用时同时引用三件：

主论文：Polat G, Kani HT, Ergenc I, Ozen Alahdab Y, Temizel A, Atug O. Improving the Computer-Aided Estimation of Ulcerative Colitis Severity According to Mayo Endoscopic Score by Using Regression-Based Deep Learning. Inflammatory Bowel Diseases. doi:10.1093/ibd/izac226（在线 2022-11 / 卷期 2023 Sep 1;29(9):1431-1439，双口径，坑 3）。
姊妹论文：Polat G, Ergenc I, Kani HT, Alahdab YO, Atug O, Temizel A. Class Distance Weighted Cross-Entropy Loss for Ulcerative Colitis Severity Estimation. MIUA 2022, Springer, pp.157-171, doi:10.1007/978-3-031-12053-4_12。
数据集 BibTeX：gorkem_polat_2022_5827695（Zenodo 导出，指向版本 DOI 10.5281/zenodo.5827695）。

三件的分工：主论文给任务定义与官方结论；姊妹论文给有序损失的设计细节；数据集 BibTeX 给数据本身的可引用锚点。审稿人若发现只引其一，常见追问就是「其余两件为何缺席」——一次引全可以省一轮修回。

6.5 获取的边界情况与冷知识

Zenodo 概念 DOI 与版本 DOI 的差别：引用数据用版本 DOI（5827695，指向 v1 冻结态）；概念 DOI（5827694）会在未来出新版时自动指向最新版——需要「永远最新」的自动化管线用概念 DOI，需要「论文可复现」的引用用版本 DOI。
文件直链的构造：Zenodo API 的 files 数组给出每个 zip 的 self 链接与 checksum；脚本化下载用 API 而非爬页面，checksum 直接进 §2.2 的校验 SOP。
请求体量超限：单日大批量下载可能触发 Zenodo 限流——三包共 3.85 GB 属正常体量，但自动化镜像时请加退避重试，尊重公共服务。
联系作者的正确姿势：polatgorkem@gmail.com 是 Zenodo Terms 披露的正式咨询渠道；邮件写清用途、机构、具体问题，附上你已读过论文与 README 的证据（比如不再问「数据在哪里下」）能显著提高回复率。

§7 生态与影响

7.1 收录与传播路径

openmedlab/Awesome-Medical-Dataset：中文社区主要的医学数据集名录之一，收录 LIMUC（沿袭了官方页 27.70% 的 MES 1 百分比笔误，坑 2 传播链实证）。
METU ATEMIZEL 实验室数据集页：作者团队官方展示页（blog.metu.edu.tr/atemizel），存在两处笔误——LIMUC 误拼 LUMIC、compromises 应为 comprises 级别的文字错误（坑 1）。官方页有笔误不罕见，但拼写笔误恰发生在数据集名上，对检索生态的伤害最大：搜 LUMIC 的人会找不到 Zenodo 正主。
HuggingFace：空占位仓库（§6.3）。

三条传播路径各有一个「失真点」（百分比笔误/名字拼错/空仓库）——这不是 LIMUC 独有的命运，而是所有「官方页维护不勤的数据集」的共同生态：二手转录层在补位，也在变形。本条目的应对是把失真点逐一存照（§10），让后来者有一张免踩坑地图。

7.2 同机构产品线

Marmara（采数）× METU（算法）的协作模式在作者团队有延续：LIMUC 是其唯一消化内镜数据集，其余产品线在呼吸（如 BreathBase 类项目）与神经科学方向（METU Neuroscience and Neurotechnology Center of Excellence）。第一作者 Gorkem Polat 的学术轨迹横跨两机构，佐证了「临床团队供数、计算机团队造方法」的土耳其双校模式。

这种「临床+算法双机构」的署名结构对数据集的长期维护有直接含义：数据问题（标签争议、划分疑问）找临床侧（Marmara），代码问题（环境、脚本）找算法侧（METU/ATEMIZEL）——咨询邮箱 polatgorkem@gmail.com 恰好是横跨两边的第一作者。

7.3 引用面与影响力口径

主论文 PMID 36382800；双口径年份（在线 2022-11 vs 卷期 2023-09）使不同数据库显示不同年份，统计引用时需按 DOI 聚合而非按年份。
无官方 leaderboard、无挑战赛、无 Kaggle 竞赛——LIMUC 的生态是纯学术引用驱动，这与 Kvasir 家族（有挑战赛催化）形成对照。
第三方使用集中在两个方向：有序/不平衡分类方法验证（ML 会议风格）与 UC 辅助诊断应用（医学信息学期刊风格）。

「无挑战赛」的另一面是没有同台激励：Kvasir 系数据集因竞赛获得了跨团队的同协议横向比较，而 LIMUC 的横向比较全靠各家自觉遵守官方协议（§5.3 的共同缺陷清单说明了自觉的成色）。从这个意义上说，LIMUC 把「协议公平性」的设计做得很好，但「协议执行的外部监督」是生态缺口。

7.4 临床转译的边界

LIMUC 图像级标签面对的真实临床场景是「整段肠镜检查的活动度综合判断」（Mayo 总分还需结合临床量表 Mayo Score = 内镜 + 医生整体评估）。图像级 MES 0-3 是「最严重区域」的判读，不是全肠道评价——把它当「UC 辅助诊断系统」的宣传口径时要注意：它辅助的是内镜下严重度分级这一个环节，不是 UC 诊断（诊断还需结合病理与临床）。

向临床合作方介绍时的三句话定位：①它教机器读「这一帧黏膜像几度」；②临床上「几度」的连续读数可以辅助医生缩短判读时间、统一分级尺度；③它不回答「这个患者该用什么药」——那是综合评分与指南的事。把定位说清，能挡掉大部分「AI 误诊」类舆论风险。

7.5 失败使用模式：三种把 LIMUC 用砸的方式

从 §5.3 共同缺陷清单反推，落到实践层面就是三种失败姿势：

把跨集泄漏当成绩：图像级随机划分跑出高 accuracy 就写论文——审稿人一句「patient-level？」就能击穿；即使侥幸发表，模型上临床第一天就会暴露泛化幻象。
把增强数据当数据集：报告「训练集 20,000 张」却不说其中五分之四是增强产物——读者按 20,000 去理解数据分布，全部先验都错了。
把转述数字当官方数字：引用「官方 QWK 0.781」（实为第三方转述的标注信度，且非模型性能）——把标注者间信度与模型-专家一致性混为一谈，是概念级错误。

三种失败模式的共同解药是本条目 §2.2、§4.6、§5.2 三张表——下载校验、协议铁律、口径对照，各挡一种。

7.6 与挑战赛系数据集的生态对照

把 LIMUC（无挑战赛）与 Kvasir 家族（有挑战赛）放在一起，能看到两种数据集生态的形状差异：

维度	LIMUC（引用驱动型）	Kvasir 家族（挑战赛驱动型）
催化机制	方法论文+官方协议	竞赛排行榜+奖品
参与者画像	学术团队，稳定小圈	竞赛选手，峰值流量
成绩可比性	靠自觉遵守协议（§5.3 有漂移）	靠排行榜强制同协议
数据集迭代	v1 冻结不动	版本演进（Kvasir-SEG v1/v2 等）
长尾效应	引用曲线平缓长尾	赛后热度快速衰减

两种生态没有优劣，只有适配：LIMUC 形态适合「任务定义清晰、标注昂贵、社区不大」的专科方向；挑战赛形态适合「标注相对便宜、需要快速聚集注意力」的方向。对 LIMUC 这样的专科数据集，「无榜之榜」（§5.6）已经是它所在生态位上的最优解。

§8 方法学启示：从 LIMUC 能带走什么

8.1 给数据集建设者的四条

划分即元数据：LIMUC 把 10 折划分与固定 test_set 作为发布物一等公民随数据发放（划分信息甚至直接进了代码仓库目录）——这比「只发图像自便」的数据集在可复现性上高一个档次。自建数据集时，划分脚本与数据同等对待。
患者级组织是内镜数据的底线：1,043 次检查、564 名患者的三层嵌套决定了任何「图像级随机划分」都是泄漏。patient_based_classified_images.zip 的存在本身就是一种声明：我们告诉你正确的用法。
分歧样本的处理要显式声明：LIMUC 选择「三专家全分歧即剔除」，规则透明、可复现；但它同时改变了样本分布（过渡带样本流失）。没有对错，必须有声明——沉默的样本筛选是隐性偏差之源。
单中心八年攒数是可复制的慢功夫：2011-12 至 2019-07 的采集窗说明高质量专科数据集的时间成本以年计，临床科室的持续参与（而非一次性导出）是规模的前提。

8.2 给建模者的三条

指标要匹配任务结构：有序 + 不平衡 → QWK 为主（官方口径）。第三方论文用 accuracy 报 LIMUC 成绩的，横向比较前先换算口径或降权处理（§5.2）。
有序性有两条实现路径：回归式建模（论文主线）与类距离加权损失（MIUA 2022 姊妹篇）——前者改输出空间，后者改损失函数，可以在自己的任务上分别试；另有两格官方未覆盖的方法族可作增量贡献（§4.4 谱系表）。
34.86% 对 7.67% 的先验差是常态：医学内镜数据里重度病例天然稀少，与其事后重采样，不如按官方建议把评估指标换成对不平衡鲁棒的（QWK/macro F1），再考虑训练侧的类平衡技巧。

8.3 给数据使用者的三条

许可三分法记牢：数据 CC BY-4.0 / 代码 MIT / 论文 OUP 版权——商用部署的合规审查里这是三条不同线索（坑 5）。
空仓库要验证：任何「HF 上有 LIMUC」的说法都要落盘验证文件清单（坑 4）；本条目抓取时点 2026-10-03 的答案是空占位。
二手数字隔篱：19,537/8,060/7,652/QWK 0.781/Pentax 型号/352×288 这一组数字全部溯源到 MDPI Bioengineering 2025 的转述而非官方页——引用它们时注明「第三方转述口径」（坑 8）。

8.4 给临床研究者的三条

先问标签是不是你想要的：LIMUC 的是「帧级最严重区域 MES」，不是「检查级 Mayo 总分」也不是 UCEIS——设计回顾性研究前先对齐口径，别把帧级成绩直接写成检查级结论。
缓解二分类是临床转译的最短路径：如果研究目标是「AI 能否辅助治疗决策」，从三分类/四分类任务改讲 0-1 vs 2-3 二分类，临床听众的理解成本最低（§4.1 任务矩阵的第三种读法）。
67.9% 仲裁率（二手口径）本身就是临床发现：它量化了 MES 在真实实践中的观察者间分歧规模——做「AI 辅助标准化判读」立项论证时，这是现成的背景数据（引用时注明二手口径）。

8.5 一分钟电梯陈述

向课题组长/资助方/合作医院介绍 LIMUC 的标准一分钟版本：

LIMUC 是土耳其马尔马拉大学八年随访攒下的溃疡性结肠炎内镜图像集：564 名患者、11,276 帧、每帧都有两名专家盲评加第三专家仲裁的 Mayo 评分标签，CC BY-4.0 直接可下。它配套的论文证明了把评分当有序量建模比普通分类更准更稳。我们用它做（①方法验证/②临床分级辅助原型/③教学素材——按需选一），第一步是用官方 10 折划分复现基线，第二步是（对应目标的具体动作）。

三个备选目标对应三条不同路线，但第一步完全相同——官方协议复现是不可跳过的信用地基。

8.6 最后一条建议

如果你只从本条目带走一句话，带走这句：在 LIMUC 上，区分「好研究」与「坏研究」的不是模型多新，而是划分是否患者级、指标是否 QWK、test_set 是否官方——数据集的公平性协议已经写好，用不用在你。

8.7 自建内镜分级数据集的十步 SOP

把 LIMUC 的经验压缩成一份可执行清单，供自建同类数据集（UC 或其他内镜分级任务）的团队照抄：

定标注语义：把临床量表（MES 或其他）的文字判据写成标注手册，逐级配示例图——语义先于人力；
算人力账：帧数 × 标注轮数 ÷ 标注者数 ÷ 每帧耗时 = 工时；LIMUC 量级（1.1 万帧三专家）约 30,000 人次评阅、百级专家工时（§3.2 推演）；
搭盲评环境：标注工具必须隐藏他人标签与患者身份——盲评是协议的地基，工具决定地基；
第一轮双盲双评：两名资深专家独立全量评阅；
第二轮盲评仲裁：分歧样本交第三专家，同样盲评；
投票定稿 + 分歧剔除：多数投票；全分歧者剔除并公示数量——不要悄悄丢弃；
算一致性：以任务适配的加权 kappa 报告评分者间信度，写进发布页；
患者级打包：按患者（而非图像）组织目录，把划分所需信息编码进结构本身（LIMUC 的患者目录即此设计）；
发布划分与脚本：固定测试集 + 交叉验证划分信息 + 复现脚本，与数据同批发布；
选许可并公示联系渠道：CC BY-4.0 是医学数据集的主流选择；留一个有人看的邮箱。

这十步里没有一步超出「认真做事」的范畴，但 2022 年前后公开发布的内镜数据集里，完整走完十步的屈指可数。LIMUC 的价值不在于发明了这些步骤，而在于证明了一个临床科室加一个大学实验室的小团队就能走完全程。

8.8 理想发布清单：以 LIMUC 为参照系

把「一份理想中的数据集发布物应该有什么」列成清单，标注 LIMUC 的达成情况——这份清单本身就是对发布物的 AI-Ready 审计：

清单项	LIMUC 现状	缺口说明
免登录直链下载	✅ Zenodo 三包	—
开放许可（可商用）	✅ CC BY-4.0	—
逐包完整性校验值	◐ patient_based 有 md5，另两包未见公示	补齐三包 md5/sha256
官方划分（CV+固定测试集）	✅ 随仓库发布	—
复现脚本与环境	✅ conda 环境+训练/推理全链	—
标注协议文档	◐ Zenodo 描述三句话概括	无完整标注手册/示例图集
一致性数字	❌ 官方未公布（二手 0.781）	发布页应载明
逐图元数据表	❌ 仅目录名与文件名	原始分辨率/采集时间/检查号缺失
单标注者标签	❌ 仅共识标签公开	多 rater 研究不可行
标准化数据卡（HF datasets 载体）	❌ 占位仓库无数据	无 streaming/loading 集成
版本承诺	✅ v1 四年稳定，概念 DOI 指向最新	—

达成 6.5/11。LIMUC 的强项全在「协议与获取」，弱项全在「元数据与标注过程透明」——这个形状对临床-工程协作团队很典型：他们最擅长的是把协议做严，最缺带宽的是把数据工程做细。

8.9 单中心数据的多中心化路径

LIMUC 是单中心数据集，用它训练的模型走向多中心有三条现实路径：

外部验证优先于联合训练：先在自有单中心数据上训练，再到其他机构的回顾性图像上验证——成本最低，能快速暴露域差；发表时如实报告「单中心训练+外部验证」的设定；
联合训练+中心分层评估：与其他 CC BY-4.0 或可合作机构的数据联合训练，按中心分层报告性能——LIMUC 的患者级划分设计可直接扩展为「患者级+中心级」双重隔离；
域自适应/域泛化方法：不获取新数据，用风格迁移、实例归一化（如 Macenko 类染色归一化的内镜版）等技术缓解域差——但这类方法的效果验证本身也需要多中心数据，逻辑上绕回路径 1/2。

三条路径共同的先决条件是把「单中心性」当作显式变量写进实验设计与论文限制章节，而不是装作不存在。LIMUC 官方论文对这一点的处理是诚实的：它从未宣称跨中心泛化，其「跨折稳定」结论被限定在单中心内部的数据划分层面——这种克制值得每个单中心数据集论文学习。

8.10 协议即产品：数据集发布工程观

LIMUC 案例给数据集工程领域的一个普遍性论断：一份好的数据集发布物，一半是数据，一半是协议。数据（11,276 张带标签图像）回答「能用什么」，协议（划分+测试集+指标+脚本）回答「怎么用才不作弊」。二者相乘才是这个数据集的真实价值：

只发布数据不发布协议：每个论文自己切分、自己选指标，社区四年后的论文之间仍然互不可比——这是大量 2018-2020 年间发布的医学数据集的现状；
协议完备但获取困难：协议写得再好，下载需要邮件申请、审批数周，社区自然萎缩——可获取性是协议的乘数项；
数据+协议+脚本三全（LIMUC 形态）：社区围绕同一把卷子和同一套规则展开，四年沉淀出可横向对话的评测文献（尽管有口径漂移，主干未断）。

对正在筹备发布数据集的团队，这条论断的实操含义是：把「写划分脚本和评估说明」的优先级提到与「多标一千张图」同等——前者决定别人怎么用你已有的东西，后者只决定你有多少东西。

8.11 尾声：一个数据集的诚实形态

LIMUC 不是完美的数据集：它单中心、统一缩放丢掉原始分辨率、共识标签抹平置信度、官方页有一处百分比笔误、HF 上的占位仓库至今空着。但它在自己选择做对的每一件事上——盲评独立性、分歧处理透明度、划分协议、许可开放度——都做到了当时的行业上限。这种「有明确的短板、更明确的长板」的诚实形态，比「各方面都平平无奇的均衡」更有价值：短板可以被使用者绕过（§1.4 阅读路径的「避开」列），长板却被整个社区的评测文献持续复用。

对检索者的最后一句建议：用 LIMUC 之前，先把 §4.6 的三条铁律和 §10 的八个坑读完——这份数据集最好的部分，恰恰是那些看起来最不像「数据」的部分。

§9 与库内条目的关系

9.1 直接互链条目（rid 经 DB 实查）

条目	rid	关系
hyperkvasir	693	同为大规模消化内镜图像分类数据集（胃镜为主），任务范式最接近的兄弟条目
gastrovision	203	内镜多类分类，标签体系与评估协议可对照阅读
real-colon	778	同器官（结肠）内镜数据，预处理流水线可直接迁移
polypdb	779	结肠镜息肉数据集，同设备谱系，互补任务（检测 vs 分级）
gastroendonet	780	消化内镜基础模型/网络，下游可评估其在 UC 分级上的零样本能力
endoscapes	353	内镜解剖结构与风险标注，帧级标注协议对照
ldpolypvideo	163	内镜视频数据集——LIMUC 的帧即来自此类视频源，时间维处理方式互补
kvasir-seg	112	息肉分割任务代表，与 LIMUC 的分类任务构成「分割 vs 分级」对照
cvc-colondb	142	结肠镜息肉经典库，跨库评测常客
kvasir-capsule	123	胶囊内镜视角，与常规结肠镜视角互补
cholecseg8k	233	腹腔镜分割，同为内镜系但任务与器官不同
crag	208	胃内镜图像，分辨率与采集协议可对照

检索路径建议：从任一内镜条目进入后，按「任务轴（检测/分割/分级）× 器官轴（胃/结肠/胆囊）× 模态轴（常规镜/胶囊镜/腹腔镜）」三个轴定位 LIMUC——它是「结肠 × 帧级分级」格子的唯一占位条目。工程侧的迁移方向是「polyp 系代码 → LIMUC 数据」：目录遍历逻辑换成两级（患者 → Mayo 等级）、标签映射换成 0-3 整数、损失换成回归或距离加权，其余框架代码原样可用。

9.2 库内独苗：UC 病种无第二候选

本库目前没有第二个溃疡性结肠炎专用数据集条目。炎症性肠病（IBD）相关的公开数据集本就稀少（UC 数据受隐私与标注成本双重制约），LIMUC 的「独苗」地位短期内难以动摇。若未来有 IBD 组织学、UCEIS 标注或克罗恩病内镜数据集入库，应与本条目建立「病种家族」互链。

9.3 与「有序分级」方法学条目的潜在联动

库内 DR 分级系（眼底分级类条目）与 LIMUC 共享「有序多类 + 不平衡 + 临床决策阈值」三重结构。有序损失设计（QWK 优化、距离加权、回归式）的方法论文献在两个领域间完全通用——跨病种的方法学互链是本条目的第二检索面。阅读顺序建议：先读本条目 §4.3 理解回归式主张，再去 DR 系条目看五级分级下同样主张的表现——两个病种的实验互为外部验证。

§10 避坑清单：八个已踩过或必将踩到的坑

坑 1：LIMUC 不是 LUMIC，也不是那串长标题。METU 实验室官方页面把数据集误拼为「The LUMIC dataset」（字序颠倒），第三方转载时有沿袭；任务头派发名「LIMUC: Ulcerative Colitis Endoscopic Mayo Score Dataset」是描述性别名，Zenodo/GitHub/HF 均无此标题。官方名以 Zenodo 为准：Labeled Images for Ulcerative Colitis (LIMUC) Dataset。检索时用缩写 LIMUC + 关键词 ulcerative colitis 组合最稳。

坑 2：Mayo 1 的百分比，官方页自己写错了。Zenodo 官方页写 MES 1: 3052 (27.70%)，但 3052/11276 = 27.07%；MDPI Bioengineering 2025 论文亦引 27.07%；openmedlab 等转载页沿袭了 27.70%。本条目正文一律按 27.07%，并在此存照。自动抽取官方页数据者 beware。

坑 3：论文年份双口径。在线优先出版 2022-11（论文 BibTeX 写 year=2022, month=11，版权行 © The Author(s) 2022）；正式卷期 2023 Sep 1;29(9):1431-1439（PubMed/NLM 口径）；openmedlab 转载写 2023。引用前先定口径并全篇一致——本条目正文采用「在线 2022-11 / 卷期 2023-09」双注式。

坑 4：HuggingFace 上的同名仓库是占位符。GorkemPolat/LIMUC（2023-05-17 创建，作者本人账号）只有 license 声明与空 README，没有任何数据文件。在 HF 生态检索 LIMUC 的使用者请直接折返 Zenodo 5827695——那里才有三 zip 正主。未来若作者补投数据，以仓库 lastModified 时间为准重新核对。

坑 6：按图像随机划分 = 自欺欺人。同一患者同一次肠镜的多帧图像高度相似，随机按帧划分会让「孪生帧」横跨训练/测试集，成绩虚高且虚高得毫无临床意义。官方 README 用整节篇幅警示此点，且以 cross_validation_folds_train_val_info/ 目录随代码直接发布 10 折患者级划分、patient_based 压缩包按患者组织全量图像——防泄漏是官方给定的默认动作。看到任何「LIMUC 上 accuracy 95%」却没写 patient-level split 的结果，先按虚高处理。

坑 7：accuracy 在这个数据集上是坏指标。54.14% 的图像是 MES 0——一个全猜「正常」的退化模型 accuracy 即 54.14%，而它对临床毫无用处（漏掉全部活动期患者）。官方建议主指标 QWK（同时处理有序性与不平衡），辅 macro F1 / MAE。读第三方成绩先看指标列：主报 accuracy 的直接降权。

坑 8：五个关键数字是二手口径，别当官方数字转引。初始采集 19,537 张、剔除 8,060 张、三专家全分歧剔除 201 张、分歧仲裁 7,652 张、评分者间信度 QWK 0.781、设备 Pentax EPK-i/EC-380LKp、统一 352×288 缩放——这些仅见于第三方论文（MDPI Bioengineering 2025 等）的转述，Zenodo 官方页与论文摘要均未载。本条目全部标注「二手口径」；引用时注明转述链，别写成「官方数字」。

§11 总结

11.1 三句话总结

LIMUC 用 11,276 帧双盲双专家标注的结肠镜图像，把 UC 内镜严重度分级从「主观判读」推向「可复现基准」，标签协议（盲评+仲裁+投票）与一致性数字（QWK 0.781，二手口径）双重透明。
它的方法论主张——有序标签当回归问题做——在五种 CNN 骨干上取得统计显著的提升与更稳的跨折表现，并经 MIUA 2022 姊妹论文补全为「距离加权」的通用设计模式。
它以 CC BY-4.0 + Zenodo 直链 + 官方划分脚手架的组合，成为消化内镜「帧级分级」细分方向的默认基准；库内 UC 病种独苗，与 polyp 检测家族互补成完整内镜版图。

11.2 适合谁

消化内镜 AI 团队：需要 UC 严重度分级的监督数据与官方可比协议。
有序分类方法研究者：小而干净的有序多类试验台，验证损失设计一晚出结果。
医学数据集标注协议设计者：双盲+仲裁+投票+一致性公开的教科书样本。
教学者：类别不平衡、有序标签、患者级划分三个经典坑集于一身的真实案例库。

11.3 不适合谁

需要原始分辨率或时序信息的团队（352×288 统一缩放，采集元数据未公开）。
需要 pixel 级或病灶级标注的分割/检测任务（LIMUC 只有帧级有序标签）。
需要 Crohn 病或其他 IBD 表型的团队（只有 UC）。
需要大规模多中心多样性的团队（单一中心、单一设备谱系——这是它的协议纯度来源，也是泛化边界）。

11.4 30 秒决策卡

你的需求	路径
快速跑通一个 baseline	§6.1 下载 → 官方仓库 environment.yml → train_classification_model.py → ResNet18
复现论文成绩	patient_based zip + cross_validation_folds_train_val_info + train_*_model_CV.py → 10 折 CV + 官方 test_set
验证新的有序损失	§4.3 任务矩阵 → 分类式/回归式/距离加权三头对照 → QWK 主指标
给论文补一个内镜分级实验	§9 互链条目中先借 real-colon/hyperkvasir 的预处理代码，再套 LIMUC 协议
评估临床可用性	remission 二分类（Mayo 0-1 vs 2-3）+ kappa + F1，见 §4.1

附录 A：条目信息速查卡

官方名：Labeled Images for Ulcerative Colitis (LIMUC) Dataset
缩写：LIMUC = Labeled Images for Ulcerative Colitis
slug：limuc；本条目 URL：https://www.qianfanghub.com/ai-ready-dataset/limuc/794
机构：Marmara University School of Medicine, Dept. of Gastroenterology（伊斯坦布尔）× Middle East Technical University, Graduate School of Informatics（安卡拉）
作者：Gorkem Polat, Haluk Tarik Kani, Ilkay Ergenc, Yesim Ozen Alahdab, Alptekin Temizel, Ozlen Atug
主论文：Inflamm Bowel Dis. 2023 Sep 1;29(9):1431-1439, doi:10.1093/ibd/izac226（在线 2022-11；PMID 36382800）
姊妹论文：MIUA 2022, Springer, pp.157-171, doi:10.1007/978-3-031-12053-4_12
数据集 DOI：10.5281/zenodo.5827695（概念 DOI 10.5281/zenodo.5827694；v1，2022-03-14，唯一版本）
代码：github.com/GorkemP/labeled-images-for-ulcerative-colitis（MIT）
联系：polatgorkem@gmail.com
抓取与核验时点：2026-10-03
核验来源：Zenodo API（records/5827695 元数据+文件清单）、GitHub README 原文、PubMed eutils（PMID 36382800）、hf-mirror.com API（GorkemPolat/LIMUC）、WebSearch 三轮（openmedlab/METU 博客/MDPI/theSAI 期刊页）

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	Zenodo/GitHub/HF/openmedlab/METU 多入口可检索；但官方名与派发别名不一致（坑 1）、LUMIC 拼写污染（坑 1）微降分
A 可获取性	9	Zenodo 免登录直链、无 gated、无申请、CC BY-4.0 可商用——医学图像数据集第一梯队；HF 占位仓库略添乱（坑 4）
I 可互操作	7	BMP 无压缩+目录约定清晰+官方划分脚本完备；但无 HF datasets 载体、无 DICOM/元数据表、患者元数据仅目录名
M 元数据质量	8	三 zip 语义明确、md5 公示、分布表齐全；官方页一处百分比笔误（坑 2）与二手数字依赖第三方转述（坑 8）微降分
S 可持续性	7	Zenodo+DOI 长期存档、v1 冻结无漂移；单中心依赖、咨询走个人邮箱、无维护团队背书微降分
综合评级	7.8/10（优秀）	可获取性与协议完备度突出；元数据有官方笔误但可校正；适合作为「直链型 AI-Ready」的参照系

附录 C：逐项证据链自证

关键数字	来源	性质
11,276 图 / 564 患者 / 1,043 操作	Zenodo 描述 + 论文摘要（PubMed）+ METU 博客	一手，三源一致
MES 0-3 分布 6105/3052/1254/865	Zenodo 描述 + MDPI 2025 + openmedlab	一手（百分比官方页一处笔误已校正）
采集窗 2011-12 至 2019-07	Zenodo 描述 + METU 博客 + MDPI 2025	一手
CC BY-4.0	Zenodo API license 字段 + Zenodo Terms + HF 卡	一手，三源一致
三 zip 字节数	Zenodo API files 数组	一手（2026-10-03 实抓）
patient_based zip md5	Zenodo 记录页	一手
论文卷期 29(9):1431-1439, 2023 Sep 1	PubMed eutils（PMID 36382800）	一手
在线 2022-11 / © 2022	GitHub README BibTeX + 版权行	一手
姊妹论文 MIUA 2022 pp.157-171	Zenodo Terms 引文 + GitHub README BibTeX	一手
代码 MIT	GitHub README License 徽标	一手
HF 占位仓库（无数据文件）	hf-mirror.com API siblings 列表	一手（实抓）
初始 19,537 / 剔除 8,060+201 / 分歧 7,652 / QWK 0.781 / Pentax 设备 / 352×288 缩放	MDPI Bioengineering 12(4):413（2025）	二手转述（官方页未载，坑 8 存照）
ViT acc 75.0% / ResNet50 66.9%（MoCo-v3）	theSAI 期刊论文引述表	二手转述
漏斗自洽校验 19537-8060-201=11276；6105+3052+1254+865=11276	本条目计算	校验通过

附录 D：检索路径示范（关键词组合与查询式）

精确检索："LIMUC" "ulcerative colitis"（引号锁缩写，避免 LUMIC 拼写噪声）；
DOI 直达：10.5281/zenodo.5827695（数据）、10.1093/ibd/izac226（论文）；
PubMed：PMID 36382800；
代码仓库：GorkemP/labeled-images-for-ulcerative-colitis；
组合检索：LIMUC site:zenodo.org、"Labeled Images for Ulcerative Colitis"；
中文社区：openmedlab Awesome-Medical-Dataset 的 LIMUC 页（数字沿袭官方页含 27.70% 笔误，见坑 2）。

附录 E：维护触发点

Zenodo 出现 v2+（concept DOI 自动指向新版）→ 更新 §6.3 版本链并核对文件清单；
HF 仓库 GorkemPolat/LIMUC 出现实际数据文件 → 更新坑 4 与 §6.3，补 HF 载体评分；
论文或出版方开放全文（如 PMC 收录）→ 补论文具体性能数字（当前遗留疑点：各模型 QWK/F1 数值在订阅墙内）；
出现官方 leaderboard 或挑战赛 → 更新 §5 评估生态；
库内新增 IBD/UC 相关条目 → 建立「病种家族」互链（§9.2）。

附录 F：术语表（中英对照）

术语	英文	释义
溃疡性结肠炎	Ulcerative Colitis (UC)	慢性复发缓解型结直肠黏膜炎症，本数据集的病种
炎症性肠病	Inflammatory Bowel Disease (IBD)	UC 与克罗恩病的统称
Mayo 内镜评分	Mayo Endoscopic Score (MES)	UC 内镜活动度四级量表（0-3），本数据集标签
内镜缓解	Endoscopic remission	MES 0-1 的临床状态，治疗降阶的分界
观察者间变异	Interobserver variability	不同评估者对同一图像给出不同分级的现象
盲评	Blinded review	评分者看不到他人评分的独立评估设计
多数投票	Majority voting	三评取二的分歧解决机制
评分者间信度	Inter-reader reliability	不同评分者一致程度的度量
二次加权 kappa	Quadratic Weighted Kappa (QWK)	按评级距离平方加权的 k一致性统计，官方主指标
宏平均 F1	Macro F1	各类 F1 的算术平均，对不平衡不敏感
平均绝对误差	Mean Absolute Error (MAE)	回归式输出的辅助指标
有序分类	Ordinal classification	标签带自然顺序的分类问题
类别不平衡	Class imbalance	各类样本量悬殊（此处 MES 0 占 54.14%）
患者级划分	Patient-level split	按患者而非图像划分数据集，防泄漏铁律
数据泄漏	Data leakage	测试集信息经相似样本渗入训练集
回归式深度学习	Regression-based deep learning	把有序标签当连续值回归的建模方式
类距离加权交叉熵	Class Distance Weighted Cross-Entropy	MIUA 2022 姊妹论文提出的有序分类损失
计算机辅助诊断	Computer-Aided Diagnosis (CAD)	算法辅助医生判读的统称
结肠镜	Colonoscopy	本数据集图像的采集方式
概念 DOI	Concept DOI	Zenodo 版本族的总 DOI，自动指向最新版
署名许可	CC BY-4.0	本数据集许可：可商用可再分发，需署名
数据漏斗	Screening funnel	从初始采集到最终发布的逐级剔除过程

附录 G：常见问答（FAQ）

F1：LIMUC 可以直接用于训练商用产品吗？
可以。CC BY-4.0 允许商用，条件是署名（按 §6.4 三件套引用）。模型权重的再许可策略由你自行决定，但发布页应声明训练数据来源与许可。

F2：为什么两个 zip 的图像数对不上？
train_and_validation_sets + test_set 合计应等于（或接近）patient_based 的全量——三者是同一批图像的不同视角。若解压后数量差得多，先检查是否漏解压或目录层级理解错误（patient_based 是「患者 → Mayo 等级」两级结构）。

F3：测试集里每个类多少张？
官方未单独公布 test_set 的类别分布（遗留疑点）。需要知道的话，解压 test_set 后按目录统计即可——目录结构本身即标签。

F4：论文的 ResNet18 QWK 具体是多少？
在订阅墙内，本条目无法核实（遗留疑点）。第三方论文有各自的复现数字，但划分协议不一，不可混引。引用性能数字前先对齐协议（§5.3 checklist）。

F5：MES 1 和 MES 2 的边界图例在哪？
数据集不含图例文档；MES 的文字判据见 §2.3。边界案例的主观性正是双盲+仲裁协议存在的原因。

F6：能把 LIMUC 和 polyp 数据集混合训练吗？
技术上可行（图像源同族），但标签语义不同（分级 vs 检测），需要多头输出或分开的标签空间。库内 real-colon/hyperkvasir 条目的预处理代码可作为合并管道的起点。

F7：数据增强该做到什么程度？
官方不发布增强数据；第三方惯例是把各类扩到约 5,000 张。增强只允许在训练集（§5.3 第 4 条），测试集永远用原始分布。

F8：图像是彩色的吗？352×288 够用吗？
是彩色 RGB（内镜图像本质）。352×288 对帧级分级够用（官方协议即在此分辨率上建立基准），对精细纹理研究偏小——原始分辨率未公开，无法还原。

附录 H：数据字典（目录与命名）

patient_based_classified_images.zip
└── patient_based_classified_images/
    └── <患者编号>/                    ← 患者级隔离的锚点（如 10、100）
        ├── Mayo 0/                    ← MES 0 图像
        │   └── UC_patient_<患者编号>_<序号>.bmp
        ├── Mayo 1/
        │   └── UC_patient_<患者编号>_<序号>.bmp
        ├── Mayo 2/
        └── Mayo 3/

train_and_validation_sets.zip
└── train_and_validation_sets/
    ├── Mayo 0/ … Mayo 3/              ← 扁平等级结构
    └── （患者归属由配套 JSON 划分信息承载）

test_set.zip
└── test_set/
    └── Mayo 0/ … Mayo 3/              ← 官方固定测试集

字段约定：文件名 UC_patient_{患者编号}_{序号}.bmp；患者编号为整数目录名；Mayo 等级即目录名（0-3）；图像 352×288 BMP。官方脚本直接以这套目录约定为输入，自行写加载器时按此解析即可。

附录 I：数字速查总表（三层口径）

第一层：一手数字（官方发布物实抓，可直接转引）

数字	值	来源
图像总数	11,276	Zenodo 描述 + 论文摘要 + METU 页
患者数	564	同上三源
肠镜操作数	1,043	同上三源
采集窗	2011-12 至 2019-07	同上三源
MES 0	6,105（54.14%）	Zenodo 描述
MES 1	3,052（实算 27.07%；官方页笔误 27.70%）	Zenodo 描述 + 实算
MES 2	1,254（11.12%）	Zenodo 描述
MES 3	865（7.67%）	Zenodo 描述
数据许可	CC BY-4.0	Zenodo API + Terms + HF 卡
代码许可	MIT	GitHub README
train_and_validation_sets.zip	1,637,567,731 B	Zenodo API files
test_set.zip	286,765,740 B	Zenodo API files
patient_based_classified_images.zip	1,925,339,722 B	Zenodo API files
patient_based 包 md5	6d99c6b4f9b9bf3e210964d16439de42	Zenodo 页面
数据集发布日	2022-03-14（v1，唯一版本）	Zenodo API
概念/版本 DOI	10.5281/zenodo.5827694 / 5827695	Zenodo API
主论文	Inflamm Bowel Dis 2023 Sep 1;29(9):1431-1439	PubMed（PMID 36382800）
在线优先 / 版权年	2022-11 / © 2022	GitHub README BibTeX + 版权行
姊妹论文	MIUA 2022, Springer, pp.157-171	Zenodo Terms + README BibTeX
论文 DOI / 姊妹 DOI	10.1093/ibd/izac226 / 10.1007/978-3-031-12053-4_12	同上
咨询邮箱	polatgorkem@gmail.com	Zenodo Terms
HF 仓库状态	GorkemPolat/LIMUC 占位（2023-05-17，无数据）	hf-mirror API 实抓

第二层：二手数字（第三方论文转述，转引须注明）

数字	值	转述源
初始采集	19,537 张	MDPI Bioengineering 2025
剔除不适合评估	8,060 张	同上
三专家全分歧剔除	201 张	同上
进入第三专家仲裁	7,652 张（≈67.9%）	同上
标注者间信度	QWK 0.781	同上
采集设备	Pentax EPK-i + EC-380LKp	同上
统一缩放	352×288	同上 + openmedlab

第三层：推算数字（本条目计算，附算式）

数字	值	算式
人均检查次数	≈1.85 次	1,043 ÷ 564
每检查图像数	≈10.8 张	11,276 ÷ 1,043
不平衡比（0:3）	≈7.06:1	6,105 ÷ 865
缓解/活动比	9,157:2,119（≈81.2%:18.8%，IR≈4.32:1）	(6105+3052):(1254+865)
漏斗闭合	19537−8060−201=11,276 ✓	校验式
类别闭合	6105+3052+1254+865=11,276 ✓	校验式
专家评阅量级	≈30,000 人次	11276×2+7652

附录 J：检索者 60 秒自检清单

在 LIMUC 上做完任何实验、写完任何论文段落之前，过这十二问：

我用的数据是 Zenodo record 5827695（v1）吗？版本写进去了吗？
我下载的包字节数/md5 对得上官方公示吗？
我的划分是患者级的吗？（还是无意中按图像随机切了？）
我用的是官方 test_set 还是自制测试集？论文里写清楚了吗？
我的主指标是 QWK 吗？还是又退回了 accuracy？
我的增强只加在训练集吗？测试集是原始分布吗？
我有没有把第三方转述数字（19,537/7,652/0.781/Pentax）写成官方数字？
我引用论文时年份口径统一了吗（2022-11 在线 vs 2023-09 卷期）？
我的三件套引用（主论文+姊妹论文+数据集）齐全吗？
我有没有声称「跨中心泛化」？——LIMUC 是单中心数据。
我有没有把增强后的规模说成数据集规模？
我和官方协议的不同之处（若有），在论文里显式声明了吗？

十二条全过，你的 LIMUC 结果至少在协议纪律上无可指摘；任何一条没过，先回头补课再跑实验——这正是官方用四年时间（数据先行+脚本配套）想教会社区的事。

附录 K：库内联合阅读与工程联动建议

联合阅读组合	价值
LIMUC + hyperkvasir(693)	同为大规模内镜分类，对比「多类 findings vs 单病种分级」的标签体系设计差异
LIMUC + gastrovision(203)	对比两个专家标注协议与许可差异（CC BY-4.0 vs NC 系），学习许可选择对生态的影响
LIMUC + real-colon(778)/polypdb(779)	同器官不同任务（分级 vs 检测），预处理与数据加载代码可直接互借
LIMUC + kvasir-seg(112)	「帧级分类 vs 像素级分割」的标注成本与评估指标对照教学案例
LIMUC + gastroendonet(780)	基础模型时代的新问题：内镜预训练模型在 UC 分级上的零样本/少样本能力怎么测
LIMUC + ldpolypvideo(163)	静态帧 vs 视频源：理解 LIMUC「帧间无空间连续性」声明的原因

工程联动建议：以 LIMUC 的患者级划分脚本为骨架，替换目录遍历规则即可适配上述多数条目的数据组织——官方脚手架的目录约定（患者 → 等级两级树）是这套代码的可移植性来源。

附录 L：三类角色的高频问答

L.1 数据获取类

问：下载需要注册 Zenodo 账号吗？——不需要，records/5827695 页面直链即可；API 访问同样免认证；
问：三包可以只下其一吗？——可以，各自独立成包；复现论文成绩需 train_and_validation_sets + test_set 两包，自定义划分只需 patient_based 包；
问：下载慢或断连怎么办？——Zenodo 支持断点续传（HTTP Range）；校验以字节数+md5 双重为准；
问：数据在国内访问慢怎么办？——Zenodo 无官方国内镜像，可用机构网络或代理商下载后内部共享（许可允许再分发，CC BY-4.0 署名即可）。

L.2 建模评测类

问：官方有没有预训练权重？——没有。官方仓库只有训练代码与划分，模型从零训练或用 ImageNet 预训练迁移（第三方论文通行做法）；
问：可以直接用官方 test_set 做模型选择吗？——不可以，那是「在考卷上调参」；模型选择用交叉验证折，test_set 只出最终成绩；
问：回归式输出的阈值映射怎么选？——论文为四舍五入到最近整数；研究者可自定义（如 1.5 处取 1 或 2 的临床偏好），但须在论文中声明；
问：能不能把 LIMUC 和其他内镜数据集混训？——技术上可行，标签语义与分布不同，须多头输出或分开评估，不可混报一个总分。

L.3 发布与工程类

问：基于 LIMUC 训练的模型权重用什么许可发布？——数据集 CC BY-4.0 不强制衍生模型同许可；常见做法是权重用 MIT/Apache-2.0 并在数据卡声明训练数据来源与许可；
问：再分发 LIMUC 子集合法吗？——合法（CC BY-4.0 允许再分发），须署名、附许可链接、标注修改；建议整包分发以保可追溯；
问：论文里放 LIMUC 示例图像合规吗？——合规（CC BY-4.0），图注署名数据集与 DOI 即可；
问：想把 LIMUC 接入 HF datasets 流水线怎么办？——官方无载体，社区做法是本地 parquet 化后用 load_dataset("parquet", data_files=...)；镜像请用自建而非占位仓库（坑 4）。

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-03，抓取与核验时点见附录 A。事实陈述以 Zenodo API 实抓、GitHub 官方仓库原文、PubMed eutils 权威记录为源；官方页百分比笔误、论文年份双口径、METU 博客 LUMIC 拼写、二手数字依赖第三方转述等原始文档缺陷已在坑点存照。条目与库内 hyperkvasir（rid 693）、gastrovision（rid 203）、real-colon（rid 778）、polypdb（rid 779）、gastroendonet（rid 780）、endoscapes（rid 353）、ldpolypvideo（rid 163）、kvasir-seg（rid 112）、cvc-colondb（rid 142）、kvasir-capsule（rid 123）、cholecseg8k（rid 233）、crag（rid 208）等条目互链，构成消化内镜「检测-分割-分级」完整任务谱系的检索面。后续维护触发点见附录 E。

维度	内容
本质	溃疡性结肠炎（UC）结肠镜图像的 Mayo 内镜评分（MES 0-3）四分类专家标注数据集，附回归式深度学习方法论文
团队	Marmara 大学医学院胃肠病学科（采数+标注）× 中东技术大学 METU 信息学研究生院（算法），六作者两机构
论文	Inflamm Bowel Dis. 2023 Sep 1;29(9):1431-1439（doi:10.1093/ibd/izac226；在线优先 2022-11，双口径存照）
数据	11,276 图 / 564 患者 / 1,043 次肠镜；统一缩放 352×288 BMP；采集窗 2011-12 至 2019-07
类别	MES 0: 6,105（54.14%）｜MES 1: 3,052（27.07%*）｜MES 2: 1,254（11.12%）｜MES 3: 865（7.67%）
标注	两名胃肠专家盲评 → 分歧图第三专家盲评仲裁 → 多数投票；三专家全分歧者剔除
任务矩阵	四分类（MES 0-3）/ 缓解二分类（Mayo 0-1 vs 2-3）/ 回归式建模（论文核心创新）
评估	官方 10 折交叉验证 + 固定 test_set；主指标 QWK，辅 macro F1 / MAE / macro accuracy
许可	数据 CC BY-4.0（可商用需署名）｜代码 MIT｜论文 OUP 版权非开放获取——双许可勿混引（坑 5）
获取	Zenodo records/5827695 三压缩包合计约 3.85 GB，免登录直链，无注册/申请门槛
HF 警示	HuggingFace `GorkemPolat/LIMUC` 是占位仓库（仅 README 无数据），实际数据只能走 Zenodo（坑 4）
拼写警示	METU 官方博客把 LIMUC 误拼为 LUMIC；检索与引用勿沿袭（坑 1）
库内互链	hyperkvasir(693)/gastrovision(203)/real-colon(778)/polypdb(779)/gastroendonet(780)/endoscapes(353) 等