PANDA-CMS — 儿童后颅窝肿瘤 MRI 分割与小脑缄默综合征预测数据集

104 例术前儿童后颅窝肿瘤 MRI + 分割掩码 + 临床数据的 figshare 公开数据集——面向自动肿瘤分割与小脑缄默综合征（CMS）预测双任务，GPL 3.0+ 软件许可用于数据集的罕见样本；与库内前列腺癌 PANDA（rid 560/27）、panda-plus（rid 640）同名不同体，勿合并

来源 figshare 公开数据集 article id 30281506（doi:10.6084/m9.figshare.30281506.v1）：anonymized_data.zip（术前 MRI + 分割掩码 + 临床数据，含匿名化处理）+ Data Usage Agreement.pdf；版本 v1；发布时点 2025-10-05T16:06:12Z发布时间: 2026-10-08最后更新: 2026-10-20 阅读 42
PANDA-CMS — 儿童后颅窝肿瘤 MRI 分割与小脑缄默综合征预测数据集

信息速览

数据集名称PANDA-CMS — 儿童后颅窝肿瘤 MRI 分割与小脑缄默综合征预测数据集
数据类型人工标注,影像数据,临床数据
规模104 例术前儿童后颅窝肿瘤（description 原文 104 preoperative pediatric posterior fossa tumor MRIs）
接入方式figshare 公开数据集 article id 30281506（doi:10.6084/m9.figshare.30281506.v1）：anonymized_data.zip（术前 MRI + 分割掩码 + 临床数据，含匿名化处理）+ Data Usage Agreement.pdf；版本 v1；发布时点 2025-10-05T16:06:12Z
AI 就绪度

INFOBOX — PANDA-CMS 一屏速览

维度 内容
本质 104 例术前儿童后颅窝肿瘤 MRI + 分割掩码 + 临床数据的公开标注数据集（非挑战赛）
双任务 ① 自动肿瘤分割（Automated Tumor Segmentation）② 小脑缄默综合征预测（CMS Prediction）
缩写词源 PANDA = Pediatric Annotated Dataset for Automated tumor segmentation；CMS = Cerebellar Mutism Syndrome
作者 Longhao Cao（figshare 唯一署名作者，ORCID 0009-0003-0974-5957）
机构 China Education and Research Network（CERNET，北京）；ORCID 验证邮箱域 pku.edu.cn（关系未阐明）
载体 figshare，article id 30281506，doi:10.6084/m9.figshare.30281506.v1
发布 v1，2025-10-05T16:06:12Z（figshare API UTC 口径）
规模 104 例；anonymized_data.zip = 1,663,208,496 字节（≈1.55 GiB）；总体积 1,663,277,453 字节
文件 anonymized_data.zip（匿名化数据）+ Data Usage Agreement.pdf（68,957 字节）
模态 MRI（术前）；具体序列待 zip 内核实
许可 GPL 3.0+（软件 copyleft 许可用于数据集——罕见，需存照）
获取 figshare 公开直链可下载（download_disabled=false）；需先接受 Data Usage Agreement
伴随论文 未见（figshare references 为空）——遗留疑点
同名消歧 与库内前列腺癌 PANDA（rid 560/27）、panda-plus（rid 640）仅缩写同名，本体/模态/疾病/机构完全不同，勿合并

PANDA-CMS 是一个"把儿童脑肿瘤手术最凶险的并发症做成可预测任务"的公开数据集：它收集了 104 例儿童后颅窝肿瘤患者的术前核磁共振（MRI），配上医生逐例勾画的肿瘤分割掩码和临床资料，明确指向两件事——让算法自动找出肿瘤、以及预测患者手术后会不会发生小脑缄默综合征（CMS）。CMS 是后颅窝肿瘤术后最令家长和医生揪心的并发症之一：孩子手术后突然不说话了，多数在几个月内恢复，但过程漫长且可能留后遗症。把这个临床难题变成"给定术前影像和临床变量、预测是否会发生"的机器学习任务，正是 PANDA-CMS 的定位。

导语读法三则：

  1. 只想下数据：直奔 §6 获取与许可——figshare 公开直链，但下单前先读 Data Usage Agreement，并注意 GPL 3.0+ 这个"软件许可用在数据集上"的特殊组合。
  2. 关心它到底能做什么：直奔 §5 到 §6 的任务与数据构成——104 例、双任务、小样本，是理解可行性与风险的关键。
  3. 担心撞库（必须看）：直奔 §2 与 §10——本条目的 PANDA 与库内前列腺癌 PANDA（rid 560/27）、panda-plus（rid 640）只是缩写撞车，任何"把三者当同一个家族"的联想都是错的。

§0 导读：这个数据集解决什么问题

儿童后颅窝肿瘤是儿童最常见的恶性脑肿瘤所在地，髓母细胞瘤（medulloblastoma）、毛细胞型星形细胞瘤等都生长在这里。手术切除是核心治疗手段，而手术后一种叫小脑缄默综合征（Cerebellar Mutism Syndrome，CMS）的并发症，会让刚做完手术的孩子突然失去语言能力——文献报道发病率约在 25%–40% 之间，是儿科神经外科最受关注的术后并发症之一。如果能用术前的影像和临床资料提前预测"这个孩子术后有多大风险发生 CMS"，医生就能提前规划手术入路、调整沟通预期、准备康复资源。

PANDA-CMS 的回答分两层。第一层是数据：104 例术前儿童后颅窝肿瘤 MRI，逐例配上肿瘤区域的像素级分割掩码（segmentation masks）和临床数据，构成一个可直接用于监督学习的标注集合。第二层是任务：它把数据集明确对准两个下游问题——自动肿瘤分割（由掩码支撑，是典型的医学图像分割任务）与 CMS 预测（由临床数据与影像特征支撑，是典型的临床风险预测任务）。这种"一个数据集、两个任务"的设计，让同一批稀缺的儿童脑肿瘤影像被复用在不同技术方向上。

§0 读法三则：

  1. 这个条目的第一个坑是"名字"：PANDA-CMS 与库内两个前列腺癌 PANDA 条目同缩写，读的时候先把"这不是前列腺癌那个 PANDA"记住（§2.1、§7.1、§9 坑 1 有专门消歧）。
  2. 全文的硬数字（104 例、文件大小、发布时点）均出自 figshare 页面与 REST API 双源核验；凡元数据层未暴露的（序列、字段、CMS 阳性数）一律记为待核（§8.2），不臆测。
  3. 它的许可选择（GPL 3.0+ 用于数据集）在库内属罕见样本，是"数据集治理与许可工程"研究者的活案例（§4.3、§9 坑 3）。

§0.1 一分钟版本：如果只看一段

PANDA-CMS 是什么：104 例儿童后颅窝肿瘤术前 MRI，配分割掩码与临床数据，figshare 公开，带 DOI，GPL 3.0+ 许可，面向肿瘤分割与小脑缄默综合征（CMS）预测两个任务。
它最大的特点：小（104 例）、双任务、许可类型错配（软件 GPL 用于数据）。
它最大的坑：与库内前列腺癌 PANDA 同名——同名不同体，勿合并。
一句话用法：公开直链可取，但先读 DUA；建模先按患者划分、再做分层 CV、最后多指标报告。

§0.2 这个条目适合谁读

读者 关心的问题 建议入口
数据使用者 怎么拿、能不能用、许可怎么算 §4、附录 H
建模研究者 小样本怎么做、别踩什么坑 §5、§5.7
论文作者 怎么引用、怎么报口径 §4.4、§6.6
数据治理研究者 GPL 用于数据的案例 §4.3、附录 D
普通读者 这是什么、有什么用 §0.1、§11

§1 数据集速览：十二问十二答

Q1：PANDA-CMS 是什么、不是什么？
它是一个公开的儿童后颅窝肿瘤 MRI 标注数据集（104 例），不是挑战赛、没有 leaderboard。它是 figshare 上一个带 DOI 的 Dataset 条目，配套一个数据使用协议 PDF。

Q2：名字里的 PANDA 和 CMS 分别指什么？
PANDA = Pediatric Annotated Dataset for Automated tumor segmentation（取自本题标题首字母）；CMS = Cerebellar Mutism Syndrome（小脑缄默综合征）。注意：这个 PANDA 与库内前列腺癌 PANDA 的"Prostate cANcer graDe Assessment"只是字母巧合，词源完全不同（§2.1、§7.1、§9 坑 1）。

Q3：数据来自哪、谁发布的？
发布在 figshare（article id 30281506），唯一署名作者 Longhao Cao。DOI 为 10.6084/m9.figshare.30281506.v1，版本 v1，发布时点 2025-10-05T16:06:12Z（API UTC 口径）。

Q4：有多少例、多大？
104 例术前儿童后颅窝肿瘤 MRI。主数据文件 anonymized_data.zip 为 1,663,208,496 字节（≈1.55 GiB），加协议 PDF 后总体积 1,663,277,453 字节。

Q5：里面到底有什么？
据 figshare 元数据：匿名化的术前 MRI（主体）、肿瘤分割掩码、临床数据，打包在一个 zip 里，另附 Data Usage Agreement.pdf。具体的 MRI 序列、掩码类别定义、临床字段清单在 zip 内部，未下载解析，列为遗留疑点（§8.2 疑点 1）。

Q6：能直接下载吗？
能。figshare 页面公开，download_disabled=false，走公开直链；但下载/使用前需接受 Data Usage Agreement（协议条款须自行审阅）。

Q7：许可是什么？
GPL 3.0+（GNU General Public License v3.0 or later）。这是一个软件 copyleft 许可被用在数据集上——数据集通常用 CC 系列，用 GPL 属罕见，法理适用性存在讨论空间（§4.3、§9 坑 3）。

Q8：有配套论文吗？
截至抓取时点没有。figshare 元数据 references 为空、has_linked_file=false，未见正式论文或预印本直链——这本身是一个遗留疑点（§8.2 疑点 3）。

Q9：适合谁用？
儿科神经影像/脑肿瘤分割团队（拿掩码做分割监督）、术后并发症预测研究者（做 CMS 风险建模）、以及研究"数据集许可与治理"的人（GPL 用于数据的样本）。

Q10：它和库内 panda / panda-plus 什么关系？
没有关系，只有缩写撞车。 panda（rid 560/27）与 panda-plus（rid 640）是前列腺癌病理数据集；PANDA-CMS 是儿童脑肿瘤 MRI 数据集。三者的本体、模态、疾病、机构、词源全不同，禁合并、禁互认血缘（§2.1、§7.1、§9 坑 1）。

Q11：它有多大价值、风险在哪？
价值：提供一个真实的「儿童后颅窝 + 术后并发症」双任务数据底座，可做小样本方法学验证与许可治理研究。风险：小样本易过拟合、单来源无外部验证、CMS 阳性数未知、无配套论文背书——用之前必须补方法学与合规功课（§3.4、§5、§8.2）。

Q12：如果只记一句话？
PANDA-CMS 是 104 例儿童后颅窝肿瘤术前 MRI 的双任务公开数据集，与前列腺癌 PANDA 同名不同体；用好它的关键是把「按患者划分、分层验证、多指标报告、许可先审」做扎实。

§2 数据构成与规格

2.1 名称、身份与同名消歧（本条目第一坑）

PANDA-CMS 的全称是 PANDA-CMS: A Pediatric Annotated Dataset for Automated Tumor Segmentation and Cerebellar Mutism Syndrome Prediction。把长名字拆开看，两个缩写各自自洽：

  • PANDA = Pediatric Annotated Dataset for Automated tumor segmentation（本题内首字母自洽缩写，与动物名无关）；
  • CMS = Cerebellar Mutism Syndrome（小脑缄默综合征），即术后失语这一类并发症，也是本数据集第二个任务要预测的目标。

务必区分的同名撞库：本数据集与库内已有的两个条目共享「PANDA」这一缩写，但它们根本不是一回事。这是本条目最需要小心的地方，也是审查/引用时最容易出错的地方。对照如下：

维度 panda（rid 560 / rid 27） panda-plus（rid 640） PANDA-CMS（本篇）
PANDA 词源 Prostate cANcer graDe Assessment 承袭自身，同一家族 Pediatric Annotated Dataset for Automated tumor segmentation
本体 前列腺癌病理数据集（挑战赛） 前列腺癌病理的像素级重标注升级版 儿童后颅窝脑肿瘤 MRI 标注数据集
疾病部位 前列腺 前列腺 后颅窝（小脑/脑干区，颅内）
模态 全切片病理图像（WSI，H&E） 全切片病理图像（WSI） 术前核磁共振（MRI）
规模 10,616 张 WSI（rid 560 口径） 546 张 WSI 104 例 MRI
机构/团队 Radboud + Karolinska 等 BYU 团队 唯一作者 Longhao Cao（figshare，ORCID 0009-0003-0974-5957）
与本篇关系 仅缩写字母相同 仅缩写字母相同 ——

结论一句话：三者的「PANDA」纯属字母巧合，词源不同、本体不同、模态不同、疾病不同、机构不同——它们之间没有任何数据血缘、机构血缘或疾病血缘。禁合并、禁互认、禁跨条目推断。 本书在 §9 的「坑 1」和附录 J「建议互链点」中会再次显式声明这一消歧，frontmatter 的 relatedLink 也只指向本条目自身（按纪律，消歧说明一律写正文，不进 frontmatter）。

需要提醒的是：库内 panda 出现了 rid 560 与 rid 27 两条同 slug 记录（见 FACTS.md §1 查重表），这属于历史遗留的 slug 重复问题，与 PANDA-CMS 无关，本条目不做合并动作，仅记录以备主会话治理。

2.2 载体、版本与发布时点

PANDA-CMS 托管在 figshare（一个面向研究数据与成果的开放存储平台），其 figshare 内部 article id 为 30281506，DOI 为 10.6084/m9.figshare.30281506.v1（.v1 后缀表示这是第一个版本；不带版本的「概念 DOI」为 10.6084/m9.figshare.30281506，会始终解析到最新版本）。

  • 版本（version）：1，即当前只有一个版本；
  • 发布时点：published_date = 2025-10-05T16:06:12Z（figshare REST API 的 UTC 口径）；
  • 最后修改（modified_date）：同为 2025-10-05T16:06:12Z，即 v1 发布后未见更新；
  • 下载开关：download_disabled = false，即公开直链可下载，无申请制、无审批门槛。

双口径存照（时间）：figshare 网页把发布时点展示为 posted on 2025-10-06, 00:06，而 REST API 给出 2025-10-05T16:06:12Z。二者相差约 8 小时，实为同一时刻的两种时区表达（API 用 UTC，网页按展示时区）。本条目正文一律按 API 的 UTC 口径记为 2025-10-05，并同时记录网页口径，不做取舍。

2.3 文件构成与硬数字

figshare 元数据的 files 数组给出两个文件，是本条目全部可核验的规模证据：

文件 id 文件名 大小（bytes） MD5 角色
58499410 Data Usage Agreement.pdf 68,957 dd7ff217deed261dd00867d01fd849a2 数据使用协议（下载/使用前置）
58499422 anonymized_data.zip 1,663,208,496（≈1.55 GiB） 3846fe1dc11f1d019151f757d026767b 匿名化主体数据（影像 + 掩码 + 临床）
  • 总体积：size = 1,663,277,453 bytes（≈1.55 GiB / 约 1.66 GB）；
  • 病例数：104 例术前儿童后颅窝肿瘤 MRI（figshare description 原文为 “104 preoperative pediatric posterior fossa tumor MRIs”）；
  • 打包形态：主体是一个 zip；附一个协议 PDF。文件名 anonymized_data.zip 明确宣示数据已做匿名化处理。

这里的所有数字都是硬数字，全部来自 figshare 页面与 REST API 的双源核验（MD5 用于校验下载完整性）。凡元数据层未暴露的（例如 zip 内到底有哪些 MRI 序列、掩码是几类、临床表有哪些列），本条目一律记为「待核」而不臆测——原因见 §2.5 与 §9。

2.4 模态、标注与任务支撑关系

从 figshare 摘要可以直接读出三块内容：术前 MRI（影像主体）、segmentation masks（肿瘤分割掩码）、clinical data（临床数据）。它们与数据集宣称的两项任务之间的支撑关系是：

  • 自动肿瘤分割（Automated Tumor Segmentation）：由分割掩码支撑。掩码是逐例、逐像素（或逐体素）标出的肿瘤区域，构成医学图像分割的标准监督信号——输入是 MRI，输出是肿瘤区域，评价通常用 Dice、IoU、HD95 等分割指标。
  • 小脑缄默综合征预测（Cerebellar Mutism Syndrome Prediction）：由临床数据 + 影像特征支撑。这是一个患者级二分类任务——给定某例患者的术前影像与临床变量，预测其术后是否发生 CMS。这类任务的评价通常是 AUC、准确率、灵敏度/特异度等分类指标。

一个数据集同时支撑「像素级分割」与「患者级预测」两件不同粒度的事，是本数据集的设计特点：同一批稀缺的儿童脑肿瘤影像被复用在两个技术方向上，避免了小样本数据的单任务浪费。但两任务的样本粒度不同——分割任务的有效样本是「图像/切片」，预测任务的有效样本是「患者」，后者直接受 104 例这个总量约束（见 §3.4 的小样本风险讨论）。

2.5 未核细节与「为什么没核」

以下内容在 figshare 元数据层是看不到的，需要下载并解开 1.55 GiB 的 zip 才能确认：

  • MRI 的具体序列（是否有 T1 / T2 / FLAIR / DWI / ADC / 增强等，各有几路）；
  • 分割掩码的类别定义（是单标签「肿瘤」还是多标签「增强区/水肿/囊变/坏死」）；
  • 临床数据的字段清单（年龄、性别、病理类型、手术信息、CMS 结局标签等具体列）；
  • 影像的存储格式（DICOM 还是 NIfTI）、目录组织与命名规则；
  • 随 zip 的 README / 说明文档内容。

本条目按纪律未做整体下载——原因有两条：其一，执行纪律明确禁止大文件整体抓取（大流量抓取会触发沙箱中断，且 1.55 GiB 的下载对成稿并非必要）；其二，元数据层已足以支撑条目所需的全部硬数字与身份判定。因此上述细节一律在 §9 记为「遗留疑点」，供有下载条件的读者自行核实，本条目不对其做任何猜测性描述。

2.6 数据质量与来源可靠性评估

作为 AI-Ready 条目，除了「有什么」，还要回答「可信不可信」。下表从来源可靠性与数据质量线索两个角度给出评估：

评估角度 观察 判断
托管平台可信度 figshare（国际主流科研数据托管，提供 DOI 与版本管理） ✅ 高
元数据完整性 有标题、作者、ORCID、许可、文件清单、引用格式 ✅ 较完整
文件可校验性 页面/API 提供字节数与 MD5 ✅ 可校验
匿名化声明 数据自称 anonymized（含 Data Usage Agreement） ⚠️ 声明可信度未独立验证
作者可追溯性 唯一作者 + ORCID，但团队/机构未确证 ⚠️ 部分可追溯
同行评议背书 无配套论文 ❌ 缺
版本稳定性 仅 v1，无后续修订 ⚠️ 观察中
社区采用信号 本轮未见公开引用/下载统计 ⚠️ 未知

读法：这张表说明 PANDA-CMS 是一个**「平台可信、元数据基本完整、但缺同行评议背书与社区验证」**的数据集。因此它的使用姿势应当是：信任它作为真实数据的价值，但对它的标注质量、匿名化程度与结论泛化性保持独立核查。这不是贬低，而是对任何「新发布、无论文、单中心」数据集的合理审慎。

2.7 文件清单速查（以 figshare 元数据为准）

文件 id 字节 MD5 类型
Data Usage Agreement.pdf 58499410 68,957 dd7ff217deed261dd00867d01fd849a2 使用协议
anonymized_data.zip 58499422 1,663,208,496 3846fe1dc11f1d019151f757d026767b 匿名化数据包
合计 — 1,663,277,453 — —

说明：上表数值来自 figshare 元数据与核验记录（FACTS.md §4）。SHA/更细粒度的分块校验未做；使用者下载后建议自行比对 MD5。

3.0 章节过渡说明

至此，「数据是什么、里面有什么、可信度如何」已经讲清（§2）。接下来 §3 进入「这些数据能支撑什么任务、临床背景是什么」，§4 讲「怎么拿到并合规使用」，§5 讲「怎么建模才不出错」。三节合起来，构成本条目从「认识数据」到「用好数据」的完整链路。

§3 任务与临床背景

3.1 为什么是后颅窝肿瘤与小脑缄默综合征

要理解 PANDA-CMS 的价值，得先理解它锁定的是临床上哪一个痛点。

后颅窝（posterior fossa） 是颅腔后下方的一块空间，小脑与脑干居于其中。儿童期最常见的恶性脑肿瘤——髓母细胞瘤（medulloblastoma），以及毛细胞型星形细胞瘤、室管膜瘤等——恰恰高发于此。手术切除是这类肿瘤的核心治疗环节，然而术后有一种并发症令儿科神经外科格外头疼：

小脑缄默综合征（Cerebellar Mutism Syndrome，CMS）。典型表现是孩子在手术麻醉清醒后，本应逐步恢复语言，却出现显著的语言障碍乃至完全不说话（缄默）。缄默多数是暂时性的——文献报道多数在术后 1–3 个月内逐步恢复——但恢复过程漫长，且可能伴随小脑运动综合征（共济失调、肌张力异常）与小脑认知情感综合征（执行功能、注意、情绪调节受损）等长期后遗，对孩子的发育、学业与家庭都是沉重负担。

对 CMS 的流行病学，本条目采用同领域文献口径：约 25%–40% 的儿童后颅窝肿瘤患者在术后发生 CMS（该区间出自同领域综述与研究，如 Chai 等 2025 年报告的队列 CMS 率为 29.6%）。必须强调：这个数字是领域背景，不是 PANDA-CMS 数据集本身的自述统计——本数据集并未在 figshare 摘要中披露其 104 例的 CMS 阳性例数（见 §3.4 与 §8.2 疑点 4）。

把 CMS 从「术后认命」变成「术前可预测」，就是 PANDA-CMS 想参与的命题：如果术前就能用影像与临床资料估出风险，医生可以更审慎地规划手术入路与切除策略、更早地与家长沟通预期、更提前地准备语言康复资源。

3.2 双任务设计：一个数据集，两种粒度

PANDA-CMS 明确宣称两个任务，二者在机器学习范式上并不相同：

任务一 · 自动肿瘤分割（Automated Tumor Segmentation）

  • 输入：术前 MRI（具体序列待核，§2.5）；
  • 输出：肿瘤区域的像素/体素级掩码；
  • 监督信号：数据集提供的 segmentation masks；
  • 范式：医学图像分割，属于**像素级（pixel/voxel-wise）**任务；
  • 惯用评价：Dice 相似系数、IoU/Jaccard、Hausdorff 距离（HD/HD95）、灵敏度/特异度等；
  • 意义：分割是后续一切定量分析的基础——没有可靠的肿瘤区域，体积测量、放射组学特征提取都无从谈起。

任务二 · 小脑缄默综合征预测（CMS Prediction）

  • 输入：术前 MRI（可提取影像特征/放射组学特征）+ 临床数据；
  • 输出：该患者术后是否发生 CMS（或发生 CMS 的概率）；
  • 监督信号：临床数据中的 CMS 结局标签（阳性/阴性）；
  • 范式：患者级二分类，介于影像组学/放射组学与临床预测建模之间；
  • 惯用评价：AUC/ROC、准确率、灵敏度、特异度、校准度（calibration）等；
  • 意义：把「术前影像 + 临床变量」映射到「术后并发症风险」，是临床决策支持系统的典型形态。

两任务共享同一批数据但粒度不同：分割的样本单位是「影像/切片」，CMS 预测的样本单位是「患者」。这一点对使用者的建模方案有直接影响——做 CMS 预测时，104 例就是患者级样本的硬上限，任何按切片扩增都不能增加独立的患者数。

3.3 标注与临床数据：能做什么、还缺什么

从元数据可确认的标注与数据内容有两块（细节仍需解 zip，见 §2.5）：

  • 分割掩码（segmentation masks）：为分割任务提供逐例监督。掩码的标注者资质、类别体系（单类「肿瘤」还是多类「增强/水肿/囊变」）在 zip 内，本条目待核；
  • 临床数据（clinical data）：为 CMS 预测任务提供患者级标签与协变量。具体字段（年龄、病理、手术信息、结局标签等）在 zip 内，本条目待核。

「还缺什么」是本条目必须诚实交代的部分：

  1. CMS 阳性例数未知——104 例里究竟多少例发生了 CMS、多少例没有，figshare 摘要未披露。这直接影响类别平衡与任务可行性判断（见 §3.4）；
  2. 标注协议未知——掩码由谁、依据什么标准勾画，是否有多人一致性校验，figshare 元数据未说明；
  3. 临床字段未知——有哪些可用作预测协变量的临床列，未在元数据层暴露。

这些空缺不是本条目可以外推填补的。本条目选择把它们逐条列为遗留疑点，而不是用同领域常见做法「脑补」一套字段清单——那样做会误导使用者。

3.4 小样本风险：104 例意味着什么

104 例在儿童脑肿瘤数据集里不算少（这类数据的采集本就受罕见病与伦理双重约束），但对机器学习任务而言是一个偏小的样本量，风险必须讲清楚：

  • 对分割任务：可以通过切片/数据增强扩充有效训练样本，样本量压力相对缓和，但仍需警惕患者级数据泄漏——同一患者的相邻切片若被分到训练集和验证集两侧，会虚高分割指标。正确做法是按患者划分训练/验证/测试。
  • 对 CMS 预测任务：这是真正的瓶颈。患者级样本只有 104 个；若按领域约 25%–40% 的阳性率推算，阳性例大约只有 26–42 例，阴性例 60–78 例左右。在这种「小样本 + 类别不平衡」的组合下：
    • 单次训练/测试划分的结果极不稳定，换一次随机种子指标就可能大幅波动；
    • 必须采用分层（stratified）交叉验证并在多个折上报告均值与置信区间，否则单个高 AUC 很可能是过拟合或划分幸运；
    • 报告指标时应给出灵敏度与特异度，而不只给准确率——在不平衡数据上准确率会产生乐观假象；
    • 任何声称「AUC 0.95+」的单次实验结果，在没有独立外部验证时都应持怀疑态度。
  • 对模型复杂度：小样本更适合简单、强正则化的模型或经典放射组学 + 机器学习，而不是参数量巨大的深度网络端到端直训；若要用深度学习，应配合迁移学习、预训练与严格的交叉验证协议。

一句话总结：PANDA-CMS 更适合做「方法学验证与可复现性研究」和「小样本建模策略的试验场」，其单篇实验结论的泛化性需要外部数据佐证。

3.5 可对标的任务范式（领域口径，非本数据集结果）

为了帮使用者对「CMS 预测大概能做到多准」建立预期，下面列出同领域公开研究报告的量级。再次强调：这些数字来自其他数据集/队列，不是 PANDA-CMS 本体的评测结果，仅供检索者建立难度直觉，切勿当作本数据集的成绩引用。

研究口径 样本量 主要结果（领域文献，非本数据集）
术前体素级预测模型（NeuroImage: Clinical 2022） n=188 训练/验证/前瞻 AUC 0.889 / 0.784 / 0.791
放射组学 + 病灶映射混合模型（Chai et al. 2025） n=247 AUC 0.81–0.87（队列 CMS 率 29.6%）
人工神经网络预测术后 pCMS（PMC8882257） n=204 AUC 0.949 / 准确率 90.9%

从这张表可以读出的方法学信号是：CMS 预测在领域内确实「可做」（AUC 普遍在 0.78 以上），但样本量普遍在 180–250 例量级，且高 AUC 多伴随严格的特征工程与验证设计。PANDA-CMS 的 104 例明显低于这些同类研究，这进一步印证 §3.4 的提醒：用它做预测任务时，样本量是首要约束，验证协议是成败关键。

3.6 一个「临床—AI」翻译练习：从手术室问题到建模问题

理解 PANDA-CMS，最关键的一步是把临床语言翻译成建模语言。下表给出这个翻译过程，它也是使用者撰写方法学章节时应当讲清楚的东西：

临床问题 建模问题 PANDA-CMS 中的对应物 尚缺的信息
肿瘤在哪里、多大？ 语义分割 / 目标区域标注 逐例的肿瘤分割掩码 掩码类别定义（单类/多类）
手术风险高不高？ 风险分层 / 预后预测 临床数据 + 影像特征 完整临床字段清单
术后会不会不说话？ 二分类（CMS 阳/阴） CMS 结局标签 阳性例数未知（§8.2 疑点 4）
为什么这个孩子风险高？ 可解释性 / 特征归因 待建（需你自建） 无官方基线解释
换了医院还准吗？ 外部验证 / 泛化 无外部数据 无外部验证集（§3.4）

这张表的用处在于：它把「数据能回答什么」与「数据不能回答什么」并排呈现。使用者应在论文的 Limitations 章节里，把右列「尚缺的信息」逐条写出来——这正是「小样本真实数据集」负责任的用法：不假装能回答数据回答不了的问题。

3.7 与成人脑肿瘤数据集的定位差异（一句话锚点）

如果读者熟悉 BraTS、ATLAS、UCSF-PDGM 等成人脑肿瘤数据集，最容易犯的错是把 PANDA-CMS 当作「儿童版 BraTS」。它不是。 差异有三层：(1) 人群层——儿童脑组织处于发育/髓鞘化阶段，形态与信号特征不同；(2) 解剖层——后颅窝结构细密、毗邻脑干与关键颅神经，分割难度与风险画像不同；(3) 任务层——本数据集额外承担 CMS 这一手术并发症预测任务，而成人脑肿瘤数据集通常只聚焦分割/分级/生存。因此，任何跨数据集的指标迁移与模型直接套用，都必须重新验证（详见 §6.3）。

3.8 一图读懂：PANDA-CMS 在「数据—任务—风险」上的位置

                    数据规模
                       ↑
        大             |   [库内其他大规模影像条目]
                       |
        中             |            [同领域 CMS 队列 n≈180-250]
                       |
        小             |   ★ PANDA-CMS (n=104)
                       |
        微             |
        +------------------------------------→ 任务复杂度
          单任务(仅分割)      双任务(分割+预测)

    ★ 落点解读：规模「小」+ 任务「双」→ 方法学要求「高」
      可行路线：小样本 + 迁移学习/放射组学 + 严格验证
      危险路线：把 n=104 当 n=1000 用，堆大模型、随机划分、只看acc

这张「位置图」想传达的是：PANDA-CMS 的定位决定了它是一块「方法学试金石」，而不是一块「刷分跳板」。 认清这一点，才不会在错误的期待下误用它。

4. 数据获取与使用流程

4.1 获取路径：公开直链，无门槛

PANDA-CMS 由 figshare 承载，download_disabled 为 false，无需注册、无需申请、无需邮件沟通，任何人打开页面即可下载全部文件。这与许多「请求制」临床数据集（需填表、签 DUA、等审批）形成鲜明对照。路径有三条，互为备份：

  1. 网页路径：打开 figshare 文章页 https://figshare.com/articles/dataset/.../30281506，在文件区点选 anonymized_data.zip 下载。
  2. 直链路径：直接访问下载器地址 https://ndownloader.figshare.com/files/58499422，绕过页面渲染，适合写进脚本做可复现拉取。
  3. API 路径：https://api.figshare.com/v2/articles/30281506 取 JSON 元数据（含各文件 id、size、compute_md5、download_url），再据 download_url 拉取。

给自动化的建议：先调 API 取元数据、校验 MD5，再下载文件。这样既拿到权威的字节数与哈希，又能把「版本 + 内容指纹」写进实验记录，符合可复现性要求。

4.2 使用前置：先审 Data Usage Agreement

这是本数据集最容易被忽略的一步。文章附带一份独立的 Data Usage Agreement.pdf（文件 id 58499410，68,957 bytes）。下载数据前应先阅读该协议，确认允许的用途、署名要求与再分发限制。

需要如实说明的一点是：本条目在核验阶段只核到了协议文件的存在、大小与哈希，未逐条阅读其正文（受「禁止大文件整体抓取」纪律约束，见 §9 遗留疑点）。因此这里只能给出「有协议、需审阅」的结论，不能替使用者断言协议具体条款。使用者应自行阅读该 PDF，这是合法合规使用的前提。

4.3 许可：GPL 3.0+ 用于数据集，一个需要存照的组合

figshare 元数据标注的许可证是 GPL 3.0+（GNU General Public License v3.0 or later）。这一条值得单独拎出来讲，因为它是一个类型错配的罕见选择：

  • GPL 是软件许可证，核心是 copyleft 传染性——衍生作品需以同等条款开源。把它套在数据集上，法理上存在争议：数据并非「程序」，GPL 条文里诸如「源代码」「目标代码」「链接」等概念对数据集的映射并不自然。
  • 数据/图库场景更常见的做法是 CC 系列（如 CC BY、CC BY-NC）或自定义 DUA，这些许可对「署名」「非商用」「再分发」的表达更贴合数据场景。
  • 因此，PANDA-CMS 用 GPL 3.0+ 属于罕见且需要存照的选择。使用者若打算商用或做衍生发布，不要想当然地把「GPL 数据」当成「随便用」：应同时审视 GPL 文本与那份 Data Usage Agreement，两者的叠加关系（谁优先、有无额外限制）是本条目未能替使用者厘清的遗留疑点。

一句话合规提示：公开可下载 ≠ 无约束。 拿到数据不等于拿到所有权利，许可与协议的边界要自己读明白。

4.4 版本与引用：锁死 v1

  • 数据集目前只有 v1（version: 1）。
  • 版本 DOI：10.6084/m9.figshare.30281506.v1——指向这一具体版本，内容固定，适合写进论文的「数据可用性」段。
  • 概念 DOI：10.6084/m9.figshare.30281506——不带版本号，永远指向「最新版本」，适合放在网页超链接里引导读者去看有无更新。
  • 引用格式（figshare 官方给出）：

    Cao, Longhao (2025). PANDA-CMS: A Pediatric Annotated Dataset for Automated Tumor Segmentation and Cerebellar Mutism Syndrome Prediction. figshare. Dataset. https://doi.org/10.6084/m9.figshare.30281506.v1

实践建议：论文里引版本 DOI（保证评审看到的就是你用的那一版）；网页/README 里可放概念 DOI（让读者能发现后续版本）。两者不要混用。

4.5 使用流程清单（建议的最小可复现路径）

  1. 记录环境：写下你下载的日期、DOI 版本（v1）与文件名。
  2. 取元数据：调 figshare API 存下 JSON 快照，留档各文件 id/size/MD5。
  3. 核对指纹：下载后本地算 md5sum，与元数据表比对（见 §2.3 硬数字表），确保文件未损坏、未被替换。
  4. 读协议：打开 Data Usage Agreement PDF，确认用途合规；不确定处请教法务，不要凭感觉。
  5. 解压与探查：解压 anonymized_data.zip，先看目录结构与 README，确认影像格式（DICOM/NIfTI）、分割标签与临床表字段（这部分本条目未能替你做，见 §8.2 疑点 1）。
  6. 划分数据：按患者划分训练/验证/测试，杜绝患者级泄漏（见 §5.1）。
  7. 建模与验证：依任务选分割或预测范式，小样本任务用分层交叉验证（见 §5.2）。
  8. 报告与引用：同时报告均值与置信区间、灵敏度与特异度；按 §4.4 引用版本 DOI；遵守许可与协议。

4.6 下载与校验的可复制命令骨架（示意）

下面给出命令骨架（非针对本数据集的完整脚本，路径需按实际替换）。注意纪律：不要一次性拉取超大文件做无目的解析；校验只算 MD5，不展开内容。

# 1) 取元数据快照（小体积，安全）
curl -s --max-time 20 https://api.figshare.com/v2/articles/30281506 -o meta.json
#    关注 files[].id / files[].size / files[].computed_md5

# 2) 下载文件（如确需；1.55 GiB，耐心等待，勿并发多次）
#    curl -L -o anonymized_data.zip "https://ndownloader.figshare.com/files/58499422"
#    curl -L -o Data_Usage_Agreement.pdf "https://ndownloader.figshare.com/files/58499410"

# 3) 校验
#    md5sum anonymized_data.zip      # 期望 3846fe1dc11f1d019151f757d026767b
#    md5sum Data_Usage_Agreement.pdf # 期望 dd7ff217deed261dd00867d01fd849a2
#    ls -l                           # 核对字节数

提示：如需在受限网络下验证可达性而不下载，可仅取 meta.json（几 KB）；真正的 1.55 GiB 下载建议在网络稳定时进行，并核对 MD5。

4.7 常见获取问题与处置

问题 可能原因 处置
直链下载中断 网络不稳/大文件 重试一次；仍失败则改日或换网络，勿死循环
MD5 不匹配 下载不完整/被中间层改写 重新下载；核对元数据原始值
打不开 zip 下载截断 检查字节数与 MD5
无 PDF 阅读器 环境缺依赖 装 PDF 阅读器后通读 DUA，勿跳过
想批量拉取 误以为要全量 不需要；本条目仅需关键文件即可

5. 方法论与建模建议

本节不重复「怎么用 API」这类操作，而是聚焦一旦拿到数据、要把它跑成可信结果，需要守住哪些方法学底线。核心矛盾只有一个：104 例、双任务、小样本不平衡。所有建议都服务于这个矛盾。

5.1 第一铁律：按患者划分，杜绝数据泄漏

这是本数据集最容易被踩、也最致命的坑。

  • 影像数据的天性：一个患者的 3D 体积会被切成成百上千张 2D 切片。相邻切片高度相似（差异常常只是几个像素）。如果把切片随机打散分到训练/验证两侧，同一位患者的相邻切片就会同时出现在两边——模型等于「见过答案」，验证指标会虚高，你以为的泛化能力是假的。
  • 正确做法：以 患者为最小划分单位（patient-level split）。同一患者的所有切片只能落在同一侧。分割任务尤其要这样，否则 Dice/IoU 会系统性偏乐观。
  • 预测任务同理：若一个患者贡献多行记录，也须按患者聚合划分。
  • 自检清单：
    • [ ] 划分前先按患者 ID 分组，而不是按切片/行随机抽样；
    • [ ] 检查训练集与验证集的患者 ID 交集为空；
    • [ ] 若做了数据增强，增强只作用于训练侧，且不跨越患者边界。

一条简单的判据：你的验证集里，有没有哪个「患者」在训练集里出现过？有，就是泄漏。

5.2 第二铁律：小样本不平衡 → 分层交叉验证 + 置信区间

CMS 预测的样本量是硬约束（104 例，按领域阳性率推算阳性例约 26–42 例）。在这种规模下，单次划分的指标没有统计意义：

  • 用分层交叉验证（stratified k-fold）：每一折保持阳性/阴性比例与全集一致，避免某一折恰好阳性极少导致指标失真。
  • 报告均值与离散度：给出各折均值 + 标准差 / 置信区间，而不是挑一折最好的数字汇报。「挑了最好的一折」是学术不诚实，也是自欺。
  • 多看几个指标：类别不平衡时，准确率会骗人（全预测阴性也可能有高准确率）。应同时报告 AUC、灵敏度、特异度、F1，有条件加 PR 曲线 / AUPRC。
  • 留出外部测试：若能做到，从第一天起冻结一个从不参与调参的测试集，用它做最终汇报，杜绝「在测试集上反复调参」的隐性过拟合。
  • 可复现性：固定随机种子并公开；报告多次运行的波动范围。

5.3 分割任务的方法学要点

针对任务一（自动肿瘤分割），除 §5.1 的患者级划分外：

  • 评价指标：Dice、IoU（Jaccard）、HD95（95% 豪斯多夫距离，衡量边界误差）、敏感度/特异度（体素级）。Dice 高不代表边界好，小病灶或边界模糊处要用 HD95 补充。
  • 类别定义要先看清单：是二分类（肿瘤/背景）还是多标签（增强区/水肿/囊变/坏死）？这决定损失函数与后处理（见 §9：本条目未核到具体标签定义）。
  • 预处理要统一：重采样到各向同性体素间距、强度归一化（如 z-score 或百分位裁剪）、颅骨剥离与否——预处理不一致会让跨研究比较失去意义。
  • 后处理：连通域筛选（去除孤立小噪声块）、孔洞填充常能稳定提升 Dice。
  • 基线要含经典方法：至少给出 U-Net 家族之外的经典基线（如阈值 + 形态学），让读者知道深度模型带来的净增益。

5.4 CMS 预测任务的方法学要点

针对任务二（术后 CMS 预测），这是真正的难点，方法学建议更谨慎：

  • 特征来源三层：影像（术前 MRI 分割掩码导出的形态/纹理/放射组学特征）+ 临床（年龄、肿瘤类型/位置、脑积水等协变量）+ 手术相关因素（若提供）。多模态融合往往优于单模态。
  • 特征选择要防泄漏：任何特征选择/标准化只能基于训练折拟合，再应用到验证折；在全量数据上做特征筛选再交叉验证，是典型泄漏。
  • 模型复杂度要匹配样本量：104 例更适合经典放射组学 + 树模型/正则化线性模型；若用深度网络，务必配合预训练、强增强、早停与严格交叉验证，并接受「可能不如简单模型稳」的现实。
  • 类别不平衡处理：可用类别加权损失、重采样，但重采样要仅在训练折内做，不能污染验证折。
  • 可解释性有价值：SHAP/特征重要性排序有助于临床解读，也能帮评审判断模型是否学到了「合理的东西」（如肿瘤位置与 CMS 的已知关联），而非数据伪影。

5.5 跨任务共通的坑与建议

议题 常见错误做法 推荐做法
数据划分 按切片/行随机划分 按患者划分，检查 ID 无交集
交叉验证 单次 train/test，报最好一次 分层 k 折，报均值 ± 置信区间
不平衡 只看准确率 报 AUC/灵敏度/特异度/PR
特征工程 全量数据上做选择/标准化 仅在训练折内拟合
外部验证 无 冻结测试集，杜绝调参污染
许可合规 「能下就能随便用」 读 DUA + 审视 GPL 叠加
版本引用 混用版本/概念 DOI 论文用版本 DOI，网页用概念 DOI

5.7 可提交前的「方法学自查清单」（12 项）

在把基于 PANDA-CMS 的结果写进论文/报告前，请逐条自查。任何一条为「否」，都可能让结论不可信：

  1. 划分是否按患者？（而非按切片/行）
  2. 训练、验证、测试三方的 patient_id 是否确认无交集？
  3. 交叉验证是否分层（保持正负比例）？
  4. 是否报告了均值与不确定性（标准差或置信区间）？
  5. 预处理（归一化/重采样/去噪）是否只在训练折拟合？
  6. 特征选择是否只在训练折完成？
  7. 类别不平衡处理是否只在训练折内做？
  8. 评估指标是否不止准确率（含 AUC/灵敏度/特异度/PR）？
  9. 是否固定并公开随机种子与划分代码？
  10. 是否明确说明无官方划分/无官方基线，自建基线的配置是否写清？
  11. 是否按版本 DOI 引用数据，并在合规声明中说明 DUA/GPL 处理方式？
  12. Limitations 是否如实写出样本量、单中心、CMS 阳性数未知、无外部验证等局限？

这份清单不是形式主义——它是把 §5.1/§5.2 两条铁律与 §8.2 遗留疑点，落成可勾选的工程动作。12 项全过的结果，才配得上「可复现」三个字。

5.6 一句话方法论结论

PANDA-CMS 的价值不在「刷多高的分」，而在于它是一个真实的、双任务的、小样本的临床影像试验场。 用好它的关键不是模型多花哨，而是把患者级划分、分层交叉验证、多指标报告、许可合规这四件事做扎实。做到了，你得到的是可信且可复现的结论；做不到，再高的 AUC 也是沙上高楼。

5.8 两套实验设计模板（可直接照抄结构）

模板 A：分割任务

环节 建议设置 要报告
划分 按患者分组，如 5-fold GroupKFold 折数、分组变量、种子
预处理 重采集体素间距、强度归一化（训练折统计量） 参数与来源
模型 3D U-Net / nnU-Net 默认基线 → 你的改进 结构与理由
损失 Dice + CE（类不平衡时加权） 权重与依据
指标 Dice / IoU / HD95 均值±标准差
消融 去掉你的改进看掉多少 增量归因
失败分析 边界模糊/小肿瘤/近脑干病例 定性 + 图例

模板 B：CMS 预测任务

环节 建议设置 要报告
划分 按患者分层 5-fold 或 10-fold 折数、分层变量、种子
特征 临床变量（+可选影像特征） 字段清单与来源
特征选择 仅在训练折内做 方法（LASSO/递归消除等）
模型 逻辑回归 / 梯度提升 等简单可解释模型为主 超参搜索空间
不平衡 训练折内加权/重采样 处理方式与比例
指标 AUC / 灵敏度 / 特异度 / F1 / PR 均值±置信区间
校准 校准曲线/Brier 分数 若用于临床决策
解释 SHAP/重要性排序 与临床先验是否一致

两套模板的共同点：划分先于一切、训练折隔离、多指标、报不确定性、做失败分析。 把这两张表填完整，你的实验就具备了「可审稿、可复现」的骨架。

5.9 关于「要不要上大模型」的冷静判断

小样本（104 例）场景下，「上大模型」是一个常见冲动，但需要冷静：

  • 从零训练大模型 → 不现实：104 例不足以支撑参数量巨大的网络收敛，几乎必然过拟合。
  • 预训练编码器 + 轻量头 → 可行：用大规模医学影像预训练编码器提取特征，再训练线性头/浅层分类器，是小样本的稳妥路径（与库内 PANDA-PLUS 的「冻结编码器+线性探针」思路相通，见 §6.7）。
  • 分割任务 → 优先 nnU-Net 等成熟管线：自配置管线在中小数据上往往强于手搭复杂网络。
  • 结论：先用简单、可解释、可复现的方法拿到可信基线，再谈复杂模型。 在 104 例上，一个稳健的逻辑回归可能比一个花哨的 Transformer 更有说服力。

6 评测、基准与使用示例

6.1 先说结论：PANDA-CMS 没有官方排行榜

这一点必须先讲清楚，否则会误导读者。PANDA-CMS 在 figshare 上以数据集形式发布，没有配套的官方挑战赛、没有公开 leaderboard、没有官方划定的 train/valid/test 划分文件。它不像 PANDA（前列腺癌 WSI 挑战）那样有 Grand Challenge 平台与实时榜，也不像 BraTS 那样有逐年赛制与官方评测脚本。

这意味着两件事：

  1. 你无法与「官方数字」对标——因为不存在官方数字。
  2. 你必须自己做划分、自己报口径、自己说清可复现性——把方法学写在论文里，而不是指望数据集替你背书。

因此本节的「基准」只能是两类：(A) 领域文献中同类任务的可比数值（供你判断自己的结果是否落在合理区间）；(B) 官方数据卡片给出的任务定义（供你确认任务目标）。二者都不是「PANDA-CMS 官方基线」，读者务必分清。

6.2 领域文献中的可比数值

儿童后颅窝肿瘤（posterior fossa tumor）术后小脑缄默综合征（CMS）预测，属于一个小样本、类别不平衡、临床特征为主的预测问题。文献报告的 AUC 区间大致如下（来源见 FACTS.md §7 与 §9 生态文献锚）：

出处（年份/规模） 任务 报告指标 备注
文献 A（2022，n=188） CMS 预测（放射+临床） AUC 约 0.79–0.89（分模型） 不同特征组 AUC 有差异
文献 B（2025，n=247） CMS 预测（多中心） AUC 约 0.81–0.87 多中心口径
文献 C（n=204） CMS 预测 AUC 约 0.949 单中心、可能乐观

读法提醒：上表数值不是 PANDA-CMS 上的结果，不能直接拿来与你在 PANDA-CMS 上跑出的数字做«谁高谁低»的比较。样本量、中心数、特征集、正例定义、划分方式都不同。它们的作用是给你一个数量级参照——CMS 预测 AUC 落在 0.75–0.90 区间是常见的，若你报出 0.99 又没做严格的按患者划分与外部验证，大概率是泄漏或过拟合，而不是好消息。

6.3 分割任务的可比性：与「成人脑肿瘤分割」的本质区别

若你做分割，一个常见误区是拿 BraTS（成人脑胶质瘤）的 Dice 值来对标。不要这么做，原因有三：

  • 解剖部位不同：PANDA-CMS 是儿童后颅窝（小脑、脑干、第四脑室区域），BraTS 是幕上胶质瘤；后颅窝结构细密、毗邻脑干与颅神经，边界模糊度不同。
  • 人群不同：儿童脑组织与成人差异显著（髓鞘化程度、脑体积），模型迁移不能想当然。
  • 标注协议不同：PANDA-CMS 给的是术前 MRI 的肿瘤分割掩膜（详见 §2.4），与 BraTS 的多区（ET/TC/WT）标注体系不同。

正确的对标方式：在同数据集上自建基线——例如先用一个不调参的 nnU-Net 或 3D U-Net 做默认配置基线，记录 Dice / HD95，然后报告你的改进相对该基线的增益。内部基线 + 消融实验才是可复现、可审稿的做法。

6.4 一个最小可用（minimal working）使用示例

下面给出一个伪代码级的流程骨架，帮助读者理解如何把数据接进训练管线。注意：这是示意，不是可直接运行的脚本；真实文件名与目录结构需以你下载解压后的实际内容为准（见 §2.5 与 FACTS.md §9 遗留疑点 1——zip 内部结构未核）。

# 步骤 1：准备
#   下载 anonymized_data.zip（见 §4.1），先读 Data Usage Agreement（§4.2）
#   解压到本地安全目录，确认无 PHI（数据自称已匿名化）

# 步骤 2：解析
#   读取影像（术前 MRI，n=104）+ 分割掩膜 + 临床表格（含 CMS 结局标签）
#   建立 patient_id 索引表

# 步骤 3：按患者划分（§5.1 铁律）
#   用 GroupShuffleSplit / GroupKFold，groups=patient_id
#   确保同一患者的切片不跨折

# 步骤 4：训练
#   分割支路：3D U-Net 类网络，Dice+CE 损失
#   CMS 支路：以临床特征 + （可选）影像特征为输入，梯度提升或逻辑回归
#   类别不平衡：训练折内加权/重采样（§5.4）

# 步骤 5：评估
#   分割：Dice / IoU / HD95，报均值±标准差
#   CMS：AUC / 灵敏度 / 特异度 / F1，分层 k 折，报均值±置信区间

# 步骤 6：报告
#   写清划分方式、随机种子、软件版本、许可合规声明

6.5 使用示例的边界：什么「不该」做

  • 不该把「一份数据随机切 train/test 后报最高一次结果」当作结论（§5.2 已述）。
  • 不该在无 DUA 阅读记录的情况下直接商用或再分发（§4.2、§4.3）。
  • 不该声称自己的数字是「PANDA-CMS 官方基准」（§6.1——不存在官方基准）。
  • 不该跨中心/跨人群直接声明泛化能力——本数据集单一来源，无外部验证集（§3.4）。

6.6 可复现性清单（写进论文的「复现包」应含什么）

由于 PANDA-CMS 没有官方划分，你的「可复现」完全取决于你自己交代得够不够细。一个合格的可复现包应包含：

项 内容 为什么必要
数据版本 figshare 版本 DOI + 下载日期 锁定 v1，防版本漂移
划分文件 patient_id → fold 的映射（可公开） 别人能复现同一折
随机种子 所有随机操作的种子 消除「换个种子就变」
预处理 归一化参数、裁剪尺寸、体素间距重采样 预处理差异足以改变结论
分割配置 网络结构、损失、优化器、epoch 分割可复现
预测配置 特征集、模型、超参搜索空间 预测可复现
评估脚本 指标计算代码 指标口径一致
合规声明 DUA 接受记录 + 引用方式 合规可追溯

反面案例：只写「我们用 5-fold CV 得到了 AUC 0.85」——折怎么分的？按患者吗？种子多少？预处理在哪一步做？缺了这些，别人复现不出，这条结论在审稿里就是空中楼阁。

6.7 从库内 PANDA-PLUS 的「评测工程」可以借鉴什么

库内的 panda-plus（rid 640）条目展示了一种把「重标注」做成「评测基准」的工程思路：冻结编码器 + 线性探针、双指标（切片识别 vs 跨切片泛化）、公开评测脚本。虽然 PANDA-PLUS 是病理 WSI、PANDA-CMS 是儿童 MRI，疾病与模态完全不同（无血缘，见 §7.1），但评测工程的若干做法是可迁移的方法论：

PANDA-PLUS 的做法 可迁移到 PANDA-CMS 的思路
冻结编码器 + 线性探针 小样本下先用预训练影像编码器 + 轻量分类头，避免从零训练
双指标同看（伪影 vs 生物信号） 分割任务可同看 Dice 与 HD95；预测任务同看 AUC 与校准度
公开评测脚本 + 固定划分 自建划分后公开划分文件与评估脚本，弥补无官方划分
明确的许可分层 把 DUA 与 GPL 的处理方式写进数据说明

重要边界：这只是「方法论借鉴」，不是「数据集关联」。PANDA-CMS 与 PANDA-PLUS 没有共享任何数据、机构或血统，任何把它们说成「同一评测体系」的表述都是错误的（§7.1、附录 J）。

6.8 评测设计的三个「不要」

  • 不要用单一指标定胜负——分割只看 Dice、预测只看 AUC，都会掩盖问题（前者忽略边界误差，后者忽略校准与阈值选择）。
  • 不要在测试集上反复调参——反复「看一眼测试集再改」就是一种泄漏；测试集应当只被评估一次。
  • 不要省略失败案例——把预测错误的病例拿出来分析（尤其 CMS 假阴性），往往比多涨 0.01 AUC 更有临床价值。

7 生态、互链与同名消歧

7.1 名称撞车：三个「PANDA」不是一家人

这是本条目最需要读者警惕的一点。qianfanghub.com 库内已存在两个含「panda」的条目，加上本条目，共三个。它们名字像，血缘完全不相干：

库内条目 record_id 全称含义 疾病域 数据模态 与本条目关系
panda 560（另有历史 id 27） Prostate cANcer graDe Assessment（前列腺癌分级） 前列腺癌 全切片病理图像（WSI） 无——同名纯属巧合
panda-plus 640 PANDA 的像素级再标注扩展 前列腺癌 WSI 无——同上
panda-cms（本条目） 待入库 Pediatric Annotated Dataset for Automated tumor segmentation and CMS prediction 儿童后颅窝肿瘤 MRI（影像）+ 临床数据 ——

关键结论：同名不同体，勿合并。 「PANDA」这个已是大写的缩写在这两个语境里是各自拼出来的头字字母，属于缩写偶然重合（详见 §2.1 与 FACTS.md §1/§9）：

  • 前列腺癌 PANDA 的「PANDA」拼的是 Prostate cANcer graDe Assessment。
  • 本条目 PANDA-CMS 的「PANDA」拼的是 Pediatric Annotated Dataset for Automated tumor segmentation。

一个是疾病 + 评测任务的缩写，一个是人群 + 数据集性质的缩写。二者不共享数据、不共享机构、不共享疾病域、不共享模态——前列腺癌 WSI 与儿童脑肿瘤 MRI，是彻底不同的两个世界。任何把三者视为「PANDA 系列」来合并描述、或假设 panda-plus 是 panda-cms 的上一版的做法，都是错误的。本条目须与 panda/panda-plus 明确并行陈列、互不隶属、互不引用为血缘。

补充：库内另有一条历史记录把 url_name='panda' 挂在 record_id=27 与 record_id=560 两处（状态均为 1，见 FACTS.md §1 查重表）。这属于同一前列腺癌条目的重复/迁移记录，与本条目 panda-cms 无关，此处一并说明以免混淆。

7.2 与库内其他儿童脑肿瘤/影像条目的潜在互链

PANDA-CMS 的主题是「儿童脑肿瘤影像 + 临床预测」。库内若存在以下方向的条目，可作为主题相关（非血缘相关）的互链候选：

  • 儿童脑肿瘤 MRI 分割方向的条目——同疾病域、同模态，读者可能希望横向对比。
  • 医学影像 + 临床结局预测（多模态预测）方向的条目——同任务范式。
  • 数据使用协议（DUA）范式方向的条目——若库内有其他同样要求先签协议的数据集，可做合规实践互链。

说明：截至成稿，FACTS.md §8 仅确证了 panda（560/27）与 panda-plus（640）两个同名需消歧条目；其余同主题条目的 rid 未在本轮核验中逐一确认，故不在此处臆造 rid。建议主会话在发布前用 DB 反查补齐（见 §6 汇报「建议互链点」）。任何互链说明文字只能写在正文（本小节），不得写进 frontmatter 的 relatedLink（纪律包 R012——relatedLink 只允许纯 URL）。

7.3 与前序文献/资源的引用关系

PANDA-CMS 目前在 FACTS.md §9 中记录为 无配套论文（遗留疑点 3）。也就是说，引用本数据集时：

  • 应引用数据集本身（figshare 版本 DOI，见 §4.4），而非某篇不存在的论文；
  • 可参考领域内 CMS 预测文献（§6.2 三源）作为背景，但需明确这些文献不是 PANDA-CMS 的出处；
  • 不应把任何第三方论文声称为「PANDA-CMS 官方论文」。

7.4 检索词与别名建议（供库内检索与其他条目互链）

为了让检索者能准确命中本条目、且不与前列腺癌 PANDA 混淆，建议的检索词与别名策略如下：

类别 词 说明
唯一命中词 panda-cms、PANDA CMS、panda cms 应唯一指向本条目
主题词 儿童后颅窝肿瘤、后颅窝、posterior fossa、小脑缄默综合征、CMS prediction 主题检索
疾病词 髓母细胞瘤、medulloblastoma、pediatric brain tumor、儿童脑肿瘤 疾病检索
任务词 肿瘤分割、tumor segmentation、术前 MRI、preoperative MRI 任务检索
歧义词（慎用） PANDA、panda 会同时命中前列腺癌条目，必须配合疾病/模态限定
排除词 前列腺、prostate、WSI、病理 命中这些说明查到了前列腺癌 PANDA，不是本条目

建议：库内做相关性计算时，本条目应绑定 儿童后颅窝肿瘤/小脑缄默综合征/MRI 等强区分标签，而不要用裸 PANDA 作为主标签——否则会把三个条目混在一起（参见附录 K）。

7.5 生态位小结

一句话概括 PANDA-CMS 的生态位：它是一个「小众但结构完整」的临床影像数据集——规模小（104 例）、无排行榜、无配套论文，但恰好把「影像分割」与「临床结局预测」两个任务、以及「许可先审 + 按患者划分」两个方法学要点，压缩在一个可下载的包里。 它与库内前列腺癌 panda/panda-plus 仅共享一个巧合的名字；它的真正价值与风险，都在「小而真实」这四个字里。

7.6 为什么「同名消歧」在本条目里要反复强调

读到这里，读者可能会觉得作者对「PANDA 同名」过于执着——毕竟提了不止三次。这个「反复」是刻意的，理由有三：

  1. 检索成本：库内检索 panda 会同时命中三个条目，用户极可能点错。消歧必须写在最显眼处（INFOBOX、§2.1、§7.1）。
  2. 引用风险：若研究者把两个 PANDA 的引用混为一谈，会导致文献计量与数据溯源错误。
  3. 自动互链风险：若库内相关性算法按字符串匹配 panda，三个条目可能被错误地互链在一起——因此本条目建议用强区分标签（§7.4、附录 K），而非裸 PANDA。

一句话：名字是用户与算法进入条目的第一道门；门牌写错，后面全错。 这也是千方病案医数集把「同名消歧」列为条目标配内容的原因。

8 双口径存照与遗留疑点

8.1 双口径冲突存照（按纪律包 §9 要求逐条留痕）

「双口径」指同一事实在网络上有两个都看起来权威、但数值/表述不一致的口径。写手不擅自二选一，而是两条并陈、标明各自出处，让读者自行判断。本条目共 3 条：

存照 1：发布时间（UTC vs 页面时区）
  • 口径 A（figshare REST API）：published_date 为 2025-10-05T16:06:12Z（UTC）。
  • 口径 B（figshare 数据集网页显示）：页面标注 2025-10-06 00:06。
  • 分析：两者相差约 8 小时，与 UTC+8（北京时间） 换算完全吻合——2025-10-05 16:06 UTC ≈ 2025-10-06 00:06 北京时间。这不是矛盾，而是同一时刻的两种时区表达。API 以 UTC 给出机器时间，网页按访问者/服务器时区渲染。
  • 成稿取法：正文以 API 的 UTC 口径为准（2025-10-05T16:06:12Z），并在本存照说明网页口径来源，避免读者误以为有两次发布。
存照 2：「PANDA」缩写词源（同名消歧）
  • 口径 A：习惯性联想——「PANDA」易被直觉联系到库内已有的前列腺癌 PANDA 数据集（panda rid 560/27、panda-plus rid 640），进而误判本条目为其分支。
  • 口径 B（实核）：本条目官方全称为 Pediatric Annotated Dataset for Automated tumor segmentation（前缀 PANDA）+ CMS 后缀，与前列腺癌条目（Prostate cANcer graDe Assessment）无任何血缘。
  • 分析：这是典型的缩写偶然重合（heteronym collision），非版本关系、非别名关系。
  • 成稿取法：全文明确「同名不同体，勿合并」（见 §2.1、§7.1），并在库内互链上把三者并列而非嵌套。此条同时是纪律包 L02「别名数据集撞库」的预防性留痕——本条目不是别名，不得被合并入 panda/panda-plus。
存照 3：机构归属（CERNET 出口 vs pku.edu.cn 邮箱）
  • 口径 A：网络的 CERNET 出口地理/网络定位可能指向某教育网节点。
  • 口径 B：作者联系邮箱域名为 pku.edu.cn（北京大学）。
  • 分析：出口 IP 归属（网络层）与作者所属机构（组织层）不是一回事——CERNET 是全国性教育网，一个 IP 出口不能直接推断署名机构。仅凭 pku.edu.cn 邮箱也不足以确证全部作者的单位归属与团队构成。
  • 成稿取法：不臆断机构。正文对机构归属保持谨慎，明确标注该点为未确证（见 §8.2 遗留疑点 5），不做「该数据集由某校某实验室发布」之类的断言。

8.2 遗留疑点（本轮未核到 / 无法核的，如实列出）

纪律包要求：查不到的写遗留疑点，不编造、不脑补。以下 5 条已在 FACTS.md §9 留痕，此处同步。

  1. zip 内部结构未核：anonymized_data.zip（1,663,208,496 字节）的目录层级、文件命名规范、影像格式（NIfTI/DICOM?）、临床表格字段名，本轮均未逐项打开核验。读者下载解压后请以实际内容为准，别照搬本文的示意。
  2. DUA 正文未逐字读：Data Usage Agreement.pdf（68,957 字节）存在且为使用前置条件，但其条款全文未被逐条摘录。正式使用前必须亲自通读（§4.2）——本文不对 DUA 的具体条款做法律解释。
  3. 无配套论文：截至成稿未检索到 PANDA-CMS 的正式配套论文或预印本。故本文引用一律指向数据集本身（§4.4），背景数值引自领域文献（§6.2）并明确非本数据集的出处。
  4. CMS 正例数未知：数据卡片给出总例数 104，但其中 CMS 阳性（发生小脑缄默综合征）的例数未见于公开描述。这对类别不平衡程度与建模策略有直接影响（§3.4、§5.4），属关键未知项。
  5. 机构与团队归属未确证：仅确证作者 Longhao Cao 与 ORCID 0009-0003-0974-5957；完整作者列表、所属机构、团队背景未获权威来源确证（与存照 3 相关）。

8.3 一条「为什么没核」的说明

上述疑点之所以留白，是因为纪律包的低中断执行预算（网络请求硬上限）要求「三源互证够了就停」，且zip 大文件整体抓取被明令禁止（§2.5 第 3 条），DUA 正文亦非公开可爬文本。在「核全」与「不触发沙箱中断」之间，本条目选择如实标注未知——这比编一个看起来完整的答案更负责任，也符合千方病案医数集「AI-Ready」的可信度要求。

9 坑点清单

以下 8 条，是使用 PANDA-CMS 时最容易踩的坑（纪律包要求 ≥5，此处给 8 条）。每条都对应上文的具体章节，便于回溯。

坑 1：把 PANDA-CMS 当成前列腺癌 PANDA 的分支来引用。
名字像不代表血缘近。「PANDA」是缩写偶然重合（§7.1），三个条目互不隶属。任何把 panda-plus 描述为 panda-cms 前身、或把三者合并成一「系列」的写法，都是错的。消歧务必写入正式引用与正文。

坑 2：不看 Data Usage Agreement 就直接下载使用。
数据页面存在 Data Usage Agreement.pdf（§4.2），它是使用前置条件。跳过它、或假设「公开下载 = 随便用」，在合规上是站不住的，尤其涉及后续再分发或发表时。先读后下。

坑 3：被「GPL 3.0+」这个 license 标签误导。
GPL 是软件许可协议，被套用在数据集上是罕见且易误解的组合（§4.3）。它不当然等于「数据集可自由再分发」。使用前务必把 DUA 与 GPL 的关系想清楚——有疑问时按更严格的口径要求自己。

坑 4：按切片/行随机划分，制造患者级数据泄漏。
小样本医学影像的头号杀手（§5.1）。同一患者的相邻切片高度相似，随机划折会让验证集「偷看」训练集。必须按 patient_id 分组划分。这一点没做好，AUC 再高也是假的。

坑 5：只看准确率，无视类别不平衡。
CMS 是少数类事件（发生率不高）。若阳性占比低，一个「全猜阴性」的模型也能有高准确率，却毫无临床价值（§5.4）。必须报 AUC / 灵敏度 / 特异度 / PR，并说明不平衡程度——遗憾的是 CMS 正例数尚未确知（§8.2 疑点 4），更要主动核查。

坑 6：拿 BraTS 的 Dice 值来对标本数据集的分割结果。
成人幕上胶质瘤与儿童后颅窝肿瘤，解剖部位、人群、标注体系都不同（§6.3）。正确的对标是自建内部基线 + 消融，而不是跨数据集比数字。

坑 7：声称自己的结果是「PANDA-CMS 官方基准」。
不存在官方排行榜与官方基线（§6.1）。把自建结果包装成「官方」，既不诚实也无法复核。论文里应写清「无官方划分，本文采用 X 划分、Y 折、种子 Z」。

坑 8：把版本 DOI 与概念 DOI 混用，导致引用无法锁定版本。
figshare 同时提供版本 DOI 与概念 DOI（§4.4）。论文应锁版本 DOI（对应 v1），网页/汇总页可用概念 DOI。混用会让别人复现时取到别的版本。同时注意：PANDA-CMS 目前只有 v1，尚无 v2，但引用纪律仍要写对。

10 DAIMS 评估与常见问题

10.1 DAIMS 评估表

DAIMS（Data and Analytics Infrastructure Maturity/Assessment 体系，千方病案医数集用以评估数据条目对 AI 的就绪度）四维评估如下。评分为定性判断，依据是 FACTS.md 的实核结果，不代表官方评价。

维度 评估项 判断 依据
Data Accessibility（可及性） 公开直链、无需登录 ✅ 好 figshare 公开直链 / REST API 可取（§4.1）
使用前置门槛 ⚠️ 有 须先审 Data Usage Agreement（§4.2）
license 清晰度 ⚠️ 存疑 GPL 3.0+ 用于数据集，类型错配（§4.3）
Interoperability（互操作性） 开放格式 ⚠️ 未核 zip 内影像格式未逐项确认（§8.2 疑点 1）
标准化标注 ✅ 有 提供肿瘤分割掩膜（§2.4）
与其他数据集的衔接 ❌ 弱 单中心、无官方划分、无标准基准（§6.1）
Metadata（元数据） 官方数据卡片 ✅ 有 figshare 页含描述、作者、许可、文件清单
任务定义清晰度 ⚠️ 中 双任务方向明确，但字段级说明依赖 zip 内文档（§2.5）
引用元数据 ✅ 有 提供官方引用格式与 DOI（§4.4）
Sustainability（可持续性） 托管稳定性 ✅ 好 figshare 长期托管，DOI 持久
版本管理 ✅ 好 版本 DOI + 概念 DOI 双轨（§4.4）
维护活跃度 ⚠️ 未知 发布时间新（2025-10），无配套论文，后续维护未知（§8.2）

综合印象：PANDA-CMS 在可及性与元数据上表现良好（公开、有 DOI、有引用格式），在互操作性与可持续性上存在短板（单中心小样本、无基准、格式未核、license 类型错配）。对 AI 就绪而言：可用，但需要使用者自己补足方法学与合规功课。

11 总结

11.1 三句话总结

  1. PANDA-CMS 是一个「小而真实」的儿童后颅窝肿瘤 MRI 数据集：104 例术前影像，配分割掩码与临床数据，明确面向肿瘤分割与 CMS 预测双任务，figshare 公开、带 DOI。
  2. 它的最大特征与最大风险都来自同一件事——「小」：小样本、单来源、无官方划分、无配套论文、CMS 阳性数未知，因此方法学的严谨（按患者划分、分层 CV、多指标报告）比模型的花哨更重要。
  3. 它的第一个坑是名字：PANDA-CMS 与库内前列腺癌 PANDA（rid 560/27）、panda-plus（rid 640）只是缩写撞车，三者本体/模态/疾病/机构全不同，禁合并、禁互认血缘。

11.2 适合谁

  • 儿科神经影像 / 脑肿瘤分割团队：拿掩码做分割监督，研究儿童后颅窝这一相对稀缺的解剖区域。
  • 术后并发症预测研究者：把 CMS 预测当作小样本不平衡的二分类问题来研究。
  • 医学影像方法学研究者：用一个真实的小数据集验证「按患者划分、分层 CV、多指标报告」这套纪律的落地。
  • 数据治理与许可研究者：GPL 3.0+ 用于数据集 + DUA 前置，是研究「许可类型错配」的活案例。

11.3 不适合谁

  • 想刷大榜单的人：没有官方 leaderboard，没有官方基线（§6.1）。
  • 需要大规模训练数据的人：104 例不足以训练大模型从零学习，更适合迁移/微调/小样本范式。
  • 想做多中心泛化实验的人：单一来源、无外部验证集（§3.4）。
  • 想要「拿来即用、无需读许可」的人：DUA 与 GPL 的双重合规功课绕不开（§4.2、§4.3）。

11.4 30 秒决策卡

你的问题 一句话回答
这是什么？ 104 例儿童后颅窝肿瘤术前 MRI + 掩码 + 临床数据的 figshare 公开数据集
能做什么？ 肿瘤分割（像素级）+ CMS 预测（患者级）
能直接下吗？ 能，公开直链；但先读 DUA
许可是什么？ GPL 3.0+（软件许可用于数据，需存照）
最大坑是什么？ 名字撞前列腺癌 PANDA；小样本泄漏；无官方基准
怎么引用？ figshare 版本 DOI：10.6084/m9.figshare.30281506.v1

11.5 一句话收尾

PANDA-CMS 的价值，不在于它多大、多完美，而在于它把一个真实的临床难题（术后缄默能不能提前预测）连同它的全部局限，诚实地打包成了一个可下载、可复现的数据集。 用好它的关键，是尊重它的「小」——用对的划分、对的验证、对的报告，去换可信的结论。

FAQ（高频问答 30 问）

A. 基础认知

Q1：PANDA-CMS 是什么、不是什么？
它是一个公开的儿童后颅窝肿瘤术前 MRI 标注数据集（104 例），不是挑战赛、没有 leaderboard、没有官方划分。它是 figshare 上一个带 DOI 的 Dataset 条目，配套一个数据使用协议 PDF。

Q2：名字里的 PANDA 和 CMS 分别指什么？
PANDA = Pediatric Annotated Dataset for Automated tumor segmentation（取自官方标题首字母）；CMS = Cerebellar Mutism Syndrome（小脑缄默综合征）。注意这个 PANDA 与库内前列腺癌 PANDA 的「Prostate cANcer graDe Assessment」只是字母巧合（§2.1、§7.1、§9 坑 1）。

Q3：是谁做的？
figshare 页面唯一署名作者 Longhao Cao（ORCID 0009-0003-0974-5957）。完整作者列表与团队归属未获权威来源确证（§8.2 疑点 5）。

Q4：发在哪、什么时候？
figshare，article id 30281506，doi:10.6084/m9.figshare.30281506.v1，版本 v1，发布时点 2025-10-05T16:06:12Z（API UTC 口径；网页显示 2025-10-06 00:06，为 UTC+8，见 §8.1 存照 1）。

Q5：多大？
主数据文件 anonymized_data.zip 为 1,663,208,496 字节（≈1.55 GiB），加 Data Usage Agreement.pdf（68,957 字节）后总体积 1,663,277,453 字节。

Q6：一句话卖点是什么？
它把儿童后颅窝肿瘤手术最凶险的并发症——术后缄默——做成了一个「给定术前影像+临床变量、预测是否发生」的可监督学习任务，并且同时提供像素级分割掩码，让同一批稀缺的儿童脑肿瘤影像服务两个技术方向。

Q7：它最大的局限一句话？
小（104 例）、单一来源、无外部验证集、无配套论文、许可类型错配——这些是「小而真实」的代价（§3.4、§6.1、§8.2）。

B. 数据与获取

Q8：能直接下载吗？
能。figshare 页面公开，download_disabled=false，走公开直链或 REST API；但下载/使用前需接受 Data Usage Agreement（§4.1、§4.2）。

Q9：需要申请吗？
数据本体不需要。与「请求制」的 PANDA-PLUS 掩码不同，PANDA-CMS 是 figshare 公开直链，无邮件申请环节。但 DUA 是前置阅读条件，不是可选项（§4.2）。

Q10：DUA 里写了什么？
本轮未逐字摘录条款全文（§8.2 疑点 2）。正式使用前必须亲自通读。本文不做法律解释。

Q11：许可是什么？
GPL 3.0+（GNU General Public License v3.0 or later）。这是一个软件 copyleft 许可被用在数据集上——数据集通常用 CC 系列，用 GPL 属罕见组合，法理适用性存在讨论空间（§4.3、坑 3）。

Q12：GPL 和 DUA 冲突吗？
关系未知。官方元数据层只给出 GPL 标签，DUA 是单独 PDF；两者如何叠加，元数据层未阐明（§4.3、§8.2）。有疑问时按更严格的口径要求自己。

Q13：我能再分发这个数据吗？
不确定。GPL 的传染性主张针对软件，用于数据时边界模糊；DUA 可能另有约定。再分发前请读完 DUA 并谨慎评估（§4.2、§4.3）。

Q14：怎么下载最稳妥？
三条路径：① figshare 网页按钮；② 直链 ndownloader.figshare.com/files/<id>；③ REST API。推荐先读 DUA，再下载 zip（§4.1）。

Q15：文件 id 是多少？
Data Usage Agreement.pdf = id 58499410（68,957 字节，MD5 dd7ff217deed261dd00867d01fd849a2）；anonymized_data.zip = id 58499422（1,663,208,496 字节，MD5 3846fe1dc11f1d019151f757d026767b）（§2.3）。

Q16：zip 里是什么格式、什么命名？
未核。影像格式（NIfTI/DICOM?）、目录层级、临床表字段名均未逐项打开（§8.2 疑点 1）。下载解压后以实际内容为准。

C. 数据与任务

Q17：里面到底有什么？
据 figshare 元数据：匿名化的术前 MRI（主体）、肿瘤分割掩码、临床数据，打包在一个 zip 里，另附 DUA.pdf（§2.3、§2.4）。

Q18：有多少例？
104 例术前儿童后颅窝肿瘤 MRI（§2.3）。

Q19：CMS 阳性有多少例？
未披露。总例数 104 明确，但 CMS 阳性/阴性各多少，公开描述未给（§8.2 疑点 4）。这直接影响类别不平衡程度与建模策略——使用前建议自行核查。

Q20：有哪些 MRI 序列？
未核。T1/T2/FLAIR/DWI/ADC/增强等具体序列清单在 zip 内，元数据层未暴露（§8.2 疑点 1）。

Q21：双任务具体指什么？
① 自动肿瘤分割（像素级，由掩码支撑）；② CMS 预测（患者级，由临床数据/影像特征支撑）（§3.2）。

Q22：为什么把这两个任务放一起？
因为它们共享同一批稀缺的儿童后颅窝影像：分割需要掩码，预测需要影像+临床；一个数据集同时服务两者，是资源复用的设计（§3.2）。

Q23：可以做纵向随访/生存分析吗？
不合适。数据结构是「术前 MRI + 结局标签」的横断面式设计，未描述随访时间序列（§3.3）。

Q24：能做多中心泛化实验吗？
不合适。单一来源、无外部验证集（§3.4）。要做泛化需另找数据。

D. 方法学与建模

Q25：最关键的建模铁律是什么？
按患者划分（patient-level split）。同一患者的相邻切片高度相似，随机划折会造成患者级数据泄漏，AUC 虚高（§5.1、坑 4）。

Q26：小样本该怎么办？
分层交叉验证 + 置信区间。104 例、类别不平衡，单次划分结果不稳；应报分层 k 折的均值±区间，而非「跑得最好的那一次」（§5.2、坑 5）。

Q27：分割任务报什么指标？
Dice / IoU / HD95，报均值±标准差，并说明预处理与后处理（§5.3、§6.4）。

Q28：CMS 预测报什么指标？
AUC / 灵敏度 / 特异度 / F1 / PR，明确不平衡程度与正例定义（§5.4）。不能只报准确率（坑 5）。

Q29：能拿 BraTS 的 Dice 来对标吗？
不能。解剖部位（儿童后颅窝 vs 成人幕上）、人群、标注体系都不同（§6.3、坑 6）。正确做法是自建内部基线 + 消融。

Q30：为什么不能声称「官方基准」？
因为不存在官方排行榜与官方基线（§6.1、坑 7）。把自建结果包装成官方，既不诚实也无法复核。

E. 生态与库内

Q31：本条目和库内 panda / panda-plus 什么关系？
没有任何关系，只有缩写撞车。 panda（rid 560/27）与 panda-plus（rid 640）是前列腺癌病理数据集；panda-cms 是儿童脑肿瘤 MRI 数据集。本体、模态、疾病、机构、词源全不同，禁合并、禁互认血缘（§7.1、附录 M）。

Q32：为什么库内 panda 出现了两个 rid（27 和 560）？
那是同一前列腺癌条目的重复/迁移记录（状态均为 1），与本条目 panda-cms 无关（§7.1、附录 M）。

Q33：检索时怎么避免把三者搞混？
记住判别轴：疾病域（前列腺癌 vs 儿童脑肿瘤）、模态（WSI vs MRI）、缩写词源（疾病+任务 vs 人群+数据集性质）。三者各不相同即为三个独立条目（附录 M、附录 R）。

F. 复现与工程细节

Q34：怎么保证划分可复现？
固定随机种子、固定划分代码、公开 patient_id 分组规则；在论文中写清折数、种子与分组变量（§5.2、§6.4）。

Q35：类别不平衡怎么处理才不污染验证折？
重采样/加权只在训练折内做，验证折保持原始分布（§5.4、坑 5）。

Q36：分割模型从什么基线起步？
先用默认配置的 3D U-Net / nnU-Net 做不调参基线，记录 Dice/HD95，再报告改进的增量（§6.3）。

Q37：临床特征怎么进模型？
可做「影像特征 + 临床特征」的融合（早期/晚期融合），但要防特征选择在验证集上泄漏（§5.5）。

Q38：可解释性有必要吗？
有。SHAP/特征重要性排序既助临床解读，也能帮评审判断模型是否学到合理关联（§5.3、§5.4）。

Q39：引用该怎么写？
引用数据集本身，用 figshare 版本 DOI（10.6084/m9.figshare.30281506.v1）；不引用不存在的论文（§4.4、§8.2 疑点 3）。

Q40：本条目后续会更新什么？
见文末「维护触发点」：优先级最高的是 (a) DUA 条款细读 (b) zip 内部结构核验 © CMS 阳性数确认 (d) 配套论文/团队归属追记。

事实清单（硬事实 26 条）

每条均可回溯 FACTS.md 对应小节。凡元数据层未暴露的，不列入本节（改列 §8.2 遗留疑点）。

  1. 数据集官方全称：A Pediatric Annotated Dataset for Automated Tumor Segmentation and Cerebellar Mutism Syndrome Prediction。
  2. 简称 PANDA-CMS；缩写前缀 PANDA = Pediatric Annotated Dataset for Automated tumor segmentation（取自标题首字母，非同源前列腺癌 PANDA）。
  3. 载体：figshare，article id 30281506。
  4. DOI（版本）：10.6084/m9.figshare.30281506.v1；版本号 v1。
  5. 发布时间：2025-10-05T16:06:12Z（figshare REST API UTC 口径）。
  6. 网页显示发布时点：2025-10-06 00:06（UTC+8，与 API 同一时刻，见 §8.1 存照 1）。
  7. 唯一署名作者：Longhao Cao；ORCID 0009-0003-0974-5957。
  8. 例数：104 例术前儿童后颅窝肿瘤 MRI。
  9. 模态：MRI（术前）；具体序列清单未核。
  10. 任务一：自动肿瘤分割（由分割掩码支撑）。
  11. 任务二：小脑缄默综合征（CMS）预测（由临床数据/影像特征支撑）。
  12. 许可：GPL 3.0+（GNU General Public License v3.0 or later），figshare license value=6。
  13. 许可 URL：https://www.gnu.org/licenses/gpl-3.0.html。
  14. 文件 1：Data Usage Agreement.pdf，id 58499410，68,957 字节。
  15. 文件 1 MD5：dd7ff217deed261dd00867d01fd849a2。
  16. 文件 2：anonymized_data.zip，id 58499422，1,663,208,496 字节（≈1.55 GiB）。
  17. 文件 2 MD5：3846fe1dc11f1d019151f757d026767b。
  18. 数据集总体积：1,663,277,453 字节（两文件之和）。
  19. 下载方式：figshare 公开直链；download_disabled=false（无登录门槛）。
  20. 使用前置条件：须接受/阅读 Data Usage Agreement（PDF 单独提供）。
  21. 版本链：仅 v1（无后续版本）。
  22. 伴随论文：未见（figshare references 为空、has_linked_file=false）。
  23. 官方排行榜/评测脚本：无（非挑战赛）。
  24. 官方 train/valid/test 划分文件：无。
  25. 库内同名消歧对象：panda（rid 560，另见历史 id 27）、panda-plus（rid 640）——均为前列腺癌 WSI 条目，与本条目无血缘（详见附录 M）。
  26. 库内 slug panda-cms 查重结论：无同名条目（本条目为新建）。

术语表（28 条）

术语 释义
PANDA-CMS 本数据集简称；全称见事实清单 1
CMS（Cerebellar Mutism Syndrome） 小脑缄默综合征：儿童后颅窝肿瘤术后并发症，表现为言语与运动一过性障碍
后颅窝（posterior fossa） 颅腔后下部，含小脑、脑干、第四脑室；儿童后颅窝肿瘤高发区
髓母细胞瘤（medulloblastoma） 儿童最常见的后颅窝恶性胚胎性肿瘤
毛细胞型星形细胞瘤（pilocytic astrocytoma） 儿童常见的低级别后颅窝胶质瘤
术前 MRI（preoperative MRI） 手术前采集的磁共振影像，本数据集的影像模态
分割（segmentation） 逐像素/体素标注肿瘤区域的任务
掩膜/掩码（mask） 分割的输出或标注，标出目标范围的二值/分类图
像素级（pixel-level） 以单个像素/体素为标注/评估单位
患者级（patient-level） 以单个患者为标注/评估单位（如 CMS 结局）
数据划分（split） 将数据分为训练/验证/测试的规则
patient-level split 按患者划分：同一患者数据不跨折，防泄漏
数据泄漏（data leakage） 训练信息非正常渗入验证/测试，导致指标虚高
分层交叉验证（stratified CV） 保持各折正负比例与总体一致的交叉验证
置信区间（confidence interval） 估计不确定性的区间；小样本必须报告
AUC ROC 曲线下面积；对类别不平衡较稳健的二分类指标
灵敏度 / 特异度 正确识别正例/负例的比例
PR 曲线 精确率-召回率曲线，类别不平衡时比 ROC 更敏感
Dice 分割重叠度指标，2·
IoU 交并比，
HD95 95 分位豪斯多夫距离，衡量分割边界误差
nnU-Net 自配置医学分割基线框架
3D U-Net 常用的三维医学图像分割网络
类别不平衡（class imbalance） 正负样本比例悬殊；CMS 属少数类事件
重采样（resampling） 过采样/欠采样调整类别分布，须仅在训练折内做
SHAP 基于博弈论的特征贡献解释方法
融合（fusion） 多模态（影像+临床）特征整合，分早期/晚期融合
DOI 数字对象标识符；分版本 DOI 与概念 DOI
版本 DOI（version DOI） 指向特定版本（如 .v1），引用应锁此
概念 DOI（concept DOI） 指向数据集全版本，网页/汇总页可用
DUA（Data Usage Agreement） 数据使用协议，本数据集的使用前置条件
GPL 3.0+ GNU 通用公共许可证 v3.0 或更新；软件 copyleft 许可
copyleft 要求衍生作品沿用相同许可的授权机制
figshare 在线科研数据托管平台，提供 DOI 与版本管理
WSI（Whole Slide Image） 全切片病理图像；本条目不涉及（前列腺癌 PANDA 才涉及）
ORCID 开放研究者与贡献者身份标识

附录

附录 A：条目信息速查卡

项 值
条目 slug panda-cms
官方全称 A Pediatric Annotated Dataset for Automated Tumor Segmentation and Cerebellar Mutism Syndrome Prediction
中文名 儿童后颅窝肿瘤 MRI 分割与小脑缄默综合征预测数据集
别名/检索词 PANDA-CMS, PANDA CMS, panda cms
载体 figshare
article id 30281506
版本 DOI 10.6084/m9.figshare.30281506.v1
作者 Longhao Cao
ORCID 0009-0003-0974-5957
例数 104
模态 MRI（术前）
任务 肿瘤分割 + CMS 预测
许可 GPL 3.0+（+ Data Usage Agreement 前置）
发布时点 2025-10-05T16:06:12Z（UTC）
库内消歧对象 panda (560/27), panda-plus (640)

附录 B：DAIMS 评估全表（展开版）

维度 评估项 判断 依据 改进建议（若可）
Data Accessibility 公开直链 ✅ figshare 公开、download_disabled=false —
Data Accessibility 登录门槛 ✅ 无 无需账号 —
Data Accessibility 使用前置 ⚠️ DUA 须先读协议 PDF 建议作者在页面摘要附协议要点
Data Accessibility license 清晰度 ⚠️ 存疑 GPL 3.0+ 用于数据，类型错配 建议作者说明数据适用口径
Interoperability 开放格式 ⚠️ 未核 zip 内格式未确认 建议附 NIfTI/BIDS 说明
Interoperability 标注标准 ✅ 有 提供分割掩膜 建议说明标注协议与工具
Interoperability 与其他数据集衔接 ❌ 弱 单中心、无标准基准 建议提供基线划分脚本
Metadata 官方数据卡片 ✅ figshare 页含描述/作者/许可 —
Metadata 任务定义 ⚠️ 中 双任务方向明确，字段级待核 建议补字段字典
Metadata 引用元数据 ✅ 官方引用格式 + DOI —
Sustainability 托管 ✅ figshare 长期 + DOI 持久 —
Sustainability 版本管理 ✅ 版本/概念 DOI 双轨 —
Sustainability 维护活跃度 ⚠️ 未知 2025-10 新发、无论文 关注后续版本

附录 C：获取与使用决策树（文字版）

要拿到并合规使用 PANDA-CMS？
│
├─ 1. 先确认用途：学术研究 / 商用 / 再分发？
│   ├─ 商用或再分发 → 先读 DUA + 评估 GPL 与 DUA 叠加 → 有疑问从严（勿盲目使用）
│   └─ 学术研究 → 继续
│
├─ 2. 阅读 Data Usage Agreement.pdf（id 58499410）
│   └─ 接受条款后继续
│
├─ 3. 下载 anonymized_data.zip（id 58499422, 1.55 GiB）
│   ├─ figshare 网页 / 直链 / REST API 三选一
│   └─ 校验 MD5 = 3846fe1dc11f1d019151f757d026767b
│
├─ 4. 解压并盘点内部结构（格式/字段/掩膜类别）→ 记为已知
│
├─ 5. 建模：按患者划分 → 分层 CV → 多指标报告
│
└─ 6. 引用：figshare 版本 DOI 10.6084/m9.figshare.30281506.v1

附录 D：双口径存照汇总表

编号 议题 口径 A 口径 B 处理
存照 1 发布时点 API UTC 2025-10-05T16:06:12Z 网页 2025-10-06 00:06 同一时刻，UTC+8 换算；正文取 UTC
存照 2 PANDA 缩写词源 易联想为前列腺癌 PANDA 分支 实为 Pediatric Annotated Dataset… 声明同名不同体，勿合并
存照 3 机构归属 出口/网络定位指向教育网节点 邮箱域 pku.edu.cn 网络层≠组织层，不臆断，列待核

附录 E：遗留疑点追踪表

编号 疑点 影响 优先级
1 zip 内部结构未核 影响方法学与工程实现 高
2 DUA 条款未细读 影响合规 高
3 无配套论文 影响引用与背景 中
4 CMS 阳性数未知 影响不平衡策略与可行性 高
5 机构/团队归属未确证 影响溯源 低

附录 F：坑点档案（与 §9 对照）

坑 一句话 详见
坑 1 误认 PANDA 同源 §7.1、附录 M
坑 2 跳过 DUA 直接用 §4.2
坑 3 误解 GPL 用于数据 §4.3
坑 4 按切片划分致泄漏 §5.1
坑 5 只看准确率 §5.4
坑 6 拿 BraTS Dice 对标 §6.3
坑 7 谎称官方基准 §6.1
坑 8 DOI 版本/概念混用 §4.4

附录 G：硬数字证据链自证表

数字 值 源 交叉验证
例数 104 官方数据卡片 摘要与 API 一致
article id 30281506 API 页面 URL 一致
版本 DOI …30281506.v1 API 页面一致
发布时间 2025-10-05T16:06:12Z API 网页 UTC+8 换算吻合
作者 Longhao Cao API/页面 ORCID 记录一致
zip 字节 1,663,208,496 API files 列表 MD5 核验记录
DUA 字节 68,957 API files 列表 MD5 核验记录

附录 H：许可与使用合规自查清单

  • [ ] 已通读 Data Usage Agreement 全文
  • [ ] 已理解 GPL 3.0+ 用于数据集的特殊性
  • [ ] 已确认研究/商用用途与许可兼容
  • [ ] 已确认不再分发或注明再分发条件
  • [ ] 已按版本 DOI 引用
  • [ ] 已为数据集生成的数据/模型做好合规声明

附录 I：数据集使用 SOP（标准作业流程）模板

  1. 准备：通读 DUA，记录接受时间与版本。
  2. 获取：下载 zip 与 PDF，校验 MD5。
  3. 盘点：解压，记录目录、格式、掩膜类别、临床字段。
  4. 版本锁定：记录 DOI 与下载日期。
  5. 划分：按 patient_id 分组，固定种子，留存划分代码。
  6. 训练：分区内做预处理/重采样，防泄漏。
  7. 评估：分割报 Dice/IoU/HD95；预测报 AUC/灵敏度/特异度/PR。
  8. 报告：写清划分、种子、软件版本、合规声明。
  9. 归档：保存配置文件与脚本以便复现。

附录 J：与库内前列腺癌 PANDA 条目的关系声明

（对应纪律包 R012：消歧说明写在正文，不进 frontmatter 的 relatedLink。）

  • 本条目 panda-cms：儿童后颅窝肿瘤 MRI 数据集（104 例），figshare 发布，GPL 3.0+。
  • 库内 panda（rid 560；历史 id 27）：前列腺癌分级（Prostate cANcer graDe Assessment）病理 WSI 数据集。
  • 库内 panda-plus（rid 640）：panda 的像素级重标注扩展，前列腺癌 WSI。
  • 关系：三者仅共享「PANDA」这一缩写的偶然重合，在疾病域、数据模态、机构、词源上完全不同。不构成任何家族/版本/血缘关系。禁合并、禁互链为父子、禁互引为前作后继。
  • 检索提示：见到「PANDA」须先问三件事——是前列腺癌还是儿童脑肿瘤？是 WSI 还是 MRI？缩写拼的是什么？三者任一不同即为不同条目。

附录 K：库内检索与去重建议

  • 检索 panda 会同时命中三个条目，务必按疾病域 + 模态二次筛选。
  • 检索 CMS / 缄默 / 后颅窝 / posterior fossa 应唯一指向本条目。
  • 检索 小脑 时注意与纯小脑解剖/其他小脑疾病条目区分。
  • 去重键建议：以 figshare article id（30281506） 为唯一键，而非以「PANDA」字串。

附录 L：术语首现英文对照速查

章节 术语 英文
§0 小脑缄默综合征 Cerebellar Mutism Syndrome (CMS)
§0 后颅窝 posterior fossa
§2 掩膜 mask
§3 分割 segmentation
§3 术前 MRI preoperative MRI
§5 分层交叉验证 stratified cross-validation
§5 数据泄漏 data leakage
§6 曲线下面积 AUC
§6 交并比 IoU
§6 95 分位豪斯多夫距离 HD95

附录 M：维护触发点

  1. DUA 条款细读：一旦获取并精读协议，重写 §4.2/§4.3，并把存照 3 与疑点 2 结案。
  2. zip 内部核验：一旦盘点内部结构，补全 §2.3/§2.4/§2.5，结案疑点 1。
  3. CMS 阳性数确认：一旦从数据或作者处确认，更新 §3.4/§5.4 与疑点 4。
  4. 配套论文出现：一旦检索到正式论文/预印本，更新 §4.4/§7.3 与疑点 3。
  5. 版本更新（v2）：一旦 figshare 发布新版本，更新 §4.4 版本链与附录 A。
  6. 团队/机构信息公开：一旦确证，更新 §8.1 存照 3 与疑点 5。

附录 N：30 秒决策卡

  • 要数据？ figshare 公开直链 → 先读 DUA → 下 zip（1.55 GiB）。
  • 要建模？ 按患者划分 + 分层 CV + 多指标报告。
  • 要引用？ figshare 版本 DOI：10.6084/m9.figshare.30281506.v1。
  • 怕撞库？ 记住：PANDA-CMS ≠ 前列腺癌 PANDA，仅缩写巧合。
  • 怕踩许可坑？ GPL 3.0+ 用于数据集 + DUA 前置，从严理解。

本条目遵循千方病案医数集 AI-Ready Wikipedia 规范撰写。硬数字以 FACTS.md 为准；网络口径冲突已按「双口径存照」逐条留痕（§8.1、附录 D）；未核项如实列为遗留疑点（§8.2、附录 E），不作臆断。

附录 O：小脑缄默综合征（CMS）临床背景延伸

本附录为背景知识，帮助非临床读者理解为什么 CMS 值得被做成预测任务。内容为领域通识性描述，不构成临床建议，具体诊疗请遵循专业指南与临床医生判断。

什么是 CMS。 小脑缄默综合征（Cerebellar Mutism Syndrome，CMS）是儿童后颅窝肿瘤手术后出现的一组并发症，核心表现是术后数小时至数日内出现的言语减少乃至缄默，常伴情绪不稳、肌张力改变与运动协调障碍。多数患儿的言语能力会在数周至数月内逐步恢复，但恢复过程漫长，且部分患儿可能遗留长期的言语、认知或行为问题。

为什么它重要。 对家庭而言，孩子术后「突然不说话了」是极具冲击的事件；对临床而言，它直接影响术后沟通、康复资源分配与家属预期管理。如果能在术前就预测出高风险个体，医生就可以在手术入路选择、术中操作策略、术后照护安排上做更充分的准备。

为什么预测难。 一是发生率与样本——它并非所有患儿都会发生，属少数类事件，导致类别不平衡；二是机制未完全明确——涉及小脑与大脑其他区域的网络连接（如齿状核-丘脑-皮层通路），单一影像特征往往不足以刻画；三是数据稀缺——儿童后颅窝肿瘤本身是小众病种，可用的术前影像与随访数据总量有限。这三点，正是 PANDA-CMS 这类「小样本、不平衡、多模态」数据集所面对的现实。

与数据集的连接。 PANDA-CMS 同时提供术前影像（掩码）与临床数据，恰好对应 CMS 预测可能需要两类信息（影像特征 + 临床变量）的现实。但它未公开 CMS 阳性例数（§8.2 疑点 4），这使使用者在建模前必须先自行核查不平衡程度——这是本文反复强调的关键动作。

附录 P：数据集「能力—局限」一页纸

维度 能力（能做什么） 局限（不能做什么）
分割 用掩码监督训练/评估儿童后颅窝肿瘤分割模型 无官方分割基线；跨人群迁移需再验证
CMS 预测 用影像+临床特征做二分类风险建模 阳性例数未知；单一来源无外部验证
小样本方法学 检验按患者划分/分层 CV/多指标报告 结论的泛化边界窄，须显式声明
数据治理 研究 GPL+DUA 组合的合规实践 商用/再分发边界模糊，需逐一评估
教学 真实的小样本临床影像试验场 不适合作为「大规模预训练数据」

附录 Q：与同领域公开资源的关系速查

资源类型 代表 与 PANDA-CMS 的关系
成人脑肿瘤分割 BraTS 部位/人群/任务均不同，不可直接对标（§6.3）
前列腺癌分级 PANDA（库内 rid 560/27） 仅缩写同名，无血缘（§7.1、附录 J）
前列腺癌像素级 panda-plus（库内 rid 640） 同上，无血缘
CMS 预测文献 §6.2 三源 背景参照，非本数据集出处
请求制数据集 某些需邮件申请的数据集 PANDA-CMS 是公开直链，非请求制

附录 R：给不同读者的推荐阅读路径

  • 只想下数据的人：§4.1 → §4.2 → 附录 C。约 5 分钟。
  • 要建模的人：§3.2 → §3.4 → §5.1 → §5.2 → §5.7。约 20 分钟。
  • 要写论文的人：§4.4 → §6.1 → §6.6 → §8.2。约 15 分钟。
  • 关心合规的人：§4.2 → §4.3 → 附录 H。约 10 分钟。
  • 只担心撞库的人：§7.1 → 附录 J → 附录 K。约 3 分钟。
  • 想全面了解的人：从 §0 顺序读到 §11，再翻附录。

附录 S：条目自检对照表（写手内部留痕）

检查项 要求 状态
title 站点后缀 含「\ 千方病案医数集」
frontmatter 直引号 双引号串内无英文直引号 ✅ 用「」
title/subtitle/data_source 长度 各 ≤255 字符 ✅
description 长度 ≤170 字符 ✅
块式列表 - 前缀 全部以 - 起始 ✅
rai:dataLimitations / relatedLink 缩进 2 空格顶层，子项 4 空格 ✅
relatedLink 纯 URL 无说明文字 ✅
cr:RecordSet 节点式 - "@type": "cr:RecordSet" ✅
DAIMS 表 存在 ✅ §10.1、附录 B
坑点数量 ≥5（本条目 8） ✅ §9、附录 F
category_tags 受控词表 2-6 个，均在校 ✅ 6 个
YAML 解析 通过 ✅

附录 T：域名与 URL 说明

本条目正文中的外部 URL 仅用于溯源（figshare 页面/API、ORCID、GNU 许可页）。frontmatter 的 relatedLink 只允许站内占位 URL（https://www.qianfanghub.com/ai-ready-dataset/panda-cms/908），任何消歧与血缘说明一律写在正文（本附录与附录 J），不进 frontmatter（对应纪律包 R012）。

附录 U：待核字段假设清单（下载后请逐一确认）

下载解压后，建议按此清单把「元数据层未暴露」的细节逐一填实。在填实之前，本文对以下内容不做断言：

待核项 假设/常见情况 确认方式
影像格式 NIfTI 或 DICOM 看 zip 内扩展名
MRI 序列数 可能 1 路或多路（T1/T2/FLAIR…） 数目录/文件名
掩码类别 单类「肿瘤」或多类（增强/水肿/坏死） 看标签值与 README
掩码与影像对齐 应逐体素对齐 抽查尺寸与原点
临床字段 年龄、性别、病理、手术、CMS 结局等 读表格表头
CMS 标签编码 0/1 或 有/无 读字段说明
患者 ID 规则 逐患者唯一 检查是否可分组
是否含随访 可能仅术前+结局，无随访 看字段有无时间列
README 语言 英文为主 通读

附录 V：常见错误做法对照表（速查）

错误做法 后果 正确做法
把本条目与前列腺癌 PANDA 合并 引用/检索错误 明确同名不同体（§7.1）
不读 DUA 就用 合规风险 先读协议（§4.2）
按切片随机划分 数据泄漏、AUC 虚高 按患者划分（§5.1）
只报准确率 掩盖不平衡问题 报 AUC/灵敏度/特异度（§5.4）
跨数据集比 Dice 结论不成立 自建基线（§6.3）
声称官方基准 学术不诚信 自建划分并声明（§6.1）
版本/概念 DOI 混用 引用无法锁定 锁版本 DOI（§4.4）
全量数据上做特征选择 泄漏 仅训练折内（§5.7）
一次性拉整个大页解析 触发沙箱中断 用 API/范围请求（§4.6）
忽略 CMS 阳性数未知 建模策略失误 先核查（§8.2 疑点 4）

附录 W：版本历史与变更记录

版本 DOI 后缀 日期 说明
v1 .v1 2025-10-05（UTC） 首次发布，本条目所记版本

截至成稿，figshare 上仅 v1；如后续出现新版本，本条目应在「维护触发点」（附录 M）第 5 条下更新。注意：引用务必锁定你所用的具体版本 DOI。

附录 X：一页速记卡（打印版）

  • 名称：PANDA-CMS = Pediatric Annotated Dataset for Automated tumor segmentation + CMS。
  • 规模：104 例术前儿童后颅窝肿瘤 MRI。
  • 载体：figshare，article id 30281506，DOI 10.6084/m9.figshare.30281506.v1。
  • 许可：GPL 3.0+（+ 使用前读 DUA）。
  • 任务：分割（像素级）+ CMS 预测（患者级）。
  • 坑：① 名字撞前列腺癌 PANDA ② 小样本泄漏 ③ 无官方基准 ④ 许可类型错配。
  • 用法：公开直链 → 校验 MD5 → 按患者划分 → 分层 CV → 多指标报告 → 版本 DOI 引用。

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：

  • brats-africa — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • brats-pediatric — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 儿科
  • brats-meningioma — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • brats-met — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • ucsd-vs-longitudinal — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • cfb-gbm — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • ucsd-bmets-longitudinal — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • brainptm-2021 — 共享标签：医学影像 / MRI / 医学图像分割 / 脑肿瘤 / 肿瘤学
  • ucsf-pdgm — 共享标签：医学影像 / MRI / 脑肿瘤 / 肿瘤学
  • fets — 共享标签：医学影像 / MRI / 脑肿瘤 / 肿瘤学

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。

返回 AI-Ready 数据集

数据定制

标注服务

欢迎联系咨询

客服二维码

客服二维码

客服二维码
电话咨询

直接咨询

18892062214

微信同号

微信咨询

微信咨询

18892062214

微信同号

邮箱咨询

邮箱咨询

collab@qianfanghub.cn