信息速览
胰腺癌是五年生存率最低的实体瘤之一，影像在其中承担的是分期的判断、可切除性的判断、放疗靶区的勾画，而这三件事都依赖同一个前提：肿瘤的边界能被稳定地画出来。麻烦在于胰腺的位置深、周围全是脂肪与肠管，MRI 上的软组织反差又极低，肿瘤与正常实质、与门静脉和肠系膜上动脉之间常常只剩一道模糊的灰度过渡。到 2024 年为止，公开可下载的胰腺肿瘤 MRI 标注集几乎为零，原因很简单——它太贵也太难标。
PANTHER 补的就是这个空位。它由荷兰奈梅亨的 Radboud 大学医学中心与丹麦欧登塞大学医院联合发起，是第一个专门做胰腺肿瘤 MRI 分割的公开挑战赛。它把问题拆成两个真实场景：一个是诊断场景，用 T1 加权增强动脉期影像，92 例带标注；另一个是 MR-Linac 自适应放疗场景，用 T2 加权影像，50 例带标注。两个场景凑起来 142 例，数量不多，但这是目前唯一能公开拿到的胰腺肿瘤 MR 标注。
它的规模小得让人意外，也因此最容易被误读成「胰腺器官分割集」或「小号的腹部多器官集」。这两个方向都会踩坑，前者把只计分的肿瘤当成了胰腺，后者高估了它的覆盖面。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 官方名称 | PANTHER Challenge: Cross-Domain Pancreatic Tumor Segmentation in MRI |
| 发布年份 | 2025 年 4 月 15 日（训练集与标签同步放出于 Zenodo） |
| 发起机构 | Radboud University Medical Center（荷兰）、Odense University Hospital（丹麦） |
| 任务一 | 诊断 MRI 胰腺肿瘤分割，92 例标注 + 367 例无标注 |
| 任务二 | MR-Linac MRI 胰腺肿瘤分割，50 例标注 |
| 带标注总量 | 142 例（92 + 50） |
| 物理扫描总量 | 509 例（459 + 50） |
| 标注类别 | 2 类：胰腺实质、肿瘤 |
| 评测输出 | 二值肿瘤掩膜（0 背景 / 1 肿瘤） |
| 采集中心 | 2 家，荷兰与丹麦各一 |
| 设备 | 西门子 Skyra / Prisma Fit / Avanto；Elekta Unity（Philips Marlin） |
| 正常对照 | 无，全部为病理确诊胰腺肿瘤患者 |
| 划分 | 开发集 5 + 4 例，隐藏测试各 30 例 |
| 评测指标 | Dice、5 mm Surface Dice、MASD、HD95、肿瘤负荷 RMSE |
| 许可 | CC BY-NC 4.0，Zenodo 文件受限需申请 |
| 官方入口 | https://panther.grand-challenge.org/ |
§1 它要解决的具体麻烦
1.1 胰腺肿瘤的边界在 MRI 上本来就不清楚
把胰腺从腹部 CT 里勾出来，已经算是分割任务里偏难的一档：器官细长、走形弯曲，脾静脉从后方压过去，十二指肠贴着右边。但至少 CT 上脂肪与实质的密度反差稳定，窗宽窗位一调，边界还在。MRI 不是这样。T1 加权增强动脉期里，肿瘤常常表现为相对低信号的区域，可与正常实质的差别可能只有几十个信号单位，而且这个差别会随对比剂到达时间、患者心输出量、扫描序列参数而波动。肿瘤越大越坏死，边界越模糊；肿瘤越小越早期，信号反差越弱、体积占比越小，模型越容易整块漏掉。
这就是 PANTHER 任务一选造影动脉期的原因。官方在任务描述里写得很清楚：这个期相通常能提供最好的肿瘤可见度。反过来说，其余期相（静脉期、平扫、DWI）的可见度更差，所以那 367 例多序列扫描被放进了无标注池——它们是给自监督预训练准备的原料，不是可以直接监督训练的样本。
1.2 呼吸运动与形态变异把问题又抬了一档
胰腺是腹膜后器官，但它会跟着膈肌一起动。自由呼吸的腹部 MRI 序列里，同一层在不同时刻可能对应不同的解剖位置，胰腺的头体尾在一个呼吸周期内会有肉眼可见的位移。这就带来两个后果：一是标注时的层间对应不稳定，二是模型学到的空间先验（胰腺大致在哪个位置、有多大）在不同病例之间的迁移性变差。
形态变异则是另一个维度。钩突的有无与长短、胰体尾的粗细与走向、胰腺与周围脂肪的相对比例，个体差异非常大。腹部多器官分割里胰腺从来是分数最低的那个器官，原因就在这里。PANTHER 的样本量只有 92 例，不足以让模型把这些变异都覆盖到，官方在任务二里干脆把 50 例直接定性为少样本问题，建议参赛者走迁移学习、数据增强或少样本学习的路子。
1.3 肿瘤与血管的边界模糊是评分上不去的主因
在诊断期 MRI 上，胰腺导管腺癌最常见的表现是局部低信号肿块，伴或不伴上游胰管扩张。麻烦在于它紧邻的几根血管：门静脉与肠系膜上静脉在胰颈后方，肠系膜上动脉在钩突内侧，脾动静脉沿胰体尾上缘走。肿瘤侵犯血管是判断可切除性的关键，但这恰恰意味着肿瘤边界与血管边界在影像上是同一团模糊的低信号。
从挑战赛的结果看，这个难度是真实的。任务二的冠军团队在 T2 加权 MR-Linac 影像上做到 Dice 0.5289，第二名 0.4910，官方基线（MRSegmentator 定位胰腺后再做瘤分割）是 0.4784（官方榜单）。四支队伍的差距在 0.05 以内，说明这已经接近当前方法在该数据上的天花板，而不是方法选择的问题。
1.4 你的处境与它能帮到的事
| 你的处境 | PANTHER 能帮你什么 |
|---|---|
| 想做一个胰腺肿瘤自动勾画的原型，但手上没有带标注的 MR 数据 | 92 例诊断期标注 + 50 例放疗期标注，是当前唯一公开入口 |
| 在做 MR-Linac 自适应放疗的在线靶区勾画，缺一个能对标的基线 | 任务二给了公开榜单、官方基线模型与冠军代码仓库 |
| 想研究少样本或迁移学习在真实临床小数据上的表现 | 50 例的任务二本身就是官方定义的少样本设定 |
| 想验证自监督预训练在医学影像上到底有没有用 | 367 例无标注多序列扫描是明确的对照原料 |
| 想复现一个已发表的分割结果 | 榜单前三名的代码仓库均公开，评测脚本公开 |
| 想做胰腺的多器官联合分割 | 给不了你，标注只有胰腺与肿瘤两类，没有胰管与血管 |
1.5 一句话判断
如果你的问题是「在极低软组织反差、边界模糊的器官上做病灶分割」，PANTHER 是目前唯一能公开拿到标注的起点；如果你的问题是「拿到一个够大的胰腺分割集」，它给不了，去 CT 侧的公开数据或走机构合作。
1.6 不适合谁：四条边界
第一条，不适合做器官级胰腺分割的训练集。虽然训练集给了胰腺实质标签，官方在数据集页明确写了评测只计肿瘤，参赛者也普遍把胰腺标签当作定位先验而非目标。拿它训一个「只出胰腺轮廓」的模型，等于只用了一半数据。
第二条，不适合做多序列融合研究。这是最隐蔽的一条：367 例无标注扫描覆盖了静脉期、DWI、同相位等多个序列，看起来像「同一批病人的多序列集合」，实际上每例只对应一个序列，不同序列之间是不同病人。没有配对就没有融合，只能做预训练。
第三条，不适合做正常与异常的鉴别。所有病例都是病理确诊的胰腺肿瘤，没有正常胰腺、没有慢性胰腺炎、没有囊性病变。任何需要阴性对照的任务，在这份数据上都无法设计。
第四条，不适合直接当作临床部署依据。两中心、两国外、单一厂商的诊断机、单一一台放疗机，样本量百例级，患者构成不代表真实门诊人群。它能证明的是方法在跨域条件下的相对排名，不是临床可用性。
§2 数据构成与规格
2.1 两个任务的物理边界在哪里
PANTHER 不是一个数据集，是两个并排的数据集，共享一套标注规范与一个评测框架。把它们混在一起说是这份数据最常见的口径错误：任务一和任务二的扫描来自不同国家、不同医院、不同设备、不同序列、不同临床目的，标注量相差近一倍，连「少样本」的定性都只适用于任务二。
| 维度 | 任务一 | 任务二 |
|---|---|---|
| 临床场景 | 诊断与分期 | MR-Linac 自适应放疗 |
| 序列 | T1 加权增强动脉期 | T2 加权 |
| 有标注例数 | 92 | 50 |
| 无标注例数 | 367 | 0 |
| 采集机构 | Radboud UMC（荷兰） | Odense UH（丹麦） |
| 设备 | 西门子 Skyra / Prisma Fit / Avanto | Elekta Unity（Philips Marlin） |
| 现场 | 诊断 MRI 室 | 放疗机房 |
| 开发集 | 5 例 | 4 例 |
| 隐藏测试 | 30 例 | 30 例 |
这张表里最该被记住的是最后两行。开发集只有 5 例和 4 例，官方明说它只用来熟悉平台与提交流程，不公开。隐藏测试各 30 例，都不公开标注。也就是说，能真正用于训练的只有 92 例和 50 例，其余全部属于「够用来看格式、不够用来调参」的部分。
2.2 509 这个总数是怎么来的
Zenodo 记录的描述里写得很清楚：数据集共 509 张匿名化 MR 影像，任务一 459 张（92 张带标注的 T1 增强动脉期 + 367 张多序列），任务二 50 张 MR-Linac 影像。三个数字相加对得上，与 Grand Challenge 页面上的分项也一致。
这里有一个容易混乱的地方：官网首页说的是「489 张诊断性胰腺 MRI + 84 张 MR-Linac 影像」。这套数字来自挑战赛设计阶段，指的是院方提供影像的总量；而公开发布的口径是 459 + 50。两者不矛盾，区别在于公开包里只放出可用于训练与评测的那一部分。引用时应当用发布口径，不要引用设计阶段的原始采集量，否则会凭空多出近百例。
2.3 一条扫描记录的完整形态
数据以影像文件加掩膜的形式分发，一门一档。下例是用官方数据包解开后常见的目录形态，字段名以实际发布包为准。
#-- 目录形态示意（以官方 zip 解压后的组织为准）
PANTHER/
├── Task1/
│ ├── annotations/
│ │ ├── PANTHER_T1_001_0000.nii.gz # 影像
│ │ └── PANTHER_T1_001.nii.gz # 掩膜
│ ├── unlabeled/
│ │ └── PANTHER_T1_093_0000.nii.gz # 无标注，仅影像
│ └── dataset.json # 训练配置
└── Task2/
├── annotations/
│ ├── PANTHER_MRL_001_0000.nii.gz
│ └── PANTHER_MRL_001.nii.gz
└── dataset.json
从结构上能读出三件事：一是标注目录与无标注目录是分开的，不会误把无标注影像当成有标签的；二是影像与掩膜同号命名，后缀 _0000 表示单一输入通道；三是每个任务各有一个 dataset.json，里面记录了类别名与文件清单，是接入自配置分割框架的入口。
2.4 标注类别的实际语义
标注只有两类，来自官方任务页的原话：训练集中胰腺与肿瘤的标注都会提供，供参赛者熟悉器官解剖与肿瘤位置。但评测阶段的期望输出只有一种形态，即与输入影像同尺寸的二值掩膜，0 为背景，1 为肿瘤。
| 标签值 | 语义 | 训练可用 | 评测计分 |
|---|---|---|---|
| 0 | 背景 | — | 作为负类参与 |
| 1 | 肿瘤 | 是 | 是（唯一计分类别） |
| 胰腺实质 | 单独一类 | 是 | 否，映射为背景 |
第三条是全文最需要强调的一处。多个参赛队的公开实现都说明，训练时把胰腺标签直接映射为背景，只让网络学肿瘤这一类。原因是胰腺体素占比远高于肿瘤，如果不映射，网络会在「先学好大器官」的方向上过早收敛，肿瘤上的召回率上不去。这是使用这份数据时必须自己做的第一步处理，官方数据包里不会替你映射。
2.5 隐藏测试集与提交口径
开发阶段与测试阶段的输入都只有影像，不提供任何标注。输出是每个病例一个二值掩膜文件，格式为与输入同几何的体数据。评测在服务器端跑，参与者看不到中间结果，只能看榜单。
这套设计带来一个实际后果：本地验证与线上成绩之间会有一段无法消除的差距。官方提供了一份评测脚本，可以在本地按同样口径自测，但由于开发集只有 5 例和 4 例，本地自测的方差极大。比较稳妥的做法是自己从 92 例和 50 例里划出病例级交叉验证，用官方脚本算指标，再把线上成绩当作最终读数而不是调参依据。
2.6 与同类资源的定位差异
胰腺方向的公开资源极少，把视野放宽到腹部病灶分割，能放在一起比较的只有下面几个。
| 资源 | 模态 | 目标器官 | 病灶标注 | 规模 | 差异 |
|---|---|---|---|---|---|
| PANTHER | MRI（T1 动脉期 / T2） | 胰腺 | 肿瘤 + 胰腺 | 142 例标注 | 唯一公开的胰腺肿瘤 MR 标注 |
| LiTS | CT | 肝脏 | 肝肿瘤 | 131 例训练 | 肝脏肿瘤，CT 反差远好于 MR |
| KiTS | CT（部分增强） | 肾脏 | 肾肿瘤 | 数百例 | 肾脏肿瘤，边界比胰腺清楚 |
| HCC-TACE-Seg | CT/MRI | 肝脏 | 肝癌 | 数十例 | 治疗前后配对，规模小 |
| AMOS | CT + MRI | 15 类器官 | 无病灶 | 600 例 | 只有器官，无肿瘤 |
| ATLAS | CT | 肝脏 | 肝肿瘤 | 数十例 | 用于放疗靶区，规模很小 |
这张表的用法很简单：要胰腺肿瘤 → PANTHER；要肝脏肿瘤 → LiTS 或 ATLAS；要多器官解剖 → AMOS；要肾脏肿瘤 → KiTS。跨数据集迁移时注意，胰腺的标签语义与肝脏、肾脏的肿瘤标签不可直接互换，一个是低反差软组织里的浸润性病变，一个是高反差脏器内的占位。
2.7 序列覆盖的真实情况
官方描述里出现的序列名有五个：T1 加权增强动脉期、T1 加权增强静脉期、DWI、T1 加权同相位、T2 加权。前四个都在任务一的池子里，T2 只出现在任务二。
| 序列 | 出现在哪个任务 | 是否有标注 | 用途 |
|---|---|---|---|
| T1 加权增强动脉期 | 任务一 | 92 例有 | 监督训练主集 |
| T1 加权增强静脉期 | 任务一 | 无 | 自监督预训练 |
| DWI | 任务一 | 无 | 自监督预训练 |
| T1 加权同相位 | 任务一 | 无 | 自监督预训练 |
| T2 加权（MR-Linac） | 任务二 | 50 例有 | 少样本监督训练 |
这张表回答了「是否每例都有全部序列」这个问题：不是，而且恰恰相反，每例只有一个序列。所谓「多序列」指的是整个池子的覆盖范围，不是单例的丰富度。这一点在官方描述里没有单独强调，但从「367 例来自不同序列」的措辞可以确认。
§3 它的身份：一份为真实临床链路服务的评测基准
3.1 名字里的 PANTHER 不是首字母缩写
PANTHER 读作「潘瑟」，官方页面没有给出首字母展开。它被用作品牌名而非缩写，搜索时不必费力去凑一个全称。这一点值得说，因为中文语境里经常出现把它当作某个英文全称缩写的误传。
真正需要记住的是它的副标题：Cross-Domain Pancreatic Tumor Segmentation in Magnetic Resonance Imaging。cross-domain 是这个挑战赛的自我定位，跨的是诊断与放疗两个域，不是跨医院或跨国家的域。两中心的设计是附带结果，不是设计目标。
3.2 发起方：一场影像组与放疗组的联合
两个发起机构的分工几乎是按任务切开的。Radboud 提供诊断侧的 459 例，设备是西门子的三款诊断机；Odense 提供放疗侧的 50 例，设备是 Elekta Unity。Zenodo 记录的四位作者分属这两家机构，联系人是 Radboud 的 Amparo Soeli Betancourt Tarifa，其余三位是 Odense 的 Faisal Mahmood、Uffe Bernchou 与 Radboud 的 Peter Jan Koopmans。
这种「一边出诊断数据、一边出放疗数据」的结构本身就说明了挑战赛想覆盖的临床链路：确诊、分期、制定放疗计划、逐次治疗中的自适应重画靶区。MR-Linac 的价值就在于治疗床上实时成像、实时改计划，而这一切的前提是能在当次影像上快速画出肿瘤。
3.3 病例从哪儿来：全部来自临床路径
Radboud 的 459 例全部来自病理确诊的胰腺导管腺癌患者，这些影像本身就是为了诊疗而拍的，不是为研究专门采集的。Odense 的 50 例来自接受 MR-Linac 放疗的原发性胰腺肿瘤患者，影像采集于治疗过程中的不同阶段。
这带来两个好处与两个代价。好处是影像分布贴近真实临床，伪影、运动、体位、对比剂时相都是自然出现的，不是理想化采集；代价是没有设计人群、没有阴性对照、没有统一的采集协议，因此病例之间在扫描参数上的差异不受控，也无法用设计变量来解释模型失败的来源。
3.4 标注做到哪一步：官方披露的边界
官方在数据页只说了「每例都有胰腺与肿瘤标注」，没有说明由几位医师标注、有无交叉复核、有无专家仲裁、采用了什么勾画规范。这是一个需要如实标注的空白：对于肿瘤分割这类标注一致性方差极大的任务，多人标注的 Dice 往往只有 0.6 到 0.75，缺少这一信息就无法判断榜单分数的上界在哪里。
可以间接推出的是：任务二只有 50 例且被官方定性为少样本，说明标注成本是主要瓶颈；任务一放着三百多例影像不用而只标 92 例，说明团队宁可要少量高质量标注，也不愿扩量。
3.5 三个入口，一份数据
访问 PANTHER 有三条路径，指向的是同一份资产。Grand Challenge 的挑战赛站点是主入口，放任务说明、时间线、榜单与结果；Zenodo 记录是数据的分发口，文件受限需要申请；GitHub 上是参赛队的代码仓库，官方自己不开代码仓，只给评测脚本。
| 入口 | 作用 | 是否需要账号 |
|---|---|---|
| panther.grand-challenge.org | 任务说明、时间线、榜单、结果公示 | 报名后需要 |
| zenodo.org/records/15192302 | 数据本体与掩膜 | 需要登录并申请 |
| 各队 GitHub 仓库 | 冠军与参赛实现、基线模型 | 不需要 |
| 评测脚本 | 本地复算五项指标 | 不需要 |
§4 它的质量：好在场景真实，弱在规模与披露
4.1 三个维度是不是真的站得住
评估这份数据，要从三个维度拆：场景覆盖、标注可用性、可复现性。
场景覆盖是它最强的一环。诊断 MR 与 MR-Linac 是两条截然不同的成像链路，后者是在放疗机上、治疗床上、用低场强（1.5T）实时采的 T2 影像，图像质量明显弱于诊断机。把两者放在同一个挑战赛里，等于强迫参赛者面对真实的域差。这在腹部病灶基准里很少见。
标注可用性是中等偏上。两类标签、体素级、与影像同几何、评测口径明确，工程上可直接接入。弱点是标注流程与一致性未披露，且没有二次标注可供估计方差。
可复现性受限于隐藏测试。榜单分数只能在服务器上复现，本地只能复现验证集上的相对排序。官方提供了评测脚本，算是把可复现性做到能做的极限，但绝对分数无法交叉验证。
4.2 一个从榜首数字读出来的案例
任务二最终榜单的前四名分数是：冠军 0.5289，亚军 0.4910，并列第二 0.4814，第四 0.4784。把这四个数字与官方基线放在一起看，能读出的信息比数字本身更重要。
| 队伍 | 方法要点 | Dice | NSD | HD95（mm） |
|---|---|---|---|---|
| MIC-DKFZ | 多阶段微调 + 集成 | 0.5289 | 0.6999 | 23.0110 |
| BreizhSeg | 合成 CT 迁移 + 集成 | 0.4910 | 0.6736 | 25.2634 |
| LiboZhang | 直接微调 | 0.4814 | 0.6507 | 24.0864 |
| 官方基线 | 胰腺定位 + 瘤分割 | 0.4784 | 0.6457 | 24.1735 |
拆解这张表有三个信息点。第一，冠军与官方基线的差距只有约 0.05 的 Dice，说明方法层面的提升空间已经很窄，瓶颈在数据与任务本身。第二，亚军采用的路线是把 T2 合成成 CT、再用 CT 上训练好的肿瘤模型迁移，自己在仓库里明说肿瘤在合成 CT 上常常被模糊甚至消失，可这个方法仍然排到第二——说明当监督数据只有 50 例时，外部知识的价值大于路线本身的缺陷。第三，HD95 全部在 23 到 25 毫米区间，这个量级远大于肿瘤本身可能只有十几毫米的直径，意味着边界误差在最坏情况下可以覆盖整个病灶。
这个案例的用法是：当有人问「PANTHER 上 0.5 的 Dice 是不是说明方法不行」，回答应当是，0.5 是在一个极难任务上四支队伍不约而同到达的水平，它反映的是胰腺肿瘤 MR 分割本身的难度，不是参赛者水平的下限。
4.3 标注只有两类，但类别污染是真实风险
训练集给了胰腺与肿瘤两类标注，这是好意，也是陷阱。如果直接把两类当多类分割训练，模型的损失会被胰腺主导——一个中等大小的胰腺大约有数十万体素，而早期胰腺癌肿瘤往往只有几千体素，占比可以低到百分之一的量级。损失函数不加权，网络几乎没有动力去学肿瘤。
实际可行的处理是官方基线采用的路子：先用胰腺标签做定位，裁出一个围绕胰腺的感兴趣区，再在这个小区域内做二分类。这样既利用了胰腺标签的价值，又避免了体素失衡。
4.4 少样本设定下的方差问题
任务二 50 例，如果按常见做法划五折，每折只有 10 例验证。10 例上的 Dice 标准差通常在两到三个点，意味着两次训练之间 0.03 的差距完全可能来自划分的随机性。这不是数据本身的缺陷，而是小样本评测的固有属性。
公开实现的验证记录印证了这一点：某队在五折验证上的单折 Dice 分别是 0.5747、0.4917、0.2854、0.5239、0.4457，标准差接近 0.10（公开仓库的验证日志）。最差一折与最好一折差了近 0.29，这个跨度足以让任何「A 方法比 B 方法好」的结论失去意义。要在 PANTHER 的少样本任务上做方法比较，固定划分、多次重复、报告置信区间是必须的，不能只报一个均值。
4.5 官方基线的价值
挑战赛给了两条基线。任务一的基线与任务二的基线都基于 MRSegmentator——一个在大量腹部 CT 与 MR 上训练过的多器官模型，先用它把胰腺整块定位出来，再在裁剪区域内做肿瘤分割。这个设计的用意很清楚：告诉参赛者「不用重新学胰腺在哪，把力气花在肿瘤上」。
这条基线在任务二上拿到 0.4784，排到第四，几乎追平第二名。对使用者来说这是个重要的信号：如果你只需要一个能用的起点，官方基线已经够用；如果你要在榜单上竞争，剩下的空间只有五个 Dice 点。
§5 怎么拿到、怎么接进去
5.1 获取路径：申请制，不是直链
这份数据和大多数 Zenodo 记录不同，它不是点一下就下载。Zenodo 记录 15192302 是公开可访问的，但文件区标着 Restricted，需要登录后提交申请。官方在记录描述里写明了申请材料：申请人的机构归属、数据集的使用目的、以及遵守条款的确认，条款包括不得尝试重识别个体、不得再分发数据。
#-- 查看记录元数据（不需要登录，只读元数据，不含文件）
curl -s "https://zenodo.org/api/records/15192302" \
| python3.11 -c "import json,sys; d=json.load(sys.stdin); print(d['metadata']['title']); print(d['metadata']['license']['id']); print([f['key'] for f in d.get('files',[])])"
这段只读取元数据，返回里能看到许可以及文件清单。文件本体的下载链接在未授权时不会返回，需要先在网页上完成申请。
5.2 拿到之后先做什么：接入自配置框架
两个任务各有一份 dataset.json，说明了类别与文件名。标准的做法是把它转成 nnU-Net 的原始数据布局，然后用一行命令跑预处理。
#-- 把 PANTHER 的 Task1 转成 nnU-Net 的 imagesTr / labelsTr 布局
import json
import shutil
from pathlib import Path
SRC = Path("PANTHER/Task1/annotations")
DST = Path("nnUNet_raw/Dataset501_PANTHER_T1")
(DST / "imagesTr").mkdir(parents=True, exist_ok=True)
(DST / "labelsTr").mkdir(parents=True, exist_ok=True)
case_ids = []
for mask in sorted(SRC.glob("*_seg.nii.gz")):
cid = mask.name.replace("_seg.nii.gz", "")
img = SRC / f"{cid}_0000.nii.gz"
shutil.copy(img, DST / "imagesTr" / f"{cid}_0000.nii.gz")
shutil.copy(mask, DST / "labelsTr" / f"{cid}.nii.gz")
case_ids.append(cid)
meta = {
"channel_names": {"0": "T1CE"},
"labels": {"background": 0, "tumor": 1},
"numTraining": len(case_ids),
"file_ending": ".nii.gz",
}
(DST / "dataset.json").write_text(json.dumps(meta, indent=2))
print(len(case_ids), "cases ready")
关键是
labels只留肿瘤一类。如果你的掩膜里胰腺是另一个标签值，先把它改写成 0，再进训练，否则会出现 4.2 节说的体素失衡。
5.3 把胰腺标签用起来：先定位再分割
官方基线的思路值得直接复用。用胰腺标签训一个定位模型不需要大改动，只要在 dataset.json 里多留一个类别，训练一个两类的分割器，推理时取胰腺那一类的包围盒、外扩若干体素作为感兴趣区。
#-- 先用胰腺掩膜求包围盒，再把肿瘤分割限制在这个区域内
import numpy as np
import nibabel as nib
def roi_from_pancreas(panc_nii, margin=8):
img = nib.load(panc_nii)
arr = np.asarray(img.dataobj) > 0
if not arr.any():
raise ValueError("empty pancreas mask")
idx = np.argwhere(arr)
lo = np.maximum(idx.min(0) - margin, 0)
hi = np.minimum(idx.max(0) + margin + 1, arr.shape)
return tuple(slice(a, b) for a, b in zip(lo, hi))
if __name__ == "__main__":
roi = roi_from_pancreas("PANTHER_T1_001.nii.gz")
print(roi)
外扩的体素数（这里取 8）需要按层厚换算，MRI 腹部序列的层厚常见在 3 到 5 毫米，外扩 8 层相当于 24 到 40 毫米，覆盖够宽的血管与邻近结构。
5.4 用官方脚本复算五项指标
官网提供了一份评测脚本，实现了 Dice、5 毫米 Surface Dice、MASD、HD95 与肿瘤负荷 RMSE，底层用的是公开的表面距离库。用法是把预测与真值目录传进去，输出每个病例与平均五项。
#-- 官方评测脚本的调用形态（参数名以仓库 README 为准）
python evaluate.py \
--ground_truth ./gt_dir \
--predictions ./pred_dir \
--spacing 1.0 1.0 1.0 \
--output metrics.csv
体素间距必须与实际影像一致。用默认的 1 毫米算出来的 HD95 与榜单不可比，因为榜单是重采样到任务规定间距后计算的。
5.5 用 367 例无标注扫描做预训练
这是任务一数据里最容易被忽略的一块。367 例跨期相、跨序列的无标注影像，官方明确说了用途：自监督预训练或半监督学习，以提高分割表现，但使用是可选而非强制。
#-- 用无标注影像做强度统计，检查各序列的可比性
from pathlib import Path
import numpy as np
import nibabel as nib
stats = []
for f in sorted(Path("PANTHER/Task1/unlabeled").glob("*_0000.nii.gz")):
arr = np.asarray(nib.load(f).dataobj).astype(np.float32)
body = arr[arr > np.percentile(arr, 5)] # 去掉体外空气
stats.append((f.stem, body.mean(), body.std()))
for name, m, s in stats[:10]:
print(f"{name:28s} mean={m:8.2f} sd={s:8.2f}")
这一步的目的是先看清各序列的强度分布差异有多大。动脉期、静脉期、DWI、同相位的信号尺度差别可能达到数量级，直接混在一起做预训练，网络会先学到序列差异而不是结构。
5.6 评测口径与榜单排名
排名不是按单一指标。官方对每个指标分别排名，再把各指标的名次取平均，平均名次最好的队伍获胜。这意味着一个 Dice 略低但边界更准的模型，名次可能反而靠前。
| 指标 | 方向 | 关注什么 |
|---|---|---|
| Dice | 越高越好 | 整体重叠 |
| 5 mm Surface Dice | 越高越好 | 5 毫米容差内的边界一致 |
| MASD | 越低越好 | 边界的平均偏移 |
| HD95 | 越低越好 | 最坏情况下的边界偏移 |
| 肿瘤负荷 RMSE | 越低越好 | 体积估计误差 |
五项里有两项是体积与边界性质，而肿瘤体积又在放疗计量的判断中直接相关。这套指标组合的设计意图是：单纯追求重叠面积的分割在放疗场景里不可用，体素位置错了会导致剂量算错。
5.7 提交与复现的最小链路
完整的复现链路有六步：申请数据、拿到包、写转换脚本、训练五折、本地评测、打包容器提交。其中打包容器这一步是 Grand Challenge 平台的强制要求，参赛算法必须以容器形式上传，平台在沙箱内执行。
#-- 提交前的本地冒烟测试：确认容器能吐出正确几何的掩膜
docker run --rm --network none \
-v "$PWD/test:/input" -v "$PWD/out:/output" \
panther-baseline:latest
python - <<'PY'
#-- 校验输出几何与输入一致
import nibabel as nib
src = nib.load("test/images/T1_mri.nii.gz")
out = nib.load("out/images/pancreatic-tumor-segmentation/tumor_seg.mha")
print(src.shape, out.shape, src.affine.round(3).tolist() == out.affine.round(3).tolist())
PY
离线强制执行（
--network none）是平台的规定，容器里不能下载权重。权重必须在构建时打进镜像，这是初次提交最容易失败的地方。
§6 与库内条目的关系
6.1 关系图谱
腹部方向在库内已有多份资源，胰腺是最后补上的一块。它们之间的关系不是同类替换，而是按器官与模态分格。
| 库内资源 | 器官 | 模态 | 与 PANTHER 的关系 |
|---|---|---|---|
| amos-abdominal | 15 类器官（含胰腺） | CT + MRI | 提供解剖底座，可做预训练或器官定位 |
| lits-liver | 肝脏 | CT | 肿瘤分割的同类任务，反差条件更好 |
| hcc-tace-seg | 肝脏 | CT/MRI | 治疗前后配对，规模更小 |
| atlas-liver-tumor | 肝脏 | CT | 放疗靶区视角，与任务二的放疗场景相近 |
| soft-tissue-sarcoma | 软组织 | MRI | MRI 病灶分割，边界特征与胰腺相近 |
| qin-prostate | 前列腺 | MRI | 盆腔 MRI 病灶分割，图像质量更好 |
| acrin-nsclc-fdg-pet | 肺 | PET/CT | 放疗靶区勾画的另一条链路 |
这张表里最值得展开的是第一行。AMOS 里有胰腺这一类器官，而且样本量远大于 PANTHER 的 92 例。一个务实的两段式做法是：用 AMOS 训胰腺定位模型，用 PANTHER 训肿瘤分类头。这样既绕开了 PANTHER 样本少的短处，又利用了它唯一的肿�瘤标注。
6.2 检索路径
按任务找的话，路径很清楚：要「腹部器官解剖」走向 AMOS；要「肝脏肿瘤」走向 LiTS 或 ATLAS；要「胰腺肿瘤」落到这一条；要「放疗靶区」同时看 ATLAS 与 acrin-nsclc-fdg-pet，前者是肝脏放疗，后者是肺部放疗，任务二的胰腺放疗可以对照着看。
按模态找的话，MRI 病灶分割在库内的可用对象包括 PANTHER、soft-tissue-sarcoma 与 qin-prostate，三者恰好覆盖腹部、四肢与盆腔三个部位，软组织反差依次改善，适合做「难度梯度」的对照实验。
§7 质量评估与局限性
7.0 读这一节之前需要知道的一件事
评价这份数据不能用「通用分割基准」的尺子。它不是一个为了刷分而设计的数据集，而是一个为了逼出真实临床难点而设计的评测集。官方在任务二里主动把 50 例定性为少样本问题，并明说这是现实世界的设定，这句话的意思是：分数低不是失败，而是这个任务的常态。
两种常见的误判要先拆掉。第一种是把它与腹部多器官分割基准比 Dice，看到 0.5 就判定「不可用」——多器官分割里胰腺的 Dice 通常在 0.7 到 0.8 区间，但那是器官整体，不是肿瘤，两者的难度不在同一量级。第二种是把它当成分割方法的排序工具，认为榜单名次说明了方法优劣——在 50 例、五分制指标平均排名的设定下，名次差异里有相当一部分来自随机性。
7.1 五维评分
| 维度 | 评分 | 依据 |
|---|---|---|
| 场景真实性 | 高 | 全部来自临床路径，覆盖诊断与放疗两条链路 |
| 数据规模 | 低 | 142 例标注，任务二仅 50 例 |
| 标注完整度 | 中 | 两类标签、体素级、同几何，但流程与一致性未披露 |
| 工程可用性 | 高 | 格式标准、有官方脚本、有公开基线、有冠军代码 |
| 可复现性 | 中 | 本地可复现相对排序，绝对分数依赖隐藏测试 |
| 人群代表性 | 低 | 两中心、两国家、全部为确诊肿瘤患者 |
7.2 它擅长与不擅长的问题
擅长回答的是「在低反差软组织病灶上，不同方法谁能把边界画得更准」。这个问题的答案在 PANTHER 上是可以得到的，因为任务定义清楚、标签口径统一、评测指标覆盖了重叠与边界两个侧面。
不擅长回答的是「这个方法在真实门诊人群里的表现如何」。所有病例都是已确诊肿瘤，模型学到的是「在这堆已经知道有瘤的图里找到瘤」，而不是「在一堆可能没瘤的图里判断有没有瘤」。要把后者做出来，需要一个含阴性样本的队列，这份数据给不了。
7.3 已知的、可枚举的偏差
第一条，选择偏差。全部病例来自两个欧洲中心，患者构成、扫描协议、对比剂使用习惯都绑定在这两家机构上。跨到亚洲人群或不同扫描协议，域差可能远大于 PANTHER 内部的域差。
第二条，序列偏差。任务一只提供动脉期标注，而临床实践中很多病例的最佳可见期相并不在动脉期。模型学到的特征可能过度依赖对比剂动力学，而不是肿瘤本身的形态。
第三条，标注偏差。单中心单批次标注，没有交叉复核的公开说明。肿瘤边界本身的主观性在所有胰腺分割任务里都存在，这一份没有额外的方差估计。
第四条，规模偏差。任务二只有 50 例，且全部来自单一台 MR-Linac。任何关于「放疗场景泛化能力」的结论，在这份数据上都无法成立。
7.4 外部验证矩阵
| 外部验证需求 | 可用的替代资源 | 是否可行 |
|---|---|---|
| 换中心的胰腺 MRI 泛化 | 无公开同类数据 | 不可行，需机构合作 |
| 与 CT 侧肿瘤分割对比 | LiTS、ATLAS | 可行，注意模态差 |
| 与器官级胰腺分割对比 | AMOS 的胰腺类别 | 可行，但任务不同 |
| 与其他 MRI 病灶分割对比 | soft-tissue-sarcoma、qin-prostate | 可行，跨部位 |
| 与放疗靶区勾画对比 | ATLAS、acrin-nsclc-fdg-pet | 部分可行，器官不同 |
| 正常胰腺的判别能力 | 无阴性样本 | 不可行 |
7.5 DAIMS 六维评估表
DAIMS 是数据管理与共享的一套成熟度框架，从动机、收集、处理、质量、访问、可持续六个角度看一份数据资产的完备程度。用它来系统检查 PANTHER，能把「语焉不详」的地方显式列出来。
| DAIMS 维度 | 本数据集的表现 | 完备度 |
|---|---|---|
| 动机与目的 | 官方明确说明是为了填补胰腺肿瘤 MR 公开数据空白 | 高 |
| 数据收集 | 两中心回顾性导出，但采集协议与纳入排除标准未公开 | 中 |
| 数据处理 | 去标识化、按任务归档、评测前重采样，但具体参数未逐项公开 | 中 |
| 数据质量 | 有官方基线与榜单交叉验证，但无标注一致性统计 | 中 |
| 数据访问 | 申请制，条款明确，但审批周期与通过率未知 | 中 |
| 可持续性 | 有正式期刊论文与 Zenodo 长期归档，但版本演进策略未说明 | 中高 |
用 DAIMS 过一遍的价值在于：它让「缺什么」变得可讨论。六个维度里没有一项是低，但也没有一项是高，这份数据的成熟度停在「能用于研究、不适合作为唯一依据」的档位。
7.6 它为何能持续：占住了一个别人不愿进的空位
胰腺肿瘤 MR 标注的成本高、专家少、标注一致性差，商业公司没有动力做，学术团队做一次也很难维持更新。PANTHER 能存在并且被引用，靠的是三件事叠加。
第一，它占住了一个真实存在的空缺。在它之前，公开的胰腺肿瘤 MR 标注基本为零，任何想做这个方向的研究者都绕不过它。这种「唯一性」本身就是刚性。
第二，它绑定了一条完整的发表链路。挑战赛有正式的结果论文，发在医学图像分析的期刊上，有 DOI，有参赛队被邀请署名。这让使用者在引用时有据可依，不需要为一个「非正式数据集」承担引用风险。
第三，它有下游依赖。比赛结束后，冠军队伍的代码、官方基线模型、各方实现的权重都留在了公开仓库里，形成了一个小生态。生态一旦形成，后来者会自然地以它为基准做对比，引用量就会滚起来。
§8 生态位与历史
8.1 从「没有公开数据」到「第一个基准」
这个挑战赛的起点在官方首页写得很直白：AI 在胰腺肿瘤 MR 分割上的进展受限于公开数据缺失，MR-Linac 影像的数据稀缺尤其严重。在此之前，胰腺方向能公开拿到的只有 CT 侧的资源，而 MRI 的软组织反差、运动伪影、序列多样性都让 CT 上的方法难以直接迁移。
8.2 2025 年：四个月跑完从发布到结果
时间线很紧凑。2025 年 4 月注册开放，训练集与标签在 4 月 15 日同步发布于 Zenodo 并在 GitHub 放出评测代码；5 月 1 日开放开发阶段提交；7 月 15 日到 8 月 31 日封闭测试；8 月 31 日提交截止（原定 8 月 15 日，后延期）；9 月 9 日公布结果并邀请在 MICCAI 2025 报告；9 月 23 到 27 日在会上展示。
四个月跑完全链路在医学影像挑战赛里算是很快的节奏。快的原因之一是任务定义与数据划分在发布前就锁死了，没有中途改口径。
8.3 赛后：开发阶段持续开放
官方在时间线上把「开放开发阶段提交」标注为已改为赛后持续提交，这意味着榜单不是一次性的，后来者仍可以刷。对一个只有 142 例标注的基准来说，这是好事：持续有人提交，榜单才有多点参照，才不至于让一篇论文的数字成为孤证。
8.4 正式论文：从会议到期刊
数据集与挑战赛的结果论文在 2026 年发在 Medical Image Analysis 第 113 卷，页码 104186，DOI 为 10.1016/j.media.2026.104186。Zenodo 记录明确要求使用者同时引用挑战赛报告与数据集记录本身。这条要求值得遵守：只引数据集记录而没有引用结果论文，会让别人找不到榜单与基线数字的出处。
8.5 它在今天的生态位
把视野放到腹部病灶分割的全局，PANTHER 的位置很清楚：它不解决规模问题，也不解决多中心问题，它解决的是「胰腺肿瘤 MR 有没有公开标注可用」这个问题。在同类资源里，它是唯一选项，这就是它的生态位。
对库内其他条目而言，它的加入补上了胰腺这一格。此前腹部方向有肝脏、肾脏、多器官，独缺胰腺；PANTHER 与 amos-abdominal 组合，可以拼出一个「解剖 + 病灶」的完整腹部研究底座。
§9 使用指引
9.1 三种角色的路径
研究者要发方法论文，路径是申请数据、划病例级五折、用官方脚本评测、报五项指标的均值与标准差。不要只报 Dice，因为榜单排名是五项平均，审稿人会问其他四项。
工程师要做产品原型，路径是用 AMOS 训胰腺定位、用 PANTHER 训肿瘤分割、再用自己的院内数据做适配。两段式能显著降低对 PANTHER 标注量的依赖。
放疗物理师要评估自适应工作流，路径是直接跑官方基线，看它在自己医院的 MR-Linac 影像上掉多少点。官方基线在任务二上接近第二名，作为起点是够用的。
9.2 一条最短的可用流程
#-- 从拿到数据到跑出第一版验证结果
#-- 1) 转换布局
python convert_to_nnunet.py --task Task1 --src ./PANTHER --dst ./nnUNet_raw
#-- 2) 预处理与训练（五折，病例级划分）
nnUNetv2_plan_and_preprocess -d 501 --verify_dataset_integrity
nnUNetv2_train 501 3d_fullres 0
#-- 3) 本地评测
python evaluate.py --ground_truth ./gt --predictions ./pred --output m0.csv
第一步的转换脚本需要自己写，核心就是 5.2 节那段。第 2 步的
3d_fullres配置对 MRI 通常不是最优，层厚大的序列用3d_lowres加cascade往往更稳，值得两边都跑一次。
9.3 引用方式
引用要两条都给。挑战赛报告给出方法与榜单，数据集记录给出数据本体与许可。
Betancourt Tarifa A S, et al. PANTHER Challenge Report: Cross-Domain Pancreatic
Tumor Segmentation in Magnetic Resonance Imaging. Medical Image Analysis,
2026, 113: 104186. doi:10.1016/j.media.2026.104186
Betancourt Tarifa A S, Mahmood F, Bernchou U, Koopmans P J. PANTHER Challenge:
Public Training Dataset (Version 1.0) [Dataset]. Zenodo, 2025.
doi:10.5281/zenodo.15192302
9.4 在 AI 流程中的位置
放到一个完整的胰腺癌影像流程里，这份数据负责的是中间那一段：从影像到肿瘤掩膜。它的上游是影像采集与重建，下游是体积测量、可切除性判断、放疗剂量计算。它不提供病理、不提供随访、不提供治疗反应，因此不能用来做预后预测或疗效评估。
§10 AI 使用声明
| 项目 | 声明 |
|---|---|
| 内容生成方式 | 本篇由 AI 辅助起草，结构与机构名、URL、数字经人工对照官方页面核对 |
| 数字来源 | Grand Challenge 官方数据集页、任务评测页、时间线页、挑战赛结果页、Zenodo 记录 15192302 元数据 |
| 未核实项 | 标注医师人数与一致性统计、Zenodo 审批的实际通过率、各任务病例的采集年份区间 |
| 数据处理 | 仅读取官方公开页面与 Zenodo 元数据，未下载受限影像包 |
| 判断性内容 | 五维评分、边界判断、误读清单的「实际」列属编辑判断，非官方结论 |
| 时效性 | 核对日期 2026-10-29；赛后榜单与提交状态可能随官网更新 |
| 责任边界 | 本篇不构成临床使用建议，任何临床决策须经独立验证 |
| 纠错渠道 | 发现数字或表述错误，请通过千方医数集页面反馈 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| PANTHER 是一个 509 例的标注数据集 | 509 是物理扫描总量，带标注只有 142 例 | 官方数据集页的 92 + 50 与 Zenodo 的 459 + 50 |
| 每例病例都有 T1、T2、DWI 多序列 | 每例只对应一个序列，多序列指整个池子的覆盖 | 官方描述「367 例来自不同序列」 |
| 这是胰腺器官分割集 | 训练集有胰腺标签，但评测只计肿瘤，输出是二值肿瘤掩膜 | 官方任务页的输出定义 |
| 标注包含胰管和血管 | 只有胰腺与肿瘤两类 | 官方标注说明 |
| 含有正常胰腺作为对照 | 全部病例均为病理确诊的胰腺肿瘤 | 数据集页对 RUMC 与 OUH 病例的描述 |
| 数据可以点开直接下载 | Zenodo 文件受限，需登录申请并说明用途与机构 | Zenodo 记录的文件区与访问说明 |
| 许可是 CC BY，可商业使用 | 许可是 CC BY-NC 4.0，仅限非商业 | 官方数据集页与 Zenodo 元数据 |
| PANTHER 是某个英文全称的缩写 | 官方未给出首字母展开，它是品牌名 | 官方页面通篇未出现展开式 |
| 榜单 Dice 0.5 说明模型不可用 | 四支队伍均在 0.48 到 0.53 区间，这是任务难度而非方法下限 | 挑战赛结果页的排名表 |
| 挑战赛已经彻底结束不能再提交 | 封闭测试已结束，但赛后开发阶段提交持续开放 | 官方时间线的状态标注 |
| 两中心意味着多中心泛化能力强 | 中心数只有两家，且任务二来自单一台 MR-Linac | 数据集页的机构与设备说明 |
| 489 加 84 是公开数据的总量 | 那是设计阶段的采集量，公开包是 459 加 50 | 首页数字与数据集页口径不同 |
FAQ
Q1：PANTHER 到底有多少例？
公开包共 509 例扫描，其中带标注 142 例：任务一 92 例诊断期影像，任务二 50 例 MR-Linac 影像。另有 367 例无标注扫描，全部属于任务一。首页出现的 489 与 84 是设计阶段的采集量，不是公开包的口径。
Q2：为什么任务二这么小？
MR-Linac 的影像本身稀少，且每次治疗采集的影像都要由放疗团队额外勾画，成本高于诊断侧。官方主动选择 50 例并把任务定性为少样本问题，这是承认现实，不是数据缺陷。
Q3：没有正常胰腺，能不能做异常检测？
不能。所有病例都是确诊肿瘤，没有阴性样本，任何依赖「正常长什么样」的建模都不成立。如果要做异常检测，需要另外找含正常胰腺的队列。
Q4：能不能用它做多序列融合？
不能。367 例无标注扫描覆盖多个序列，但不同序列对应的是不同病人，没有配对关系。融合方法的训练需要同病人的多序列输入，这份数据不提供。
Q5：胰腺标签有什么用？
两个用途。一是定位，先粗分割胰腺再在区域内找肿瘤，官方基线就是这么做的。二是解剖先验，帮助模型理解胰腺的走形与周围结构。但不能把胰腺当成评测目标。
Q6：榜单名次能说明方法优劣吗？
有限。排名是五项指标名次的平均，而任务二的验证集只有 10 例一折，方差很大。同一方法换一次划分可能名次跳两三位。要做方法比较，必须固定划分并多次重复。
Q7：影像是什么格式？
NIfTI 体数据，影像与掩膜同号命名，后缀 _0000 表示单通道。参赛算法以容器形式提交，容器内的输入输出是 .mha 格式，由平台负责转换。
Q8：可以用它训练一个开源模型并发布权重吗？
可以，但要注意 CC BY-NC 4.0 的约束。权重本身不是数据，但若模型的训练数据不可商用，通常也不建议用于商业产品。公开发布权重时，建议在模型卡里注明训练数据来源与许可。
Q9：跟 nnU-Net 的官方基线差多少？
任务二上官方基线（MRSegmentator 定位 + 分割）Dice 为 0.4784，冠军为 0.5289，差距约 0.05。这个差距在 50 例的样本量下属于可信但不大，说明自配置框架的默认策略已经接近该任务的上限。
Q10：中文文献里常说的「胰腺 MR 公开数据集」指的就是它吗？
大多数情况下是。在它之前，公开可下载的胰腺肿瘤 MR 标注基本不存在，所以近两年提到这个方向的公开数据，基本都要落到 PANTHER 或它的变体上。
Q11：如果申请被拒怎么办？
官方没有公布审批标准与周期。被拒多半与用途说明不清或机构信息不全有关，补充材料后可再次申请。替代路径是通过已获授权的合作方做联邦式联合实验，但这不在数据许可的自然覆盖范围内。
术语表
| 术语 | 解释 |
|---|---|
| PDAC | 胰腺导管腺癌，最常见的胰腺恶性肿瘤，本数据集的全部诊断侧病例类型 |
| MR-Linac | 磁共振引导直线加速器，把 MRI 与放射治疗机整合在同一台设备上 |
| 自适应放疗 | 每次治疗前根据当次影像重新调整计划的放疗方式 |
| T1 加权增强动脉期 | 注射对比剂后约 25 到 35 秒采集，胰腺实质强化最明显，肿瘤相对低信号 |
| T1 加权增强静脉期 | 注射后约 60 到 80 秒，肝静脉显影，胰腺实质强化开始减退 |
| DWI | 弥散加权成像，反映水分子扩散受限程度，肿瘤常表现为高信号 |
| 同相位 | 双回波序列中的一种，脂肪与水信号同相，用于区分脂肪浸润 |
| 少样本学习 | 训练样本极少时的学习方法族，包括迁移、元学习、数据增强 |
| 域差 | 训练分布与目标分布之间的差异，此处指诊断与放疗两条成像链路之间 |
| Surface Dice | 在给定容差下比较两张表面的一致程度，容差通常是 1 到 5 毫米 |
| MASD | 平均表面距离，预测边界到真值边界的平均最小距离 |
| HD95 | 豪斯多夫距离的 95 分位，用来衡量最坏情况下的边界偏移 |
| 肿瘤负荷 | 肿瘤体积相关的总量指标，RMSE 越低说明体积估计越准 |
| 钩突 | 胰头向下向左的延伸部分，紧邻肠系膜上动脉，是勾画最难的部位之一 |
| 胰腺实质 | 胰腺的功能性组织，区别于胰管、血管与周围脂肪 |
| 病例级划分 | 同一病人的所有影像只能出现在同一侧划分中，防止信息泄漏 |
附录 A：序列与目录
| 项目 | 任务一 | 任务二 |
|---|---|---|
| 目录层级 | Task1/annotations 与 Task1/unlabeled | Task2/annotations |
| 影像格式 | NIfTI 体数据 | NIfTI 体数据 |
| 掩膜格式 | NIfTI 体数据，与影像同几何 | 同左 |
| 序列 | T1 CE 动脉期（标注）；静脉期、DWI、同相位（无标注） | T2 加权 |
| 通道数 | 1 | 1 |
| 提交格式 | .mha，二值掩膜 |
同左 |
| 输出路径 | /output/images/pancreatic-tumor-segmentation/ |
同左 |
| 评测前重采样 | 按任务规定间距 | 同左 |
附录 B：标注类别与格式
| 标签 | 名称 | 出现在 | 训练使用 | 评测计分 |
|---|---|---|---|---|
| 0 | 背景 | 两个任务 | 负类 | 是 |
| 1 | 肿瘤 | 两个任务 | 正类 | 是 |
| 胰腺 | 胰腺实质 | 两个任务训练集 | 参考或定位 | 否 |
补充三点。一，胰腺标签在官方数据包里是独立的一类，接入训练框架时需要手动改为背景或作为定位目标。二，评测输出的尺寸与输入影像一致，不做子区域裁剪。三，二值化阈值由参赛者自定，官方不规定，但榜单是最终读数。
附录 C：术语速查
| 缩写 | 全称 | 中文 |
|---|---|---|
| DSC | Dice Similarity Coefficient | 戴斯相似系数 |
| NSD | Normalized Surface Dice | 归一化表面戴斯 |
| HD95 | 95th percentile Hausdorff Distance | 95 分位豪斯多夫距离 |
| MASD | Mean Average Surface Distance | 平均表面距离 |
| RMSE | Root Mean Square Error | 均方根误差 |
| ROI | Region of Interest | 感兴趣区 |
| CE | Contrast Enhanced | 增强扫描 |
| GC | Grand Challenge | 挑战赛平台名 |
附录 D：常见误读 FAQ 补充
Q：既然官网写着 489 例诊断 MRI，为什么数据包里只有 459 例？
489 是设计阶段院方提供的影像总量，459 是公开发布时经过筛选与去标识后实际放出的量。两者的差值是未纳入公开包的部分，官方未逐例说明原因。引用时以公开包为准。
Q：任务一的无标注影像能不能当训练集用？
技术上可以把它们当作无标签样本做伪标签训练，但需要自备肿瘤标签来源，官方不提供。更稳妥的用法是自监督预训练，官方也明确支持这种方式。
Q：榜单上出现并列第二，是怎么回事？
官方排名按五项指标的名次平均，平均名次相同时会出现并列。这不是分数算错，而是排名规则的结果。
Q：能不能只用 92 例训练一个和榜单可比的模型？
可以在本地复现相对趋势，但绝对分数不可比。隐藏测试集的 30 例与本地划分在病例构成、伪影程度、肿瘤大小分布上都不同，本地高几个点不代表线上也高。
Q：这份数据有没有伦理审查编号？
官方页面未披露伦理审查批号与豁免方式，只在 Zenodo 记录里写明图像已匿名化、禁止重识别。需要伦理材料的研究者应向发布方索取。
附录 E：许可与引用
| 项目 | 内容 |
|---|---|
| 数据许可 | CC BY-NC 4.0，非商业使用 |
| 获取方式 | Zenodo 记录 15192302，文件受限，登录后申请 |
| 申请材料 | 机构归属、使用目的、遵守条款的确认 |
| 禁止事项 | 尝试重识别个体、再分发数据 |
| 论文引用 | Betancourt Tarifa et al., Medical Image Analysis, 2026, 113: 104186 |
| 数据引用 | Betancourt Tarifa et al., Zenodo, 2025, doi:10.5281/zenodo.15192302 |
| 赛后在发表限制 | 挑战赛最终活动后 4 个月禁发期内不得单独发表方法论文 |
关于赛后发表限制，官方原文的意思是参赛者可以在挑战赛最终活动后四个月的禁发期结束后，独立发表基于挑战赛数据的方法。这条限制针对的是参赛队，不与数据许可的条款冲突：即使不参赛，也要遵守 CC BY-NC 4.0 的非商业约束。
编辑说明
核验时间 2026-10-29。核验方式为逐页读取 Grand Challenge 站点的数据集页、任务评测页、时间线页、挑战赛结果页，以及 Zenodo 记录 15192302 的公开元数据。未下载受限影像包，因此标注格式的细节（掩膜的具体文件命名、类别值编码）以官方页面与参赛队公开实现为准，未做逐例验证。首页出现的 489 与 84 与数据集页的 459 与 50 并存，正文按公开包口径叙述并说明了差额来源。标注医师人数、一致性统计、伦理审查批号三项官方未披露，正文未做推测。
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：
- promise12 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- hntsmrg24 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- trackrad — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brats-meningioma — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brats-met — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brainptm-2021 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- atlas-liver-tumor — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- prostatex — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- pi-cai — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- vestibular-schwannoma-seg — 共享标签：医学影像 / MRI / 医学图像分割 / 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。
