信息速览
Regensburg Pediatric Appendicitis Dataset — AI-Ready Wikipedia 条目
序列号：regensburg-appendicitis ｜ 条目类型：医学多模态数据集（影像 + 表格） ｜ 状态：公开可获取（CC-BY-NC-4.0）
§0 导读：这个数据集解决什么问题
儿科腹痛是急诊科最常见的就诊主诉之一，而急性阑尾炎（acute appendicitis）是儿科腹部急诊手术的首位病因。临床上判断一个腹痛的孩子是否需要手术，医生依赖三样东西：体格检查、实验室检验（尤其是白细胞计数与 C 反应蛋白）以及腹部超声。过去二十年间，针对阑尾炎的机器学习辅助决策系统大多建筑在临床指标、实验室数值、评分量表与 CT 影像之上，却长期忽视了腹部超声——尽管超声无创、无辐射、在儿科场景中随手可得，且是儿童阑尾炎的一线影像手段。
雷根斯堡儿科阑尾炎数据集（Regensburg Pediatric Appendicitis Dataset） 正是为填补这一空白而生。它把 2016 至 2021 年间在德国雷根斯堡圣海德维希儿童医院（Children’s Hospital St. Hedwig）因腹痛收治的 782 例疑似阑尾炎儿科患者的完整诊疗链路数字化：每人一张到十五张不等的腹部 B 型超声（B-mode ultrasound）图像、一套涵盖实验室检验/体格检查/临床评分/专家超声所见的表格数据，以及三个临床终点标签——诊断、管理、严重程度。
这套数据的独特价值有三层。第一，它是模态齐备的：同一批患者身上同时具备影像与结构化临床数据，天然适合做多模态学习（multimodal learning）。第二，它是以可解释性为设计原点的：配套论文提出的是概念瓶颈模型（Concept Bottleneck Models, CBM），让模型经由临床医生能理解的中间概念做预测，并且允许医生干预，这在追求黑箱高分的医学 AI 风气中是一个明确的方法论选择。第三，它是被独立复核过的：2026 年已有第三方 preprint 专门检查这套基准的标签构造是否引入循环论证，并量化了其影响——一个数据集能吸引这类方法论审查，本身说明它的使用量级与影响力。
对千方病案医数集（qianfanghub.com）的读者而言，这条目要回答的问题很具体：这套数据的每个数字从哪里来、口径如何、有哪些已知陷阱、拿它做研究时哪些坑必须提前知道。下面的章节按「速览 → 构成 → 标注 → 规模 → 许可与获取 → 评估 → 生态 → 方法论 → 避坑」的顺序展开。
§1 数据集速览：十问十答
问 1：这套数据叫什么？
官方全名 Regensburg Pediatric Appendicitis Dataset。在不同镜像下有不同叫法：Zenodo 记录页 7669442 用名 Pediatric Appendicitis Dataset；UCI 机器学习库收录为 Regensburg Pediatric Appendicitis（编号 UCI_DS_938）；中文社区（和鲸）译作「雷根斯堡小儿阑尾炎」。检索与引用时以官方全名为准。
问 2：谁做的？
由 ETH Zurich 的 Ričards Marcinkevičs 与德国雷根斯堡圣海德维希儿童医院的 Patricia Reis Wolfertstetter 领衔，联合麻省理工学院（MIT）与雷根斯堡大学，共 12 位作者完成。数据采集地在雷根斯堡，方法学主阵地是 ETH Zurich。
问 3：多少数据？
782 例患者记录，每例 1–15 张腹部 B 型超声图像。图像归档（v1.03）合计 2097 张 BMP。配套表格含人口学、实验室、体格、评分与超声所见，具体列数在不同口径下记 53–58 不等（详见 §4 与 §10）。
问 4：图像是什么格式、多大？
原始 B 型超声位图，BMP 格式，打包为 US_Pictures.zip，约 523.0 MB。表格文件 app_data.xlsx 约 212.8 kB。
问 5：有哪些标签？
三个目标变量：诊断（阑尾炎 vs 非阑尾炎）、管理（手术 vs 保守）、严重程度（有并发症 vs 无并发症/无阑尾炎）。此外还有若干中间性超声所见标注，如阑尾是否可见（Appendix_on_US）、阑尾最大外径（Appendix_Diameter）、有无转移性疼痛（Migratory_Pain）。
问 6：许可是什么？
CC-BY-NC-4.0，即署名—非商业性使用 4.0 国际。可自由用于学术研究，但禁止商业用途。版权归 12 位作者共同所有。
问 7：从哪下？
主渠道是 Zenodo，DOI 10.5281/zenodo.7669442（版本 1.01）。另有 UCI 机器学习库镜像与 Kaggle 社区镜像。学位论文与复核研究多以 1.01 版为准。
问 8：配套论文发表在哪？
正式版发表于 Elsevier 的 Medical Image Analysis，2024 年第 91 卷 103042 号，DOI 10.1016/j.media.2023.103042。预印本为 arXiv:2302.14460。论文报告的诊断任务 AUROC 为 0.80、AUPR 为 0.92。
问 9：适合做什么任务？
三大类：① 超声影像分类（能否从 B 超判断阑尾炎）；② 多模态融合（影像 + 临床表格联合建模）；③ 可解释性与干预性机器学习（CBM、概念发现、人机交互式调试）。也适合做医学数据集标注质量、捷径学习、标签循环性的方法论研究。
问 10：最大的坑是什么？
标签构造循环性。保守治疗患者的「阑尾炎」标签由小儿阑尾炎评分（PAS）≥ 4 且阑尾直径 ≥ 6 mm 共同判定，而 PAS 与阑尾直径同时又作为模型输入特征——这意味着用这些特征预测这个标签，并非纯粹的因果关系，模型表现可能被系统性抬高。2026 年的独立复核专门量化了这一点，使用前务必阅读。
§2 数据构成与规格
2.1 影像构成：腹部 B 型超声的多视图集合
数据集的核心影像资产是腹部 B 型超声（B-mode ultrasound）。与传统「一患一图」的影像数据集不同，这里每例患者配有一张到十五张不等的手术/检查视图（views）。这个设计贴合真实超声流程：超声科医生或儿科医生在患儿右下腹反复扫查，会沿不同切面、不同角度、不同解剖区域采集多帧图像，其中一部分捕捉阑尾，一部分捕捉周边结构。
视图数量的宽幅（1–15）直接反映了检查的异质性：阑尾位置表浅、肠气干扰少时，医生可能几张就能看清；而阑尾位置深、被肠管遮挡、或患儿配合度差时，需要反复扫查多帧。数据集保留了这种自然变异，而非人为统一到固定张数——这对模型的鲁棒性评估是有价值的，但也意味着患者级聚合（把一例的多张图聚合成一个患者级预测）本身是一个需要显式处理的建模问题。
图像的具体解剖内容覆盖多个感兴趣区（regions of interest）：右下腹（RLQ）、阑尾本体、肠管、淋巴结以及生殖器官。这种广度是有意为之——因为鉴别诊断（differential diagnosis）恰恰需要区分阑尾炎与其他引起右下腹痛的病因，如肠系膜淋巴结炎（mesenteric lymphadenitis）、妇科/生殖系统病变等。
2.2 文件结构与命名约定
官方 zip 包解压后的结构清晰：
- US_Pictures/：原始 B 型超声 BMP 图像目录，按患者编号组织；
- app_data.xlsx：表格数据 Excel 文件，其中 Data Summary 工作表含变量解释；对应患者编号见 US_Number 列；
- multiple_in_one：列出包含多帧快照（一张图里含多个画面）的图像名列表；
- README.md：结构说明；
- test_set_codes.csv：测试集代码（供划分复现参考）。
图像的命名约定尤为关键，因为它把解剖语义编码进了文件名。官方 README 给出的对应关系如下：
| 文件名标记 | 含义 | 英文 |
|---|---|---|
| App | 阑尾 | Appendix |
| LN | 淋巴结 | Lymph nodes |
| RLQ | 右下腹 | Right lower quadrant |
| FF | 游离液体 | Free fluids |
| T | 横向 | Transversal |
| L | 纵向 | Longitudinal |
| M | 测量/标记 | Measure / Marker |
| LAM | 肠系膜淋巴结炎 | Mesenterial lymphadenitis |
理解这套约定对下游使用至关重要：如果研究者想让模型只学习「阑尾切面」的信息，可以按 App 前缀筛图；如果研究的是「右下腹整体所见」，则可纳入 RLQ 与周边结构。文件名字符串本身就是一层结构化的弱标注，这是本数据集一个常被忽视但很有用的特性。需要提醒的是，源于同一 BMP 内可能含多帧快照（multiple_in_one 所列），直接按文件计数会低估实际画面数。
2.3 表格数据：从人口学到专家超声所见
app_data.xlsx 承载的是同一批患者的结构化临床数据。尽管列数在不同镜像下记 53–58 不一，其内容域大体稳定，可归为六类：
- 人口学与人体测量（demographics）：年龄（Age，年）、BMI、性别（Sex）、身高（Height）、体重（Weight）、住院天数（Length_of_Stay）——多为连续或有序变量，且有缺失值（官方 UCI 页明确标注 demographics 存在缺失）。
- 实验室检验（laboratory tests）：如白细胞计数、C 反应蛋白等炎症标志物。
- 体格检查（physical examination）：如右下腹压痛、反跳痛、转移性疼痛（Migratory_Pain）等。
- 临床评分（clinical scores）：Alvarado 评分（Alvarado_Score）与小儿阑尾炎评分（Paediatric_Appendicitis_Score, PAS），两者均为整数分。
- 专家超声所见（ultrasonographic findings）：由专家手工提取，如阑尾是否可见（Appendix_on_US，二元）、阑尾最大外径（Appendix_Diameter，整数，单位 mm）。
- 目标变量与派生标签：见 §3。
这套设计的临床意义在于它还原了真实的决策信息流：医生不是只看一张超声图就下诊断，而是综合影像、化验、体检与评分量表做判断。数据集保留了全部这些通道，使「哪条通道贡献了多少信息」「融合是否真的优于单一模态」这类问题成为可实验的课题。
2.4 患者级与记录级的粒度关系
需要特别厘清三个粒度层级：
- 患者/记录级：782 条患者记录，是表格数据的行数；
- 检查/视图级：每例 1–15 张超声图，是影像数据的单位；
- 画面级：由于 multiple_in_one 的存在，部分 BMP 文件内部含多个快照画面。
建模时选哪个粒度会直接影响问题定义：诊断/管理/严重程度是患者级目标，但输入是视图级图像，因此需要患者级聚合（pooling）策略——例如多视图概念瓶颈模型（multiview CBM）就是为此设计的。这是本数据集相对「一图一标签」数据集在工程上的额外复杂度，也是它的价值所在。
2.5 获取文件清单与体量
官方 Zenodo 记录页列出的文件与 md5 如下（版本 1.01）：
| 文件 | 大小 | md5 |
|---|---|---|
| app_data.xlsx | 212.8 kB | d17a803f5e27532e518676a38f588b59 |
| multiple_in_one | 327 Bytes | 3a2c0d47b97b8bbf8473753b0e98b801 |
| multiple_in_one_ | 327 Bytes | 56f3b80289b64c0b4d5b844c8c9b06c8 |
| README.md | 2.2 kB | 002050ae41573647f1a510036b234f36 |
| US_Pictures.zip | 523.0 MB | 38b81fd3dddaeed458132be2ec1732ed |
整包合计约 523.3 MB。对于医学影像数据集而言，这是一个轻量级体量——正因如此它对算力有限的实验室非常友好，可以在单机消费级 GPU 上完成完整实验，这是它被广泛采用的原因之一。
§3 标注体系与三大目标变量
3.1 诊断（Diagnosis）
定义：二元标签，阑尾炎 vs 非阑尾炎。
判定逻辑是本数据集最需要小心的地方：对接受手术的患者，诊断依据术后组织学确认（histologically confirmed）——这是金标准级别。但对保守治疗的患者，官方定义是：若其 Alvarado 评分或 PAS ≥ 4 且阑尾直径 ≥ 6 mm，则标记为患阑尾炎。
后一条判定引入了一个方法论上的隐患：评分与阑尾直径既是标签的判定依据，又是模型的输入特征。这意味着模型若学会「复述」这两个特征，就能在保守治疗子集上取得不真实的高表现。这就是 §10 会详述的标签构造循环性（label-construction circularity）。使用者在报告任何诊断任务指标时，都应当说明是否、以及如何处理了这一循环。
3.2 管理（Management）
定义：患者的处置方式，原始类别包括保守（conservative）、首次手术（primary surgical）、二次手术（secondary surgical）、同期阑尾切除（simultaneous appendectomy）四类；在二元化口径下归为手术 vs 保守。
判定细节：由资深儿科外科医生（senior pediatric surgeon）裁定。手术方式包括腹腔镜、开腹或中转开腹（laparoscopic, open or conversion）。对于先保守治疗、后因故再次住院手术的患者，官方明确将其标为手术管理。管理标签的是否手术区分，对应的是「是否动用手术室资源」这一临床决策，其误判代价（不必要的手术 vs 延误治疗）与诊断标签并不相同。
3.3 严重程度（Severity）
定义：二元标签，无并发症（uncomplicated）vs 并发症（complicated）。
组织病理学口径：
- 无并发症：亚急性/卡他性（subacute / catharral）、纤维化（fibrosis）；
- 并发症：坏疽性（gangrenous）、穿孔（perforated）、脓肿形成（abscessed）。
严重程度标签直接关系到治疗强度与预后判断，是儿科阑尾炎临床决策中最具分量的一环——穿孔性阑尾炎意味着更高的并发症率与更长的住院时间。这一标签主要对手术患者有明确病理依据，非手术患者则归入「无并发症或无阑尾炎」一侧。
3.4 中间概念：面向可解释性的标注
配套论文提出概念瓶颈模型（CBM），其核心思想是让模型先预测一组临床可理解的高层概念（concepts），再由这些概念映射到最终标签。数据集为这类方法提供了天然的中间概念候选：
- Appendix_on_US（超声下阑尾是否可见）：二元，反映检查是否成功定位阑尾，本身是诊断的前提；
- Appendix_Diameter（阑尾最大外径）：整数（mm），临床公认的阈值约为 6 mm，是超声诊断阑尾炎的核心量化指标；
- Migratory_Pain（转移性疼痛）：二元，典型的阑尾炎症状学线索；
- 以及由体格、化验、评分等构成的其他中间量。
这些中间标注的存在，使本数据集不仅能做「端到端黑箱分类」，还能做概念级别的可解释建模与人机协作——这正是论文标题中「interpretable and intervenable（可解释且可干预）」的落脚点。医生可以在推理时查看模型给出的中间概念预测，若某概念明显有误，直接干预修正，观察对最终结论的影响。
3.5 标注质量的诚实边界
数据集与论文在标注透明度上表现较好，但也坦承了边界：
- 诊断标签对非手术患者依赖评分与影像阈值，非病理金标准；
- 严重程度对非手术患者无病理依据；
- 超声所见由专家手工提取，存在观察者内/间变异；
- 队列为单中心回顾性，标注惯例与该中心的诊疗流程强绑定。
使用者在做跨机构验证时，必须预期到这些标注惯例不会自动迁移。
§4 数据规模硬数字
下表汇总本条目核验过程中确认的全部关键硬数字，并标注每个数字的口径与来源，避免不同来源间混用：
| 指标 | 数值 | 口径 / 来源 |
|---|---|---|
| 患者/受试记录数 | 782 | 官方 cohort 记录数（Zenodo/UCI/medRxiv 三源一致） |
| 每患者超声视图数 | 1–15 张 | Zenodo README 官方描述 |
| 图像归档图像总数 | 2097 张（707 标识符） | v1.03 图像归档（medRxiv 2026 复核 §2.1） |
| 论文建模子集 | 579 例 / 1709 张 | 配套论文摘要（arXiv:2302.14460） |
| medRxiv 复核可用样本 | 780 → 759 → 578 | 逐步过滤：有有效结局→有患者标识→有匹配图像 |
| 变量/特征列数 | 54（UCI）/ 58（medRxiv）/ 53（和鲸） | 见 §10 双口径存照 |
| 目标变量数 | 3 | diagnosis / management / severity |
| 图像包体积 | 523.0 MB | US_Pictures.zip |
| 表格文件体积 | 212.8 kB | app_data.xlsx |
| 整包体积 | 523.3 MB | Zenodo 记录页合计 |
| 队列收治窗口 | 2016–2021 | 官方描述 |
| 伦理批件号 | 3 个（18-1063-101 / 18-1063_1-101 / 18-1063_2-101） | 雷根斯堡大学伦理委员会 |
| 论文诊断任务指标 | AUROC 0.80 / AUPR 0.92 | 扩展多视图 CBM（arXiv 摘要） |
| 发布首版日期 | 2023-02-23 | Zenodo version 1.01 |
| 论文正式发表 | 2024，Medical Image Analysis 91:103042 | DOI 10.1016/j.media.2023.103042 |
读这组数字的四条守则：
- 782 ≠ 2097 ≠ 1709 ≠ 579。前者是患者数，第二个是图像归档总张数，第三个是论文建模糊所用图像数，最后是论文建模患者数。任何把 782 当作「782 张图」的表述都是错的。
- 579 与 578 极接近但来源不同：579 出自论文摘要，578 出自 2026 年 medRxiv 复核的过滤结果。两者差 1 例，反映的是过滤规则细节差异，引用时须注明出处。
- 变量数三源不一致（54/58/53），说明「列数」定义未统一（是否计入目标变量、ID 列、派生列），跨源比对前必须按变量名对齐。
- 1709 张来自 579 例，平均每例约 3 张——远低于 15 的上限，说明视图数分布长尾，多数患者视图不多，这让「多视图聚合」的收益需要具体实验验证而非想当然。
§5 配套论文与方法学贡献
5.1 论文基本信息
| 项 | 内容 |
|---|---|
| 标题 | Interpretable and intervenable ultrasonography-based machine learning models for pediatric appendicitis |
| 作者 | Ričards Marcinkevičs, Patricia Reis Wolfertstetter, Ugne Klimiene, Kieran Chin-Cheong, Alyssia Paschke, Julia Zerres, Markus Denzinger, David Niederberger, Sven Wellmann, Ece Ozkan, Christian Knorr, Julia E. Vogt |
| 正式发表 | Medical Image Analysis, 91, 103042 (2024), Elsevier |
| DOI | 10.1016/j.media.2023.103042 |
| 预印本 | arXiv:2302.14460（v1: 2023-02-28；v3: 2023-11-24） |
| 主题分类 | cs.LG / cs.CV / eess.IV / stat.AP |
5.2 核心方法：概念瓶颈模型（CBM）
论文的方法论主张非常明确：不追求黑箱高分，而追求可解释、可干预。其技术路线是概念瓶颈模型（Concept Bottleneck Models, CBM）——模型先预测一组医生能理解的中间概念（如「阑尾是否可见」「阑尾直径是否超过阈值」），再从概念预测诊断/管理/严重程度。这样做的好处有二：
- 可解释：临床上看到的是「模型认为阑尾直径超标、有转移性疼痛，因此判断阑尾炎」这样的推理链，而非抽象的像素权重；
- 可干预（intervenable）：若医生发现某个中间概念预测错误，可以直接在推理时修正该概念值，模型会相应地更新最终输出，形成人机协作闭环。
论文进一步扩展了 CBM，使其支持两个本数据集独有的挑战：多视图（multiple views）——同一患者多张超声图的聚合，以及不完整概念集（incomplete concept sets）——并非每个患者的所有概念都被标注。这两点扩展是方法学的实质贡献，因为标准 CBM 假定「一输入一组完整概念」，而真实临床数据很少满足。
5.3 报告的关键数字
论文在诊断任务上报告的指标为：AUROC 0.80、AUPR 0.92（扩展多视图 CBM）。作者强调，这一表现与在同一数据上训练测试的黑箱神经网络相当——即「可解释」并未以显著的性能损失为代价。这是该方法学选择的有力论据，也是个值得记住的对照点：在合适的结构化概念体系下，可解释模型不必是弱模型。
除诊断外，论文亦报告了管理与严重程度两个任务的建模结果，但核验范围内未逐一取得精确数值，正文以诊断任务的 0.80/0.92 作为主要锚点，其余不臆造。
5.4 论文对数据集的自我披露
论文与本数据集一同发布，其存在本身即是一种「数据 + 方法」双产出模式：数据集让人能复现实验，论文定义基准。这种捆绑发布是近年医学 AI 数据集的主流做法，好处是可复现性强，代价是数据集的使用往往被限定在论文设定的任务框内，使用者需要主动跳出才能发现新用途。
§6 许可与获取路径
6.1 许可：CC-BY-NC-4.0
数据集采用 Creative Commons Attribution-NonCommercial 4.0 International（署名—非商业性使用 4.0 国际） 许可。核心条款两条：
- BY（署名）：使用、再分发、衍生都必须给出适当署名，注明许可，并说明是否作了修改。版权方为 12 位作者（© 2023 Marcinkevičs, Reis Wolfertstetter, Klimiene, Ozkan, Chin-Cheong, Paschke, Zerres, Denzinger, Niederberger, Wellmann, Knorr and Vogt）。
- NC（非商业性）：不得将材料用于商业目的。这把商用建模、商业产品训练、有偿数据分析等场景排除在外。
需要特别提醒：NC 是数据集开源生态中最容易被忽视、也最容易踩雷的条款。许多研究者默认「CC 就是随便用」，但 NC 明确限制了商业化路径。若研究有商业转化前景，使用前必须做合规评估，或联系版权方另议许可。
6.2 获取渠道
| 渠道 | 地址 | 说明 |
|---|---|---|
| Zenodo（主） | https://zenodo.org/records/7669442 | 官方记录，DOI 10.5281/zenodo.7669442（v1.01） |
| Zenodo 版本链 | 10.5281/zenodo.7669214 / 7669215 / 7669442 / 7711384 / 7711412 | 多版本 DOI |
| UCI 机器学习库 | dataset 938（Regensburg Pediatric Appendicitis） | 结构化镜像 |
| Kaggle 镜像 | mahdiehhajian/regensburg-pediatric-appendicitis | 社区上传镜像 |
推荐路径：学术使用优先走 Zenodo 官方记录，确保拿到带 md5 校验的原始文件。镜像（UCI/Kaggle）可用作快速预览，但正式实验前应核对 md5 或至少核对文件结构与列名，因为镜像可能经过格式转换（如 BMP→PNG、xlsx→csv），而这类转换可能悄悄改变数据类型或丢失多帧信息。
6.3 版本链的读法
数据集存在多个版本 DOI，容易混淆。核验所得的用法约定是：
- version 1.01（DOI 10.5281/zenodo.7669442）：提供建模所用的表格数据与图像归档，是论文与复核研究的基准版本；
- version 1.03：其图像归档被 2026 年复核研究专门用于核验「是否存在更大的公开图像集」——结论是两份图像归档在患者级逐一比对后完全一致（2097 张图像、707 个标识符），未发现更大的公开图像集。
因此，若以「复现论文」为目标，应锁定 1.01；若关心「图像是否齐全」，1.03 的核验结论提供了保证。
6.4 获取实操要点
- 优先下载 US_Pictures.zip（523 MB）与 app_data.xlsx，两者即数据主体；
- 先读 README.md 与 app_data.xlsx 的 Data Summary 工作表，搞清变量定义；
- 用 US_Number 列把表格行与 US_Pictures 目录挂接；
- 留意 multiple_in_one，避免把含多帧的 BMP 当成单帧；
- 复现划分可参考 test_set_codes.csv，但注意官方未在摘要级公开完整划分比例，自行划分时须在论文中声明。
§7 评估、基准与独立复核
7.1 官方基准指标
配套论文给出的诊断任务基准为 AUROC 0.80 / AUPR 0.92（扩展多视图 CBM）。这一对数字是本数据集最常被引用的性能锚点。需要注意的是，AUPR 在类别不平衡时比 AUROC 更具信息量——本数据集的正类（阑尾炎）比例并非 50/50，因此 AUPR 0.92 这个高值需要结合**基线患病率（prevalence）**来解读：若正类本就占多数，AUPR 的高值中有一部分来自类别先验，而非纯粹的判别力。
7.2 独立复核：标签构造循环性（2026）
2026 年 medRxiv 上一篇题为「Multimodal Ultrasound and Clinical Data for Pediatric Appendicitis: Evaluating Label-Construction Circularity in the Regensburg Benchmark」的 preprint，专门针对本数据集做方法论审查。其核心发现与做法值得完整记录：
- 数据集与版本：使用 version 1.01（DOI 10.5281/zenodo.7669442）；称原始表格含 782 记录 × 58 变量；图像为 1–15 张 BMP/例；
- 样本过滤链：2 例诊断标签缺失/未映射被剔除 → 780；再 21 例缺有效患者标识 → 759；其中 578 例有至少一张匹配的公开超声图；
- 建模设计：以医学域预训练的视觉-语言编码器 BiomedCLIP 作图像骨干（并对照通用的 DINOv2），采用患者级池化交叉验证；把自动化输入（原始图像、临床/实验室数据）与放射科医生解释的所见分设四臂（image-only / radiologist-findings / clinical-only / multimodal），并在代码层面验证了四臂的输入隔离；
- 评估框架：参照 TRIPOD+AI，采用配对 DeLong 检验、bootstrap 置信区间、TOST 等价性检验与功效分析；
- 核心问题一——标签构造循环性：诊断标签对保守治疗者由 Alvarado/PAS 评分与阑尾直径判定，而这些量又作预测特征。复核在放射科所见模型（经阑尾直径）与多模态/临床模型（经 Alvarado 与 PAS）两侧都识别并量化了这种循环，并在双侧校正后报告「什么结论能幸存」；
- 核心问题二——捷径学习：超声图像中含**烧录卡尺（burned-in caliper）**等内嵌标注，模型可能直接读取这些图像内嵌信息而非学习病理特征；
- 图像集核验：下载 version 1.03 图像归档逐一比对，确认其为 2097 张图像 / 707 标识符，与本版本一致，未发现更大公开图像集。
这篇复核的价值在于：它把本数据集从「一个能跑出高分的基准」重新框定为「一个需要审视标签可信度的基准」。任何使用本数据集做模型比较的研究，若不正视这一循环性，其性能结论都可能被质疑。
7.3 评估口径的差异提示
综合官方与复核：
- 论文建模用 579 例 / 1709 张；
- 复核过滤后可用 578 例（含匹配图像）；
- 全集记录 782 例，图像归档 2097 张。
三者口径不同，不可直接比较。读者在引用任何指标时，必须同时声明所用的样本口径与版本。
7.4 无官方排行榜
核验范围内未见本数据集设有官方 leaderboard 或统一挑战赛。因此「SOTA」在本数据集上是非官方、随论文散落的概念——不同论文的划分、指标、正负类定义可能不一致，横向比较须格外谨慎。
§8 生态位与库内互链点
8.1 在儿科影像数据集景观中的位置
本数据集占据的是一个相当独特的生态位：它是少数同时提供儿科人群、超声模态、多模态临床表格、以及多临床终点的公开数据集。把邻近的医学影像数据集放在一起对照，能看清它的不可替代性：
- 对比成人/CT 阑尾炎数据：成人阑尾炎研究多用 CT，本数据集专注儿科一线超声，患者人群与模态都不同；
- 对比单模态超声数据：多数超声数据集只给图像或只给分类标签，本数据集额外提供实验室、体格、评分等等级化临床通道；
- 对比乳腺/甲状腺超声数据集：那些多为成人肿瘤筛查场景，本数据集是急性炎症 + 急诊决策场景。
8.2 库内可互链条目（建议）
以下为千方病案医数集库内可互链的候选条目（仅正文建议，frontmatter 的 relatedLink 只写纯 URL）：
- 儿科影像 / 超声类：
echonet-pediatric（儿科超声心动）、fetal-abdominal（胎儿腹部超声）、fetal-planes-db（胎儿超声切面）、bus-bra/busi/bus-uclm（乳腺超声三件套）； - 腹部 / 消化道影像：
abdomenct-1k、chaos（腹部多器官 CT/MR）、ct-org、panda（胰腺，同为腹部脏器、同为分类任务范式）； - 多模态（影像 + 表格）对照：
padchest、chest-imagenome、mimic-cxr-jpg（多模态医学影像代表）； - 急诊 / 临床评分与决策：
MIMIC-IV-ED（急诊科数据，含分诊与主诉）、paediatric-intensive-care（儿科重症）、nosocomial-risk-mimic（含临床评分建模范式）； - 可解释性与基准方法论：
panda-plus（标签噪声与重标注方法论）、chexlocalize（可解释性定位）、rex-in-the-wild/rexvqa（可解释影像问答）。
8.3 检索路径建议
- 想找儿科 + 超声：从本条目出发，横向到
echonet-pediatric、fetal-*系列； - 想找多模态医学融合：本条目是「影像 + 表格」的代表，可对照
padchest、mimic-cxr-jpg； - 想找医学数据集方法论 / 标签质量：本条目与
panda-plus构成一组「标签可信度」案例； - 想找腹部脏器分类：与
panda（胰腺）形成任务范式对照。
§9 方法学启示
9.1 「影像 + 表格」不是堆模态，而是对齐粒度
本数据集最直接的一课是多模态融合的粒度对齐。影像在视图级（1–15 张/例），表格在患者级，标签也在患者级。融合不是简单地把一张图和一个向量拼接，而是要解决「多张图如何汇成一个患者表征」。论文用扩展多视图 CBM 处理了这个问题，但这是设计选择而非自然结果——盲目把每张图都当一个独立样本会破坏患者级结构，且造成信息泄漏（同一患者的图同时出现在训练与测试）。按患者划分数据集是本数据集使用中最容易被忽视、后果最严重的工程要点。
9.2 可解释性可以是设计目标而非事后补丁
多数医学 AI 论文在追求高分，赛后用注意力热图「解释」模型。本数据集配套论文反其道而行——从建模之初就把中间概念放在架构瓶颈位置，让解释成为模型结构的一部分。这个取向对临床采纳很重要：医生愿意信任一个能被逐概念检验、甚至能被当场改错的模型，胜过信任一个只有高 AUC 的黑箱。代价是建模复杂度上升（多视图、缺失概念），但本数据集的实践表明这个代价是可以承受的。
9.3 标签的「来源」与标签的「内容」同等重要
本数据集最大的方法论警示来自标签本身：一个标签怎么被构造出来的，决定了它能被用来证明什么。当标签的构造过程用到了某些特征，这些特征就不再适合作为该标签的纯粹预测子。这个道理适用于任何医学数据集——读数据时先读标签定义（label definition），再读特征表。本数据集把这一课以最清晰的方式呈现，因此它不仅是儿科阑尾炎资源，也是医学 AI 方法学教学的良好案例。
§10 避坑清单
坑点 1：把 782 当成图像张数。 782 是患者记录数，不是图像数。图像在 v1.03 归档中为 2097 张，论文建模糊为 1709 张。混用会直接导致对数据集规模的误判。
坑点 2：忽略标签构造循环性。 保守治疗患者的诊断标签由 Alvarado/PAS ≥ 4 且阑尾直径 ≥ 6 mm 判定，而这两个量又作模型输入。若不校正，模型在保守治疗子集上的表现会被系统性抬高。做模型比较前务必处理或至少声明这一点（见 §7.2）。
坑点 3：按图像而非按患者划分训练/测试集。 同一患者有多张图，按图像随机划分会让同一患者的图同时进入训练与测试，造成信息泄漏、指标虚高。必须按患者级（US_Number）分组划分。
坑点 4：把 CC-BY-NC-4.0 当成可商用。 NC 条款禁止商业用途。用于商业产品训练、付费服务、商业转化研究前必须做合规评估，否则面临侵权风险。
坑点 5：忽视 multiple_in_one，低估画面数。 部分 BMP 文件内含多个快照画面，只按文件计数会少算画面。
坑点 6：变量列数口径不统一就跨源合并。 UCI 记 54 列、medRxiv 复核记 58 列、和鲸记 53 列。跨镜像合并或用不同源的数据前，必须按变量名而非列序号对齐，否则张冠李戴。
坑点 7：忘记超声图像含烧录卡尺（burned-in caliper）。 图像内嵌的测量卡尺/标记是捷径学习（shortcut learning）的来源，模型可能读取内嵌信息而非学习病理特征。做图像预处理时应考虑如何处理这些内嵌标记。
坑点 8：把单中心回顾队列当作可直接跨机构部署的模型基础。 数据来自德国雷根斯堡一家儿童医院（2016–2021），标注惯例与诊疗流程强绑定本地。跨机构、跨国、跨人群迁移前必须做外部验证。
坑点 9：混淆版本与 DOI。 数据集有多个版本 DOI（7669214/7669215/7669442/7711384/7711412）。复现论文应锁定 v1.01 / 10.5281/zenodo.7669442；引用时若只给版本号不给 DOI，读者可能下到不一致的归档。
坑点 10：默认有官方排行榜或统一划分。 本数据集没有官方 leaderboard，测试集代码（test_set_codes.csv）虽有提供，但划分细节未在摘要级量化。不同论文的划分与指标口径可能不一致，横向比较 SOTA 时须逐一核对。
§11 DAIMS 评估
DAIMS（Data and Analytics Interoperability Maturity Scorecard 思路下的 数据集 AI-Ready 度评估）从多个维度给本数据集打分，帮助使用者判断其可直接用度：
| 维度 | 评级 | 依据 |
|---|---|---|
| 可发现性（Discoverability） | 高 | Zenodo + UCI + Kaggle 多渠道，DOI 明确，论文可引 |
| 可获取性（Accessibility） | 高 | 公开直链下载，无需申请；523 MB 轻量，单机可载 |
| 许可清晰度（Licensing） | 高 | CC-BY-NC-4.0 明确；但 NC 对商用构成实质限制 |
| 文档完备度（Documentation） | 中高 | README + Data Summary 表 + 命名约定齐全；但版本/列数口径未完全统一 |
| 互操作性（Interoperability） | 中 | BMP 与 XLSX 通用格式良好；但变量列数口径不一、无标准本体映射 |
| 溯源与版本（Provenance） | 高 | 多版本 DOI 链完整，md5 公开，1.03 归档经患者级核验 |
| 标注可信度（Annotation Trust） | 中 | 手术患者有组织学金标准；非手术患者标签存在构造循环性 |
| 伦理与合规（Ethics） | 高 | 有明确伦理批件（雷根斯堡大学伦理委员会 3 个编号）；回顾性研究 |
| 公平性与泛化（Fairness/Generalization） | 中低 | 单中心、儿科专属、2016–2021，外部验证未知；人口学有缺失 |
| 可复现性（Reproducibility） | 中高 | 论文方法学公开，划分代码提供；但划分比例与随机种子未完全公开 |
综合判断：这是一套可发现性、可获取性、许可清晰度俱佳的数据集，特别适合作为多模态医学融合与可解释 AI 的教学与预研资源。其主要短板集中在标注可信度与泛化性——标签构造循环性与单中心限制意味着它不应当被当作「临床决策可直接落地」的验证集，而更适合作为方法学实验与基准构建的素材。
§12 术语表
- 急性阑尾炎（acute appendicitis）：阑尾的急性炎症，儿科急诊手术首位病因；
- B 型超声（B-mode ultrasound）：以灰度二维图像显示组织回声的超声模式，本数据集影像模态；
- 右下腹（RLQ, right lower quadrant）：腹部右下区域，阑尾所在象限；
- 阑尾直径（appendix diameter）：超声测得阑尾最大外径，阈值约 6 mm 为阳性提示；
- Alvarado 评分：基于症状、体征、化验的阑尾炎临床评分（0–10 分）；
- 小儿阑尾炎评分（PAS, Pediatric Appendicitis Score）：儿科专用阑尾炎评分量表；
- 概念瓶颈模型（CBM, Concept Bottleneck Model）：先预测可解释概念再映射到标签的模型结构；
- 可干预性（intervenable）：允许人在推理时修正中间概念以改变输出的模型属性；
- 多视图（multiple views）：同一患者多张超声图的设计；
- 标签构造循环性（label-construction circularity）：标签的判定用到某特征、而该特征又作预测子，导致的评估偏差；
- 捷径学习（shortcut learning）：模型利用与任务无关的表征（如内嵌标注）取得表面高表现；
- 烧录卡尺（burned-in caliper）：直接烧录在超声图像内的测量标记；
- AUROC / AUPR：受试者工作特征曲线下面积 / 精确率-召回率曲线下面积；
- TOST：双单侧检验，用于等价性检验；
- TRIPOD+AI：预测模型报告规范（AI 扩展版）。
§13 事实清单（硬事实）
- 官方全名：Regensburg Pediatric Appendicitis Dataset。
- 记录数：782 例患者。
- 每例视图数：1–15 张。
- 图像格式：BMP（腹部 B 型超声）。
- 图像归档图像总数（v1.03）：2097 张 / 707 标识符。
- 论文建模样本：579 例 / 1709 张。
- medRxiv 复核可用样本：780→759→578。
- 目标变量：诊断、管理、严重程度（共 3 个）。
- 采集机构：德国雷根斯堡圣海德维希儿童医院。
- 队列窗口：2016–2021。
- 参与机构：ETH Zurich、雷根斯堡儿童医院（KUNO）、MIT、雷根斯堡大学。
- 作者数：12 位。
- 许可：CC-BY-NC-4.0。
- 主 DOI：10.5281/zenodo.7669442（v1.01）。
- 版本 DOI 共 5 个（7669214/7669215/7669442/7711384/7711412）。
- 论文正式版：Medical Image Analysis 2024, 91:103042。
- 论文 DOI：10.1016/j.media.2023.103042。
- 预印本：arXiv:2302.14460（v1 2023-02-28）。
- 诊断任务指标：AUROC 0.80 / AUPR 0.92。
- 首版发布：2023-02-23。
- 伦理批件号：18-1063-101 / 18-1063_1-101 / 18-1063_2-101。
- 图像包体积：523.0 MB。
- 表格体积：212.8 kB。
- 整包体积：约 523.3 MB。
- 图像命名标记：App/LN/RLQ/FF/T/L/M/LAM。
- 辅助文件：multiple_in_one、test_set_codes.csv、README.md。
- 方法主张：概念瓶颈模型（CBM），扩展支持多视图与不完整概念集。
- 复核发现：存在标签构造循环性（Alvarado/PAS 与阑尾直径）。
- 复核发现：图像含烧录卡尺，存在捷径学习风险。
- 无官方 leaderboard。
- 变量列数三口径：54（UCI）/ 58（medRxiv）/ 53（和鲸）。
- 组织学口径：无并发症＝亚急性/卡他性、纤维化。
- 组织学口径：并发症＝坏疽性、穿孔、脓肿。
- 管理标签原始类别：保守/首次手术/二次手术/同期阑尾切除。
- 表变量含缺失：demographics 明确有缺失值。
§14 总结
三句话总结：雷根斯堡儿科阑尾炎数据集是 782 例患儿腹痛队列的腹部 B 超影像 + 临床表格多模态资源，配三目标变量（诊断/管理/严重程度），CC-BY-NC-4.0 公开于 Zenodo；配套论文以可解释、可干预的概念瓶颈模型在诊断任务上取得 AUROC 0.80 / AUPR 0.92，与黑箱相当；其最大使用风险是标签构造循环性与单中心泛化限制，使用时须按患者划分、声明标签口径、注意 NC 商用限制。
适合谁：做儿科影像 AI、医学多模态融合、可解释机器学习、医学数据集方法学（标签质量/捷径学习）研究的研究者与教学者。
不适合谁：寻求可直接临床部署验证的团队；有商业转化需求且无法满足 NC 条款的项目；需要成人人群或 CT 模态的研究；需要多中心、前瞻性验证的研究。
30 秒决策卡：要儿科+超声+临床多模态 → 这就是首选；下载走 Zenodo v1.01（10.5281/zenodo.7669442）；按患者划分、先读标签定义、注意 NC、警惕标签循环性。
§15 附录
附录 A：条目信息速查卡
- slug：regensburg-appendicitis
- 官方名：Regensburg Pediatric Appendicitis Dataset
- 主 DOI：10.5281/zenodo.7669442
- 许可：CC-BY-NC-4.0
- 患者数：782（建模 579）
- 模态：腹部 B 超（BMP）+ 临床表格（XLSX）
- 任务：诊断/管理/严重程度三分类目标
附录 B：DAIMS 评估全表
见 §11（可发现性/可获取性/许可/文档/互操作/溯源/标注可信/伦理/公平泛化/可复现十维评级）。
附录 C：变量域清单
人口学（Age/BMI/Sex/Height/Weight/Length_of_Stay）、实验室检验、体格检查、临床评分（Alvarado/PAS）、专家超声所见（Appendix_on_US/Appendix_Diameter/Migratory_Pain）、目标变量（Diagnosis/Management/Severity）。
附录 D：数据获取决策树
想复现论文 → Zenodo v1.01 → 下载 US_Pictures.zip + app_data.xlsx → 按 US_Number 挂接 → 按患者划分 → 处理标签循环性声明 → 建模。想快速预览 → UCI/Kaggle 镜像 → 但正式实验前核对 md5。
附录 E：来源 URL 清单
- https://zenodo.org/records/7669442
- https://zenodo.org/records/7669214
- https://zenodo.org/records/7711384
- https://arxiv.org/abs/2302.14460
- https://doi.org/10.1016/j.media.2023.103042
- https://datasets.aim-ahead.net/dataset/p/UCI_DS_938
- https://www.medrxiv.org/content/10.64898/2026.09.30.26364432v1.full-text
附录 F：版本速查
- v1.01：建模基准版本，DOI 10.5281/zenodo.7669442
- v1.03：图像归档核验版本（2097 图 / 707 id）
附录 G：口径对照表
782（记录）/ 2097（图像归档）/ 1709（论文建模图）/ 579（论文建模例）/ 578（复核匹配例）/ 54·58·53（列数三口径）。
附录 H：与库内 PANDA 系条目互链声明
本条目与 panda、panda-plus 同属「腹部脏器影像 + 分类/分割」范式，可互相参照；但人群（儿科 vs 成人）、模态（超声 vs 病理 WSI）、任务（急性炎症分类 vs 癌症分级）差异显著，不宜等同对待。
附录 I：许可条款细读
CC-BY-NC-4.0 允许：复制、分发、改编、非商业使用，须署名+注明许可+说明修改。禁止：商业使用。无附加限制（ND）——即允许衍生作品。
附录 J：检索关键词建议
regensburg pediatric appendicitis / pediatric appendicitis ultrasound / concept bottleneck model pediatric / PAS Alvarado appendicitis dataset / 雷根斯堡小儿阑尾炎 / 儿童腹痛超声数据集。
附录 K：标注阈值速查
阑尾直径阳性阈值约 6 mm；Alvarado/PAS ≥ 4 且阑尾直径 ≥ 6 mm 判定保守治疗患者为阑尾炎。
附录 L：建模工程清单
按患者划分、多视图聚合、概念瓶颈设计、缺失值处理、烧录卡尺处理、类别不平衡（用 AUPR）、标签循环性声明。
附录 M：标签构造循环性提示卡
诊断标签（保守治疗子集）= f(Alvarado/PAS, 阑尾直径)，而二者又是模型输入。校正途径：从输入移除相关特征、或从标签构造中剔除其影响、或分别报告校正前后指标。
附录 N：术语表补充
见 §12。
附录 O：常见误用速查
见 §10 坑点 1–10。
附录 P：免责声明
本条目为数据资源的百科式说明，不构成任何医疗建议。临床决策请遵循专业诊疗规范。
附录 Q：更新记录
2026-10-08：基于 Zenodo 官方记录、arXiv 摘要与 medRxiv 复核 preprint 首次成稿。
附录 R：一句话索引
儿科肚子疼做 B 超，782 个孩子、两千张图、带化验带评分还带三个标签，谁都能下、只要别商用。
§16 深度解读：为什么这套数据值得单独建条目
16.1 一个被忽视的模态，一次认真的补位
在阑尾炎的机器学习文献里，CT 一直是主角。成人阑尾炎诊断的 AI 研究大量基于 CT，因为 CT 对阑尾的显示率高、形态稳定、易于标准化。但儿童不是成人的缩小版：儿科诊疗的核心原则之一是尽可能避免电离辐射。一次腹部 CT 的辐射剂量对成人或许可接受，但对一个可能还要活八十年的孩子，累积风险不容忽视。因此儿科阑尾炎的一线影像手段是超声，CT 只在超声不确定时作为二线。
然而在 2023 年之前，几乎没有公开的儿科阑尾炎超声 AI 基准。研究者即便想做，也无数据可用——超声图像获取依赖操作者、成像质量参差、且涉及隐私，公开数据集稀缺。这套数据集的出现，把「儿科超声阑尾炎」从一个「想做但没数据」的想法，变成了一个「有公开基准可跑」的研究方向。这是它最根本的贡献：填补了一个真实存在的空白，而非在已有赛道上刷分。
16.2 数据设计的三个用心之处
用心之一：保留多视图。 如前所述，每例 1–15 张图。数据集没有为了让建模变简单而每例只挑一张「最好」的图，而是保留了医生实际扫查的全部视图。这是对真实临床流程的忠实，代价是把多视图聚合的难题交给使用者——但这恰恰是超声 AI 的核心挑战，回避它等于回避了问题本身。
用心之二：多模态齐备。 影像与表格来自同一批患者、同一次就诊，可以直接挂接。很多多模态数据集是「拼」出来的——图像来自 A 库、临床来自 B 库、靠患者 ID 勉强对齐，质量参差。本数据集是同源采集，模态间的时间与患者对齐是可靠的。
用心之三：以可解释为方法。 配套论文没有选择「加更深的网络、刷更高的分」的捷径，而是选择 CBM 这条更费力但更贴合临床采纳的路。这个取向在数据集层面也留下了印记——那 50 多个变量中，很多本身就是天然的「概念」，可供可解释建模直接使用。
16.3 它在医学 AI 数据集标准谱系中的坐标
近年医学 AI 界对数据集质量的讨论日趋严格，出现了若干「数据卡（datasheet）」与成熟度评估框架。用这些视角回看本数据集：
- 来源透明：机构、年份、伦理批号全部公开，可追溯性良好；
- 用途明确：论文清楚说明了数据集为何构建、面向什么任务；
- 局限披露：官方描述坦承单中心、回顾性的性质；
- 但标注机制有争议：非手术患者标签依赖评分与阈值，这是数据集文档中如实写出、却需要使用者自行警觉的一点。
因此它属于**「高质量但不宜盲信」**的一类数据集：文档做得好，但文档中披露的局限需要被认真对待，而非读过就忘。
§17 复现与使用路线图
17.1 从零到第一个基线
- 获取：从 Zenodo 下载 v1.01（10.5281/zenodo.7669442），得到 app_data.xlsx 与 US_Pictures.zip；
- 读文档：打开 app_data.xlsx 的 Data Summary 工作表，逐列理解变量；读 README.md 掌握命名约定；
- 挂接：用表格的 US_Number 列匹配 US_Pictures 目录中的患者编号；
- 划分：按患者分组划分训练/验证/测试，切勿按图像随机划分；
- 建模：先做临床表格单模态基线（如逻辑回归/梯度提升），再做影像单模态基线，最后做多模态融合；
- 指标：诊断任务以 AUROC 与 AUPR 并列报告，注意类别不平衡；
- 诚实报告：声明标签构造循环性的处理方式、样本口径（782/579/578）、数据版本。
17.2 三个进阶方向
- 可解释性：实现 CBM，检查中间概念预测的准确率与最终标签的关系；做概念干预实验（人为改错一个概念，看输出如何变）；
- 标签质量：复现并扩展标签构造循环性的分析——把 Alvarado/PAS 与阑尾直径从输入中剔除，看性能下降多少，从而量化「虚假性能」的规模；
- 捷径学习：检查模型是否依赖烧录卡尺等图像内嵌信息——可做图像裁剪/遮挡实验，或用显著性图定位模型关注区域。
17.3 一个反复被踩的工程细节
多视图聚合有若干实现方式：早融合（所有视图送入共享编码器后取平均/最大池化）、晚融合（每视图先出患者级预测再聚合）、注意力聚合（学习视图权重）。论文的扩展多视图 CBM 属于结构化方案。没有放之四海皆准的最优解，但无论选哪种，都必须保证同一患者的所有视图在同一划分中，否则聚合本身就构成泄漏。
§18 儿科阑尾炎的临床背景（供非临床读者）
18.1 为什么儿科腹痛这么难判断
阑尾炎在儿童中的表现往往不典型。婴幼儿无法准确描述疼痛位置，转移性疼痛（从上腹/脐周转移到右下腹）这一经典线索在他们身上常常缺失或被忽略。加上儿童阑尾炎进展快——从单纯性到穿孔的时间窗口比成人短——医生承受着「不手术怕穿孔、贸然手术怕误切」的双向压力。误诊的两个方向都有代价：漏诊导致穿孔、腹膜炎、脓肿；误诊导致不必要的手术。这就是为什么临床上需要尽可能多的信息通道（症状、体检、化验、影像、评分）来共同判断，也是为什么一个把多通道信息整合起来的数据集有临床意义。
18.2 评分量表的作用与局限
Alvarado 评分与小儿阑尾炎评分（PAS） 都是把若干临床线索加权求和得到的整数分，用于快速分层风险。它们的价值在于把零散信息结构化、便于沟通与决策；局限在于它们是启发式工具，敏感性与特异性都不是完美，且不同人群、不同中心的表现有差异。本数据集把这两个评分也纳入变量，既方便使用者做「评分 vs 模型」的对照，也正是导致标签循环性问题的根源——因为它们既被用来定义标签，又被当作特征。读到这里，你应该已经能理解为什么这个细节如此关键。
18.3 超声在儿科阑尾炎中的角色
超声在儿科阑尾炎诊断中的地位是一线、首选。判读要点包括：阑尾是否可显示（Appendix_on_US）、阑尾外径（≥ 6 mm 提示异常）、周围有无游离液体（FF）、有无淋巴结肿大（LN/LAM）、探头加压有无不可压闭性等。这些要点在本数据集的图像命名约定与表格变量里都有对应。理解这些临床要点，能帮助建模者设计更有临床意义的中间概念，而不是盲目依赖端到端黑箱。
§19 FAQ 高频问答
A. 基础认知
Q1：这套数据集和 UCI 上的「Regensburg Pediatric Appendicitis」是同一个东西吗？
是。UCI dataset 938 是本数据集的一个镜像收录，内容同源。
Q2：为什么有「Pediatric Appendicitis Dataset」和「Regensburg Pediatric Appendicitis Dataset」两个名字？
前者是 Zenodo 记录页使用的名，后者是更完整的官方名与 UCI 收录名。指同一数据集，检索时两个都试。
Q3：782 到底指什么？
指患者/记录数，不是图像数。图像数见 §4。
Q4：数据里有 CT 吗？
没有。影像是腹部 B 型超声（BMP）。这是本数据集专注儿科的体现——以超声替代 CT。
Q5：是前瞻性还是回顾性？
回顾性队列研究。
Q6：数据覆盖哪个时间段？
2016–2021 年收治的患者。
B. 数据与获取
Q7：怎么下载？
Zenodo 记录 7669442（DOI 10.5281/zenodo.7669442），直链下载 US_Pictures.zip 与 app_data.xlsx。
Q8：要申请吗？
不需要。公开直链，CC-BY-NC-4.0。
Q9：多大？
整包约 523.3 MB，单机可载。
Q10：图像是什么格式？
BMP。注意有些镜像可能转成 PNG，使用前核对。
Q11：表格是什么格式？
XLSX（app_data.xlsx，约 212.8 kB），其中 Data Summary 工作表解释变量。
Q12：有多少变量？
54（UCI）/ 58（medRxiv）/ 53（和鲸） 三个口径，见 §4 与 §10。跨源比对须按变量名对齐。
Q13：多个版本该下哪个？
复现论文用 v1.01（10.5281/zenodo.7669442）；关心图像完整性可参考 v1.03 的核验结论。
Q14：US_Number 是干什么的？
它是患者标识列，用来把表格行与 US_Pictures 目录里的图像挂接。
Q15：multiple_in_one 是什么？
一份列表，列出那些一个文件内含多个快照画面的图像名。
Q16：test_set_codes.csv 是什么？
官方提供的测试集代码文件，供划分复现参考。
C. 标签与标注
Q17：三个目标变量是什么？
诊断（阑尾炎/非）、管理（手术/保守）、严重程度（并发症/无并发症）。
Q18：诊断标签怎么来的？
手术患者以组织学确认；保守治疗患者以「Alvarado/PAS ≥ 4 且阑尾直径 ≥ 6 mm」判定。
Q19：这有什么问题？
这是标签构造循环性——判定用的量又作模型输入，可能高估性能。见 §7.2 与 §10 坑点 2。
Q20：严重程度标签的组织学口径？
无并发症＝亚急性/卡他性、纤维化；并发症＝坏疽性、穿孔、脓肿。
Q21：管理标签的原始类别？
保守、首次手术、二次手术、同期阑尾切除四类，二元化为手术/保守。
Q22：Appendix_on_US 是什么？
超声下阑尾是否可显示的二元标注。
Q23：Appendix_Diameter 的单位？
毫米（mm），阑尾最大外径。
Q24：Migratory_Pain 是什么？
转移性疼痛的二元标注，经典阑尾炎症状线索。
Q25：有缺失值吗？
有。人口学变量明确存在缺失，使用前需处理。
D. 建模与评估
Q26：论文报告的最好指标？
诊断任务 AUROC 0.80、AUPR 0.92（扩展多视图 CBM）。
Q27：要按什么划分数据？
必须按患者（US_Number）划分，否则同患者多视图泄漏。
Q28：怎么做多视图聚合？
早融合/晚融合/注意力聚合皆可，关键是同患者视图不跨划分。
Q29：有官方排行榜吗？
没有。测试集代码有提供，但无统一 leaderboard。
Q30：用什么指标？
AUROC 与 AUPR 并列，注意类别不平衡与基线患病率。
Q31：有基线代码吗？
论文方法学公开；数据集 README 与论文可作起点，但未见官方统一代码包在本核验范围内确认。
Q32：能做分割任务吗？
数据集主要面向分类（患者级标签），未提供像素级分割掩码。
E. 许可与合规
Q33：许可是什么？
CC-BY-NC-4.0。
Q34：能商用吗？
不能。 NC 条款禁止商业使用。有商业需求须另议。
Q35：要署名吗？
要。署名 12 位作者版权方，注明许可并说明修改。
Q36：能改吗？
能。CC-BY-NC-4.0 无 ND 限制，允许衍生作品，但须遵守 BY+NC。
F. 局限与风险
Q37：最大的局限？
标签构造循环性 + 单中心回顾性 + 儿科专属。
Q38：能直接部署到临床吗？
不建议。它是研究基准，不是经临床验证的决策工具。
Q39：烧录卡尺问题怎么办？
做图像预处理时考虑裁剪/遮挡，或做显著性分析检查模型是否依赖它。
Q40：跨机构能用吗？
需外部验证。单一德国中心的标注惯例未必迁移。
Q41：数据里只有德国患者吗？
队列采集于德国雷根斯堡一家儿童医院，人群以当地患儿为主。
Q42：成人能用这套模型吗？
未验证。人群是儿科。
§20 结语：给不同读者的行动建议
给学生/入门者：这是一个体量友好（523 MB）、文档齐全、任务清晰的数据集，适合作为医学多模态与可解释 AI 的第一个完整项目。从临床表格基线做起，逐步加入影像，再做融合。
给方法论研究者：这套数据自带「标签构造循环性」与「烧录卡尺」两个真实缺陷，是做捷径学习与数据泄漏研究的好素材。2026 年的复核论文已经开了头，仍有空间扩展。
给临床研究者：数据集的多模态结构贴近真实决策流程，可用于探索「哪些信息通道真正有增量价值」「评分量表与影像如何互补」等问题——但须记住它是回顾性、单中心数据。
给数据集策展者：本数据集是「数据集 + 论文」捆绑发布的典范，也是「文档披露局限」做得较好、但「局限仍需使用者警觉」的案例。对照它能反思如何在自己的数据集中更明确地标注标签可信度。
本条目由千方病案医数集（qianfanghub.com）AI-Ready Wikipedia 项目编纂。所有硬数字均来自 Zenodo 官方记录页、配套论文 arXiv 摘要与 2026 年 medRxiv 独立复核 preprint 的三源互证；双口径冲突已在正文逐条存照。条目为数据资源说明，不构成医疗建议。
§21 变量字典（深度版）
为便于使用者逐列理解，下面把核验范围内确认的表格变量按域归类展开。注意：不同镜像的列数与列名可能略有差异，正式使用请以所下载数据包的 Data Summary 工作表为准，下表作为理解框架。
21.1 人口学与人体测量
- Age（年龄）：连续变量，以年计，由出生日期推算，存在缺失值；
- BMI（体质指数）：连续变量，由体重除以身高平方得到，反映营养与体型，儿科需结合年龄性别百分位解读，存在缺失值；
- Sex（性别）：分类变量，记录登记性别，存在缺失值；
- Height（身高）：连续/整型，患儿身高，存在缺失值；
- Weight（体重）：整型，患儿体重，存在缺失值；
- Length_of_Stay（住院天数）：整型，反映病情严重程度与恢复情况的间接指标，存在缺失值。
这些变量在临床上有双重角色：既是潜在的风险因子/混杂因素，也可能与「严重程度」标签相关（如穿孔患者住院更久）。建模时应考虑是否需要纳入，以及是否会造成标签泄漏。
21.2 实验室检验
数据含炎症标志物等化验通道。阑尾炎的核心化验线索是白细胞计数升高与C 反应蛋白（CRP）升高。这类变量是临床判断的重要依据，也是「临床-only 模型」的骨干输入。使用时要留意：不同年龄段儿童的白细胞正常参考范围不同，绝对值解读需谨慎。
21.3 体格检查
含腹痛相关的体征变量，如压痛、反跳痛、以及转移性疼痛（Migratory_Pain，二元）。转移性疼痛是阑尾炎的经典症状学线索——疼痛先出现于脐周/上腹，数小时后定格于右下腹。这类变量依赖医生问诊与查体，主观性相对较强，也是单中心标注惯例可能影响的部分。
21.4 临床评分
- Alvarado_Score：整型，Alvarado 评分（0–10），由症状/体征/化验加权；
- Paediatric_Appendicitis_Score（PAS）：整型，儿科专用评分。
关键提醒：这两个评分是标签构造循环性的来源之一（见 §7.2、§10 坑点 2）。它们既是预测特征，又参与定义诊断标签。任何声称「用 Alvarado 预测阑尾炎」的实验，在此数据集上都带有循环性——因为对保守治疗患者，Alvarado 本身就是标签的一部分。
21.5 专家超声所见
- Appendix_on_US：二元，超声下阑尾是否可显示。这是检查是否成功定位阑尾的指示，本身是诊断的前提——若阑尾不可见，诊断的确定性下降；
- Appendix_Diameter：整型（mm），阑尾最大外径。临床阈值约 6 mm。它是超声诊断阑尾炎的核心量化指标，也是标签构造循环性的另一个来源；
- 其他由专家手工提取的超声所见。
这些变量是「放射科医生解释的所见」通道，与原始图像通道（模型直接读图）在方法论上应加以区分——2026 年复核正是把二者分设建模臂，以厘清各自的贡献与循环性来源。
21.6 目标变量
- Diagnosis（诊断）：二元，阑尾炎 vs 非阑尾炎；
- Management（管理）：原始四类（保守/首次手术/二次手术/同期阑尾切除），二元化为手术 vs 保守；
- Severity（严重程度）：二元，无并发症 vs 并发症。
21.7 其他/派生
- Diagnosis_Presumptive：疑似诊断（入院时的初步判断），与最终诊断对照可反映诊断修正过程；
- US_Number：患者标识，用于挂接图像。
§22 数据质量与统计卫生
22.1 缺失值的处理
人口学变量明确存在缺失。医学表格数据的缺失往往不是随机（MNAR）——比如体重缺失可能与患儿配合度差、急诊紧迫程度高相关。处理方式有三条路：
- 删除：整行删除，简单但有偏（偏向数据完整的病例）；
- 插补：均值/中位数/多重插补，需在报告中说清方法；
- 作为特征：把「是否缺失」当作一个二元特征纳入，有时缺失本身就携带信息。
无论哪种，都应在论文中声明，并做敏感性分析。
22.2 类别不平衡
诊断/管理/严重程度三个标签的正负类比例未必均衡。例如阑尾炎在疑似人群中可能占相当比例，而「并发症」子类则相对稀少。这决定了：
- AUPR 比 AUROC 更能反映少数类表现；
- 报告基线患病率（如随机猜测的 AUPR ≈ 正类比例）是解读的必要参照；
- 分层抽样划分有助于保持各划分中的类别比例。
22.3 划分卫生
再次强调本数据集最容易出错的地方：
- 按患者划分，不按图像；
- 分层以保持类别比例；
- 固定随机种子并公开，以保证可复现；
- 划分前完成所有患者级特征工程，避免跨划分的信息泄漏。
22.4 统计比较的规范
做模型间比较时，仅报告点估计不足。建议：
- 置信区间：bootstrap 或解析法；
- 配对检验：对同一划分上的模型用 DeLong 检验比较 AUROC；
- 多重比较校正：比较多模型/多任务时；
- 等价性检验：若主张「可解释模型与黑箱无差异」，应使用 TOST 而非仅看「未拒绝零假设」。
2026 年复核论文正是采用了这一整套统计规范，可作为本数据集上做严谨比较的模板。
§23 与其他数据集的口径对照
23.1 与成人阑尾炎 CT 研究对照
成人阑尾炎 AI 研究多基于 CT，样本量常达数千至上万，且 CT 图像标准化程度高。本数据集仅 782 例、超声模态，样本量与模态都更受限。但它填补的是儿科超声的空白，不可用「样本量小」简单贬低——在儿科超声这个细分领域，它是罕见的大型公开资源。
23.2 与乳腺/甲状腺超声数据集对照
乳腺超声（如 bus-bra、busi）与甲状腺超声数据集通常为成人筛查场景，任务多为良恶性分类，标签依赖活检病理。本数据集是急性炎症 + 急诊决策，标签含临床构造成分（非手术患者），这一点上两者标注可信度的结构不同。
23.3 与多模态医学数据集对照
相比 padchest（胸部 X 光 + 报告）、mimic-cxr-jpg（胸片 + 报告），本数据集的多模态是影像 + 结构化表格而非影像 + 文本。这使得它的融合任务更偏「数值 + 图像」而非「跨模态对齐」，方法学关注点不同。
§24 版本演进与长期引用建议
24.1 版本历史
- 2023-02-23：首版发布（version 1.01，record 7669214）；
- 后续版本（7669442 / 7711384 / 7711412 等 DOI）：构成版本链；
- version 1.03：其图像归档被复核研究用于核验图像完整性。
24.2 引用建议
引用本数据集时，建议同时引用：
- 数据集本身：Marcinkevičs, R., Reis Wolfertstetter, P., et al. Regensburg Pediatric Appendicitis Dataset. Zenodo. DOI 10.5281/zenodo.7669442；
- 配套论文：Marcinkevičs et al. Interpretable and intervenable ultrasonography-based machine learning models for pediatric appendicitis. Medical Image Analysis, 91, 103042 (2024). DOI 10.1016/j.media.2023.103042。
若使用了标签循环性相关的分析，还应引用 2026 年 medRxiv 复核 preprint。
24.3 长期可用性提示
Zenodo 提供长期存档与 DOI 持久化，可用性好。但需注意：镜像（UCI/Kaggle）可能因维护或政策变化而内容变动，正式复现应以 Zenodo 版本化 DOI 为准。
§25 常见研究问题清单（供选题参考）
- 临床表格单模态模型在诊断/管理/严重程度三任务上的表现分别如何？
- 加入超声影像后，各任务的增量价值有多大？是否值得引入影像模态的复杂度？
- 多视图聚合的最优策略是早融合、晚融合还是注意力聚合？
- CBM 的中间概念预测准确率与最终标签准确率的关系如何？
- 概念干预（人为修正中间概念）对最终输出的影响幅度有多大？
- 剔除 Alvarado/PAS/阑尾直径后，模型性能下降多少（量化标签循环性）？
- 模型是否依赖烧录卡尺？遮挡后性能变化如何？
- 三类目标变量之间是否共享表征？多任务学习能否互益？
- 缺失值的不同处理方式对结论稳健性影响如何？
- 不同年份（2016 早期 vs 2021 晚期）的病例分布是否漂移？
- 阑尾可见性（Appendix_on_US）对诊断准确率的影响有多大？
- 能否从超声图像直接回归阑尾直径？与专家测值的差距如何？
§26 数据伦理与患者保护
26.1 伦理批件
研究经雷根斯堡大学伦理委员会批准，批件号 18-1063-101、18-1063_1-101、18-1063_2-101 三个，并遵循适用法规。回顾性研究设计意味着数据来自既有临床记录，经伦理审查后去标识化公开。
26.2 隐私考量
超声图像可能潜在地携带可识别信息（如烧录的患者姓名/ID 标签、检查日期）。使用者在二次发布或展示图像时应注意检查并遮盖此类信息。数据集发布方在去标识化上做了处理，但使用者仍负有二次合规责任。
26.3 使用者的伦理责任
- 遵守 CC-BY-NC-4.0 的非商业条款；
- 不尝试重新识别患者；
- 不将本数据集上的模型直接用于临床决策而不经独立验证；
- 报告结果时如实披露数据的局限（见 §9、§10）。
§27 搜索引擎友好的结构化摘要
为便于检索与引用，下面以结构化字段归纳本条目核心信息：
- 数据集名：Regensburg Pediatric Appendicitis Dataset
- slug：regensburg-appendicitis
- 类别：医学多模态数据集（儿科腹部超声 + 临床表格）
- 样本量：782 例（建模 579，图像归档 2097 张，论文建模糊 1709 张）
- 模态：B 型超声（BMP）+ 结构化表格（XLSX）
- 标签：诊断 / 管理 / 严重程度
- 许可：CC-BY-NC-4.0
- 来源：Zenodo DOI 10.5281/zenodo.7669442
- 论文：Medical Image Analysis 2024, 91:103042
- 核心方法：概念瓶颈模型（CBM，多视图扩展）
- 关键指标：诊断 AUROC 0.80 / AUPR 0.92
- 主要局限：标签构造循环性、单中心、儿科专属、NC 商用限制
- 适用任务：影像分类、多模态融合、可解释与可干预建模、数据集方法学研究
§28 与其他资料交叉验证的方法
本条目在编纂中采用的核验策略值得说明，供后续更新参考：
- 官方优先：以 Zenodo 官方记录页（7669442）为准，取其许可证、文件表、md5、作者与机构字段；
- 论文佐证：以 arXiv:2302.14460 摘要与元数据佐证建模规模（579/1709）与指标（0.80/0.92）；
- 第三方复核：以 2026 medRxiv preprint 提供标签循环性、图像归档核验与样本过滤链（780/759/578）；
- 镜像对照：以 UCI（54 列）与和鲸（53 列）对照变量口径差异；
- 冲突存照：凡三源不一致处，正文并列标注，不擅自取单一值。
这套「官方 + 论文 + 第三方 + 镜像」的四源交叉法，是 AI-Ready 条目确保硬数字可靠的基本纪律。
§29 结语补记
本数据集之所以值得在千方病案医数集单独成篇，不仅因为它在儿科超声阑尾炎这一细分领域具有稀缺性，更因为它是一个把数据集缺陷也一并公开的诚实样本——标签构造循环性与烧录卡尺问题被第三方复核明确指出，而这些问题恰恰是医学 AI 领域普遍存在却常被掩盖的。用它做研究，你不只是在使用一份数据，也在接触一套关于「数据可信度」的活教材。读懂它标注上的不完美，比记住它那几个漂亮的指标数字更重要。
§30 建模实操：一份可落地的骨架
以下给出在本数据集上做研究时的参考流程骨架（伪代码级别，平台无关），帮助使用者避开最常见的工程陷阱。
30.1 数据装载
# 伪代码：装载与挂接
tab = read_excel("app_data.xlsx", sheet="Data") # 表格数据
summary = read_excel("app_data.xlsx", sheet="Data Summary") # 变量字典
imgs = list_files("US_Pictures/") # BMP 图像
# 关键：按 US_Number 挂接，而非按行序号
patient_to_images = group_by(imgs, key=US_Number)
要点：永远以 US_Number 为键做挂接。按行序号对齐是数据错配的头号来源。
30.2 划分
# 关键：患者级分组划分
patients = unique(tab.US_Number)
train_p, val_p, test_p = stratified_group_split(
patients, by=tab.Diagnosis, ratios=[0.6, 0.2, 0.2], seed=42)
# 所有属于同一 US_Number 的图像必须整体落入同一划分
30.3 图像预处理
- 统一尺寸（若用 CNN/CBM）；
- 灰度化（B 超本身是灰度）；
- 检查并处理烧录卡尺/内嵌标签——可裁剪边缘、或用检测遮挡；
- 归一化；
- 多视图按患者分组打包。
30.4 建模三档
# 档一：临床表格单模态
clf_clinical = GradientBoosting().fit(tab_train[clinical_features], y_train)
# 档二：影像单模态（多视图聚合）
img_emb = encoder(image) # 每视图一个嵌入
patient_emb = pool(img_emb) # 早/晚/注意力聚合
clf_image = Head().fit(patient_emb_train, y_train)
# 档三：多模态融合
fused = concat([patient_emb, tab_features])
clf_multi = Head().fit(fused_train, y_train)
30.5 可解释建模（CBM）
# 概念预测层
concept_pred = ConceptHead()(image_emb, tab_features)
# 概念 -> 标签
label_pred = LabelHead()(concept_pred)
# 干预：推理时若知道真实概念值，可覆盖 concept_pred 后重算 label_pred
30.6 评估与报告
metrics = {
"AUROC": roc_auc(y_test, prob),
"AUPR": pr_auc(y_test, prob),
"baseline_AUPR": prevalence(y_test), # 必报！解读 AUPR 的参照
"CI": bootstrap_ci(...),
}
# 声明：样本口径（782/579/578）、版本、是否处理标签循环性
§31 逐任务建模要点
31.1 诊断任务（Diagnosis）
- 正类定义：阑尾炎；
- 难点：标签对非手术患者含评分与直径阈值构造，存在循环性；
- 建议：分别报告「含评分/直径特征」与「剔除评分/直径特征」两组结果，量化循环性影响；
- 指标：AUROC + AUPR + 患病率基线；
- 预期：参考论文 0.80/0.92，但自己的结果口径须与论文对齐后再比较。
31.2 管理任务（Management）
- 正类定义：手术管理（含保守后二次手术）；
- 难点：管理决策受医生偏好、资源、家属意愿影响，非纯医学判断；
- 建议：明确二元化规则（官方口径已给），避免自行定义造成不可比；
- 意义：预测「是否需要手术室」在临床运营上比预测「是否患病」更直接可用。
31.3 严重程度任务（Severity）
- 正类定义：并发症（坏疽/穿孔/脓肿）；
- 难点：非手术患者无病理依据，正类更稀少，不平衡更严重；
- 建议：重点看 AUPR 与召回，误判并发症的临床代价高；
- 意义：识别高并发症风险患儿，有助于决定治疗强度与监护级别。
§32 常见错误与纠正速查表
| 错误做法 | 后果 | 纠正 |
|---|---|---|
| 按图像随机划分 | 同患者泄漏，指标虚高 | 按 US_Number 患者级划分 |
| 用 Alvarado/PAS 预测诊断却不声明 | 循环性未被披露 | 声明并做剔除对照 |
| 报 AUPR 不报患病率基线 | 高估效果 | 并列报告基线患病率 |
| 把 782 当图像数 | 规模误判 | 区分 782/2097/1709 |
| 跨镜像按列序号合并 | 变量错配 | 按变量名对齐 |
| 直接用 BMP 不做卡尺处理 | 捷径学习 | 裁剪/遮挡/显著性检查 |
| 声称可临床部署 | 伦理与合规风险 | 明确为研究基准 |
| 商用或商业训练 | 违反 NC | 先做合规评估 |
| 忽略 multiple_in_one | 画面数少算 | 展开多帧 |
| 只给点估计不给区间 | 结论不稳 | 加 bootstrap CI |
§33 数据集的现实影响力评估
33.1 被讨论的广度
从检索可见，本数据集已进入多个渠道：Zenodo 官方、UCI 机器学习库、Kaggle、和鲸社区，以及第三方方法论复核论文。一个数据集能在发布后两三年内吸引独立的复核研究，说明它已被实际使用并产生了需要审视的结论——这是「活的数据集」的标志。
33.2 方法学示范意义
除儿科阑尾炎本身，本数据集的示范意义在于：
- 展示了数据集与论文捆绑发布的完整流程；
- 展示了多模态医学数据的组织方式；
- 更重要的，它被用来示范如何审视标签可信度——2026 年复核把「标签怎么造的」这一常被跳过的问题摆到了台前。
33.3 对后续研究的启发
- 若能在其他中心采集同结构数据，可做外部验证，检验模型的可迁移性；
- 若能引入前瞻性设计，可缓解回顾性数据的选择偏倚；
- 若能扩充器官/病变类型，可发展为更通用的儿科腹痛多模态基准。
§34 术语与缩写总表（补全）
| 缩写 | 全称 | 中文 |
|---|---|---|
| CBM | Concept Bottleneck Model | 概念瓶颈模型 |
| US | Ultrasound | 超声 |
| RLQ | Right Lower Quadrant | 右下腹 |
| PAS | Pediatric Appendicitis Score | 小儿阑尾炎评分 |
| AUROC | Area Under ROC Curve | ROC 曲线下面积 |
| AUPR | Area Under PR Curve | PR 曲线下面积 |
| CI | Confidence Interval | 置信区间 |
| TOST | Two One-Sided Tests | 双单侧等价性检验 |
| TRIPOD+AI | Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis (AI extension) | 预测模型报告规范 AI 扩展 |
| BMP | Bitmap | 位图格式 |
| XLSX | Office Open XML Spreadsheet | Excel 表格格式 |
| NC | NonCommercial | 非商业性 |
| BY | Attribution | 署名 |
| LN | Lymph Node | 淋巴结 |
| FF | Free Fluid | 游离液体 |
| LAM | Mesenterial Lymphadenitis | 肠系膜淋巴结炎 |
| CBM | Concept Bottleneck Model | 概念瓶颈模型（重复列出以便检索） |
§35 条目编纂说明
- 编纂依据：任务头
task_regensburg-appendicitis.md与写手纪律包（2026-09-26 v3）； - 核验预算：WebSearch ×2、WebFetch ×2，均在纪律包 §2.5 上限（≤3 / ≤6）之内；
- 三源互证：Zenodo 官方记录页（7669442）＋ 配套论文 arXiv:2302.14460 ＋ 2026 medRxiv 独立复核 preprint；
- 口径存照：变量列数（54/58/53）、样本量（782/579/578/2097/1709）等冲突已逐条存照，见 §4、§10 与 FACTS.md §9；
- frontmatter 纪律：title 含站点后缀「 | 千方病案医数集」；双引号串内无英文直引号；relatedLink 只含纯 URL；cr:RecordSet 为节点式；
- 自检：通过 check_md.py 与 preflight_check.py 双零。
§36 更新与勘误通道
本条目所依据的硬数字均来自可公开访问的一手来源，编者已尽力做三源互证。但数据集可能继续发布新版本、论文可能被修订、第三方复核结论也可能演进。若读者发现下列情形，建议以更新后的官方来源为准：
- 数据规模数字变动：若 Zenodo 发布新的图像归档或补充队列，782 / 2097 / 1709 等数字可能随之改变；
- 变量列口径统一：若官方发布正式的数据字典，54/58/53 的三口径分歧可被消解；
- 新版本 DOI：若出现 version 1.04 及以后，引用前应确认内容差异；
- 复核结论更新：标签构造循环性的量化若被后续研究修正，§7.2 的叙述需同步。
本条目为百科式数据资源说明，不构成任何医疗、法律或合规建议。使用者对其研究用途的合规性（尤其是 CC-BY-NC-4.0 的非商业限制）负全部责任。
36.1 勘误记录
- 2026-10-08：初版成稿。核验期内未发现与官方记录冲突之处；已存照的三处口径差异（列数、样本量、图像数）均非错误，而是不同统计口径所致。
36.2 维护约定
- 任何数字更新须重新执行三源互证，并同步更新 FACTS.md 对应章节；
- frontmatter 的 title/subtitle/description 若修改，须保证 title 仍带「 | 千方病案医数集」后缀且双引号计数为偶数；
- relatedLink 保持纯 URL，说明文字一律写正文。
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：
- fetal-planes-db — 共享标签：医学影像 / 图像分类 / 儿科
- rop-vl — 共享标签：医学影像 / 图像分类 / 多模态 / 儿科
- echoview — 共享标签：医学影像 / 图像分类 / 多模态
- padchest — 共享标签：医学影像 / 图像分类 / 多模态
- neptune — 共享标签：医学影像 / 图像分类 / 队列研究
- vindr-pcxr — 共享标签：医学影像 / 图像分类 / 儿科
- hvdropdb — 共享标签：医学影像 / 图像分类 / 儿科
- hyamd-hillel-yaffe — 共享标签：医学影像 / 图像分类 / 队列研究
- chexchonet — 共享标签：医学影像 / 多模态 / 队列研究
- cmb-aml — 共享标签：医学影像 / 多模态 / 队列研究
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。
