SICS-155 小切口白内障手术视频相位识别数据集 — AI-Ready Wikipedia

INFOBOX — SICS-155 一屏速览

维度	内容
本质	全球首个公开 SICS（手动小切口白内障手术）视频逐帧相位标注数据集，MICCAI 2025 卫星事件挑战赛官方基准
团队	University Hospital Bonn / University of Bonn 牵头 + Microsoft Research India + Sankara Eye Hospital + 华南理工大学；联系人与一作 Simon Mueller
数据	155 段手术视频（100 train / 15 validation / 40 test，按时长分层）；960×540 @ 30 FPS；时长 5:01–21:58，平均 13:05
标注	18 个手术相位 + background 逐帧标签；Sankara 眼科医生用 Microsoft Research India 工具人工标注并复核
相位特色	含 phaco 手术没有的 Nucleus Prolapse、Nucleus Delivery、peritomy 等 SICS 特有步骤；预测目标帧率 15 FPS
基线	MS-TCN++ 在 105 段子集（SICS-105）上逐帧精度 85.56%，低于同模型在 Cataract-101 的 89.97%——相位更多、手术更长、更难
挑战结果	赛后总结（MedIA 2026）：整合参赛队方法的 boundary-aware FACT 达 accuracy 87.98% / edit 90.80% / segmental F1 89.56%
获取	Zenodo 受限发布（access_right=restricted）：官网注册后下载；CC BY-NC-4.0 非商业；test 40 段截至抓取时点未发布
配套	官方评估脚本（GitHub）、i3D 预提取特征（邮件申请）、CodaBench 提交平台
同域对照	Cataract-101（n=101，phaco）、IEEE Cataracts（n=50，phaco）、Cholec80（腹腔镜 7 相位）——SICS-155 填补"手动小切口"空白
库内互链	cataract-101(263)、cadis(243)、cataracts(253)、cholec80(78)、cholect50(223)、ldpolypvideo(163)

SICS-155 是一个"为全球南方的手术填空白"的数据集：白内障是全球首位致盲原因，而中低收入国家（LMIC）最主流、最具性价比的术式不是富裕国家常见的超声乳化（phacoemulsification），而是手动小切口白内障手术（Manual Small-Incision Cataract Surgery，SICS/MSICS）——但在此之前，所有公开的白内障手术视频数据集（Cataract-101、IEEE Cataracts）都只收录 phaco，SICS 的 AI 手术分析是一片空白。SICS-155 用印度 Sankara Eye Hospital 的 155 段真实手术录像、18 个手术相位的逐帧人工标注，第一次让"手术相位识别"这项技术覆盖到服务数十亿人的术式上，并以 MICCAI 2025 挑战赛的形式向全球团队开放竞技。

导语读法三则：

1. 只想下数据：直奔 §5 获取与许可——先在官网注册再走 Zenodo（restricted），CC BY-NC-4.0 禁商用；test 集未放，能拿到的是 115 段。
2. 关心算法水位：直奔 §4——MS-TCN++ 基线 85.56%（SICS-105）与挑战赛后的 FACT 87.98%（SICS-155）构成两代坐标，四项官方指标齐备。
3. 做手术视频综述/跨术式迁移：直奔 §2.5 与 §6——SICS 与 phaco 的相位/器械差异表、Cataract-101 迁移学习官方建议，是写 related work 的现成骨架。

§0 导读：这个数据集解决什么问题

手术相位识别（surgical phase recognition）是手术视频 AI 的第一块积木：把一段连续手术视频切成"撕囊"“核娩出”"皮质抽吸"等语义步骤，是外科医生表现量化比较、关键步骤反馈、手术协议偏差检测、以及手术质量自动评估（如 Sim-OSSCAR 评分）的前置任务。在技术路线上它被建模为时序动作分割（temporal action segmentation）：模型对每一帧输出一个相位标签，用逐帧精度、edit distance、segmental F1 等指标评分。这个领域在腹腔镜手术（Cholec80 的 7 相位）与 phaco 白内障手术（Cataract-101）上已积累多年，但术式覆盖有一个巨大的地理偏差：公开数据集几乎全部来自高收入国家的手术习惯。

问题在于，占全球白内障手术量大头的 LMIC 用的不是 phaco 而是 SICS——一种切口更大（6–8 mm vs 2–3 mm）、不依赖昂贵超声设备、靠整套手动器械（Vectis 圈套器、Simcoe 注吸针等）完成的手工术式。两种术式的手术步骤集合并不相同：SICS 特有核脱位（nucleus prolapse）、核娩出（nucleus delivery）、结膜剪开（peritomy），phaco 特有刻槽（trenching）、核乳化（emulsification）。这意味着在 phaco 数据上训练的相位识别模型不能直接迁移到 SICS 视频，而 SICS 又恰恰是最需要 AI 辅助质控的场景——LMIC 的培训资源与专家密度都更稀缺。

SICS-155 的回答是一次"数据集+挑战赛+论文"三连击。数据层：155 段手术、18 相位逐帧标注、按时长分层的 100/15/40 划分，首发于 Zenodo（2025-03-18 v1.0.0，4 月更新 v3）；方法层：先导论文用 105 段子集（SICS-105）+ MS-TCN++ 给出 85.56% 的基线并证明"SICS 比 phaco 更难"；竞赛层：2025 年 4–9 月全球团队经 CodaBench 提交 Docker 容器在隐藏测试集上排名，赛后按 BIAS 规范发表总结论文（Medical Image Analysis 2026），并把参赛队的技术精华整合成 boundary-aware FACT 新标杆（87.98%）。

§0 读法三则：

1. 本条目是"数据集+挑战赛"双主体：数据集本体（155 段视频+逐帧标签）与挑战赛事件（时间线、评估协议、赛后论文）互相定义，理解任何一半都需要另一半——§1–§3 讲数据，§4 讲竞赛结果。
2. 全文核心数字（155/18/100/15/40/13:05/85.56%/87.98%）均可在官网、Zenodo、Sci Rep、MedIA 论文中四源互证；唯一系统性口径分歧是"18 还是 19 个相位"，已在坑 1 存照。
3. 检索时注意 SICS-105 与 SICS-155 是"子集→全集"的谱系关系而非两个无关数据集（坑 2）——规模数字 105/155 是最可靠的区分器。

§1 数据集速览：十问十答

Q1："155"是什么的个数？
155 段手术视频，对应 155 名患者、155 台手术（一对一）。官网 Dataset Overview 写 “Size: 155 videos”，Zenodo 写 “155 surgeries / 155 patients”，挑战总结论文与第三方研究口径一致——这是四源互证中最稳固的数字。划分：100 train / 15 validation / 40 test。

Q2：视频是怎么录的、规格如何？
手术显微镜录像，分辨率 960×540、帧率 30 FPS。时长最短 5 分 01 秒、最长 21 分 58 秒、平均 13 分 05 秒。三个子集按视频时长做了分层（短/中/长均衡），避免测试集全是长手术。

Q3：标注长什么样？
两层。原始层是 CSV/Excel 表：每个可观测相位在每段视频里有起止时间；发布层是 groundTruth/ 目录的 txt 文件：每行对应一帧、每行一个相位标签（含 background），另有 mapping.txt 给出类别名到数字索引的映射。官方明确建议用 txt 版本（经过预处理），别自己从 CSV 展开。

Q4：18 个相位都是什么？
从 peritomy（结膜剪开）开场，经 cautery、scleral_groove、incision、tunnel、sideport、AB_injection_and_wash、OVD_injection、capsulorrhexis（撕囊）、main_incision_entry、hydroprocedure（水分离）、nucleus_prolapse（核脱位）、nucleus_delivery（核娩出）、cortical_wash（皮质抽吸）、OVD_IOL_insertion（人工晶体植入）、OVD_wash、stromal_hydration（切口水密），到 tunnel_suture（缝合）收尾——完整覆盖 SICS 全流程。完整中英对照表见 §2.4。

Q5：谁标注的、用什么工具？
Sankara Eye Foundation 的眼科医生人工标注并复核；标注软件由 Microsoft Research India 与 Sankara 联合开发。每段视频仅一条标注流（单人单轮口径发布），评分者间一致性无法从公开数据直接量化。

Q6：怎么获取？真的免费吗？
Zenodo 受限发布：先在挑战官网注册，再从 Dataset Page/Zenodo 请求下载。许可 CC BY-NC-4.0——署名、非商业。截至 2026-09-26 抓取时点，可获取的是训练+验证共 115 段；官网承诺挑战结束后放出 test 40 段，但尚无发布通告。

Q7：挑战赛怎么比的？
四项指标：逐帧 Accuracy、Edit distance（Levenshtein）、逐帧 F1、PR AUC；按 Maier-Hein 等推荐的点数显著性排名法（α=5%）在隐藏测试集上定名次。参赛队交的是 Docker 容器（CodaBench 平台）加一篇短论文。时间线 2025-04 注册/发数据 → 8 月底截止 → 9 月 MICCAI 2025（韩国大田）现场。

Q8：基线和方法水位是多少？
官方基线 MS-TCN++ 在 105 段子集（SICS-105，开放获取）上逐帧精度 85.56% [80.63–92.09]，同模型在 Cataract-101（phaco）上是 89.97%——SICS 相位更多、手术更长，确实更难。挑战赛后，整合参赛队创新的 boundary-aware FACT 架构在 SICS-155 上做到 accuracy 87.98% / edit score 90.80% / segmental F1 89.56%（MedIA 2026）。

Q9：和库内 cataract-101、cataracts 什么关系？
三种不同任务，互为参照不撞车：cataract-101（rid 263）是 phaco 手术视频相位数据集——SICS-155 的直接对照系与迁移学习来源；cataracts（rid 253）是白内障眼底/裂隙灯静态影像分类数据集——没有视频、没有手术；cadis（rid 243）是白内障手术视频的工具/场景分割数据集——同一批手术视频生态、不同标注粒度。

Q10：为什么它对 AI-Ready 重要？
它是"公开科学意愿+隐私/伦理审慎"的典型组合：逐帧标签机读（txt/CSV）、DOI 固定、评估脚本开源——数据包本身 AI-Ready 程度很高；但访问走注册+Zenodo 受限请求、test 集缓发、CC BY-NC-4.0 禁商用——三道闸把"可直接进管线的开放度"从满分拉回中上。这种"文档满分、闸门三道"的画像在手术视频类数据集里非常典型（患者隐私使然），是库内手术视频家族的代表性样本。

§0 附表：关键数字速查卡

数字	含义	来源
155	视频数 = 手术数 = 患者数	官网/Zenodo/MedIA/arXiv 四源一致
100 / 15 / 40	train / validation / test 划分	官网 Dataset Overview
115	当前实际可发布段数（100+15）	arXiv 第三方清点佐证
18 + 1	手术相位 + background（官方口径；论文有 19 类口径）	官网/Zenodo vs MedIA/arXiv
960×540 @ 30 FPS	视频分辨率与原始帧率	官网
15 FPS	官方预测目标帧率	官网
5:01–21:58 / 13:05	时长范围 / 全集平均	官网 + MedIA
6.4 min	已发布 115 段的中位时长（第三方口径）	arXiv:2604.10514
2025-03-18 / 04-17	Zenodo v1.0.0 / v3 发布日	Zenodo API
2025-04-01 – 09-23	挑战赛窗口（注册 → 终评）	官网时间线
85.56% [80.63–92.09]	MS-TCN++ 基线（SICS-105）	Sci Rep 2025
87.98% / 90.80% / 89.56%	FACT 整合标杆 accuracy / edit / segF1（SICS-155）	MedIA 2026
CC BY-NC-4.0	许可（restricted 访问）	Zenodo API
1,096 / 852	Zenodo 下载 / 独立下载（2026-09-26 抓取）	Zenodo 统计

§2 数据构成与规格

2.1 规模、划分与分层设计

SICS-155 的 155 段视频按官方固定划分发布，三个子集的角色与数量如下：

子集	视频数	角色	发布状态（抓取时点 2026-09-26）
train	100	训练集	已发布（2025-04-10，Zenodo v3）
validation	15	验证集/调参集	已发布（2025-05-01 前后）
test	40	隐藏测试集（挑战排名用）	未发布——官网承诺"挑战结束后放出剩余 test 视频"，截至抓取时点未见通告
合计	155	—	可获取 115 段（100+15）

三个数字的外部印证：第三方研究（arXiv:2604.10514）对已发布部分做全量实验时清点到 115 段带标注视频，并给出其文件名前缀构成——BL 32 段、BN 50 段、SD 33 段。这组前缀被该研究称为"三种术式流程类型"（procedure-type prefixes），该研究按前缀做分层交叉验证；对 SICS-155 的使用者而言，前缀是已公开元数据里唯一可用的视频分组信号（患者年龄、性别、视力等临床元数据未随数据集发布）。115 = 100 + 15 的算术自洽，是"官网划分口径"与"实际发布口径"互相咬合的证据。

分层设计是本数据集一个容易被忽略的亮点：官方明确说明三个子集按视频时长分层（stratified by video duration），使每个子集内短、中、长手术的比例相近。手术时长在 SICS 中的跨度很大（5–22 分钟），而时长与并发症、难度、步骤完整性相关——不分层的话，一个恰好全是长手术的测试集会把"长手术特有的相位序列"变成排名噪声。对复现者的含义：不要打乱官方划分重造 fold 时破坏时长均衡；若做交叉验证，参照第三方做法按前缀/时长分层。

2.2 视频规格与预测目标

属性	规格
采集设备	手术显微镜（Sankara Eye Hospital 术中录像）
分辨率	960×540 像素
原始帧率	30 FPS
时长范围	5:01 – 21:58
平均时长	13:05
逐帧标签发布格式	groundTruth/ 目录 txt（每行一帧一个标签）
原始标注表	CSV/Excel（每相位的起止时间）
类别索引	mapping.txt（类别名 ↔ 数字）
预测目标帧率	15 FPS（官方要求，为降低算力成本而减半）
附加资源	i3D 预提取特征（邮件申请）、官方评估脚本（GitHub）

"预测目标 15 FPS"是一条藏在官网段落里的硬约束：挑战要求算法在 15 FPS 的采样率上输出相位，而不是原始 30 FPS——评估脚本按 15 FPS 对齐。自己复现训练时，若以 30 FPS 展开标签，帧数会翻倍、指标口径与官方不可比。处理方式二选一：视频抽帧减半，或对标签上采样——官方 txt 标签的行数对应关系以官方评估脚本为准。

平均 13:05 的时长意味着一段视频约 23,500 帧（30 FPS）或约 11,700 个预测步（15 FPS）；155 段全集的逐帧标签总量在百万帧量级——这是相位识别数据集里典型的"帧数远大于视频数"结构，类别不平衡分析（§3.3）必须按帧统计而不能按视频统计。

2.3 ground truth 双格式：官方为什么让你用 txt

数据包同时提供两种标注形态，官方在下载页明确给出了使用建议：

格式	内容	官方态度
CSV/Excel 表	每段视频每个可观测相位的 start/end 时间（原始标注，来自标注工具导出）	“raw annotations in table format”——建议不用
groundTruth/ txt	每行一帧一个相位标签（已经过预处理展开）	建议使用
mapping.txt	类别名 ↔ 数字索引（如 background=0）	与 txt 配套使用

官方建议弃表用帧的原因写在原文里：“due to the preprocessing we performed”——txt 是官方预处理后的产物，相位之间的边界帧归属、无相位段的 background 填充、帧率对齐等细节都已在 txt 里固定。若绕过 txt 直接从 CSV 起止时间自行展开，边界帧的标签归属（含头含尾与否）、与评估脚本的对齐都可能出现偏差，跑出来的指标与官方口径不可比。这是一个"数据集方帮你踩过坑"的设计，复现时别绕开。

2.4 18 个相位全表：一场 SICS 手术的时序解剖

18 个手术相位的官方名单（snake_case 原名 + 官网英文释义的中文化）按手术流程排列：

#	相位名	中文	手术动作
1	peritomy	结膜剪开	剪开结膜暴露巩膜
2	cautery	电凝止血	电凝巩膜表层血管止血
3	scleral_groove	巩膜沟槽	做板层深度的巩膜沟
4	incision	切口扩展	沟槽延伸为巩膜-角膜隧道切口
5	tunnel	隧道分离	分离板层角膜巩膜隧道
6	sideport	辅助切口	做器械辅助进入的小切口
7	AB_injection_and_wash	平衡液注入冲洗	注入平衡液清除碎屑
8	OVD_injection	粘弹剂注入	注入粘弹剂维持前房稳定
9	capsulorrhexis	连续环形撕囊	环形撕开前囊膜
10	main_incision_entry	主切口进入	角膜刀经隧道进入前房
11	hydroprocedure	水分离	注液松动晶状体核
12	nucleus_prolapse	核脱位	将核翻入前房
13	nucleus_delivery	核娩出	核经巩膜隧道娩出
14	cortical_wash	皮质抽吸	抽吸残留皮质
15	OVD_IOL_insertion	人工晶体植入	IOL 植入囊袋
16	OVD_wash	粘弹剂清除	清除残余粘弹剂
17	stromal_hydration	切口水密	水化切口使其自封闭
18	tunnel_suture	止血缝合	电凝止血并缝合隧道切口

这张表本身就是一份"SICS 教学大纲"：相 1–6 是切口建造（wound construction），7–10 是前房准备与进入，11–13 是 SICS 的招牌核心——不超声乳化、整核娩出，14–17 是皮质处理与人工晶体植入，18 收尾。其中 nucleus_prolapse 与 nucleus_delivery 两相在 phaco 术式中根本不存在（phaco 用超声能量原位乳化吸除晶状体核），peritomy 也远比 phaco 常规——这正是"phaco 模型不能直接迁移"的原因细节。

另有 background（背景）类：当一帧中无可识别的手术相位时（如器械进出间隙、外界干扰），标注为 background。官方把 18 个手术相位与 background 的关系表述为"每帧应被赋予 18 相位之一，无相位可识别时可赋予 background"——即 background 是兜底类而非并列的第 19 个手术步骤。这个措辞正是"18 vs 19"口径分歧的源头（坑 1）：把 background 计入类别数就是 19 类，只数手术步骤就是 18 相位。

2.5 SICS 与 phaco：两张步骤清单的对照

官方摘要用了一整段论证"为什么不能拿 phaco 数据集凑数"，浓缩成对照表：

维度	SICS/MSICS（本数据集）	Phacoemulsification（Cataract-101/IEEE Cataracts）
主流地区	LMIC / 全球南部（量大、成本低）	高收入国家
主切口宽度	6–8 mm	2–3 mm
核处理方式	整核娩出（手动）	超声乳化吸除（能量）
SICS 特有相位	peritomy、nucleus_prolapse、nucleus_delivery	无
phaco 特有相位	无	trenching（刻槽）、nucleus emulsification（核乳化）、irrigation/aspiration（注吸）
特色器械	Vectis（圈套器）、Dialer（调位器）、Conjunctival Scissors（结膜剪）、Simcoe Cannula（注吸针）、Cautery（电凝）、Crescent Blade（月形刀）	Phaco Probe（超乳手柄）、I/A Probe（注吸手柄）、Lens Injector（推注器）
公开视频数据	SICS-155（n=155）为此前空白的首份	Cataract-101（n=101）、IEEE Cataracts（n=50）

官方同时给迁移学习留了门：“两种术式仍有相当重叠，团队可考虑用上述数据集做迁移学习”——重叠部分包括撕囊、皮质抽吸、人工晶体植入等共有步骤。实操上，Cataract-101（库内 rid 263）是最现实的预训练源：n=101、同为白内障、同为相位标注、公开可取。预期收益集中在共有相位；SICS 特有相位（核脱位/核娩出）必须靠 SICS-155 自身的 100 段训练集学。

2.6 数据集谱系：SICS-105 → SICS-155

	SICS-105	SICS-155
发布载体	Scientific Reports 论文（2025-05-21）配套，开放获取	Zenodo（2025-03-18 v1.0.0 → v3），受限获取
规模	105 段	155 段
角色	先导研究子集（首个 SICS 视频数据集 + DL 基线）	挑战赛全集（隐藏 test 40 段）
基线	MS-TCN++：accuracy 85.56%	挑战赛排行 + 赛后 FACT 87.98%
相互关系	子集（官网称 Sci Rep 论文"在用于本挑战赛的数据的一个子集（n=105）上建立了性能基线"）	全集

两代数据集的关系是明确的包含关系：官网明说 Sci Rep 论文"在用于本挑战赛的数据的一个子集（n=105）上建立了性能基线"。检索文献时两者极易混淆（坑 2）：数字 105/155 是唯一可靠区分器；引用基线精度时务必先确认说的是哪个数据集——85.56% 属于 SICS-105，87.98% 属于 SICS-155。

2.7 数据完整性与已知缺陷自查

综合官方文档与第三方研究，SICS-155 已知的完整性边界如下（使用者入库前逐项自查）：

检查项	状态	说明
155 段全集完整性	⚠️	已发布 115/155；test 40 段悬置（坑 6）
逐帧标签完整性	✅	groundTruth txt 每行一帧；官方预处理保证连续覆盖
类别体系自洽	⚠️	18+1 vs 19 双口径；以 mapping.txt 为裁决（坑 1）
双标注/一致性数据	❌	每段单标注流；无评分者间一致性发布
患者级元数据	❌	年龄/性别/视力等未随数据发布；仅文件名前缀可用
视频文件完整性	✅	960×540@30FPS 常规编码；损坏文件未见公开报告
版本可追溯	✅	Zenodo 多版本快照+concept DOI（注意坑 7 的引用规范）
评估口径可复现	✅	官方脚本开源；但仅限验证集（test 不可得）

这张表的使用方式：把"⚠️/❌“项写进你研究声明的 limitations 部分——特别是"单标注流"与"患者元数据缺失"两条，是审稿人最常追问的点；把”✅"项当作可以放心依赖的基线假设。

§3 相位标注体系：谁标、怎么标、标得怎么样

3.1 标注生产链：三家机构的分工

SICS-155 的标注生产链是一个"临床+工业+学术"三方协作样本：

1. 临床标注方：Sankara Eye Foundation India 的眼科医生。Sankara 是印度大规模眼科医院网络，医生既是手术的实践者也是标注者——相位边界的临床语义（如"撕囊从哪一帧算开始"）由具备同术式经验的人判定。
2. 工具提供方：Microsoft Research India 与 Sankara 联合开发的标注软件。官方新闻稿口径：annotations were created using software developed by Microsoft Research India and Sankara Eye Foundation, and were manually reviewed by ophthalmologists——即"工具辅助标注 + 医生人工复核"两步流程。
3. 学术组织方：University Hospital Bonn / University of Bonn（MedVis Bonn 组）负责数据集工程化、发布、评估协议与挑战赛运营。

这条链的分工与库内其他手术视频数据集不同：Cholec80 由两家德国医院的医生离线逐帧标注，CaDIS 由医院+工程团队标注工具与场景要素。SICS-155 的特色是标注者与手术执行者同源（Sankara 医生看 Sankara 手术），降低了"外行标注内行手术"的语义偏差风险。

3.2 标注口径与公开的局限

官方公开的标注协议信息集中在三点：

• 逐帧标签：每帧恰一个标签（18 相位之一或 background），预测目标 15 FPS。
• 双重发布形态：CSV/Excel 原始起止表 + 预处理 txt（§2.3）。
• 复核声明：由眼科医生人工复核（manually reviewed by ophthalmologists）。

未公开的协议细节同样是使用者的知情项：标注是否双人独立、分歧如何仲裁、复核是全量还是抽检、起止边界帧的归属规则——官方文档均未披露。第三方研究（arXiv:2604.10514）明确指出 “only one released annotation stream is available per video”（每段视频仅一条标注流），评分者间噪声（inter-rater annotation noise）无法直接量化，并把这列为该研究自身的局限。对使用者的含义：把标签当作"单参照金标准"而非"多数共识金标准"；在论文中报告结果时，"标注协议细节未公开"应作为标准免责项写入。

3.3 类别不平衡：长尾在哪里

第三方研究在 115 段可公开视频上给出了帧级的类别分布测量（目前公开文献中对 SICS-155 类别不平衡最具体的一组数字）：

现象	数字	含义
最稀有相位之一：cautery	仅占 1.7% 帧，只出现在 48/115 段视频	近六成手术里电凝短到几乎不存在；训练时该类样本既少又集中
最普遍相位：cortical_wash	占 13.8% 帧，115/115 段全出现	皮质抽吸是每台手术的必经长步骤，是"多数类"
短相位难分割：sideport、scleral_groove	中位连续时长仅约 6.5 秒	在 15 FPS 下约 97 帧的连续区间，相位边界密集、易与相邻相位混淆
整体分布	长尾（long-tail imbalance）	帧级监督下稀有类召回是排名胜负手

这组数字的库内对照：Cholec80 的长尾痛点在少量出现的罕见操作，Cataract-101 相位数少、分布相对均衡。SICS-155 的 18+1 类与短相位密集的组合，使它成为时序动作分割领域测"类别不平衡鲁棒性"的高难度新基准——第三方研究正是拿这一点来论证"视觉基础模型预训练特征在此类数据上的价值"。

3.4 为什么相位识别对 SICS 特别重要

官方挑战摘要给出了相位分析的四项临床用途，全部可以落到 SICS 的现实场景：

1. 外科医生量化比较：SICS 培养一名合格医生所需的手术量大，医院间/医生间的步骤执行差异需要客观度量——相位时长序列是最直接的"手术指纹"。
2. 关键步骤反馈：撕囊与核娩出是 SICS 并发症（后囊破裂、虹膜损伤）的高发步骤，相位定位是"在正确的步骤上给反馈"的前提。
3. 协议偏差检测：SICS 有标准化操作规程，相位序列对标准流程的偏离（跳步、乱序、异常长停留）可被自动检出。
4. 手术质量自动评估的第一步：Sim-OSSCAR（SICS 客观结构化手术能力评估量表）把手术拆解为步骤打分——相位识别是把视频变成 Sim-OSSCAR 输入的技术桥。

这也解释了为什么一个 LMIC 术式的数据集会由德国团队牵头运营：Sankara 提供临床资源与标注，Bonn 提供机器学习工程与国际化竞赛平台（Lamarr Institute/BMZ/EKFS/GIZ 资助），双方的目标函数一致——让 AI 质控在资源受限地区可负担地落地。团队同时预告的下一步（器械检测、并发症识别，与 Microsoft Research India 合作进行中）都建立在这套相位标注的地基上。

3.5 相位时序结构：一场 SICS 手术的典型剧本

把 §2.4 的 18 相位名单按时间轴铺开，可以得到 SICS 手术的标准时序骨架（结合官方相位顺序、第三方类别占比与手术常识的定性重构——注意官方未发布逐段时序统计，本节为结构性解读而非数据测量）：

阶段	相位序列	典型特征
建切口（wound construction）	peritomy → cautery → scleral_groove → incision → tunnel → sideport	步骤密集、单步时长短（sideport/scleral_groove 中位约 6.5 秒）；电凝稀缺（cautery 1.7% 帧且 48/115 段）
备前房	AB_injection_and_wash → OVD_injection → capsulorrhexis → main_incision_entry	撕囊是关键质量步骤；OVD（粘弹剂）操作为后续步骤铺路
核处理（SICS 招牌段）	hydroprocedure → nucleus_prolapse → nucleus_delivery	SICS 与 phaco 分道处：整核翻入前房再经隧道娩出，无超声能量介入
皮质与晶体	cortical_wash → OVD_IOL_insertion	皮质抽吸是全集最长多数类（13.8% 帧、每段都有）
收尾	OVD_wash → stromal_hydration → tunnel_suture	切口水密与缝合；另一处电凝出现点

从时序建模视角，这个结构给出三个研究要点：

1. 强顺序性中的局部变体：SICS 的宏观顺序相对固定（先造切口再进前房再处理核），但各阶段内的微观顺序存在手术差异——这正是 edit distance 指标要抓的东西：一段预测序列只要宏观结构对、局部错切一两个短相位，逐帧 accuracy 几乎不掉而 edit score 明显受损。读懂四指标的分工（§4.2）再看这个时序骨架，能解释为什么挑战赛要四指标并列。
2. 短相位是序列的"接缝"：sideport、scleral_groove 等秒级相位在 15 FPS 下只有百帧量级的连续区间，且常夹在两个长相位之间——模型最容易在这些接缝处产生"吞并"（把短相位预测成长相位的一部分）。第三方研究把短相位中位时长单独测出（约 6.5 秒），正是提示这个失效模式。
3. background 的语义特殊：手术接台、器械调整、镜头切换等帧被标为 background。background 与相邻相位的边界比手术相位之间更模糊——官方用"可赋予"（can be assigned）的措辞，说明 background 的划定本身带标注自由度。做类别不平衡处理时，把 background 当普通类处理还是当忽略类处理，会显著改变指标，需在论文中明示自己的选择。

对教育场景的使用者（Sim-OSSCAR 方向），这份时序骨架还可以反过来当"手术标准剧本"用：相位序列 + 每相位的临床定义（§2.4 表）构成一份 SICS 流程的结构化教学大纲——这也是相位标注在临床培训上的直接价值。

用法边界两条：一、本节是结构性解读而非数据测量——官方未发布逐段时序统计，任何"平均每相位时长"类结论请引用第三方研究的测量口径或自行统计并注明；二、实际手术存在跳步与返工（如二次水分离、追加缝合），时序骨架描述的是典型路径而非强制序列——把骨架当先验用（如 transition 约束的弱先验），别当硬约束用（会惩罚合法变体）。

§4 基线与挑战赛：两代性能坐标

4.1 官方基线：MS-TCN++ 与"SICS 更难"的定量证明

在挑战赛发令之前，先导论文（Scientific Reports 2025-05-21，SICS-105）已经给出官方基线：波恩大学 Jürgen Gall 组的成熟时序分割架构 MS-TCN++（多阶段时序卷积网络，时序动作分割的标准对照模型）在 SICS-105 与 Cataract-101 上同台评测：

指标	SICS-105（本谱系）	Cataract-101（phaco 对照）
逐帧 accuracy	85.56% [CI 80.63–92.09]	89.97% [CI 86.69–93.46]
ROC AUC	98.22% [97.16–99.26]	99.10% [98.34–99.51]

同一模型、同一协议，phaco 上高约 4.4 个百分点。论文把这归因于 SICS 的任务结构性困难：相位数更多（18 vs phaco 的更少）、手术时长更长——逐帧标签的有效序列长度翻倍，边界误差的累计机会也翻倍。更值得注意的是单相位表现的巨大方差：单相位的 ROC AUC 从 46.20% 一路散布到 94.18%——近随机水平到近完美的全谱段都有，说明难点不在"平均精度"而在"特定相位"（与 §3.3 的长尾/短相位分析互相印证）。

论文报告的完整指标族（frame-wise accuracy、edit distance、F1、PR AUC、sensitivity、specificity）后来被挑战赛裁定为四项（§4.2）——基线论文的指标比挑战赛更宽，引用时要看清口径。

4.2 挑战赛评估协议：四指标 + 显著性排名

官网 Protocol 的评估设计有两个部分：

指标层——对每段测试视频计算四个指标，再跨视频取平均：

指标	度量什么	对错误的敏感方向
Accuracy（frame-wise）	逐帧标签正确比例	长相位主导——cortical_wash 等多数类撑分
Edit distance（Levenshtein）	标签序列经编辑变成真值序列的最小代价	序列级结构——短相位的漏检/错切在这里惩罚
F1（frame-wise）	逐帧精确率与召回率的调和	类别平衡视角——稀有类召回计入
PR AUC	精确率-召回率曲线下面积	类别不平衡下的整体判别力

四指标的组合意图明显：Accuracy 单独可被多数类刷高，Edit distance 抓序列结构，F1 与 PR AUC 补不平衡视角——正是为 18+1 类长尾分布（§3.3）量身设计的防线。这也解释了为什么基线论文的 85.56% accuracy 与挑战赛后的"87.98% accuracy + 90.80% edit + 89.56% F1"要放在一起读：任何单指标都可能误导。

排名层——采用 Maier-Hein 等推荐的最佳实践：逐 case 计算指标后跨 case 平均，再做基于显著性检验的点数排名（significance-based point ranking，α=5%），而非简单均值排序。这是 MICCAI 挑战赛生态近年的标准化改革——防止"在 40 段测试视频上平均高 0.3 个点"被宣报为获胜，而统计上与第二名无法区分。SICS-155 是这套新排名协议在手术视频挑战赛上的一个标准应用样本。

4.3 挑战赛时间线与运营形态

日期	事件
2025-04-01	(Pre-)Registration 开放
2025-04-10	训练数据发布（Zenodo v3）
2025-05-01 前后	验证数据发布
2025-07-15	算法提交系统开放
2025-08-24（延至 08-26）	算法提交截止
2025-08-28（延至 08-30）	短论文截止
2025-08-31	官网公告 final rankings
2025-09-10 – 09-23	隐藏测试集最终排名
2025-09-23 – 27	MICCAI 2025（韩国大田）现场，SICS-155 为 Satellite Event

运营形态是"半开放竞赛"：验证集上的自评全开放（官方评估脚本在 GitHub，任何人可复现验证口径），名次由隐藏测试集（40 段）上经 CodaBench 提交的 Docker 容器决定。要求提交容器而不只是预测文件，保证了"算法可执行"而非"结果可宣称"——参赛队的方法描述（短论文）与可执行产物绑定提交。

两处延期（08-24→26、08-28→30）说明截止期前提交压力集中；官网 News 亦记录"08-26 CodaBench 提交关闭，请于 08-30 前将短论文发至邮箱以获得终评资格"。

4.4 赛后标杆：boundary-aware FACT（MedIA 2026）

挑战总结论文（Medical Image Analysis 2026，104313，按 BIAS guidelines 撰写）做了两件事：报告挑战赛结果与发现；把参赛队的关键技术创新整合进一个新架构——boundary-aware FACT（边感知的一阶段时序动作分割架构路线），在离线（post-operative）设定下给出 SICS-155 的新标杆：

指标	SICS-155 数值	95% CI
Accuracy	87.98%	±2.06
Edit score	90.80%	±1.47
Segmental F1	89.56%	±1.92

同一论文在 Cataract-101（phaco）上的交叉验证结果：两种数据划分下 accuracy 97.61%/93.36%、precision 98.42%/95.27%、recall 97.97%/93.32%——phaco 侧接近饱和，SICS 侧仍有约 12 个点的精度缺口，"SICS 更难"的结论在两年后的更强模型上依然成立。

对 87.98% 的正确读法：它不是某个参赛队原封不动的夺冠成绩，而是组织方"集参赛队之长"的合成标杆（论文作者列表包含多支参赛队成员）。用它做 related work 的对比基线时，表述应为"挑战赛总结论文报告的整合方法结果"，而非"挑战赛冠军成绩"；各参赛队的原始名次与分数以官网 ranking 页与论文表格为准。

4.5 第三方研究：视觉基础模型在 SICS-155 上的受控实验

arXiv:2604.10514（2026）在 SICS-155 已发布部分（115 段）上做了一组受控实验：冻结编码器 + 固定 MS-TCN++ 头，只更换特征提取器，5 折分层交叉验证（按 procedure-type 前缀平衡）。对照的编码器阵容横跨监督与自监督两代：ResNet-50（ImageNet）、I3D-R50（Kinetics）、DINOv3 ViT-B/L/7B（自监督图像）、V-JEPA2 ViT-L/g（自监督视频，最高 1.03B 参数）。

该研究的价值对数据集条目而言不在模型结论，而在它对 SICS-155 数据特性的独立测量（§2.1 前缀构成、§3.3 类别不平衡数字均出自此文）。它验证了一件事：SICS-155 已成为基础模型时代"视觉表征时序迁移能力"的测试床——一个数据集被第三方当作受控实验平台，是其社区采纳度的直接证据。

4.6 性能坐标总结

把 SICS 谱系与 phaco 对照系的公开数字放一条线上（注意口径差异，勿直接跨数据集比较）：

方法	数据集	主指标	来源
MS-TCN++	SICS-105（n=105）	accuracy 85.56%	Sci Rep 2025
MS-TCN++（同模型同协议）	Cataract-101（n=101）	accuracy 89.97%	Sci Rep 2025
挑战赛参赛队（整合前）	SICS-155 test	名次见官网/MedIA 论文	MedIA 2026
boundary-aware FACT（整合标杆）	SICS-155	accuracy 87.98% / edit 90.80% / segF1 89.56%	MedIA 2026
boundary-aware FACT	Cataract-101	accuracy 97.61%/93.36%（两种划分）	MedIA 2026

一句话水位：SICS 相位识别的最优公开精度在 88% 附近，比 phaco 低约 5–10 个百分点——这个缺口就是 SICS-155 留给后续研究的空间，也是它作为基准的"未饱和"价值。

读表三条注意：一、SICS-105 与 SICS-155 两行的数字不可互搬（坑 2）；二、Cataract-101 有两种划分口径（97.61%/93.36%），引用时注明哪一划分；三、挑战赛参赛队原始成绩未收录本表——各队名次以官网 ranking 页与 MedIA 论文为准，本表只收"可归因"的公开标杆。

§5 获取与许可：三道闸门怎么过

5.1 获取流程

SICS-155 的获取路径是一个"注册墙 + 平台请求"的两段式：

1. 第一道闸：挑战官网注册。下载页原文加粗提醒 “Don’t forget to register before downloading”——注册通道是挑战赛 (Pre-)Registration 页面，注册同时用于竞赛报名与数据获取授权。
2. 第二道闸：Zenodo 受限记录。数据集在 Zenodo 的 access_right 为 restricted：记录页元数据（描述、作者、license）公开可见，文件本体需经请求/授权获取。下载页给的直链即 Zenodo 记录（DOI 10.5281/zenodo.15044590，latest 版本）。
3. 附加资源另行申请：i3D 预提取特征通过邮件联系组织方获取；官方评估脚本在 GitHub 公开（无闸门）。

5.2 许可条款：CC BY-NC-4.0 的三件事

Zenodo 记录的 license 字段为 CC BY-NC-4.0（署名-非商业性使用 4.0 国际）。对使用者的三件事：

1. 可以：署名后自由使用、复制、修改、再分发（含训练模型、发论文、做衍生数据集）——科研全流程畅通。
2. 不可以：商业用途。NC 条款下，把数据或其衍生模型用于收费产品/服务需另行获得权利人授权——注意衍生模型的许可边界在 NC 条款下属灰色地带："在 NC 数据上训练的权重是否算 NC 衍生物"无司法定论，商用前与 University Hospital Bonn 书面确认是唯一稳妥路径。
3. 必须：署名。引用格式用 Zenodo 记录（Mueller, Simon; et al., SICS-155, doi:10.5281/zenodo.15044590）+ 基线论文（Sci Rep 2025）双引，与官方摘要的引文链一致。

5.3 引用与版本：多版本 DOI 怎么引

Zenodo 记录存在多个版本快照，引用时容易踩 DOI 坑（坑 7）：

DOI	指向	说明
10.5281/zenodo.15044589	concept DOI（全版本）	引用推荐——始终指向最新版
10.5281/zenodo.15044590	v1.0.0（2025-03-18）	首版记录
（/latest 重定向）	v3（2025-04-17）	训练数据发布对应版
10.5281/zenodo.15237734	后续版本快照	OpenAIRE 索引可见
10.5281/zenodo.19482928	第三方目录引用的版本	EyeDataHub 标注为 2026

规则：数据引用用 concept DOI（15044589）或明确版本号；论文引用用 Sci Rep / MedIA 的期刊 DOI。第三方目录（如 EyeDataHub）引用的 19482928 等 DOI 不要直接转抄——先确认版本。

5.4 test 集：悬而未决的 40 段

下载页原文承诺：“Currently only the training and validation subsets are published. After the challenge is finished, we will also release the remaining videos in the test set.”——挑战于 2025-09 结束，但截至本条目抓取时点（2026-09-26），未检索到 test 集 40 段的发布通告；第三方目录（2026-07 检查）亦仍按"115 段可获取"口径记录。

对使用者的影响：

• 复现挑战赛排名不可行（无 test 标签与视频），只能在 100 train + 15 validation 上自建协议；
• 第三方研究普遍的做法（arXiv:2604.10514）：在 115 段上做 5 折交叉验证并声明"hidden test set is not used"——这是当前社区的事实标准替代方案；
• 引用本数据集规模时写"155 段（其中 115 段已发布）“，不要写"155 段全可得”（坑 6）。

5.5 DAIMS 评估

维度	评分（1-10）	依据
D 可发现性	8	官网+Zenodo+DOI+Google Scholar/OAIRE 多路可达；挑战赛新闻覆盖；扣分项：SICS-105/SICS-155 名称易混，第三方目录口径杂
A 可获取性	6	restricted 两段闸（注册+Zenodo 请求）；CC BY-NC-4.0 禁商用；test 40 段未发布；i3D 特征需邮件
I 互操作性	9	txt/CSV/mapping.txt 三件套机读友好；评估脚本开源；960×540 MP4 常规格式；无自定义打包
M 元数据	8	Zenodo 元数据完整（作者/ORCID/会议关联/keywords）；官网协议页详细；扣分：标注协议细节（双人/仲裁）未公开
S 可持续性	7	DOI 固定+机构托管（University Hospital Bonn/Zenodo）；扣分：test 集发布承诺悬置，长期维护计划未声明
AI-Ready 综合	7.5/10	文档与格式优秀、获取有闸；手术视频类中属"高 AI-Ready"（受限于隐私审慎与竞赛运营需要，非管理缺位）

5.6 获取决策树

你的目的？
├─ 复现官方指标（accuracy/edit/F1/PR-AUC）
│   └─ 注册官网 → Zenodo 请求 115 段 → 用 groundTruth/txt + 官方评估脚本（15 FPS 口径）
│       └─ 注意：test 40 段不可得 → 排名不可复现，只能验证集自评
├─ 训练新模型/交叉验证
│   └─ 同上取 115 段 → 按官方划分或前缀分层 5 折（第三方范式）
│       └─ 注意类别不平衡（cautery 1.7% 帧）与短相位（sideport 约 6.5 秒）
├─ 迁移学习（phaco → SICS）
│   └─ 先下 Cataract-101（公开）预训练 → SICS-155 100 段训练集微调
│       └─ 预期收益在共有相位；核脱位/核娩出只能靠 SICS 数据
├─ 商用/产品化
│   └─ CC BY-NC-4.0 禁止 → 停，或联系 University Hospital Bonn 书面授权
└─ 只要学术引用/综述
    └─ 引 concept DOI 10.5281/zenodo.15044589 + Sci Rep 10.1038/s41598-025-00303-z
        + MedIA 10.1016/j.media.2026.104313（挑战总结）

5.7 与库内可获取性光谱的对照

库内数据集条目已形成可获取性光谱（公开直链 → 平台托管 → 注册墙 → 请求制）。SICS-155 在光谱上的位置与近邻：

档位	库内参照	本条目对应
公开直链	ldpolypvideo 型	—
平台托管（公开）	SICS-105（Sci Rep 配套开放获取）	同谱系先导子集
平台托管（受限）	cholec80 型（申请制）	本体（Zenodo restricted）
注册墙	部分挑战赛条目（注册后可下）	官网注册为第一道闸
请求制	upon request 型	i3D 特征（邮件申请）

SICS-155 的获取结构是"注册墙 + 平台受限托管"的双层组合：注册（官网）解决"你是谁"的问责链，Zenodo restricted 解决"发放可追溯"——两层各自有存在理由（患者隐私伦理 + 竞赛防作弊），不是管理惰性。与 cholec80 的纯邮件申请制相比，SICS-155 的自动化程度更高（Zenodo 请求流程标准化）；与 ldpolypvideo 的纯公开直链相比，它牺牲了即时可得性换取伦理与竞赛公平。

对检索者的实际影响：按"能否立刻下载"过滤时，本条目不入池（与 cataract-101 的公开形成鲜明对比——同是白内障相位数据，一个直链一个双闸）；按"文档完备度"过滤时，本条目在手术视频家族里排前列。同谱系内 SICS-105（开放）与 SICS-155（受限）的可获取性落差还构成一个罕见的自然实验：同一团队、同一术式、两种发布策略——对研究"访问门槛如何影响数据集社区采纳"是现成案例（Zenodo 上 SICS-105 记录的下载量与 SICS-155 的对比即是数据）。

5.8 算力与成本规划参考

为工程规划者把本数据集的体量换算成资源口径（基于官方规格的推算，非官方发布数字）：

项目	推算	提示
原始视频体量	155 段 × 平均 13:05 × 960×540@30FPS，约数十 GB 量级	第三方目录记 30 GB 量级；以实际下载为准
逐帧标签行数	平均 13:05 × 30FPS ≈ 2.35 万帧/段（15 FPS 口径约 1.17 万行/段）	全集标签在百万行量级；普通单机可载入内存
训练算力	特征路线（i3D/冻结基础模型）单卡可训；端到端视频训练需多卡	官方设 15 FPS 目标正是为压算力
存储冗余	原始包 + 抽帧缓存 + 特征缓存，建议按原始包 3-4 倍规划	抽帧是相位识别管线的最大存储项
下载与请求周期	注册即时；Zenodo restricted 请求等待周期未承诺	把等待当不确定周期排期（勿阻塞依赖它的时间表）

三条成本纪律：一、先下 15 段验证集打通管线再全量下载（训练集 100 段体量大）；二、特征缓存一次成型（多个实验共用，参照第三方"特征缓存一次、多头复用"的设计）；三、所有体量数字在论文中标注"实测"或"推算"，勿引用未经核实的第三方目录数字。

§6 生态与影响：一个挑战赛的完整产出链

6.1 团队与资助：为什么是"波恩+桑卡拉+微软"

SICS-155 背后的组织网络横跨三大洲四个机构类型：

角色	机构	人物
数据集联系人/一作	University Hospital Bonn（德国）	Simon Mueller
项目负责人	University of Bonn / Lamarr Institute	Thomas Schultz
项目负责人	University Hospital Bonn 眼科	Maximilian W.M. Wintergerst
临床与标注	Sankara Eye Hospital / Foundation（印度）	Kaushik Murali、Singri Niharika Prasad
标注工具与研发	Microsoft Research India	Bhuvan Sachdeva、Mohit Jain
合作研究者	South China University of Technology	Yanwu Xu
基线模型	University of Bonn（Gall 组的 MS-TCN++）	—

资助与支持方：Lamarr Institute（德国机器学习与人工智能研究所）、BMZ（德国联邦经济合作与发展部）、EKFS（Else Kröner-Fresenius 基金会）Academic Hospital Partnership Program、GIZ（德国国际合作机构）。资助构成透露了项目的真实定位：这不是纯学术刷榜，而是德国官方发展合作（BMZ/GIZ）框架下的"AI for Global Health"项目——用 AI 提升发展中国家手术质量的公共政策链条一环。

这条网络的前作是 SICS-105（Sci Rep 2025）：同一批人先发论文证明"技术可行 + 数据有价值"，再把扩展版做成挑战赛——典型的"论文开路、竞赛放大学术影响、数据集长尾供血"三段式。

6.2 挑战赛运营：从 MICCAI 生态看定位

SICS-155 是 MICCAI 2025 的卫星事件（Satellite Event）之一。MICCAI 挑战赛生态近年有三个制度化变化，SICS-155 全部踩准：

1. BIAS 指南（Baseline, Intent, Analysis, Statistics）——挑战总结论文自述 “in accordance with the BIAS guidelines”，即设计前置、统计严谨的报告规范；
2. 显著性排名——采用 Maier-Hein 等推荐的点数排名法（§4.2），替代朴素均值排名；
3. 可执行提交——Docker 容器 + CodaBench 平台，方法与结果绑定。

对挑战赛研究者的含义：SICS-155 的运营文档（协议、时间线、评估脚本、排名规则）是按最新规范执行的完整样本，适合作为"如何办一个规范挑战赛"的参照案例；对 MICCAI 2025 挑战赛全景感兴趣的读者，库内 reg2026、endovis-challenges 等条目提供同生态的其他样本。

6.3 社区采纳度：下载数据与第三方研究

Zenodo 记录的公开统计（抓取时点 2026-09-26）：1,096 次下载（852 独立下载）、1,571 次浏览（1,423 独立浏览）。对一个发布仅一年半、还需注册请求的受限数据集，近千次下载说明研究需求真实存在。

学术侧的采纳证据链：

• 官方论文两篇：Sci Rep 基线（2025-05）+ MedIA 挑战总结（2026）；
• 第三方受控研究：arXiv:2604.10514 用它测试视觉基础模型的时序迁移能力；
• 参赛队方法外溢：挑战总结论文的作者列表纳入多支参赛队（含来自中东、东亚多所高校的团队），参赛方法沉淀为合著论文——挑战赛作为"方法汇聚器"的功能已经兑现。

6.4 在手术视频数据集景观中的位置

把库内与公开文献中的手术视频相位/要素标注数据集放一张表：

数据集	术式/场景	视频数	标注类型	相位数	访问
SICS-155	白内障 SICS（显微镜）	155	逐帧相位	18+1	Zenodo 受限，CC BY-NC-4.0
SICS-105	白内障 SICS	105	逐帧相位	18+1	开放获取（Sci Rep 配套）
Cataract-101	白内障 phaco	101	逐帧相位	少于 SICS	公开
IEEE Cataracts	白内障 phaco	50	逐帧相位	少于 SICS	公开
CaDIS	白内障（混合术式）	手术视频	工具/场景/阶段分割	多任务	公开
Cholec80	腹腔镜胆囊切除	80	逐帧相位+工具	7	申请制
CholecT50	腹腔镜胆囊切除	50	三元组（相位/工具/动作）	—	注册申请
LDPolypVideo	腹腔镜息肉切除	211	息肉边界（检测向）	—	开放

定位一句话：SICS-155 是白内障相位识别赛道规模最大、类别最细的数据集，也是整个"LMIC 术式"方向唯一的标准基准。它与 phaco 系（Cataract-101/IEEE Cataracts）构成白内障手术 AI 的双术式格局，与腹腔镜系（Cholec80 等）构成跨术式的时序动作分割方法学对照。

6.5 未来方向：从相位到质控闭环

组织方明确预告的延伸工作（新闻稿与 MedIA 论文口径）：

1. 手术器械自动检测——相位（时序）+ 器械（空间）两条标注轴的融合，与 Microsoft Research India 合作进行中；
2. 并发症识别——后囊破裂等术中并发症的自动检出，是相位识别的直接下游；
3. 临床训练与手术质量监控软件——面向 LMIC 眼科医生的最终产品形态。

对这条路线的库内参照：CaDIS（rid 243）已经示范"白内障视频+器械分割"的多任务标注；endoscapes（rid 353）示范了"检测+风险"标注的腹腔镜路线。SICS-155 的后续若兑现器械与并发症标注，将补齐"SICS 全要素 AI 质控"的最后两块。

6.6 公共传播口径：新闻稿里的关键数字

项目发布时有多家媒体报道（ICT&health、Quomi 等健康科技媒体），其口径与学术文档有一处值得存照的差异：

• 媒体口径：以"首个 SICS AI 系统 + 全球竞赛"为叙事主线，强调 MS-TCN++ 超过 85% 精度（对应 Sci Rep 论文的 85.56%）与"155 段、18 相位"数据集事实——与官方文档一致。
• 人物引语：Kaushik Murali（Sankara 医疗管理主席）谈质控与培训价值，Maximilian Wintergerst（UKB，PI）谈与 phaco AI 的对比空白，Thomas Schultz（Bonn/Lamarr）谈竞赛动机——三方角色分工与 §6.1 的机构表吻合。
• 一手来源优先级：媒体转述的数字（“more than 85%”）是四舍五入口径，引用一律回到 Sci Rep/MedIA/官网原文；本条目所有数字均以官方三源互证为准，媒体口径只作传播史存照。

§7 方法学启示：三条可迁移的经验

7.1 "数据空白识别 → 子集论文 → 全集挑战赛"的三段式

SICS 谱系的发布节奏值得任何团队在规划新数据集时抄作业：先用子集（105 段）+ 成熟基线（MS-TCN++）+ 顶刊论文（Sci Rep）证明可行性与价值，再把扩展全集（155 段）+ 竞赛机制放大社区参与，最后用总结论文（MedIA）固化结果。三段式的好处：每一步都有独立可引用的产出，子集论文为挑战赛做了免费的预热与信任背书；代价是周期长（从 Zenodo v1 到 MedIA 接收跨约一年半）。

7.2 评估协议先于数据发布

SICS-155 的四指标+显著性排名协议在数据发布（2025-04）之前就已挂网（protocol 链接随官网首发），参赛队从第一天就知道"分怎么算"。这与"先收结果再定口径"的做法形成对照，直接后果是：不同参赛队的方法论文可以互相比对，赛后整合（FACT 87.98%）也有统一坐标系。库内多条挑战赛条目（reg2026、endovis-challenges）的对比阅读显示，评估协议的"发布时点"与"统计严谨度"是区分规范挑战赛与数据征集活动的分水岭。

7.3 LMIC 数据集的"机构组合"解法

单靠 LMIC 机构自己，难有算力与竞赛运营经验；单靠高收入机构，拿不到临床数据与标注语义。SICS-155 的解法是分工到 institution 的强项：Sankara 出数据与标注语义（临床权威），Microsoft Research India 出标注工具（工程效率），Bonn 出方法论与竞赛运营（学术基础设施），BMZ/GIZ/EKFS 出钱（发展合作定位）。这个组合模板对其他"高收入团队+LMIC 场景"的全球健康 AI 项目（青光眼筛查、糖尿病视网膜病变——库内均有条目）有直接参考价值。

§8 与库内条目的关系

8.1 家族图谱

• cataract-101（rid 263）：直接对照系。同为白内障手术相位识别、同为逐帧标注，术式为 phaco。两者合读 = “白内障手术相位识别双术式全景”；MedIA 2026 论文甚至把 FACT 在两个数据集上同表评测。检索任一条目都应提示另一条。
• cataracts（rid 253）：任务区分样本。白内障静态影像（眼底/裂隙灯照片）分类——没有视频、没有手术、没有时序。三个"cataract"条目（cataracts/cataract-101/sics-155）分别占据"疾病影像/手术相位（phaco）/手术相位（SICS）"三个检索面，是同病不同任务的标准案例。
• cadis（rid 243）：同一批手术视频生态的另一粒度。CaDIS 标注工具与场景要素（分割），SICS-155 标注时序相位（分类）——"空间粒度 vs 时间粒度"的互补对。
• cholec80（rid 78）/ cholect50（rid 223）：时序动作分割方法学的传统主场。MS-TCN++ 等架构正是在 Cholec80 上成名后迁移到白内障场景；SICS-155 的 18+1 类规模把该领域从 7 相位推入长尾分布区。
• ldpolypvideo（rid 163）：腹腔镜手术视频的检测向数据集——同为"手术录像"资产，标注目标完全不同（息肉边界 vs 手术步骤），适合作为"手术视频数据集 taxonomy"的教学对照。
• endovis-challenges（rid 79）：MICCAI 挑战赛生态的腹腔镜子集——SICS-155 是眼科侧的同类事件，两者合读可见挑战赛运营规范的跨专科扩散。

8.2 检索路径建议

• 检索词组合：“SICS-155”（精确）/ “small incision cataract surgery” + “phase” / “MSICS” + “temporal action segmentation”；勿与 “SICS-105” 混用（坑 2）。
• 找数据：官网注册 → Zenodo（concept DOI 10.5281/zenodo.15044589）；找基线：Sci Rep doi:10.1038/s41598-025-00303-z；找挑战结果：MedIA doi:10.1016/j.media.2026.104313。
• 找同类：白内障相位 → cataract-101；手术工具分割 → cadis；腹腔镜相位 → cholec80/cholect50；手术视频检测 → ldpolypvideo。

8.3 引用格式速取

三种最常用引用的直接取用（完整 BibTeX 见附录 O）：

场景	引用
用了数据	Zenodo concept DOI 10.5281/zenodo.15044589（Mueller, Simon et al., SICS-155）
引基线数字 85.56%	Sci Rep 15:16886, doi:10.1038/s41598-025-00303-z
引挑战标杆 87.98%	MedIA 2026:104313, doi:10.1016/j.media.2026.104313
引官网协议/时间线	medvisbonn.github.io（SICS-155 Challenge，抓取日期注明）
引第三方测量（115 段/类别占比）	arXiv:2604.10514

一条格式纪律：数据 DOI、基线论文、挑战论文三者引用场景不同但常需同时出现——"使用数据集发表成果"的规范做法是三引齐上（数据本体+你对比的基线+你所处的挑战结果）。

§9 避坑清单：八个已踩过的坑

使用说明：以下八条按"检索→下载→标注→引用"的使用链路排列，每条给出分歧事实与条目处理口径；与附录 I 的对照表、附录 K 的双口径登记表联动。转引本条目任何数字前，先核对是否命中坑点清单。

坑 1：相位数"18 vs 19"双口径。官网 Dataset Overview 与 Zenodo 描述均写 18 distinct phases（每帧赋 18 相位之一，无可识别相位时赋 background）；而 MedIA 2026 挑战总结论文摘要与第三方研究（arXiv:2604.10514）写 19 distinct phases / frame-level labels over 19 phases。合理解释：19 = 18 手术相位 + background 类。本条目以官方 18 相位为主口径、19 类口径存照；实际类别行数以数据包 mapping.txt 为准，训练前先打印类别分布。

坑 2：SICS-105 ≠ SICS-155。两者是"子集 → 全集"的谱系关系：SICS-105（105 段，Sci Rep 2025 配套，开放获取）是先导子集；SICS-155（155 段，Zenodo 受限）是挑战赛全集。文献里两个名字高度易混，且基线精度分属不同数据集（85.56% 属 105，87.98% 属 155）——引用任何精度前先核对规模数字。

坑 3：时长统计口径三重差。官网全集口径：平均 13:05、range 5:01–21:58（均值）；第三方研究在 115 段已发布子集上报：中位 6.4 分钟、range 2.5–15.0（中位数，且 range 与官方不吻合——疑似该研究对视频做了截断或剔除处理）。三重差异（均值/中位、全集/子集、range 不一致）叠加，转引时必须注明口径；写"平均时长"一律用官方 13:05。

坑 4：restricted + CC BY-NC-4.0 双重约束。Zenodo access_right=restricted（需注册/请求，非公开直链），license 为 CC BY-NC-4.0（禁商用）。两道约束的常见误踩：以为"CC"就是随便下（实际 restricted）；以为"BY-NC"只是署名要求（实际排除一切商用，且 NC 数据训练的衍生模型商用属性属灰色地带）。

坑 5：ground truth 双格式，官方让你用 txt。CSV/Excel 是原始起止时间表（raw annotations），groundTruth/ 目录的 txt 才是官方预处理后的逐帧标签；官方原文明确建议用 txt（“we advice to use the txt files … due to the preprocessing we performed”）。自行从 CSV 展开逐帧标签，边界帧归属与官方口径可能不一致，指标不可比。

坑 6：test 集 40 段截至抓取时点未发布。官网承诺"挑战结束后发布剩余 test 视频"，挑战 2025-09 结束，但截至 2026-09-26 无发布通告；当前可获取实为 115 段（100 train + 15 validation）。写"155 段全可得"是错的；复现官方排名不可行，社区替代方案是 115 段 5 折交叉验证。

坑 7：多版本 DOI 并存。Zenodo 概念 DOI 10.5281/zenodo.15044589（引用推荐）；v1.0.0 记录 DOI 10.5281/zenodo.15044590（2025-03-18）；latest v3（2025-04-17）；第三方还引过 10.5281/zenodo.15237734、10.5281/zenodo.19482928。引用用 concept DOI 或明确版本，勿转抄第三方目录里的版本 DOI。

坑 8：医院匿名化双口径。官网与 Zenodo 明写数据来自印度 Sankara Eye Hospital；MedIA 2026 挑战总结论文按报告规范写作 “an anonym hospital in an LMIC”（匿名医院）。转引时以官网/Zenodo 为准并注论文匿名口径；两处都对，但语境不同（数据溯源用官网口径，转述论文时用论文口径）。

§10 总结

SICS-155 用 155 段手术、18 个相位、逐帧标注和一场规范执行的挑战赛，把"全球南部最主流的白内障术式"第一次带进了手术视频 AI 的标准赛道。它的三重身份值得分别记住：数据集（首个 SICS 相位基准，Zenodo CC BY-NC-4.0 受限发布，115/155 段已放出）；挑战赛（MICCAI 2025 卫星事件，四指标+显著性排名+Docker 提交的规范样本）；方法坐标（MS-TCN++ 85.56% → boundary-aware FACT 87.98%，phaco 与 SICS 之间约 5–10 个点的精度缺口就是未来研究的地图）。

对三类读者的最后一句：算法团队把它当作"未饱和的长尾时序分割基准"来刷；临床信息学团队把它当作"LMIC 手术质控数据基建"的样板来研究；数据工程团队把它当作"注册墙+受限 Zenodo+NC 许可"的获取流程样本来对接。而库内的 cataract-101（phaco 相位对照）、cadis（同视频生态工具分割）、cholec80（腹腔镜相位方法学源流）三条互链，构成了从这条目出发的完整检索面。

条目使用约定：本条目所有硬数字的抓取时点为 2026-09-26，SICS-155 的文档生态（官网、Zenodo、论文）仍在演进——引用时优先回查一手来源的最新状态；发现条目与现实不一致时，按附录 T 的维护触发点提请更新。坑点（§9）是本条目对"原始文档口径分歧"的正式存照，任何转引与本条目不一致的数字，请先对照坑点清单定位口径差异，再决定采用哪个口径。

FAQ（高频问答 60 问）

A. 基础认知

Q1：SICS-155 中的 SICS 是什么？
Small Incision Cataract Surgery，手动小切口白内障手术（也写 MSICS，M 指 Manual）。与超声乳化（phacoemulsification）相对：切口更大（6–8 mm vs 2–3 mm）、不用超声能量、整核娩出，是中低收入国家最主流的白内障术式。

Q2：155 是视频数还是手术数？
两者都是：155 段视频对应 155 台手术、155 名患者，一对一。官网写 “155 videos / 155 surgeries”，Zenodo 写 “155 surgeries / 155 patients”。

Q3：这个数据集首次出现是什么时候？
Zenodo v1.0.0 发布于 2025-03-18；训练数据 2025-04-10 随 v3 发布；挑战赛随 MICCAI 2025（2025-09-23–27，韩国大田）举办，为卫星事件。

Q4：谁做的？
University Hospital Bonn / University of Bonn 牵头（联系人与一作 Simon Mueller，项目负责人 Thomas Schultz 与 Maximilian W.M. Wintergerst），印度 Sankara Eye Hospital 提供数据与标注，Microsoft Research India 提供标注工具，华南理工大学参与。资助方含 Lamarr Institute、BMZ、EKFS、GIZ。

Q5：它是挑战赛还是数据集？
两者皆是：核心是数据集（155 段视频+逐帧相位标签），发布形式是 MICCAI 2025 挑战赛（Phase Recognition in Small Incision Cataract Surgery Videos）。本条目以数据集为主体、挑战赛为事件背景。

Q6：18 还是 19 个相位？
官方口径 18 个手术相位 + background 背景类；挑战总结论文与第三方研究计 19 类（把 background 计入）。数据包里的 mapping.txt 是最终裁决（坑 1）。

Q7：background 是什么？
无手术相位可识别的帧的兜底标签（器械进出间隙等）。官方把它表述为"可赋予"的辅助类而非并列的手术步骤——这正是 18/19 口径分歧的来源。

Q8：最大卖点一句话？
在"服务全球多数白内障患者的术式"上，第一个给出了公开的、逐帧的、可竞赛的手术相位标注——此前这个术式的 AI 分析是无数据状态。

Q9：它自己有什么局限？
test 集未发布（可得 115/155）、单标注流（无评分者间一致性数据）、标注协议细节未公开、类别长尾（cautery 仅 1.7% 帧）、CC BY-NC-4.0 禁商用、访问需注册。

Q10：和库内 cataract-101、cataracts 撞车吗？
不撞。cataract-101 是 phaco 手术视频相位（对照系）；cataracts 是白内障眼底/裂隙灯静态影像（疾病影像）；SICS-155 是 SICS 手术视频相位。三个任务面互为补充。

B. 数据与获取

Q11：三个子集怎么分？
100 train / 15 validation / 40 test，按视频时长分层（短/中/长均衡）。

Q12：现在能下到多少段？
115 段（100 train + 15 validation）。test 40 段官网承诺挑战结束后发布，截至 2026-09-26 抓取时点无发布通告（坑 6）。

Q13：视频什么规格？
960×540、30 FPS、时长 5:01–21:58、平均 13:05。预测目标帧率 15 FPS（官方要求减半）。

Q14：怎么获取？
先在挑战官网（medvisbonn.github.io）注册，再从 Dataset Page/Zenodo 记录请求下载；Zenodo access_right 为 restricted。i3D 预提取特征需邮件单独申请。

Q15：许可是什么？能商用吗？
CC BY-NC-4.0：署名后科研使用自由，商业用途禁止；NC 数据训练的衍生模型商用属性属灰色地带，商用前需与 University Hospital Bonn 书面确认。

Q16：标注文件有哪些格式？该用哪个？
groundTruth/ txt（逐帧标签，官方建议用）、CSV/Excel（原始起止时间表，建议不用）、mapping.txt（类别索引）。自行从 CSV 展开可能与官方逐帧口径不一致（坑 5）。

Q17：视频文件名里的 BL/BN/SD 是什么？
已发布 115 段标注文件的三种前缀（32 BL / 50 BN / 33 SD），被第三方研究称为 procedure-type 前缀；是公开元数据中唯一可用的视频分组信号。官方未公布其完整含义定义。

Q18：有预处理特征可用吗？
有：组织方可提供 i3D（inflated 3D）预提取视频特征，邮件联系获取；官方评估脚本在 GitHub 公开。

Q19：患者隐私与伦理怎么处理的？
数据经 Sankara Eye Hospital 伦理流程采集；Zenodo 走 restricted 访问控制； MedIA 2026 论文按报告规范将医院匿名化（“an anonym hospital in an LMIC”）。患者级临床元数据（年龄/视力等）未随数据集发布。

Q20：引用时用哪个 DOI？
数据用 Zenodo concept DOI 10.5281/zenodo.15044589（或明确版本 15044590 v1.0.0 / v3）；论文用 Sci Rep 10.1038/s41598-025-00303-z（基线）与 MedIA 10.1016/j.media.2026.104313（挑战总结）。勿转抄第三方目录里的版本 DOI（坑 7）。

C. 标注与方法

Q21：谁标注的？
Sankara Eye Foundation 的眼科医生，使用 Microsoft Research India 与 Sankara 联合开发的标注软件，标注后由眼科医生人工复核。

Q22：每段视频有几条标注？
公开发布每段仅一条标注流（single annotation stream）。是否双人独立标注、如何仲裁分歧未公开；评分者间一致性无法直接量化。

Q23：18 个相位覆盖手术的哪些环节？
1–6 切口建造（peritomy 到 sideport）、7–10 前房准备与进入、11–13 核处理（水分离、核脱位、核娩出——SICS 招牌）、14–17 皮质/IOL 处理、18 缝合收尾。全表见 §2.4。

Q24：哪些相位最难识别？
公开证据指向两端：稀有类 cautery（仅 1.7% 帧、48/115 段出现）和短相位 sideport/scleral_groove（中位连续约 6.5 秒）；基线论文的单相位 ROC AUC 跨度 46.20–94.18% 说明相位间难度差异巨大。

Q25：类别不平衡有多严重？
帧级长尾分布：最普遍的 cortical_wash 占 13.8% 帧且每段视频都有；稀有相位占比个位数百分比。评估协议因此用四指标组合（Accuracy/Edit/F1/PR-AUC）防单一指标被多数类刷高。

Q26：为什么要求 15 FPS 而不是 30 FPS？
官方为降低算力成本把预测目标定为 15 FPS（原视频 30 FPS）。训练/评估都按 15 FPS 对齐；用 30 FPS 展开标签会与官方指标不可比。

Q27：MS-TCN++ 基线是什么水平？
在 SICS-105（105 段子集）上逐帧 accuracy 85.56% [80.63–92.09]、ROC AUC 98.22%；同模型在 Cataract-101（phaco）上 89.97%/99.10%——SICS 相位更多、手术更长，更难。

Q28：挑战赛怎么排名？
四指标（frame-wise Accuracy、Edit distance、frame-wise F1、PR AUC）逐 case 计算后跨 case 平均，再按 Maier-Hein 推荐的显著性点数排名法（α=5%）定名次；在隐藏 test 集上评。

Q29：挑战赛冠军是谁、多少分？
各队原始名次以官网 ranking 页与 MedIA 论文为准（本条目未逐项转录）。注意 MedIA 论文的 87.98% 不是冠军原始成绩，而是组织方整合参赛队创新后的 boundary-aware FACT 架构结果（accuracy 87.98% / edit 90.80% / segmental F1 89.56%）。

Q30：能用 Cataract-101 预训练吗？
官方明确鼓励：两术式相位有重叠（撕囊、皮质抽吸、IOL 植入等），可用于迁移学习；但 SICS 特有相位（核脱位、核娩出）必须靠 SICS-155 自身训练集学。

D. 临床与生态

Q31：为什么 SICS 值得单独做数据集？
LMIC 白内障手术量最大头、成本最低、医生培训与质控需求最迫切；且其手术步骤集合与 phaco 不同（核娩出等），phaco 模型不能直接迁移——不做 SICS 数据，AI 质控就覆盖不了全球多数患者。

Q32：相位识别有什么临床用途？
官方四项：外科医生量化比较、关键步骤反馈（撕囊/核娩出是并发症高发步骤）、手术协议偏差检测、手术质量自动评估的第一步（Sim-OSSCAR）。

Q33：谁在资助这个项目？
Lamarr Institute（机器学习）、BMZ（德国联邦经济合作与发展部）、EKFS Academic Hospital Partnership Program、GIZ（德国国际合作机构）——发展合作框架下的 AI for Global Health 定位。

Q34：下一步会出什么？
组织方预告：手术器械自动检测、并发症识别（与 Microsoft Research India 合作），最终面向 LMIC 眼科的临床训练与手术质量监控软件。

Q35：SICS-105 论文和挑战赛什么关系？
同一团队的先导研究：105 段子集+MS-TCN++ 基线+开放获取数据（Sci Rep 2025-05-21），为 155 段挑战赛做技术与方法学背书；官网明说其基线"建立在用于本挑战赛的数据子集上"。

Q36：IEEE Cataracts 是什么？
另一个公开 phaco 白内障手术相位数据集（n=50），与 Cataract-101（n=101）并列为 SICS-155 官方摘要中的两个 phaco 对照系。两者都不含 SICS 手术。

Q37：和 Cholec80 这类腹腔镜数据集什么关系？
方法学同族、术式不同域：时序动作分割的技术（MS-TCN++ 等）从腹腔镜相位识别成熟后迁移到白内障场景；SICS-155 的 18+1 类长尾分布比 Cholec80 的 7 相位更难。

E. 复现与工程

Q38：怎么复现官方指标？
用 groundTruth/ txt 标签 + 官方 GitHub 评估脚本，15 FPS 口径，验证集自评；test 集与官方排名不可复现（数据未发布）。第三方替代方案：115 段 5 折交叉验证（按前缀/时长分层）。

Q39：数据规模在磁盘上多大？
官方未公布压缩包总量的权威数字；第三方目录记 30 GB 量级（155 段 960×540 视频的合理量级）。以实际下载为准。

Q40：如果只记住一件事？
SICS-155 用 155 段手术、18 相位、一场规范挑战赛，把 LMIC 最主流的白内障术式第一次带进手术视频 AI 标准赛道——可用的是 115 段、禁商用、85.56%→87.98% 是当前水位。

Q41：BL/BN/SD 前缀能当分类标签用吗？
可以当分组信号但不能当语义标签：第三方研究（arXiv:2604.10514）把它们称为 procedure-type 前缀并用于交叉验证分层（32 BL / 50 BN / 33 SD），但官方从未公布三种前缀的完整定义与临床含义。用于分层划分安全；用于"术式亚型"类结论需先自行验证。

Q42：标注为什么可信？
三重背书：标注者是 Sankara 的眼科医生（与手术执行同源的的临床语义判定）；工具是 Microsoft Research India 与 Sankara 联合开发（工业级标注流程）；发布前经眼科医生人工复核。但"单标注流、协议细节未公开"是明示局限——把标签当单参照金标准用。

Q43：能只用 CSV 起止表做片段级（视频级）模型吗？
可以：CSV/Excel 的起止时间天然支持片段级分类、相位时长预测等变体任务。但要注意：官方指标体系全部是逐帧口径（15 FPS），片段级结果与官方数字不可比；且 CSV 是"建议不用"的原始层，边界帧归属细节以 groundTruth/ txt 为准。

Q44：数据集有版本更新吗？怎么管理？
有：Zenodo v1.0.0（2025-03-18）→ v3（2025-04-17，训练数据发布对应版），后续还有多个版本快照（15237734、19482928 等 DOI）。管理方式：用 concept DOI 15044589 永远指向最新版；复现实验时记录你实际下载的版本号（坑 7）。

Q45：报告自己的结果时怎么写才规范？
四要素：数据口径（SICS-155 的 115 段已发布部分，train/val 划分或分层 CV 方案）、帧率口径（15 FPS 对齐）、指标族（accuracy + edit distance + F1 + PR AUC 四项齐报，别单报 accuracy）、不确定性（置信区间或交叉验证标准差）。参照系：MS-TCN++ 85.56%（SICS-105 口径，勿混）与 FACT 87.98%（SICS-155）。

Q46：想扩充训练数据有哪些去处？
官方指的路：Cataract-101（n=101，phaco，公开）与 IEEE Cataracts（n=50）做迁移学习——共有相位（撕囊、皮质抽吸、IOL 植入）可迁移，SICS 特有相位迁移无效。库内扩展：CaDIS（rid 243）提供白内障视频的工具/场景分割标注（空间轴补强）；SICS-105（开放获取）与 SICS-155 已发布 115 段有无重叠官方未声明，慎用。

Q47：挑战赛已经结束，这个数据集还有活跃度吗？
有实证：Zenodo 统计 1,096 次下载（852 独立）截至 2026-09-26——发布一年半、且需注册请求的受限记录，下载量仍在增长通道；第三方 2026 年研究（基础模型对照实验）持续产出。数据集的生命周期刚从"竞赛驱动"转入"基准驱动"。

Q48：本条目后续会更新什么？
三个触发点：test 集 40 段发布（触发获取节与 AI-Ready 评级改写）；mapping.txt 实际类别数确认（触发 18/19 口径收敛）；MedIA 2026 正式卷期页码上线（触发引文更新）。另：官网 final rankings 页若可访问，补各参赛队名次细节。

Q49：挑战赛要求提交什么？
Docker 容器（CodaBench 平台）封装的可执行算法 + 一篇描述技术路线的短论文。容器化保证"方法可执行"而非"结果可宣称"，短论文保证方法学可审计——两者缺一不可。

Q50：验证集只有 15 段，够调参吗？
对官方流程够：验证集只用于自评与模型选择，名次在隐藏 test 上定。对自建研究偏少——15 段做早停/调参噪声不小，社区通行做法是把 train+val 合并做分层交叉验证（第三方范式），或只用 train 调参、val 做严格早停。

Q51：i3D 特征是什么、要不要用？
i3D（inflated 3D ConvNet）是视频识别经典骨干，组织方把视频预提取成 i3D 特征供邮件申请——好处是跳过视频解码与特征提取的算力开销、直接训练时序头；代价是被锁死在一种视觉特征上。做特征对比研究（如第三方那样换编码器）就不适用。

Q52：这个数据集能做动作检测（tool presence）吗？
不能直接做：它只有相位标注（时序轴），没有器械标注（空间轴）。器械方向看 CaDIS（rid 243）或等待组织方预告的器械检测数据集。相位与器械是互补的两条标注轴，混用会双双失真。

Q53：15 FPS 的"帧"和视频文件的帧怎么对应？
groundTruth txt 的行数按官方 15 FPS 口径组织（预测目标帧率），而视频文件是 30 FPS——两者不是一比一。对齐关系以官方评估脚本为准；自行假设"txt 行号 = 视频帧号"是常见错误。

Q54：背景帧（background）该算进指标吗？
官方评估脚本按其固定口径计算（含 background 的逐帧指标）；自建协议时你有两个选择（background 当普通类 vs 忽略类），两者结果差异可观——选哪个都要在论文里写明，且不要与官方口径混排比较。

Q55：数据集支持流式/在线相位识别研究吗？
支持但有约束：标注是离线逐帧金标准，官方设定是离线（post-operative）识别；做在线/低延迟设定时没有官方协议，需自建评估并声明与官方口径不可比。挑战总结论文的新标杆也是离线设定。

Q56：为什么本条目反复出现"存照"字样？
因为这个数据集的公开文档存在多处系统性的口径分歧（18/19 相位、均值/中位时长、医院具名/匿名、多版本 DOI）。AI-Ready 质检的价值恰恰在于把这些分歧定位、命名并给出处理口径——条目的"坑"结构就是这套质检的输出，使用者按口径引用即可避开全部已踩过的坑。

Q57：挑战赛的最终名次哪里查？
官网 News 记录 2025-08-31 公告 final rankings（ranking 子页）；学术侧以 MedIA 2026 总结论文的结果表为准。本条目未逐项转录各队名次——需要名次细节时查这两个一手来源（附录 T 维护触发点之一）。

Q58：这个数据集和 AI 质控产品的距离有多远？
从相位识别到产品还隔着：器械检测（进行中）、并发症识别（进行中）、质量评分（Sim-OSSCAR 对接）、实时化（当前标杆是离线设定）四步。SICS-155 提供的是第一块地基——时序语义层。

Q59：可以用它做自监督/半监督研究吗？
可以但要自建协议：官方只有逐帧监督设定。115 段视频的原始像素数据本身可作预训练语料（注意 NC 许可同样约束预训练权重），评估时回到逐帧标签的官方协议对齐即可。

Q60：如果把 18 个相位粗分成大类训练会更好吗？
那是另一个任务：粗粒度分组（切口/核处理/晶体植入等）会降低类别数但丢失细粒度监督，与官方指标不可比。官方设计 18 类正是为了保留 Sim-OSSCAR 级别的步骤粒度——自定义分组研究结果只能自成体系报告。

Q61：术语 SICS、MSICS、manual SICS 有区别吗？
无实质区别：SICS = Small Incision Cataract Surgery，MSICS 的 M 指 Manual（手动），文献混用；本数据集官方全称用 “Small-Incision Cataract Surgery”，Zenodo 描述里 “MSICS” 亦出现过。检索时三者都要试。

---

事实清单（硬事实 44 条）

1. SICS-155 全称 SICS-155: Phase Recognition in Small Incision Cataract Surgery Videos；官网 Dataset Overview 名 Small Incision Cataract Surgery Video Collection。
2. 155 段手术视频 = 155 台手术 = 155 名患者；官网/Zenodo/Sci Rep 系/MedIA/arXiv 五源一致。
3. 划分：100 train / 15 validation / 40 test；三子集按视频时长分层。
4. 已发布 115 段（100+15）；test 40 段截至 2026-09-26 未发布（官网承诺挑战后发布）。
5. 第三方清点已发布标注：115 段 = 32 BL + 50 BN + 33 SD（procedure-type 前缀）。
6. 视频规格：960×540、30 FPS；时长 5:01–21:58，平均 13:05（官网与 MedIA 一致）。
7. 预测目标帧率 15 FPS（官方要求，低于原视频 30 FPS 以省算力）。
8. 相位体系：18 个手术相位 + background（官网/Zenodo 口径）；MedIA 2026 与 arXiv 计 19 phases（坑 1 双口径）。
9. 18 相位官方名单：peritomy、cautery、scleral_groove、incision、tunnel、sideport、AB_injection_and_wash、OVD_injection、capsulorrhexis、main_incision_entry、hydroprocedure、nucleus_prolapse、nucleus_delivery、cortical_wash、OVD_IOL_insertion、OVD_wash、stromal_hydration、tunnel_suture。
10. ground truth 双格式：CSV/Excel 原始起止表（建议不用）+ groundTruth/ txt 逐帧标签（建议用）；mapping.txt 类别索引。
11. 标注者：Sankara Eye Foundation 眼科医生；标注软件由 Microsoft Research India 与 Sankara 联合开发；人工复核。
12. 每段视频仅一条标注流（released annotation stream）；评分者间一致性无法直接量化。
13. 类别不平衡（arXiv 115 段实测）：cautery 1.7% 帧/48 段；cortical_wash 13.8% 帧/115 段全有；sideport 与 scleral_groove 中位连续约 6.5 秒。
14. 第三方 115 段时长口径：中位 6.4 分钟（range 2.5–15.0）——与官方均值 13:05/range 5:01–21:58 三重口径差（坑 3）。
15. SICS 与 phaco：切口 6–8 mm vs 2–3 mm；SICS 特有相位 nucleus_prolapse/nucleus_delivery/peritomy；SICS 特色器械 Vectis/Dialer/Conjunctival Scissors/Simcoe Cannula/Cautery/Crescent Blade。
16. 对照数据集：Cataract-101（n=101，phaco）、IEEE Cataracts（n=50，phaco）——官方摘要点名的两个"非 SICS"先行数据集。
17. 官方鼓励用 phaco 数据集做迁移学习（两术式相位有重叠）。
18. Zenodo：concept DOI 10.5281/zenodo.15044589；v1.0.0 记录 DOI 10.5281/zenodo.15044590（2025-03-18）；latest v3（2025-04-17）；另有 15237734、19482928 等版本 DOI（坑 7）。
19. Zenodo access_right = restricted；license = CC BY-NC-4.0；keywords：Temporal Action Segmentation / Phase Prediction / Classification / Video Analysis。
20. Zenodo 统计（2026-09-26 抓取）：downloads 1,096 / unique 852 / views 1,571 / unique_views 1,423。
21. 获取流程：官网注册 → Zenodo 请求下载；下载页明示 “Don’t forget to register before downloading”。
22. 团队：University Hospital Bonn（Mueller）/ University of Bonn（Schultz）/ UKB 眼科（Wintergerst）/ Microsoft Research India（Sachdeva、Jain）/ Sankara（Murali、Prasad）/ 华南理工（Xu Yanwu）。
23. 资助：Lamarr Institute、BMZ、EKFS Academic Hospital Partnership Program、GIZ。
24. 挑战赛为 MICCAI 2025 卫星事件；MICCAI 2025 于 2025-09-23–27 在韩国大田举行。
25. 挑战时间线：01.04 注册；10.04 训练数据；01.05 前后验证数据；15.07 提交开放；24.08→26.08 算法截止；28.08→30.08 短文截止；31.08 官网公告排名；10–23.09 隐藏测试终评。
26. 提交形态：Docker 容器 + CodaBench 平台 + 短论文。
27. 评估四指标：frame-wise Accuracy、Edit distance（Levenshtein）、frame-wise F1、PR AUC；逐 case 计算后跨 case 平均。
28. 排名方法：Maier-Hein 等推荐的点数显著性排名（α=5%）。
29. 基线论文：Mueller 等，Sci Rep 15:16886（2025-05-21），doi:10.1038/s41598-025-00303-z；SICS-105 开放获取。
30. 基线结果：MS-TCN++ 在 SICS-105 accuracy 85.56% [80.63–92.09]、ROC AUC 98.22% [97.16–99.26]；同模型 Cataract-101 89.97% [86.69–93.46]、99.10% [98.34–99.51]。
31. 基线单相位 ROC AUC 跨度 46.20–94.18%；SICS 相位更多、时长更长 → 比 phaco 难。
32. 挑战总结论文：Mueller 等 29 作者，Medical Image Analysis 2026，article 104313，doi:10.1016/j.media.2026.104313；按 BIAS guidelines。
33. 赛后标杆：boundary-aware FACT 在 SICS-155 上 accuracy 87.98% [±2.06]、edit score 90.80% [±1.47]、segmental F1 89.56% [±1.92]；Cataract-101 上 accuracy 97.61%/93.36%（两种划分）、precision 98.42%/95.27%、recall 97.97%/93.32%。
34. MedIA 论文将数据来源匿名化为 “an anonym hospital in an LMIC”；官网/Zenodo 明写 Sankara Eye Hospital, India（坑 8 双口径）。
35. 第三方受控研究：arXiv:2604.10514（2026），冻结编码器+MS-TCN++ 头、5 折分层交叉验证，对照 ResNet-50/I3D/DINOv3（B/L/7B）/V-JEPA2（L/g）等视觉基础模型。
36. 相位分析临床用途（官方）：医生量化比较、关键步骤反馈、协议偏差检测、Sim-OSSCAR 手术质量评估第一步。
37. 组织方预告后续：手术器械检测与并发症识别（与 Microsoft Research India 合作）→ LMIC 临床训练与质量监控软件。
38. 挑战官网 medvisbonn.github.io；下载页 medvisbonn.github.io/download；官方评估脚本在 GitHub。
39. 第三方目录口径存照：EyeDataHub 记录规模 30.0 GB、license CC BY-NC 4.0、availability checked 2026-07-21——第三方数字仅供参考，以官方为准。
40. 数据集谱系：SICS-105（子集、开放、Sci Rep 2025）→ SICS-155（全集、受限、MICCAI 2025 挑战赛）——包含关系，非两个无关数据集（坑 2）。
41. 提交形态细节：CodaBench 平台收 Docker 容器；短论文于 2025-08-30（延期后）前邮件提交以获终评资格。
42. 官网 News 存照：2025-07-21 临时文件通道（file drop）；2025-08-12 终评阶段开启；2025-08-26 CodaBench 提交关闭；2025-08-31 final rankings 公告。
43. 相位预测目标帧率 15 FPS 为官方明文要求（“A target frame rate of 15 frames per second (FPS) should be achieved”）。
44. 官方评估脚本计算口径：ground truth 与预测均为 txt 文件、每行一帧一个相位标签（官网 download 页明文）。

---

术语表（30 条）

术语	释义
SICS/MSICS	手动小切口白内障手术；LMIC 主流术式，6–8 mm 切口、整核娩出
Phacoemulsification（phaco）	超声乳化白内障手术；高收入国家主流，2–3 mm 切口、超声能量碎核
相位识别（phase recognition）	对手术视频逐帧判定当前手术步骤的任务；亦称手术阶段识别
时序动作分割（TAS）	temporal action segmentation 的学名：把长视频切分为语义动作段并逐帧标注
逐帧标注（frame-level annotation）	每一帧携带一个类别标签的标注粒度（区别于片段起止表）
background 类	无手术相位可识别帧的兜底标签；计入类别数即得"19 类"口径
peritomy	结膜剪开；SICS 起始步骤，phaco 中不作为独立相位
capsulorrhexis	连续环形撕囊；白内障手术关键步骤，SICS/phaco 共有
nucleus_prolapse / nucleus_delivery	核脱位/核娩出；SICS 特有相位（整核经巩膜隧道娩出），phaco 无对应步骤
hydroprocedure	水分离/水分层；注液松动晶状体核
OVD	viscoelastic（粘弹剂）的惯用缩写；OVD_injection/OVD_wash 等相位名前缀
IOL	人工晶状体（intraocular lens）；OVD_IOL_insertion = 植入晶体
Vectis	圈套器；SICS 娩核专用器械，phaco 不使用
Simcoe Cannula	Simcoe 注吸针；SICS 皮质抽吸器械
Sim-OSSCAR	SICS 客观结构化手术能力评估量表；相位识别的下游应用目标
edit distance（Levenshtein）	标签序列编辑代价；相位识别序列级指标，对短相位漏检敏感
segmental F1	分段级 F1：按预测段与真值段的重叠计分，MedIA 论文采用
PR AUC	精确率-召回率曲线下面积；类别不平衡下的整体判别力指标
MS-TCN++	多阶段时序卷积网络++；时序动作分割标准基线架构，SICS-105 基线所用
FACT	一阶段时序动作分割架构；挑战总结论文以 boundary-aware 变体给出新标杆
BIAS guidelines	MICCAI 挑战赛报告规范（Baseline/Intent/Analysis/Statistics），MedIA 总结论文遵循
CodaBench	竞赛评测平台；SICS-155 的 Docker 容器提交入口
i3D features	inflated 3D 卷积网络预提取的视频特征；官方提供邮件申请
mapping.txt	数据包内类别名↔数字索引映射文件；18/19 口径的最终裁决依据
restricted access	Zenodo 受限访问：元数据公开、文件需请求/授权
CC BY-NC-4.0	署名-非商业性使用 4.0；本数据集许可，禁止商用
concept DOI	Zenodo 全版本 DOI（10.5281/zenodo.15044589）；引用推荐
LMIC	中低收入国家（low- and middle-income countries）；全球南部语境下的白内障负担重心
手术显微镜录像	经显微镜目镜光路的术中视频；SICS-155 与 Cataract-101 的共同采集形态
长尾分布（long-tail）	少数类占绝大多数帧、多数类样本稀少的分布形态；SICS-155 帧级分布特征
单标注流	每段视频仅一条公开标注；评分者间一致性无法直接量化的状态
时长分层	按视频时长（短/中/长）均衡划分数据集子集的官方设计
procedure-type 前缀	已发布标注文件名的 BL/BN/SD 三前缀；第三方用作分层信号，官方未公布完整定义
伤口建造（wound construction）	白内障手术切口制造阶段的总称；SICS 的相位 1–6
显著性点数排名	基于成对显著性检验（α=5%）的竞赛排名法；替代朴素均值排名
离线设定（post-operative）	手术结束后对完整视频做相位识别；与实时/在线设定相对，挑战标杆采用
交叉验证分层	按前缀/时长等信号构造均衡折次的验证策略；官方划分之外的社区标准替代
器械检测（tool detection）	识别画面中手术器械的任务；与相位识别互补的标注轴，组织方预告的后续方向
并发症识别（complication detection）	检出术中并发症（如后囊破裂）的下游任务；组织方与 MSR India 合作方向
盲源分离式评估	把"共有相位"与"术式特有相位"分开报告的评估习惯；跨术式迁移研究的规范
数据包交付物	一次完整发放应含的物件集合（视频/标签/映射/脚本）；核对清单见附录 Z

附录

附录 A：条目信息速查卡

项	值
条目名	SICS-155
url_name	sics-155
类型	挑战赛数据集（手术视频+逐帧相位标注）
数据 DOI	Zenodo concept DOI 10.5281/zenodo.15044589（restricted，CC BY-NC-4.0）
基线论文	Sci Rep 15:16886（2025-05-21），doi:10.1038/s41598-025-00303-z
挑战总结论文	MedIA 2026:104313，doi:10.1016/j.media.2026.104313
团队	University Hospital Bonn / Bonn / Sankara / Microsoft Research India / 华南理工
规模	155 段视频（100/15/40）；已发布 115 段
标注	18 相位+background，逐帧（目标 15 FPS）
抓取时点	2026-09-26
库内互链	cataract-101(263)、cadis(243)、cataracts(253)、cholec80(78)、cholect50(223)、ldpolypvideo(163)、endovis-challenges(79)

附录 B：DAIMS 评估全表

维度	评分（1-10）	逐项依据
D 可发现性	8	DOI+官网+Zenodo+OAIRE/Scholar 多路可达；挑战赛媒体报道（ICT&health 等）；扣分：SICS-105/SICS-155 易混、第三方目录口径杂
A 可获取性	6	restricted（注册+请求两段闸）；CC BY-NC-4.0 禁商用；test 40 段未发布；i3D 特征邮件制
I 互操作性	9	txt/CSV/mapping.txt 三件套标准机读；评估脚本开源；视频常规编码；无私有打包格式
M 元数据	8	Zenodo 元数据完整（ORCID/会议关联/keywords）；官网协议/时间线/相位清单详尽；扣分：标注协议细节（双人/仲裁/边界规则）未公开
S 可持续性	7	机构托管（University Hospital Bonn）+DOI 固定+多版本快照；扣分：test 发布承诺悬置、长期维护与镜像计划未声明
AI-Ready 综合	7.5/10	格式与文档在手术视频类中居前；扣分全部来自访问闸门与隐私审慎（受限访问+NC 许可+test 缓发），而非文档缺陷

附录 C：逐项证据链自证

硬数字	来源 1	来源 2	来源 3
155 段视频	官网 Dataset Overview “Size: 155 videos”	Zenodo 描述 “155 surgeries with 18 distinct phases”	MedIA 摘要 “a dataset with 155 videos”；arXiv “155 annotated SICS procedures”
100/15/40 划分	官网 “Splits: 100 videos (train), 15 videos (validation), 40 videos (test)”	官网 download 页 “only the training and validation subsets are published”	arXiv 实测 released 115 段（32 BL+50 BN+33 SD）
18 相位+background	官网相位清单（18 项）与 “1 of the 18 phases … a ‘background’ phase can be assigned”	Zenodo 描述 “18 distinct phases”	MedIA/arXiv “19 phases”（含 background）——口径差已存照
960×540 @ 30 FPS	官网 “resolution of 960 x 540 pixels and a framerate of 30 FPS”	官网预测目标 15 FPS	—（视频规格官方单源，无冲突记录）
平均 13:05	官网 “the average video length is 13:05 minutes”	MedIA 摘要 “average duration of 13:05”	arXiv 中位 6.4 min（115 段，口径不同，坑 3）
MS-TCN++ 85.56%	Sci Rep 摘要	Hippocrates Briefs 转述	R Discovery 收录页
FACT 87.98%/90.80%/89.56%	MedIA 摘要	yasser.sh 论文页 BibTeX+摘要	—（赛后标杆单源为主，挑战名次另见官网）
license CC BY-NC-4.0	Zenodo API metadata.license.id	EyeDataHub “CC BY-NC 4.0”	—（第三方目录佐证）

附录 D：挑战赛时间线全表（官方口径）

日期	事件	备注
2025-04-01	(Pre-)Registration 开放	注册即竞赛报名+数据获取授权起点
2025-04-10	训练数据发布	官网 News 确认实际发布；Zenodo v3（04-17）对应
2025-05-01 前后	验证数据发布	时间线标注 “estimated”
2025-07-15	算法提交系统开放	—
2025-07-21	Docker 提交临时文件通道	News：temporary file drop
2025-08-12	终评阶段开启	News：CodaBench final grading
2025-08-24 → 26	算法提交截止	延期两天
2025-08-26	CodaBench 提交关闭	News 确认
2025-08-28 → 30	短论文截止	延期两天；邮件提交
2025-08-31	Final rankings 公告	官网 News
2025-09-10 – 23	隐藏测试集终评	组织方侧进行
2025-09-23 – 27	MICCAI 2025，韩国大田	卫星事件现场环节

附录 E：18 相位与 phaco 对照扩展表

相位	SICS-155 有	phaco 有	说明
peritomy	✅	△（非独立相位）	SICS 常规起始
cautery	✅	✅（偶发）	长尾稀有类（1.7% 帧）
scleral_groove / incision / tunnel	✅	✗	SICS 隧道建造三连
sideport	✅	✅	共有
capsulorrhexis	✅	✅	共有关键步骤
hydroprocedure	✅	✅	共有
nucleus_prolapse / nucleus_delivery	✅	✗	SICS 招牌双相
trenching / emulsification	✗	✅	phaco 特有
cortical_wash	✅	✅（I/A）	共有；SICS 长多数类（13.8% 帧）
OVD_IOL_insertion	✅	✅	共有
stromal_hydration / tunnel_suture	✅	✅/△	收尾步骤

附录 F：与库内三条"cataract"条目的边界声明

条目	rid	模态	任务	术式	与本条目关系
cataracts	253	眼底/裂隙灯静态图像	疾病分级/分类	无手术	同病不同模态——任务面互斥
cataract-101	263	phaco 手术视频	逐帧相位识别	phaco	直接对照系——MedIA 论文同表评测
sics-155	本条	SICS 手术视频	逐帧相位识别	SICS	—

三者的检索面互不重叠又互为背景：查"白内障疾病影像"到 cataracts，查"phaco 相位"到 cataract-101，查"SICS 相位"到本条目。MedIA 2026 论文是唯一同时给 SICS-155 与 Cataract-101 报告同架构结果的公开文献，是双条目互链的文献锚点。

附录 G：第三方研究测量汇总（arXiv:2604.10514）

测量项	数值	口径
已发布标注视频	115 段（32 BL / 50 BN / 33 SD）	train+validation 全量清点
视频时长中位数	6.4 min（range 2.5–15.0）	115 段；与官方均值口径不同
cautery 帧占比	1.7%（48/115 段出现）	帧级
cortical_wash 帧占比	13.8%（115/115 段出现）	帧级
sideport/scleral_groove 中位连续时长	约 6.5 秒	短相位难分割证据
实验设计	冻结编码器+固定 MS-TCN++ 头，5 折分层 CV（按前缀平衡）	隐藏 test 未用
编码器阵容	ResNet-50/I3D-R50/DINOv3-B/L/7B/V-JEPA2-L/g（至 1.03B 参数）	监督+自监督两代

使用提示：该文数字均在 115 段子集上测得，不可直接外推到全集 155 段；时长 range 与官方口径不吻合（坑 3），转引需注明。

附录 H：使用前检查清单（12 项）

1. 许可核对：用途是否商用？NC 条款禁止；灰色地带（衍生模型商用）先问 University Hospital Bonn。
2. 注册先行：不注册直接找 Zenodo 文件会碰 restricted 墙——从官网 Registration 进入。
3. 版本声明：引用数据注明版本（v3，2025-04-17）或用 concept DOI（坑 7）。
4. 标签源选择：训练/评估一律用 groundTruth/ txt + mapping.txt；别从 CSV 自行展开（坑 5）。
5. 帧率对齐：按 15 FPS 处理标签与预测；30 FPS 展开会使指标口径不可比。
6. 类别数自检：加载后先打印 mapping.txt 行数与类别分布，确认 18+1（或 19）口径再建模（坑 1）。
7. 规模声明：写"155 段（115 段已发布）“；别写"155 段全可得”（坑 6）。
8. 划分纪律：用官方 100/15/40 划分做验证自评；test 不可得，别伪造排名复现。
9. 交叉验证替代：自建协议时按前缀（BL/BN/SD）或时长分层，保持与官方分层精神一致。
10. 不平衡对策：cautery 等稀有类需过采样/focal loss 类处理；报告时四指标齐上，勿单报 accuracy。
11. 谱系引用：基线对比写清 SICS-105（85.56%）还是 SICS-155（FACT 87.98%）；两者不可互换（坑 2）。
12. 口径存照：时长用官方均值 13:05（全集口径）；引第三方中位 6.4 min 时注明子集口径（坑 3）。

附录 I：坑点档案（与 §9 对照）

坑	一句话	条目处理
坑 1	18 vs 19 相位双口径	以官方 18+background 为主口径，19 类口径存照
坑 2	SICS-105/SICS-155 谱系易混	105/155 数字为区分器；精度归属表（§4.6）
坑 3	时长三重口径	官方均值 13:05 为主，第三方中位存照
坑 4	restricted+NC 双重约束	获取流程（§5.1）+商用红线（§5.2）
坑 5	ground truth 双格式	官方建议 txt；CSV 勿自行展开
坑 6	test 40 段未发布	可得 115 段口径；排名不可复现
坑 7	多版本 DOI	concept DOI 15044589 为引用推荐
坑 8	医院匿名化双口径	溯源用官网 Sankara 口径，转述论文用匿名口径

附录 J：检索决策树

你要找什么？
├─ SICS 手术相位数据本身
│   └─ 官网注册 → Zenodo concept DOI 10.5281/zenodo.15044589 → 115 段
├─ SICS 相位基线论文（85.56%）
│   └─ doi:10.1038/s41598-025-00303-z（Sci Rep 15:16886，开放获取）
├─ 挑战赛结果与 FACT 87.98%
│   └─ doi:10.1016/j.media.2026.104313（MedIA 2026）+ 官网 ranking 页
├─ phaco 对照数据
│   └─ Cataract-101（库内 rid 263）/ IEEE Cataracts（n=50）
├─ 白内障手术工具分割
│   └─ CaDIS（库内 rid 243）
├─ 腹腔镜相位识别方法学源流
│   └─ Cholec80（rid 78）/ CholecT50（rid 223）
└─ 白内障静态影像（非手术）
    └─ cataracts（rid 253）

附录 K：双口径登记表

项	口径 A	口径 B	条目处理
相位数	18（官网/Zenodo，手术相位）	19（MedIA/arXiv，含 background）	主口径 18+background
数据来源	Sankara Eye Hospital, India（官网/Zenodo）	an anonym hospital in an LMIC（MedIA）	溯源用官网口径
时长	平均 13:05、5:01–21:58（官网，全集）	中位 6.4 min、2.5–15.0（arXiv，115 段）	均值为全集主口径
可得规模	155 段（总规模）	115 段（已发布）	两口径并存分述
87.98%	挑战赛"成绩"（易误读）	整合标杆（FACT，非原始冠军成绩）	表述为"挑战总结论文整合方法"
数据 DOI	concept 15044589	版本 15044590/v1、v3、15237734、19482928	引用 concept DOI

附录 L：FAIR/AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	Zenodo concept DOI + 论文 DOI（Sci Rep/MedIA）
F2 富元数据	✅	Zenodo 元数据（ORCID/会议/keywords）+官网协议页
A1 可访问协议	⚠️	restricted（注册+请求）；test 集未发
A2 元数据可访问	✅	Zenodo 记录页公开可见
I1 互操作格式	✅	txt/CSV/mapping.txt/常规视频编码
I2 词汇表引用	✅	18 相位官方命名体系+mapping.txt
R1 来源溯源	✅	采集医院/标注方/工具方明示（官网口径）
R3 可复现流程	✅	官方评估脚本 GitHub 开源+i3D 特征可选
AI-Ready 综合	中高	格式与文档优秀；访问闸门为隐私/竞赛运营审慎，非管理缺位

附录 M：缩写速查

缩写	全称
SICS/MSICS	(Manual) Small Incision Cataract Surgery
phaco	Phacoemulsification
TAS	Temporal Action Segmentation
FPS	Frames Per Second
OVD	Ophthalmic Viscoelastic Device（粘弹剂）
IOL	Intraocular Lens
I/A	Irrigation/Aspiration
PR AUC	Precision-Recall Area Under Curve
MS-TCN++	Multi-Stage Temporal Convolutional Network++
FACT	（一阶段时序动作分割架构，挑战总结论文采用）
BIAS	Baseline/Intent/Analysis/Statistics（挑战赛报告规范）
LMIC	Low- and Middle-Income Countries
BMZ	德国联邦经济合作与发展部
GIZ	德国国际合作机构
EKFS	Else Kröner-Fresenius 基金会
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability

附录 N：本条目生产档案

• 生产通道：批次 4（50 篇冲刺批量生产）；正选 slug=sics-155 一次命中（未触发备选改道）
• 存在性核验：三轮精确搜索（官网快照/Zenodo API/Sci Rep+MedIA+arXiv 四源互证）+ 数据库查重（url_name ILIKE ‘%sics%’ 0 行）+ 155 口径四源一致
• FACTS.md：writing/sics-155/FACTS.md 九节
• 成稿方式：五块直写拼接（/tmp/sics-155_agentB-sics_part1-5.md → cat）
• 坑点：§9 八则（坑 1–8"坑 N："编号制）+ 附录 I 对照表
• 互链计划：正文内链 cataract-101(263)/cadis(243)/cataracts(253)/cholec80(78)/cholect50(223)/ldpolypvideo(163)/endovis-challenges(79)
• 核验时点：2026-09-26；环境留痕 ps aux grep -c codebuddy = 5

附录 O：引文规范

@dataset{mueller2025sics155,
  title   = {SICS-155: Phase Recognition in Small Incision Cataract Surgery Videos},
  author  = {Mueller, Simon and Schultz, Thomas and Wintergerst, Maximilian W.M. and
             Sachdeva, Bhuvan and Murali, Kaushik and Prasad, Singri Niharika and Xu, Yanwu},
  year    = {2025},
  publisher = {Zenodo},
  doi     = {10.5281/zenodo.15044589},
  note    = {MICCAI 2025 Satellite Event challenge dataset; CC BY-NC-4.0, restricted access}
}@article{mueller2025sics105,
  title   = {Phase recognition in manual Small-Incision cataract surgery with MS-TCN++ on
             the novel SICS-105 dataset},
  author  = {Mueller, Simon and Sachdeva, Bhuvan and Prasad, Singri Niharika and
             Lechtenboehmer, Raphael and Holz, Frank G. and Finger, Robert P. and
             Murali, Kaushik and Jain, Mohit and Wintergerst, Maximilian W. M. and
             Schultz, Thomas},
  journal = {Scientific Reports},
  volume  = {15},
  pages   = {16886},
  year    = {2025},
  doi     = {10.1038/s41598-025-00303-z}
}

@article{mueller2026sics155challenge,
  title   = {Advancing Automated Phase Recognition in Cataract Surgery through the
             SICS-155 challenge},
  author  = {Mueller, Simon and Sachdeva, Bhuvan and Prasad, Singri Niharika and
             Lechtenboehmer, Raphael and Holz, Frank G. and Finger, Robert P. and
             Nielsen, Christopher and Gooi, Patrick and Gooi, Adrian and
             Forkert, Nils D. and El Jarida, Yasser and Iraqi, Youssef and
             Mekouar, Loubna and Kong, Yiran and Huang, Zhihai and Du, Jiawei and
             Li, Huiqi and Renz-Kiefel, Lasse and Wisotzky, Eric L. and
             Zheng, Dong and Lin, Jiacheng and Hu, Miao and Xu, Yanwu and
             Jain, Mohit and Murali, Kaushik and Wintergerst, Maximilian W M and
             Schultz, Thomas},
  journal = {Medical Image Analysis},
  pages   = {104313},
  year    = {2026},
  doi     = {10.1016/j.media.2026.104313}
}

---

附录 P：评估指标计算公式表

指标	计算定义	取值域	SICS-155 语境提示
Frame-wise Accuracy	正确帧数 / 总帧数（按 15 FPS 对齐）	0–1	多数类（cortical_wash 13.8%）与背景帧可撑高基线，须与其他指标联读
Edit distance	预测标签序列与真值序列的最小 Levenshtein 编辑代价；常归一化为 edit score = 1 − d/max(len)	0–1	对短相位（sideport 等 6.5 秒级）的吞并/漏检敏感
Frame-wise F1	逐帧精确率与召回率的调和平均（宏平均/微平均口径需声明）	0–1	宏平均会放大稀有类权重，微平均接近 accuracy
PR AUC	精确率-召回率曲线下面积（逐类计算后聚合）	0–1	长尾分布下比 ROC AUC 更能反映稀有类判别力
显著性点数排名	逐 case 四指标 → 跨 case 平均 → 成对显著性检验（α=5%）→ 按胜场积点	名次	Maier-Hein 等推荐；替代朴素均值排名

基线参照系（勿跨数据集直比）：MS-TCN++ 在 SICS-105 上 accuracy 85.56% [80.63–92.09]（Sci Rep 口径）；boundary-aware FACT 在 SICS-155 上 accuracy 87.98% [±2.06] / edit 90.80% [±1.47] / segmental F1 89.56% [±1.92]（MedIA 口径，segmental F1 为分段级 F1 变体，与帧级 F1 不同）。

附录 Q：数据加载与评估骨架（代码）

以下骨架演示"txt 标签 + mapping.txt + 15 FPS 对齐"的标准处理路径（示意代码，字段名以实际数据包为准）：

# 1. 类别索引：mapping.txt → dict（18 相位 + background 的最终裁决）
label_map = {}
for line in open("mapping.txt", encoding="utf-8"):
    name, idx = line.strip().rsplit(maxsplit=1)
    label_map[name] = int(idx)
print(len(label_map), label_map)   # 自检：18+1=19 类？还是 18 类？（坑 1 自检点）

# 2. 逐帧标签：groundTruth/*.txt（每行一帧一个标签名，官方建议层）
def load_gt(txt_path):
    return [label_map[l] for l in open(txt_path).read().split()]

# 3. 帧率对齐：官方预测目标 15 FPS（原视频 30 FPS）
#    若逐帧处理原视频，先抽帧减半或对标签插值对齐——以官方评估脚本口径为准

# 4. 划分纪律：官方 100 train / 15 val 已发布；test 40 段不可得（坑 6）
#    自建协议时按前缀（BL/BN/SD）或时长分层做 K 折，勿打乱时长均衡

# 5. 类别自检：加载后先打印帧级分布，确认长尾形态
from collections import Counter
dist = Counter(load_gt("groundTruth/train/xxx.txt"))
print({k: v for k, v in sorted(dist.items())})
# 预期形态：cortical_wash 类占比最高；cautery 类稀有（全集口径 1.7% 帧左右）

# 官方评估脚本调用形态（GitHub 开源，参数名为示意）
# 输入：groundTruth 目录 + 预测目录（txt，每行一帧一个标签）
# 输出：Accuracy / Edit distance / F1 / PR-AUC 四指标
python evaluate.py --gt_dir groundTruth/val --pred_dir preds/val

三条工程红线：不用 HTML 注释式的侥幸心理——所有自定义预处理都必须在论文里声明；不要从 CSV 自行展开标签（坑 5）；不要宣称复现了官方 test 排名（test 未发布，坑 6）。

附录 R：SICS 的公共卫生与经济学背景

理解 SICS-155 的"为什么值得"，需要一点全球眼健康经济学背景（官方摘要与媒体报道口径的事实性内容）：

• 疾病负担：白内障是全球首位致盲原因，且负担在中低收入国家（LMIC）最重——这正是官方摘要开篇的定位句（“leading cause of blindness worldwide, most affecting life in LMICs”）。
• 术式经济学：SICS 不需要昂贵的超声乳化设备与耗材，手术时间短、可大规模流水线化（印度眼科医院网络的单日手术量模式），单位手术成本远低于 phaco——这使它成为 LMIC 大规模复明项目的支柱术式。
• 质量短板：量大与低成本伴随培训与质控的资源约束；手术质量参差直接表现为视力预后差异——AI 质控（相位识别→步骤反馈→质量评分）被定位为可规模化补位的杠杆。
• 国际发展合作视角：项目资助方构成（BMZ/GIZ/EKFS/Lamarr）显示这是德国发展合作框架下的健康项目——学术产出（数据集/论文/挑战赛）嵌在"提升 LMIC 手术质量"的公共政策目标里。

对数据集使用者的含义：SICS-155 的患者群体、手术团队与技术设定都带有 LMIC 大规模手术场景的特征（手术节奏、器械组合、并发情况可能不同于高收入国家的小样本手术）——把它当作"SICS 生态的代表性样本"使用时，注意它不是"所有白内障手术"的代表性样本。

附录 S：跨术式迁移学习实操路线（phaco → SICS）

官方明确鼓励迁移学习后的实操路线图（基于 §2.5 相位对照与 §4 基线事实）：

步骤	操作	依据/提示
1	在 Cataract-101（phaco，公开，库内 rid 263）上预训练相位识别骨干	同为白内障显微镜视频；共有相位语义对齐
2	迁移到 SICS-155 的 100 段训练集微调	共有相位：sideport/capsulorrhexis/hydroprocedure/cortical_wash/OVD_IOL_insertion 等
3	对 SICS 特有相位（peritomy/scleral_groove/tunnel/nucleus_prolapse/nucleus_delivery）不做迁移预期	phaco 中无对应步骤；这些类只能靠 SICS 数据学习
4	可选：IEEE Cataracts（n=50）做第二预训练源	官方摘要点名的另一 phaco 数据集
5	可选：CaDIS（rid 243）的工具分割做辅助监督	空间轴（器械）补时序轴（相位）的多任务设计
6	评估：四指标 + 15 FPS + 官方脚本；分层报告共有/特有相位的成绩	参照 §4.2 协议；给 SICS 特有相位单列结果

预期管理：基线证据（MS-TCN++ 在 phaco 89.97% vs SICS 85.56%）提示跨术式迁移有收益天花板——术式特异性（核处理段）正是缺口所在，也是这个数据集的科研价值所在。

附录 U：相位识别模型选型指南（方法学视角）

SICS-155 上公开可查的方法证据有限（基线 MS-TCN++ 与整合标杆 FACT），结合时序动作分割领域的公开方法谱系，给选型者一张导航图（方法学通识，非官方推荐）：

方法族	代表	特点	在 SICS-155 上的适配点
TCN 系	MS-TCN/MS-TCN++	多阶段 dilation 时序卷积；TAS 长期标准基线	官方基线所用；85.56%（SICS-105 口径）是直接对照线
两阶段/图模型系	ASFormer、TTryst 等	Transformer 时序建模；长程依赖强	18+1 类长序列（平均 13 分钟）的上下文利用
一阶段边界感知系	FACT（boundary-aware 变体）	边界回归+分类联合；挑战整合标杆	MedIA 报告 87.98%/90.80%/89.56% 是当前公开上限
特征工程路线	i3D 特征 + 时序头	官方提供 i3D 特征，免视频解码	算力受限团队的快速起点
基础模型特征路线	DINOv3/V-JEPA2 等冻结特征 + 时序头	第三方已铺好受控对照（arXiv:2604.10514）	表征迁移研究的现成实验协议

三条选型提醒：一、跨数据集直比无效——Cataract-101 上的高分不等于 SICS 上的高分（§4.1 的 4.4 个百分点缺口就是证据）；二、稀有类策略（过采样/focal loss/类平衡损失）在长尾上通常比换骨干更见效；三、所有结果按附录 P 的指标族齐报，单指标结论一律视为不完整。

附录 V：常见错误用法清单

1. 从 CSV 自行展开逐帧标签——与官方预处理 txt 口径不一致，指标不可比（坑 5）。
2. 按 30 FPS 对齐标签——官方口径 15 FPS，帧数翻倍后指标失真（§2.2）。
3. 宣称"在 155 段上训练/评测"——test 40 段未发布，只能写 115 段（坑 6）。
4. 把 85.56% 当作 SICS-155 基线引用——那是 SICS-105（105 段子集）口径（坑 2）。
5. 把 87.98% 说成"挑战赛冠军成绩"——它是组织方整合方法的标杆，非原始名次（§4.4）。
6. 用平均时长 13:05 与第三方中位 6.4 min 混排比较——口径三重差（坑 3）。
7. 假设类别数是 19 或 18 而不查 mapping.txt——建模前先自检类别行数（坑 1）。
8. 商用管线直接接入——CC BY-NC-4.0 禁止；衍生模型商用属性属灰色地带（坑 4）。
9. 把 BL/BN/SD 前缀当术式语义标签——官方未定义含义，只可用于分层（Q41）。
10. 转抄第三方目录的版本 DOI——引用用 concept DOI 10.5281/zenodo.15044589（坑 7）。

附录 W：三类读者的一小时上手路径

算法研究者（想刷分）：
读 §4（基线与协议）→ 附录 P（指标公式）→ 附录 U（选型导航）→ 注册下载后跑通官方评估脚本 → 在 115 段上复现第三方 5 折协议 → 对标 MS-TCN++ 85.56%（SICS-105）/FACT 87.98%（SICS-155）双坐标。

临床信息学/公共卫生研究者（关心 LMIC 质控）：
读 §0/§3.4（临床价值）→ 附录 R（公共卫生背景）→ §6.5/6.6（未来方向与传播口径）→ 结合 Sim-OSSCAR 文献设计"相位→质量评分"的研究协议。

数据工程师（负责接入管线）：
读 §2.3（双格式）→ §5（获取三道闸）→ 附录 Q（加载骨架）→ 附录 H（12 项检查单）→ 完成注册、下载、口径自检三步后进管线；商用场景先读坑 4 并停下确认授权。

附录 X：库内手术视频数据集家族对照（任务面）

条目	rid	术式/场景	标注轴	与本条目关系
sics-155	本条	白内障 SICS（显微镜）	时序相位（18+1 类）	—
cataract-101	263	白内障 phaco	时序相位	直接对照/迁移源
cadis	243	白内障（视频）	工具/场景分割（空间轴）	同视频生态互补粒度
cataracts	253	白内障静态影像	疾病分级	同病不同模态
cholec80	78	腹腔镜胆囊切除	时序相位（7 类）	TAS 方法学源流
cholect50	223	腹腔镜胆囊切除	相位/工具/动作三元组	多标注轴扩展
cholecseg8k	233	腹腔镜	器官分割	空间轴参照
ldpolypvideo	163	腹腔镜息肉切除	息肉边界（检测向）	手术视频/检测任务面
endoscapes	353	腹腔镜	检测+风险	标注轴组合设计参照
endovis-challenges	79	腹腔镜（挑战集）	多任务	MICCAI 挑战赛生态同族

使用这张表做库内导航时注意：各条目的许可与获取方式差异极大（公开直链到申请制都有），跨条目复用数据前逐条核对各自许可——本条目的 CC BY-NC-4.0 只约束 SICS-155 自身。

附录 Y：中英检索词与同义词映射表

中文检索意图	英文检索词	提示
小切口白内障手术	small incision cataract surgery / SICS / MSICS / manual small-incision cataract surgery	缩写 SICS 与 MSICS 在文献中混用；M 指 Manual
手术相位识别	surgical phase recognition / phase prediction / workflow recognition	“workflow” 是同义高频词
时序动作分割	temporal action segmentation / TAS / action segmentation	方法论文检索主词
超声乳化（对照）	phacoemulsification / phaco	对照系数据集检索词
白内障手术视频	cataract surgery video / surgical video ophthalmology	加 “dataset” 收窄
数据包本体	SICS-155 / Zenodo 15044589 / medvisbonn	官网名 Small Incision Cataract Surgery Video Collection
基线论文	SICS-105 / MS-TCN++ cataract / Scientific Reports 16886	勿与 155 混用（坑 2）
挑战结果	SICS-155 challenge / MICCAI 2025 challenge cataract / BIAS	官网 ranking 页 + MedIA 论文
手术质量评估	Sim-OSSCAR / surgical quality assessment cataract	相位识别的下游应用
全球眼健康	global ophthalmology / LMIC cataract / eye health LMIC	公共卫生侧检索面

检索卫生两条：一、"SICS"在个别语境下也可指其他缩写（如外科其他术式名），加 “cataract” 联合检索；二、19 类/18 相位口径差异会影响检索命中（摘要级检索两口径都试）。

附录 Z：数据包交付物自查清单（下载完成后过一遍）

#	应有物件	核对方法	缺失时的处理
1	训练集视频（100 段）	清点文件数；抽查可解码	补下/联系组织方
2	验证集视频（15 段）	同上	同上
3	groundTruth/ 逐帧 txt	行数÷15 ≈ 时长秒数（口径粗校）；标签值均在 mapping.txt 域内	停用并报告
4	mapping.txt	行数与类别名打印（18+1 还是 19 的裁决）	以实际为准并在实验记录存照
5	CSV/Excel 起止表	与 txt 抽样比对（只作参考层）	缺失不影响主流程（官方本就建议 txt）
6	评估脚本（GitHub）	在验证集上跑通并核对四指标输出	从 GitHub 获取最新版
7	许可文件/引用说明	确认 CC BY-NC-4.0 条款随包	从 Zenodo 记录页补引用信息
8	（可选）i3D 特征	邮件申请后核对特征维度与帧对齐	未获不影响主数据使用

三条自查纪律：一、清点结果写进你的实验记录（版本号+清点日期+实际段数），未来版本更新时可 diff；二、任何"官方没有但第三方说有"的物件（如某些目录记的 30 GB 总量），以实际包为准；三、下载完成后即把 concept DOI 与版本号绑定存档，保证一年后可复现"当时用的是哪个版本"。

附录 T：维护计划与触发点

触发点	条目动作	优先级
test 集 40 段发布（Zenodo 新版本/官网通告）	§2.1 发布状态、§5 获取、AI-Ready 评级、坑 6 全线改写	高
mapping.txt 类别数确认（18+1 或 19）	坑 1 口径收敛，§2.4 与 schema_org 更新	高
MedIA 2026 正式卷期/页码	附录 O 引文与 §4.4 出处更新	中
官网 final rankings 页可访问	补各参赛队名次与方法（§4.3/4.4）	中
器械检测/并发症数据集发布（团队预告）	考虑新条目或本条目 §6.5 扩展	低（事件驱动）
Zenodo 下载量级变化	仅更新 §6.3 统计（存照抓取时点）	低

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-09-26，抓取与核验时点见附录 A/N。事实陈述以挑战官网（medvisbonn.github.io）、Zenodo 记录（concept DOI 10.5281/zenodo.15044589，API 实测）、Scientific Reports 基线论文（doi:10.1038/s41598-025-00303-z）、Medical Image Analysis 挑战总结论文（doi:10.1016/j.media.2026.104313）与第三方研究（arXiv:2604.10514）为源；相位数 18/19、时长均值/中位、医院匿名化、多版本 DOI 等原始文档口径差异已在坑点（§9）与双口径登记表（附录 K）存照。条目与库内 cataract-101（rid 263）、cadis（rid 243）、cataracts（rid 253）、cholec80（rid 78）、cholect50（rid 223）、ldpolypvideo（rid 163）、endovis-challenges（rid 79）等条目互链，构成白内障手术 AI 与手术视频分析家族的完整检索面。

---

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：

• cataracts — 共享标签：医学影像 / 手术视频 / 眼科影像
• rfmid — 共享标签：医学影像 / 眼科影像 / 图像分类
• oct2017 — 共享标签：医学影像 / 眼科影像 / 图像分类
• brset — 共享标签：医学影像 / 眼科影像 / 图像分类
• octdl — 共享标签：医学影像 / 眼科影像 / 图像分类
• acouslic-ai — 共享标签：医学影像 / 图像分类 / 挑战赛数据集
• justraigs — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集
• heichole — 共享标签：医学影像 / 手术视频 / 图像分类 / 挑战赛数据集
• refuge2 — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集
• deepdrid — 共享标签：医学影像 / 眼科影像 / 挑战赛数据集

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。