TG3K — 3,585 张甲状腺腺体超声分割数据集（TN3K 腺体先验姊妹集）

INFOBOX — TG3K 一屏速览

维度	内容
本质	开放获取甲状腺腺体超声分割数据集：3,585 张灰度超声图 + 像素级二值腺体掩码，由 16 段三维超声视频抽帧而来
定位	结节分割集 TN3K 的腺体先验姊妹集——同论文、同团队、同代码仓库、同下载包，无独立论文/官网/license 声明
团队	中山大学（主）+ 南昌大学 + 香港中文大学（深圳）大数据研究院 + 南方医科大学珠江医院（与 TN3K 同一团队）
论文	依附于 Computers in Biology and Medicine 155:106389（doi:10.1016/j.compbiomed.2022.106389；©2022/正式出刊 2023-03 双口径）
数据	主口径 3,585 张（一手论文）；次口径 3,583 仅 openmedlab 正文孤例
来源	Wunderling et al. 2017 的 16 段三维超声（3DUS）记录抽帧（GE Logiq E9 XDclear 2.0 + Ascension driveBay）
筛选	**腺体面积占整图比例大于 0.06（6%）**才保留该帧（论文原文）
标签	像素级二值腺体掩码（0/1）——不是结节掩码（结节掩码在 TN3K）
划分	官方无固定 train/test 划分，仅 tg3k-trainval.json 列表
角色	TRFE+ 多任务框架中腺体区域先验分支的监督数据，与 TN3K 混合批训练（4,606 张口径）
获取	百度网盘（提取码 trfe，与 TN3K 同包）｜Google Drive｜无 HF 官方镜像（401）｜百度 AI Studio 镜像
许可	代码 MIT；数据许可官方未单独声明（上游 OpenCAS CC BY-NC-SA 3.0，三口径存照）
库内互链	tn3k（rid 822，首选）、ddti（536）、busi（539）、us-nerve-seg（537）、acouslic-ai（691）、tus-rec（670）

TG3K 是一个「甘当配角」的数据集。它不是一篇独立论文的主体，也没有自己的官网或许可证——它的全部公开记载，就是主论文 Computers in Biology and Medicine（CBM）2022 里的一段构造说明，以及和它同名的结节分割数据集 TN3K 共用的那一个 GitHub 仓库与那一个网盘包。然而正是这个配角，让 TN3K 上的结节分割从「单任务硬啃小目标」升级成「先找腺体、再找结节」的两段式学习。理解 TG3K，本质上要理解一件方法学上的事：当一个病灶深藏在一个解剖结构稳定的器官内部时，把器官本身也训成一个分割分支，会给病灶分割带来可观的归纳偏置。TG3K 就是为这个「器官」分支提供真值的那 3,585 张图。

它的原料来源尤其值得一提。Baidu/GitHub 上分发的 TG3K 是 2D 的灰度 JPG 抽帧，但它并非 Gong 团队从零拍摄采集——上游是德国马格德堡大学 Wunderling et al. 2017 发表在 SPIE 的公开三维超声记录，共 16 段 3DUS 体数据，采自 GE Logiq E9 XDclear 2.0 系统并带 Ascension driveBay 电磁定位。这些 3D 体数据带有半自动生成的腺体 ground truth，团队把它们按帧切开、按腺体面积占比筛掉看不清腺体的帧，剩下的转成 JPG——于是有了 TG3K。换句话说，TG3K 的标注质量上限由 2017 年那批半自动标注决定，这一点在评估与复现时是绕不开的前提。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——TG3K 没有 HuggingFace 官方镜像（与 TN3K 不同，见坑 2），必须走百度网盘或 Google Drive；数据许可官方未声明，注意上游 OpenCAS 的 CC BY-NC-SA 3.0 限制（坑 3）。
2. 担心任务搞错：直奔 §3 标注体系——TG3K 是腺体分割集，不是结节分割集；网上把它当结节数据集用的说法是任务误标（坑 1），这一条直接决定你的实验能不能跑对。
3. 要复现 TRFE+：直奔 §4 与 §5——腺体先验分支如何与结节分支共享编码器、混合批训练的口径、以及为什么论文里没有 TG3K 的独立基准表。

§0 导读：这个数据集解决什么问题

甲状腺结节分割长期卡在一个尺度与语义的错配上。甲状腺腺体是一个解剖位置高度稳定的大结构（左右两叶加峡部），而结节是腺体内部一个边界模糊、回声与周边组织接近的小病灶。如果你只是端到端地训一个结节分割器，模型没有任何先验告诉你「结节只会出现在甲状腺里」，它就会把腺体内其他高回声结构、甚至腺体外的组织误判成结节边界；而当结节很小、对比度很低时，这种无约束搜索尤其容易失败。

中山大学团队在 ISBI 2021 的前作（TRFE-Net）里给出的解法是多任务学习 + 甲状腺区域先验：让同一个网络同时学三件事——结节分割、腺体位置分割、结节大小回归。腺体分割这条分支把「甲状腺在哪」显式编码进共享特征，相当于给结节分支装了一个解剖学先验的导航。问题是：要训这条腺体分支，就需要一个带腺体像素级掩码的辅助监督源，而当时的甲状腺超声公开资源里并没有现成可用的腺体分割数据集。TN3K 只有结节掩码。于是团队需要一个腺体数据集——TG3K 就是为此而生的那个辅助源。

TG3K 的回答是「借用成熟的公开资源，做低成本的再加工」：与其重新采集、重新标注上千张腺体掩码，不如直接拿 Wunderling et al. 2017 已经带腺体 ground truth 的 16 段三维超声记录，抽帧、筛选、转格式，得到 3,585 张 2D 腺体分割图。这个选择带来的两个后果贯穿全条目：其一，标注是上游半自动生成的，不是人工从零勾画，质量口径要按此理解；其二，数据集规模被上游视频量锁死，16 段视频决定了上限，不可能像从医院图库筛选那样扩到几万张。

理解 TG3K 还要理解它和 TN3K 的「孪生」关系。两者是同一篇论文（CBM 2022）的产物，共用一个 GitHub 仓库、一个网盘包、一套代码；但任务完全不同——TN3K 分割结节（并提供良恶性标签），TG3K 分割腺体。在 TRFE+ 的多任务框架里，TG3K 的腺体分支是「先验提供者」，TN3K 的结节分支是「主任务」，两者用一个共享编码器、混合批训练。这就是为什么 TG3K 从不单独出现：它总是作为 TN3K 的腺体先验被一起引用、一起下载、一起讨论。

§0 读法三则：

1. 这个条目是「依附性数据集」的典型：无独立论文、无独立许可、无独立官网，全部信息依附于主论文与姊妹集——检索、引用、查重时别把它误当作独立发表的数据集（§2 名称与身份展开）。
2. 全文硬数字的主口径是 3,585 张（一手论文正文、作者版预印 PDF、多篇第三方论文一致）；流传的 3,583 只在 openmedlab 一页正文出现，且与该页表格自相矛盾——引用规模请用 3,585（坑 4）。
3. 最容易犯的错是任务搞混：TG3K 是腺体（gland）分割，不是结节（nodule）分割。网上把它描述成「thyroid nodule segmentation dataset」是误标，会把你的实验设计带偏（坑 1）。

0.1 发布时的稀缺性定位

TG3K 相对于既有资源的增量，不在于「更大」或「更全」，而在于它填的是一个空白类别：公开的甲状腺腺体像素级分割数据。在它出现之前，公开甲状腺超声资源几乎都围绕结节（DDTI 637 张结节掩码、TN3K 3,493 张结节掩码），而「腺体在哪里」这个对先验引导方法至关重要的监督信号，没有公开数据集提供。TG3K 填上这个空白的方式不是采集新数据，而是复用上游已标注的三维超声记录——这也决定了它的稀缺性是「类别稀缺」而非「规模稀缺」。

维度	上游 Wunderling 2017	TG3K
形态	32 个 3D DICOM（16 体数据 + 16 真值）	3,585 张 2D 灰度 JPG + 同尺寸腺体掩码
分割对象	甲状腺腺体（3D 体）	甲状腺腺体（2D 帧，像素级）
标注方式	半自动（level set/graph cut/feature classification）+ ground truth 校对	继承上游 ground truth，未重新标注
来源	KIT OpenCAS archive（thyroid.zip，432,315,445 字节）	Gong 团队抽帧 + 6% 面积筛选 + 转 JPG
用途	三维腺体分割研究	TRFE+ 腺体先验分支训练数据
获取	archive.iar.kit.edu/opencas/data/thyroid.zip	百度网盘/Google Drive（与 TN3K 同包）

这个对照说明一个常被忽略的事实：TG3K 与它的上游不是同一件东西。上游是带电磁定位的三维体数据 DICOM，TG3K 是在其基础上二次派生的二维抽帧 JPG。两者容易混为一谈（坑 5），但格式、维度、获取渠道、字段结构全不同。

0.2 AI-Ready 一句话评估

以库内 AI-Ready 检查单过一遍：机器可读性中等（图像+掩码+json 结构清晰，但无 DICOM/设备元数据，且元数据全部依附于主论文而非独立文档）；可获取性中等（百度网盘+GDrive 官方渠道可用，但无 HF 镜像、无版本化存档）；许可明确性是最大灰色项（代码 MIT 清楚、数据许可官方沉默、上游口径为 CC BY-NC-SA 3.0）；可复现性中等（无官方划分与基准，作为辅助训练集使用相对简单，但要完整复现 TRFE+ 需与 TN3K 配套理解）。综合评级「中等」，详细评分见附录 B，任务误标风险与许可三口径的处理见坑 1 与坑 3。

0.3 关键数字：正确口径与常见误读速查

TG3K 的传播中积累了几类「变形信息」，先在此立牌，正文各节展开：

数字/信息项	正确口径	常见误读	误读来源
数据规模	3,585	3,583	openmedlab 页正文孤例（坑 4）
任务类型	腺体（gland）分割	结节（nodule）分割	openmedlab 任务栏 + 部分第三方论文（坑 1）
论文归属	依附 TN3K 主论文（CBM 2022）	有独立 TG3K 论文	无独立论文，仅正文一段（§2）
HF 镜像	无（401）	有官方 HF 镜像	误以为与 TN3K 一样（坑 2）
数据许可	官方未声明	「MIT」（因代码 MIT）	代码许可被误当数据许可（坑 3）
原始来源	Wunderling 2017 的 16 段 3DUS 抽帧	团队自采 2D 超声	上游与下游混淆（坑 5）
官方划分	无固定 train/test	存在官方划分	各第三方自造划分被误当官方（§5）
判定阈值	腺体面积占比 > 0.06	结节面积占比	与 TN3K 任务混淆（坑 1）

使用姿势：需要引用任何一项时，回正文对应章节取完整语境；本表只负责「快速排错」。

§1 数据集速览：十问十答

Q1：TG3K 的「3,585 张」从哪来？
来自 Wunderling et al. 2017 公开发表的 16 段三维超声（3DUS）记录。中山大学团队把这些三维体数据按帧切开，逐帧计算甲状腺腺体面积占整图的比例，只保留比例大于 0.06（6%）的帧——即那些腺体足够大、足够清晰的切片——再把它们从三维体数据转成二维灰度 JPG，配上网状对应的腺体掩码。这就是 TG3K 的构造过程，论文 CBM 2022 §3 以一段文字交代。

Q2：图像和掩码长什么样？
灰度超声图（JPG 格式）+ 同尺寸像素级二值腺体掩码（0=背景/1=腺体，同样 JPG）。分发目录为 tg3k/thyroid-image/（0000.jpg 起编号）与 tg3k/thyroid-mask/（同名对应），另附 tg3k-trainval.json 列出文件。分辨率不大，论文与第三方口径约为 200-330 px 量级（分辨率双口径见 §2，两套区间不完全重合）。

Q3：掩码里标的是腺体还是结节？
腺体。这是 TG3K 与 TN3K 最根本的区别：TG3K 的二值掩码是甲状腺腺体的区域（左叶+右叶+峡部的超声可见轮廓），不含任何结节边界。结节掩码在 TN3K 里。如果你拿到 TG3K 的掩码却当成结节真值去训练或评估，整个实验就是错配的（坑 1）。

Q4：谁标注的？
没有重新标注。TG3K 的腺体真值完全继承自 Wunderling et al. 2017——那批数据用三种半自动方法（level set、graph cut、feature classification）生成腺体分割并用 Dice 评估。Gong 团队做的是抽帧、按 6% 面积阈值筛选、转格式，没有对腺体重新勾画。所以 TG3K 的标注质量口径应理解为「上游半自动分割 + ground truth 校对」，而不是「像素级人工重标」。

Q5：TG3K 有官方划分吗？
没有固定 train/test 划分。TG3K 在 CBM 论文里只作为腺体分支的训练数据使用，不设独立测试集，因此官方也没有基准表。分发时只给一个 tg3k-trainval.json 文件列表。第三方论文各自划分——例如 ThyCLIPNet 用 2,868/358/359，MWNet 按视频 12/2/2——这些都不是官方划分，数字之间不可横向比较（§5）。

Q6：它在 TRFE+ 里扮演什么角色？
腺体区域先验的监督来源。TRFE+ 是一个多任务网络：共享编码器下挂三条分支——结节分割、腺体分割、结节大小回归。腺体分支用的就是 TG3K 的图与掩码。论文 §4.1 原文说，训练时从 TN3K 和 TG3K 各取一张图组成一个 mini-batch，让共享编码器同时见到结节和腺体的监督。腺体分支学到的「甲状腺在哪」成了结节分支的先验。

Q7：为什么网上有人说它是结节分割数据集？
任务误标传播。openmedlab 的 TG3K 页面把任务栏写成「Segmentation Thyroid Nodule」，与它自己的文字描述同错；部分第三方论文（如 PM-DUnet）也把 TG3K 描述成结节分割。这是错的——TG3K 无结节掩码。少数论文把 TG3K 的腺体掩码当作结节真值使用，属于任务错配，引用时必须辨明（坑 1、§9）。

Q8：TG3K 有 HuggingFace 镜像吗？
没有。haifan-gong/TG3K 返回 401（不存在），而姊妹集 haifan-gong/TN3K 返回 200（存在但不完整）。所以 TG3K 只能走百度网盘（提取码 trfe，与 TN3K 同包）或 Google Drive 官方渠道（坑 2）。这一点常被误以为和 TN3K 一样有 HF 备份。

Q9：我现在能拿到什么？
与 TN3K 共用通道：百度网盘 https://pan.baidu.com/s/1byqO5sBlt6OQdOxC4-SYng 提取码 trfe（官方主渠道，TN3K+TG3K 同包）；Google Drive https://drive.google.com/file/d/1reHyY5eTZ5uePXMVMzFOq5j3eFOSp50F/view（官方）；百度 AI Studio 镜像 aistudio.baidu.com/datasetdetail/289158（第三方，涵盖 TN3K）。代码在 GitHub haifangong/TRFE-Net-for-thyroid-nodule-segmentation，MIT 许可。

Q10：能用它做什么、不能做什么？
能做：腺体二值分割的训练与评测、作为先验引导/多任务方法（尤其 TRFE+ 类框架）的辅助监督源、器官-病灶层次分割方法研究、以及对 TN3K 结节分割的域泛化/先验消融实验。要谨慎：把它当作结节分割数据集（任务错配）；引用其规模时误用 3,583；假设它有官方划分或基准（都没有）；以及忽略上游 CC BY-NC-SA 3.0 限制用于商业用途（§6）。

§2 数据构成与规格

2.1 核心规格速查表

属性	规格
全量规模	3,585 张灰度甲状腺腺体超声图（主口径）
分辨率	约 234-333 px 量级（两套口径：arXiv 约 277×284 至 316×333；openmedlab 统计 min 234×178 / median 258×194 / max 325×193，详见 §2.7）
掩码	同尺寸像素级二值（0=背景/1=腺体），JPG
来源视频	16 段三维超声（3DUS）记录（Wunderling et al. 2017）
筛选阈值	**腺体面积占整图比例 > 0.06（6%）**才保留该帧
官方划分	无固定 train/test 划分；仅 tg3k-trainval.json 文件列表
图像格式	JPG（灰度、去除非超声区域）
上游原始格式	32 个 DICOM（16 体数据 + 16 真值），非 TG3K 分发物
采集设备	GE Logiq E9 XDclear 2.0 + Ascension driveBay 电磁追踪（上游）
采集机构	德国马格德堡大学 Otto-von-Guericke University
上位机构	中山大学（主）+ 南昌大学 + 香港中文大学（深圳）大数据研究院 + 南方医科大学珠江医院
发布窗口	随 CBM 论文（2022/2023）发布；上游采集在 2017 前
官方任务	甲状腺腺体二值语义分割（非结节分割）
在框架中的角色	TRFE+ 多任务网络的腺体区域先验分支监督数据

2.2 构造漏斗：32 DICOM → 16 段 3DUS → 3,585 张

TG3K 的规模数字不是「从医院图库里筛出来的」，而是「从 16 段视频里切出来的」——这条链条决定了它的量级上限：

1. 上游 32 个 DICOM：Wunderling et al. 2017 公开的 thyroid.zip 含 data/D01-D16.dcm（16 个 3D 超声体数据）+ groundtruth/D01-D16.dcm（16 个对应真值），即 16 段 3DUS 记录、每段配一份腺体 ground truth。这是 TG3K 的全部原料来源。
2. 按帧切开：把每段三维体数据沿深度方向切成二维切片，逐帧考察。
3. 6% 面积阈值筛选：逐帧计算甲状腺腺体面积占整图比例，只保留比例 > 0.06（6%）的帧——即腺体足够大、足够清晰的切片。这个阈值的作用是剔除那些腺体只露出一角、甚至完全不可见的边界帧，避免把「看不到腺体」的负样本混进腺体分割训练。
4. 转 JPG + 配掩码：保留帧从三维体数据转成二维灰度 JPG，与同名掩码成对写出。

这条漏斗的含义有两点必须正视：

• 规模锁死。16 段视频决定了上限——即使 6% 阈值放得再宽，总帧数也就几千张量级。TG3K 不可能像「从 30,000 张医院图库筛选」的 TN3K 那样扩到更大规模，这是它「类别稀缺而非规模稀缺」（§0.1）的结构性原因。
• 筛选是空间性的，不是语义性的。6% 阈值筛的是「腺体在画面里够大」，而不是「有结节」或「有病灶」——这与 TN3K「至少含 1 个结节」的纳入标准方向完全不同，也再次说明两个数据集采集动机各异（§2.9）。

2.3 图像与掩码规格：同名对应的分发结构

官方打包（与 TN3K 同包）的 TG3K 结构：

tg3k/
├── thyroid-image/       # 3,585 张腺体超声图（.jpg，0000.jpg 起编号）
├── thyroid-mask/        # 3,585 张对应腺体掩码（.jpg，0/1 二值）
└── tg3k-trainval.json   # 文件列表（官方不设固定 train/test 划分）

对应关系按文件名同名匹配：thyroid-image/xxxx.jpg 的掩码是 thyroid-mask/xxxx.jpg，列表在 tg3k-trainval.json。这个设计与 TN3K 的 trainval-image/ + trainval-mask/ 完全同构，只是目录名前缀换成了 thyroid-。三点工程提示：

1. 掩码以 JPG 有损格式分发。与 TN3K 的掩码问题相同：平坦区域（大片 0/1）几乎无损，但腺体边界可能出现 0-255 之间的灰度过渡值。严谨管线应在加载后重二值化（如 >127 归 1），并把这一步写进预处理文档（附录 F）。
2. 没有 label CSV、没有 fold json。TG3K 没有分类标签（那是 TN3K/TNCD 的事），也没有官方交叉验证划分——只有 tg3k-trainval.json 一个文件列表。这意味着任何在 TG3K 上报的「test 分数」都建立在自造划分之上（§5）。
3. 腺体掩码是单目标区域。甲状腺腺体（左叶+右叶+峡部）在超声切面里通常表现为连成一片或不完全连通的整体，与 TN3K「逐结节独立连通、多结节约 9%」的拓扑完全不同——TG3K 掩码的多连通域更多是切面几何的结果，而非「多个目标」。

2.4 上游与下游的区分：DICOM 不等于 JPG 抽帧（坑 5）

TG3K 条目里最容易混淆的一对概念，是上游原始数据和 TG3K 本身：

维度	上游 Wunderling 2017（KIT OpenCAS）	TG3K（Gong 团队派生）
对象	32 个 DICOM（16 体数据 + 16 真值）	3,585 张 2D JPG + 掩码
维度	三维体数据（含深度）	二维切片（抽帧）
标注方式	半自动生成 + ground truth 校对	完全继承上游，未重新标注
许可	OpenCAS 声明 CC BY-NC-SA 3.0	官方未单独声明（上游口径最接近）
获取	archive.iar.kit.edu/opencas/data/thyroid.zip（432,315,445 字节，last-modified 2017-02-08）	百度网盘/GDrive（与 TN3K 同包）
用途	三维腺体分割研究	二维腺体先验监督源

两者不是同一件东西：如果你想要的是「带电磁定位的三维体数据」，要去 KIT archive 抓上游；如果你想要的是「即拿即用的二维腺体分割图」，用的是 TG3K。把上游 KIT 的 thyroid.zip 误当作 TG3K 下载物（或反之）会导致格式、维度、字段结构全错位（坑 5）。

2.5 采集与合规：上游伦理由 Wunderling 承担

TG3K 本身是一个二次派生数据集，它没有自己的采集行为——所有图像来自 Wunderling et al. 2017 已公开发表的记录。这带来一个许可链条上的关键事实：

• 伦理与知情同意在上游。Wunderling 2017 的数据是公开可获取的三维超声记录（KIT OpenCAS 库），采集时的伦理批准与知情同意属于马格德堡大学团队的责任范围。Gong 团队的工作是「使用已公开的开放数据做二次加工」，而非重新接触患者。
• 许可同样继承上游。TG3K 官方未单独声明数据许可，但其上游 OpenCAS 库明确声明 CC BY-NC-SA 3.0（署名-非商业性使用-相同方式共享）。作为上游的衍生抽帧，TG3K 承继这一限制的合理性最高（§6.3）。
• 「相同方式共享」（SA）条款的传导性。这是 TG3K 比 TN3K 多出的一层约束：CC BY-NC-SA 的 ShareAlike 要求衍生作品以相同许可发布——若你在 TG3K 基础上再构建衍生集并分发，理论上有义务沿用 CC BY-NC-SA。这一条在 TN3K 那边没有（TN3K 上游是医院自采、无 OpenCAS 式的公开许可条款），是 TG3K 独有的合规注意点。

2.6 与 TN3K 的孪生对照

TG3K 与 TN3K 的对照是本条目的理解主轴，逐项列出：

维度	TG3K（本条目）	TN3K（库内 rid 822）
任务	腺体（gland）二值分割	结节（nodule）二值分割 + 良恶性分类
规模	3,585 张	3,493 张 / 2,421 患者
掩码对象	甲状腺腺体区域	结节区域（逐结节独立连通）
来源	Wunderling 2017 的 16 段 3DUS 抽帧	南方医科大学珠江医院自采多设备图库
标注	继承上游半自动 + ground truth 校对	志愿者初标 + 影像科医师确认 + 高年资医师终审
官方划分	无（仅 trainval json 列表）	trainval 2,879 / test 614 + 五折 json
官方基准	无（只作训练数据）	Table 3 九方法×六指标
许可上游	OpenCAS CC BY-NC-SA 3.0	医院自采、无公开许可条款
在 TRFE+ 里	腺体分支监督源	结节分支主任务数据
官网/HF	无 HF 镜像（401）	有 HF 快照（不完整，1,228 行）

一句话记忆：同一篇论文的两个半身——TN3K 管「结节在哪」，TG3K 管「腺体在哪」，合起来才是 TRFE+ 的完整训练集（混合口径 4,606，§4.4）。检索层面两者常被混淆（尤其任务被写反），本条目 §9 与坑 1 专门处理这一风险。

2.7 分辨率双口径存照

TG3K 的图像尺寸在两套来源之间不完全一致，引用时需注意口径：

口径	数值	来源
区间 A	约 277×284 至 316×333	arXiv:2512.15066（MWNet 论文）
区间 B	min 234×178 / median 258×194 / max 325×193	openmedlab 数据集页统计栏

两套区间不完全重合（区间 A 的下界 277×284 高于区间 B 的 median，区间 B 的 min 234×178 又明显更小）。可能的解释是统计口径不同（如是否含个别极端帧、是否按不同子集统计），但无一手来源澄清，本条目并列存照（§9）。实践含义：做固定尺寸 resize 的管线（如 TRFE+ 官方 224×224）不受影响；但如果你要按原尺寸做分辨率分层分析，必须先核对你拿到的包与哪个口径吻合。

2.8 分布画像与未知项

统计维度	数值/状态	来源
来源视频段数	16 段	论文 §3
每段平均帧数	约 224（3,585/16，由总量推算）	由总量推算
筛选阈值	腺体面积占比 > 0.06	论文 §3
分辨率	双口径（见 §2.7）	arXiv + openmedlab
腺体面积占比分布	未公开（只公布阈值下界）	—
患者例数	未公开（论文只交代视频段数）	—
设备型号占比	单一设备（GE Logiq E9 XDclear 2.0），无分布问题	Wunderling 2017

两个必须正视的「未公开」：

• 患者例数未知。论文只说不低于 16 段视频，未交代这些记录来自多少位患者。这意味着无法做「患者级去重」或「患者级划分」——TG3K 的可分析单元是「视频段」而非「患者」。第三方论文按视频级 12/2/2 划分，正是绕开这一信息缺失的务实做法（§5）。
• 腺体面积占比分布未知。论文给了筛选阈值（>0.06）但没给保留帧的面积占比分布。这意味着「剩余样本的腺体尺度构成」无法从文档推断，只能自行统计——做尺度敏感实验（如先验在大腺体 vs 小腺体上的差异）时需要自行从掩码计算。

2.9 一个常被忽略的方法学细节：为什么是「抽帧」而不是「选图」

TG3K 采用抽帧（frame extraction）而非跨患者选图，这个选择在方法学上有明确后果：

1. 帧间高度相关。同一段视频的相邻帧共享大量像素——腺体位置、形态、回声几乎连续。若把 3,585 张抽帧当作 3,585 个独立样本随机划分 train/test，会造成严重的帧级泄漏：训练集里的帧和测试集里的帧可能只隔几毫秒，模型只需记住「这个患者这个视角长这样」。这就是为什么第三方论文要么按视频级划分（12/2/2，整段进出），要么谨慎声明划分口径。
2. 6% 阈值是「可见性」过滤而非「多样性」过滤。它剔除的是腺体不可见的帧，保留帧之间仍可能高度冗余。TG3K 的「有效多样性」远低于 3,585 这个名义数字——这是与 TN3K「同视角仅留 1 张代表图」去冗余设计的关键差异。
3. 对使用者最实际的启示：若你的实验把 TG3K 用于评测（而非训练），必须按视频段划分，绝不能按帧随机划分。官方只给 tg3k-trainval.json 列表、不给划分，恰恰把这个责任留给了使用者（§10 坑 4）。

2.10 与库内超声分割数据集的横向对照

把 TG3K 放进库内超声分割家族里，它的独特位置一目了然：

数据集	器官/目标	规模量级	标注形态	官方协议	独特定位
TG3K（本条目）	甲状腺腺体	3,585 帧（16 段视频）	二值腺体掩码	无（仅列表）	唯一公开的甲状腺腺体像素级分割集
tn3k（rid 822）	甲状腺结节	3,493 图	结节掩码+良恶性	trainval/test+五折	甲状腺结节分割基准
ddti（rid 536）	甲状腺结节	637 图	结节掩码	自定义	先行者+外部测试集
busi（rid 539）	乳腺病灶	数百张级	掩码+三分类	自定义	超声病灶+分类双标签
us-nerve-seg（rid 537）	臂丛神经	数百张级	二值掩码	自定义	先验器官难分割的边界案例
acouslic-ai（rid 691）	腹部多结构	多器官多结构	多类掩码	官方挑战赛	多先验并行泛化形态
tus-rec（rid 670）	甲状腺录像	—	重建任务	—	同腺体、不同任务

从这张表读出的两个定位：

1. 「腺体」这个类别在库内是独一份。其余条目全部围绕「病灶/病灶样结构」（结节、乳腺病灶、神经），TG3K 是唯一以「正常解剖结构本身」为分割对象的数据集——这正是它作为先验监督源的类别价值（§0.1）。
2. 官方协议完备度上 TG3K 垫底（无划分、无基准、无 CSV），这是「辅助训练集」定位的自然结果，不是缺陷——把它当评测集才是误用。

§3 标注体系：一次「借用」而非「重标」

3.1 标注链条：继承上游的半自动真值

TG3K 的标注来源与 TN3K 的三层人力流水线（志愿者→影像科医师→高年资医师）完全不同，它是完全继承上游的：

环节	执行方	工作内容
上游标注	Otto-von-Guericke University Magdeburg（Wunderling et al. 2017）	三种半自动方法生成腺体分割（level set / graph cut / feature classification），并用 Dice 评估
真值校对	上游	groundtruth/D01-D16.dcm（半自动结果经校对形成真值）
抽帧与筛选	中山大学 Gong 团队	三维体数据切帧、按腺体面积占比 > 0.06 筛选
格式转换	中山大学 Gong 团队	转二维灰度 JPG + 同名掩码

关键结论：Gong 团队没有对腺体做任何重新勾画或人工修正。TG3K 的掩码质量上限，就是 2017 年那批半自动标注的质量上限。这一点在评估与复现时必须写清——引用「TG3K 是像素级人工标注」是错的。

3.2 半自动标注意味着什么

Wunderling 2017 用三种方法（水平集、图割、特征分类）生成腺体分割，这在当时的超声分割文献里是常见做法。它的质量特征与人工标注不同：

1. 一致性可能更高、临床直觉可能更弱。半自动方法对同一解剖结构的勾画往往比人工更「稳定」（不受标注者当日状态影响），但也可能系统性地偏向算法假设的形状先验（如平滑边界），而偏离临床医师眼中真实的腺体边界。
2. 边界质量的方法依赖性。三种方法各自的失败模式不同——水平集对弱边界敏感、图割受初始种子影响、特征分类依赖特征工程。TG3K 用的是其中哪种（或哪种的组合）作为最终真值，论文未逐一说明，这是标注侧的盲区。
3. 没有标注者间一致性指标（如标注者间 Dice）。论文未公布半自动结果与真值之间的一致性数字，复现者无法直接核验标注质量的绝对水平——与 TN3K「未公布标注者间 Dice」的盲区同构。

对使用者的实际含义：TG3K 适合做「先验监督」而非「标注质量研究」。作为腺体位置的大致监督（先验只需要告诉网络「甲状腺在哪一片」），半自动真值完全够用；但若你要研究腺体边界的精细结构（如腺体体积测量、边界形态学），需要意识到这份真值本身带有上游算法的系统偏差。

3.3 任务误标：本条目最重要的辨析点（坑 1）

围绕 TG3K 传播最广、危害最大的一条错误信息，是把它标注为结节分割数据集。这个误标的来源与表现：

误标来源	具体表现
openmedlab 数据集页	任务栏写「Segmentation Thyroid Nodule」，与其自身文字描述同错
部分第三方论文（如 PM-DUnet）	把 TG3K 描述为结节分割数据集
少数论文的实证误用	直接把 TG3K 的腺体掩码当作结节真值训练/评估

事实是：TG3K 的掩码只有一个语义类别——甲状腺腺体区域。它不含任何结节边界。结节掩码在 TN3K 里。把 TG3K 当结节分割集，会产生两类后果：其一，训练目标错位（网络学的是「找腺体」，你以为是「找结节」）；其二，评估分数无意义（用腺体掩码当结节真值算出的 Dice，度量的是腺体分割质量，不是结节分割质量）。

为什么这个误标特别危险：TG3K 与 TN3K 同包分发、同仓库、同论文，两者在检索结果里总是相邻出现。一个不仔细的引用者看到「TG3K 3,585 张甲状腺超声分割数据集」，很容易默认它与 TN3K 同类（结节）。辨析口诀：TN3K=T-Nodule，TG3K=T-Gland——名字里的字母就是任务（§9、坑 1）。

3.4 标注体系与 TN3K 的工艺对照

数据	标注者结构	确认模式	标注性质
TG3K	上游半自动（3 种算法）+ 真值校对	无人工全量确认	半自动派生
TN3K	志愿者+影像科医师+高年资医师	全量确认+疑难终审	人力流水线
DDTI	影像科专家	专家直标	专家人工
BUSI	放射科医师	专家直标+多医师	专家人工

TG3K 在这张光谱上的位置很特殊：它是唯一标注不是本数据集原生产出的条目——它借用了另一批公开发表数据的标注。这既是它的效率（低成本复用），也是它的边界（质量受制于人、无独立质控记录）。对方法研究者是一个正面示范（§8.4），对数据质量研究者则是一个需要存照的局限。

3.5 标签的时效性与不可更新性

TG3K 的标注是一次性继承、不随版本更新的：

• 上游 Wunderling 2017 的记录已固定（KIT archive 的 thyroid.zip，last-modified 2017-02-08），不会再有新标注。
• Gong 团队的抽帧与筛选也是一次性工作，随 CBM 论文发布后未见过修正记录。
• GitHub 仓库无 tag/release 体系，数据以「单一当前版本」分发。

这意味着若上游半自动标注后来被发现有系统性偏差，TG3K 不会有勘误版本——使用者在版本锚点上应引用论文 DOI（而非仓库状态），并注明下载时间（§6.4）。

§4 方法与先验角色：TG3K 是为谁而生的

4.1 问题的根源：结节难定位，腺体好定位

TRFE 系列方法的核心洞察，是甲状腺超声分割里存在一种尺度与语义的不对称：

• 结节：相对整图占比小、边界模糊、回声与周边组织接近——定位难、分割难。
• 腺体：面积大、解剖位置高度稳定（颈部、左右两叶+峡部）、边界相对清晰——定位易、分割易。

如果在结节分割时没有任何空间约束，模型会满图搜索结节，容易把腺体内的高回声结构或腺体外组织误判为结节。TRFE 的想法是：用一个容易的子任务（腺体分割）显式地编码「甲状腺在哪」，再把这份空间先验注入难任务（结节分割）。要训这个腺体子任务，就需要腺体像素级真值——TG3K 就是那份真值。

这个先验在临床上完全对应真实工作流：超声医师先确认甲状腺腺体范围（定位器官），再在腺体内排查结节（搜索病灶）。腺体解剖位置的跨患者稳定性，使它成为比「结节」可靠得多的空间锚点。

4.2 TRFE-Net（ISBI 2021）：先验思想的初代

前作论文（Gong H, et al. Multi-Task Learning For Thyroid Nodule Segmentation With Thyroid Region Prior. ISBI 2021, pp 257-261, doi:10.1109/ISBI48211.2021.9434087）确立了「多任务 + 腺体区域先验」的方法路线：结节分割与腺体分割双分支共享编码器，腺体分支学到的特征经 RPG（Region Prior Guidance）模块引导结节分支。

值得注意的是，TG3K 在前作中并未出现——ISBI 2021 的腺体监督来源未见披露。TG3K 作为独立的腺体数据集，是随 CBM 2022 定稿版才正式交代其构造（16 段视频抽帧 + 6% 筛选）的。这个时间顺序说明：TG3K 是「为了让 TRFE+ 的三任务框架有腺体监督可用」而整理发布的数据资产，方法需求在前、数据整理在后（§0）。

4.3 TRFE+（CBM 2022）：TG3K 在框架中的确切位置

主论文（Gong H, Chen J, Chen G, Li H, Li G, Chen F. Thyroid Region Prior Guided Attention for Ultrasound Segmentation of Thyroid Nodules. Computers in Biology and Medicine, vol 155:106389）把框架升级为共享编码器 + 三个独立解码器：

1. 腺体分割分支（gland branch）——监督数据来自 TG3K；
2. 结节分割分支（nodule branch）——监督数据来自 TN3K；
3. 结节大小预测分支（SPT，size prediction task）——回归结节面积占比。

TG3K 在这个框架里的角色是第一分支的监督源。论文 §4.1 原文描述训练方式：「we select one image from each of the TN3K and TG3K dataset to form a mini-batch」——即每个 mini-batch 从 TN3K 和 TG3K 各取一张图组成。这条描述有两个重要推论：

1. 混合批训练是刻意的域混合。批内同时含结节图和腺体图，来自不同来源、不同设备、不同分布——这直接导致批统计量不稳定，是论文用 GroupNorm 替代 BatchNorm 的动因（§4.5、§8.2）。
2. TG3K 的图不进入结节分支的监督。TG3K 的图像与掩码只喂给腺体分支；它们在结节分割的 train/test 集里不出现。所以 TG3K 对 TN3K 分数的影响是「通过共享编码器的特征」间接发生的，不是通过数据泄漏（§4.4）。

4.4 混合训练集的 4,606 口径与算术陷阱（坑 6）

CBM 论文原文：「combine the training set of TN3K with the 2,303 images from TG3K dataset to form a hybridized training dataset that contains 4606 images」——即腺体分支的混合训练集是 4,606 张。

这个数字的算术必须按五折语境解读：

• 4,606 = 2,303（TN3K 单折训练集）+ 2,303（TG3K 取的 2,303 张）。
• 若误把「TN3K training set」读成 trainval 全量 2,879，会得到 2,879 + 2,303 = 5,182 的矛盾数——这是错的。
• 关键点：TG3K 侧也是 2,303 张（不是全量 3,585）——论文为了让腺体分支与结节分支在单折训练里数量对等，从 TG3K 里取了与 TN3K 单折训练集等量的 2,303 张。

这个细节揭示了 TG3K 在框架里的实际使用方式：它不是全量投入，而是与 TN3K 单折训练集等量抽取、配对使用。引用复现配置时照原文复述 4,606 与其构成，不要自行换算成全量口径（§10 坑 6）。

4.5 为什么腺体先验能提升结节分割：机制拆解

TG3K 的价值不在于它本身被评测，而在于腺体分支学到的特征如何帮助结节分支。CBM 论文用消融实验（Table 4）量化了这个过程，其中与腺体先验直接相关的两个模块：

1. ARPG（自适应腺体区域特征增强）。用腺体分支的预测生成区域先验，自适应地增强腺体区域内的特征、抑制腺体外背景。逻辑是「结节只会在腺体内出现」——TG3K 训练的腺体分支提供了这个「腺体内/外」的判断依据。ARPG 相对前作 RPG 的增量（+0.42pp）虽小，但优于同类位置先验模块 MGA（+0.25pp，Table 6）。
2. GroupNorm 的增益部分是混合批的产物。M0→M1（加 GN）带来全链最大单项增量 +2.04pp（p<0.05）。论文的解释是：batch 16 并不小（按 Wu & He 2018，此时 BN 本应更好），GN 却显著更优——唯一合理解释是 TN3K/TG3K 混合批内的跨域统计污染。TG3K 的存在（使批内混合了异源样本）正是这一结论的前提：如果只用 TN3K 单源训练，BN 与 GN 的差异未必如此显著（§8.2）。

这两个机制共同说明：TG3K 的贡献是间接的、通过多任务架构传导的——它本身不是评测对象，但缺少它，TRFE+ 的完整框架就跑不起来。

4.6 先验的边界：大结节是有害场景（方法学诚实）

CBM 论文里有一个反直觉但极重要的发现：大结节场景下腺体先验反而有害。机制是腺体分支可能把大结节区域误判为「腺体外」（因为大结节占据了腺体很大一块，半自动腺体标注可能有偏差），此时严格的空间门控会错误地抑制结节区域。

论文的对冲设计是 SPT（结节大小预测任务）：让编码器显式感知「结节多大」，在大结节时降低对腺体先验的依赖。Table 7 证实 SPT 对大结节（面积占比 >0.1）增益最大（IoU 77.4→78.7），小结节次之（66.1→66.3）。

对 TG3K 使用者的含义：腺体先验不是无条件有益的。如果你要用 TG3K 训练腺体分支做先验引导，必须检查大病灶子集的表现——先验在大目标上可能反噬主任务。这个「先验失效模式 + 对冲任务」的配对设计，是 TG3K 所属方法论文最有迁移价值的一页（§8.3）。

4.7 TG3K 作为数据资产的复用哲学

TG3K 的产生方式本身就是一个方法学示范。论文 Conclusion 的一个论点常被忽略：TRFE+ 是「首个成功利用独立标注的结节与腺体数据」的工作——TN3K（医院自采、三层人工标注、结节任务）与 TG3K（上游公开、半自动标注、腺体任务）来自完全不同的来源，却能在共享编码器里互相成就。

更深一层：TG3K 连采集都不是自己的。它复用了 Wunderling 2017 已公开发表的三维超声记录，只做了「抽帧 + 面积筛选 + 转格式」三件事，就把一份 2017 年的三维腺体分割数据，变成了 2022 年多任务方法的先验监督源。这对医学 AI 的数据经济学是重要启示：先验监督源不必是新采集的，公开资产的二次加工就能支撑方法创新——前提是清楚其质量口径（半自动）与许可约束（CC BY-NC-SA 3.0）都继承自上游（§6.3、§8.4）。

§5 评估与基准：一个没有基准表的数据集

5.1 为什么 TG3K 没有官方基准

TN3K 有完整的官方基准（Table 3 九方法×六指标），TG3K 却一张评测表都没有。这不是疏漏，而是由它的角色决定的：

1. TG3K 只作训练数据。CBM 论文的全部评估都在 TN3K test（614 张）与 DDTI 外部测试（637 张）上做，TG3K 的图从不进入评测环节——它只喂给腺体分支。
2. 没有独立测试划分。官方只给 tg3k-trainval.json 一个文件列表，连 train/val 的固定切分都没有，自然无从谈「官方 test 分数」。
3. 腺体分割不是论文的主任务。论文的主线是「结节分割」，腺体分支是手段不是目的——官方没有动机为它建立基准表。

因此，任何在 TG3K 上报出的分割分数都是第三方自定义协议的产物，不是「TG3K 官方基准」。引用 TG3K 成绩时，务必注明划分口径（§5.2）。

5.2 第三方评估登记（非官方，数字不可横向比较）

检索期见到的第三方在 TG3K 上的评估（截至 2026-10-07）：

工作	任务归属	划分口径	备注
ThyCLIPNet（arXiv:2610.04743）	结节分割（任务借用）	2,868 train / 358 val / 359 test	把 TG3K 当结节分割集评估（§9 存照任务误标）
MWNet（arXiv:2512.15066）	腺体分割	按视频 12 / 2 / 2	报告 DSC / IoU / MAE，MWNet 最优
PM-DUnet（PLOS ONE，doi 10.1371/journal.pone.0353684）	结节分割（任务借用）	8:1:1 患者级划分	同属 TG3K 任务误用（§3.3）

三条警告：

1. 划分口径互不相同。2,868/358/359（帧级随机）与 12/2/2（视频级）的分数完全不可比——前者存在帧级泄漏风险（§2.9），后者的评测更严格。
2. 任务归属不一致。ThyCLIPNet 与 PM-DUnet 把 TG3K 当结节分割集用，其分数度量的是「用腺体掩码当结节真值」的结果，与腺体分割任务无关——这类数字不宜作为「TG3K 腺体分割性能」引用。
3. 无公认 SOTA 榜。因官方无 test 划分，TG3K 上不存在类似「TN3K SOTA Dice 84.24」那样的权威标杆，跨论文数字汇总时须逐条注明协议。

5.3 腺体分支的消融证据（间接评估）

虽然 TG3K 本身不被评测，但腺体先验对结节分割的贡献有官方消融数字支撑（Table 4，TN3K test 五折均值，仅 IoU）：

配置	ARPG	GN	SPT	R	IoU
MTNet（vanilla 双分支多任务）					68.03±0.41
TRFE（MTNet+前作 RPG）					68.19±0.43
TRFE-M0	✓				68.61±0.45
TRFE-M1	✓	✓			70.65±0.51
TRFE-M2	✓	✓	✓		71.11±0.34
TRFE+	✓	✓	✓	✓	71.38±0.43

读法（与 TG3K 相关的部分）：

1. ARPG（TRFE→M0，+0.42pp）是腺体先验的显式贡献——它用腺体分支的预测做区域门控，直接量化了「TG3K 训练的腺体分支」的价值。
2. GN 的 +2.04pp 增益以混合批为前提——批内 TN3K/TG3K 混合是该结论的必要条件（§4.5、§8.2）。
3. SPT 对冲先验失效（M1→M2，+0.46pp）——承认腺体先验在大结节场景有害（§4.6）。

结论：评估 TG3K 的正确姿势，不是问「TG3K 上 Dice 多少」，而是问「用了 TG3K 的腺体先验后，结节分割提升了多少」——后者才是它的设计目的。

5.4 复现含 TG3K 的实验：最小验证清单

想复现 TRFE+ 的完整框架（含腺体分支）时，围绕 TG3K 的检查点：

1. 规模校验：thyroid-image/ 与 thyroid-mask/ 各 3,585 个文件、同名对应（数量不对=下载不完整）。
2. 混合集口径：腺体分支训练取 2,303 张（与 TN3K 单折训练集等量），不是全量 3,585（§4.4）。
3. mini-batch 构成：每个 batch 从 TN3K 与 TG3K 各取一张（论文 §4.1 原文），这是 GN 增益的前提。
4. 掩码重二值化：TG3K 掩码为 JPG 有损，加载后 >127 归 1（附录 F）。
5. 任务校验：确认你的腺体分支用的是腺体掩码、结节分支用的是 TN3K 结节掩码——别把两者搞反（§3.3 坑 1）。

5.5 指标口径：腺体分割该看什么

若你确实要用 TG3K 做腺体分割评测（第三方场景），建议的指标与理由：

指标	说明	适用性
Dice / IoU	区域重叠主指标	腺体是大目标，Dice 天然偏高（90%+），区分度低于结节任务
HD95	边界质量	腺体边界受半自动标注算法平滑影响，HD95 需谨慎解读（§3.2）
面积误差（AE/MAE）	腺体面积占比误差	MWNet 采用；对大结构的分割比像素级 Dice 更贴近临床量测需求

一个口径提醒：腺体是大目标，全背景预测（全判非腺体）的 Dice 不会像结节目标那样接近 0（因为腺体占比大），但「把腺体切成两半」式的粗分割就能拿到不错的 Dice——腺体分割的 Dice 高不必然代表边界质量好，需配合 HD95 或面积误差一起看。

§6 获取与许可：与 TN3K 共用一套通道

6.1 获取渠道（无 TG3K 专属链接）

TG3K 没有独立的下载入口——它与 TN3K 共用一个 GitHub 仓库、一个网盘包、一个 GDrive 文件：

渠道	入口	性质	注意
百度网盘	pan.baidu.com/s/1byqO5sBlt6OQdOxC4-SYng（提取码 trfe）	官方主渠道（GitHub README 指引，TN3K+TG3K 同包）	海外访问不便
Google Drive	drive.google.com/file/d/1reHyY5eTZ5uePXMVMzFOq5j3eFOSp50F/view	官方海外渠道	单文件分发
HuggingFace	无（haifan-gong/TG3K → 401 Not Found）	—	与 TN3K 有 HF 快照形成对照（坑 2）
百度 AI Studio	aistudio.baidu.com/datasetdetail/289158	第三方镜像	涵盖 TN3K，版本时效无承诺

代码渠道独立：GitHub haifangong/TRFE-Net-for-thyroid-nodule-segmentation（仓库标题写 TRFE-Plus，MIT 许可）——TG3K 的获取指引就写在这个仓库的 README 里。

关键提醒：下载 TN3K+TG3K 同包后，要主动确认 tg3k/ 子目录存在且 thyroid-image/ 有 3,585 个文件——同包分发意味着有人只解压了 TN3K 部分就以为得到了全部（§10 坑 2）。

6.2 版本链与分发形态

• ISBI 2021 初代：TRFE-Net 发布，未见 TG3K 披露。
• CBM 2022/2023 定稿版：TG3K 作为腺体先验正式随文发布（16 段视频抽帧 + 6% 筛选的构造说明首次出现）。
• 无版本号体系：GitHub 仓库无 tag/release，单一当前版本。引用以论文 DOI 为版本锚点。
• 分发内容：tg3k/thyroid-image/（3,585 张 JPG）+ tg3k/thyroid-mask/（3,585 张 JPG）+ tg3k-trainval.json。

6.3 许可三口径与主口径裁定（坑 3）

TG3K 的许可与 TN3K 一样是「官方沉默」，但多了一层上游约束：

口径	内容	来源	性质
① 代码 MIT	「This code is released under the MIT License」	GitHub LICENSE + README	一手，无争议（仅覆盖代码）
② 上游数据 CC BY-NC-SA 3.0	「All datasets are published under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License」	KIT OpenCAS 库声明（适用 Wunderling 2017 原始 3DUS）	最接近一手的口径（TG3K 为其衍生）
③ NIDUS 估 CC BY-NC 3.0	「CC BY-NC 3.0 (dataset; repository code is MIT)」	NIDUS ultrasound-open-access 清单（SonoDQS Bronze·Est）	第三方估计，标注 Est

本条目主口径裁定：

1. 代码 MIT（明确、一手）。
2. 数据许可官方未单独声明——Gong 团队在论文与 README 中均未给 TG3K 单独许可条款。
3. 上游 OpenCAS 声明 CC BY-NC-SA 3.0——TG3K 作为 Wunderling 2017 的衍生抽帧，承继该限制的合理性最高。这是 TG3K 相对 TN3K 多出的一层约束：NC（非商业）+ SA（相同方式共享）。

使用建议按场景：

• 学术研究 + 引用论文：低风险（官方预期用途）。
• 数据再分发 / 构建衍生集：需注意 SA 条款——CC BY-NC-SA 要求衍生作品沿用相同许可，再分发前建议联系通讯作者书面确认（与 TN3K 相比，TG3K 的 SA 传导是额外注意点）。
• 商用：不可默认可行——MIT 只覆盖代码；数据的商用授权无出处，且上游 NC 条款明确禁止商业使用。

联系渠道（与 TN3K 同团队）：通讯作者 Guanbin Li（liguanbin@mail.sysu.edu.cn，中山大学）与 Fei Chen（gzchenfei@126.com，珠江医院）。

6.4 渠道风险与镜像策略

渠道	主要风险	对策
百度网盘（主）	个人账号依赖；提取码失效无公告；海外访问不稳	下载后本地存档+校验文件数（3,585 对）
Google Drive	单文件链接可能因配额临时拒绝	与网盘互为备份；换时段重试
无 HF 渠道	无第三方托管备份，单点风险高于 TN3K	团队内自建私有镜像（注意 SA 条款，谨慎分发）
AI Studio（第三方）	版本时效无承诺；可能仅涵盖 TN3K	用前核对是否含 tg3k/ 子目录与 3,585 文件

对库内生产的含义：TG3K 的可持续性风险略高于 TN3K——TN3K 至少有 HF 快照作为（不完整的）备份，TG3K 连这个都没有。依赖 TG3K 的长期研究应在论文中注明下载日期与文件清单（附录 S 一致性锚点可用于校验）。

6.5 AI-Ready 评估

以库内 AI-Ready 检查单过一遍：

• 可发现性（D）：论文（CBM）+GitHub+openmedlab 三处入口；扣分项：名称与 TN3K 高度耦合、无独立官网、无独立论文，且 openmedlab 的任务误标会误导检索（§3.3）。
• 可获取性（A）：与 TN3K 共用网盘/GDrive 官方渠道；扣分项：无 HF 镜像（401）、无版本化存档、无独立入口。
• 互操作性（I）：JPG 图像 + JPG 掩码 + JSON 列表，格式零门槛；扣分项：掩码 JPG 有损（需重二值化）、无 DICOM/NIfTI、上游三维信息（深度）在抽帧后丢失。
• 元数据质量（M）：论文一段文字交代构造（来源/阈值/规模）+README 指引；扣分项：无患者数、无分辨率官方声明（双口径）、无独立 datacard、任务类型在第三方文档中被误标。
• 可持续性（S）：主渠道百度网盘 + 无 HF 备份 + GitHub 单仓库无 release——单点风险偏高；缓冲项：上游 KIT archive 公开（但那是 DICOM 非 JPG）。

综合评级「中等」：作为辅助监督源，其文档与可获得性够用；但作为独立数据集看，可发现性、可持续性与许可明确性均弱于 TN3K。DAIMS 评分全表见附录 B。

6.6 引用规范

• 用 TG3K 数据：引 CBM 论文（Gong et al., Thyroid Region Prior Guided Attention for Ultrasound Segmentation of Thyroid Nodules, Computers in Biology and Medicine 155:106389）——TG3K 没有独立论文可引。
• 用腺体先验方法：补引 ISBI 2021（doi:10.1109/ISBI48211.2021.9434087）。
• 用上游原始数据：另引 Wunderling et al. 2017（SPIE，16 段 3DUS 记录的来源）。
• 年份双口径（2022 版权页 / 2023 正式出刊）：选一个口径全文一致（坑 5）。BibTeX 见附录 Q。

§7 生态与影响：一个「配角」的生态位

7.1 姊妹集生态：一鱼三吃

同团队围绕「甲状腺超声 + 先验 + 分类」发布的三个资产：

资产	内容	规模	发布载体	独立条目
TN3K	结节分割 + 良恶性标签	3,493 图 / 2,421 患者	ISBI 2021 + CBM 论文	是（库内 rid 822）
TG3K	腺体分割掩码（先验监督源）	3,585 帧（16 段视频抽帧，腺体占比 >0.06）	CBM 论文 + GitHub 随 TN3K 分发	本条目
TNCD	良恶性分类（二元）	未公开精确张数	MICCAI 2022 ACL 论文（arXiv:2109.05159，仓库 chenghui-666/ACL）	否（依附）

三者的关系是任务分工：TG3K 管「腺体在哪」（先验），TN3K 管「结节在哪 + 良恶性」（主任务），TNCD 沉淀分类标签体系。检索层面的警示：TG3K 与 TNCD 都没有独立论文与独立 DOI，所有检索都应汇到 TRFE-Net 仓库与两篇论文——给它们单独立条目会造成引用分裂（§9）。

7.2 被引与影响力（通过主论文传导）

TG3K 没有独立的被引数——它依附 CBM 论文发布，自身被引并入该文统计。可参考的口径：CBM 主论文被引 243（Semantic Scholar，2026-10-04）——在这 243 次引用中，凡涉及 TRFE+ 复现或腺体先验方法的工作，都可能间接使用了 TG3K。TG3K 的影响力是「隐性」的：它很少被单独引用，但作为完整复现 TRFE+ 的必要组件被大量工作间接使用。

7.3 在甲状腺超声数据集景观中的位置

数据集	年份	规模	标注	角色定位
DDTI	2015	637	结节掩码	先行者 + 外部测试集
TN3K	2021/2022	3,493 / 2,421 患者	结节掩码 + 良恶性	结节分割基准
TG3K	2022	3,585	腺体掩码	腺体先验监督源（唯一）
TNCD	2022	未公开	良恶性分类	分类标签体系
库内 tus-rec（rid 670）	—	甲状腺超声录像	重建任务	同腺体、不同任务

TG3K 的位置：公开甲状腺超声资源里唯一提供腺体像素级分割的数据集。它没有覆盖的：独立官方划分、基准表、患者级元数据、DICOM 原始三维数据、结节标注（那是 TN3K）——这些是它的角色边界，不是缺陷。

7.4 对 TN3K 生态的支撑作用（反向依赖）

在 TN3K 出现之前，公开甲状腺资源（DDTI）只提供结节掩码；TN3K 出现后提供了更大规模的结节掩码 + 分类标签；而 TG3K 出现后，才有了「腺体先验」这一方法路线的完整数据源。这三者的关系不是竞争而是分层：DDTI/TN3K 提供「病灶在哪」，TG3K 提供「器官在哪」，合起来支撑「器官内病灶」的分割范式（§8.1）。

库内 tn3k（rid 822）与本条目（tg3k）构成甲状腺超声的**「结节-腺体」双子星**：检索任一都应提示另一个，因为完整理解 TRFE+ 必须两者都有。

7.5 后续使用的三个聚类

从检索到的后续工作看，TG3K 的使用方落在三个聚类，各有不同的「正确/错误用法」：

1. 复现 TRFE+ 聚类（正确用法）：把 TG3K 当腺体分支监督源，按 2,303 张混合训练，复现框架而非单训腺体分割器。
2. 任务误用聚类（需辨析）：把 TG3K 当结节分割集用（ThyCLIPNet、PM-DUnet 等）——源于 openmedlab 任务误标传播（§3.3）。引用时须辨明这是任务错配。
3. 数据工程聚类（合理但需谨慎）：用 TG3K 做腺体分割的域适应/半监督实验、或作为「器官-病灶分层」方法的先验标签源。正确用法：按视频段划分（避免帧级泄漏）、注明许可的 SA 传导（§6.3）。

三个聚类对条目维护的含义：聚类 1 决定 §4 的稳定；聚类 2 决定 §3.3/§9 存照的持续必要性；聚类 3 决定 §6.3 许可与 §2.9 泄漏风险的敏感度。

§8 方法学启示：四条可迁移的经验

8.1 「器官内病灶」的先验引导是通用模板

TN3K/TG3K/TRFE 系列把「先找器官、再找病灶」从临床直觉变成了可消融的方法学组件。它的成立三条件：

1. 器官位置稳定（甲状腺、肝、前列腺等）；
2. 先验器官可被稳定分割（有腺体标注源，如 TG3K）；
3. 目标病灶内生于器官（结节只出现在腺体内）。

满足这三条时，「器官分割分支 + 病灶分割分支 + 共享编码器」的模板普遍适用。TG3K 的示范价值在于：先验器官的标注源可以是「借用+再加工」的，不必重新采集（§8.4）。

8.2 混合批训练的归一化选择：GroupNorm 证据链

CBM 论文给出了一个比一般经验之谈强得多的 GN 证据：batch 16 并不小（按 Wu & He 2018 的原始场景 BN 应当更好），GN 却带来全链最大单项增量（+2.04pp，p<0.05）——唯一合理解释是 TN3K/TG3K 混合批内的跨域统计污染。外部测试（DDTI）上 TRFE+ 跌幅最小，与该解释自洽。

对做多中心/多设备混合训练团队的启示：当你的 batch 由异源样本构成时，GN（或 InstanceNorm）应当是默认项。BN 的问题不是「小 batch」，而是「混合域统计」——而 TG3K 与 TN3K 混合训练正是这一结论的实证场景。

8.3 先验有害的场景是方法论文的诚实贡献

「大结节时腺体先验有害」是论文里最有临床直觉价值的段落（§4.6）：腺体分支会把大结节误判为腺体外，先验反噬主任务；SPT（大小预测）作为对冲设计。这个「先验失效模式 + 对冲任务」的配对设计可以迁移到任何「引导分支」架构：给引导分支装一个「何时不可信」的传感器，比无脑加强引导更有效。

8.4 独立标注数据的复用哲学（TG3K 的核心启示）

论文 Conclusion 的论点：TRFE+ 是「首个成功利用独立标注的结节与腺体数据」的工作。更深一层是 TG3K 的产生方式本身——它连采集都不是自己的，复用了他人 2017 年已公开的三维超声记录。对医学 AI 数据经济学的启示：

1. 数据集不必在采集时就是「完美配对」的——独立标注的异源数据可以通过多任务架构复用。
2. 先验监督源不必是新采集的——公开资产的二次加工（抽帧+筛选+转格式）就能支撑方法创新。
3. 但必须清楚继承的约束——质量口径（半自动）、许可条款（CC BY-NC-SA 3.0）、版本冻结（上游不再更新）都随复用一起继承。

8.5 跨数据集的「角色定位」对照：三种数据集哲学

把 TG3K 放进库内同类条目的角色光谱：

哲学	代表	价值逻辑	局限
主任务数据集	TN3K、BUSI、DDTI	直接提供任务监督	需自建基准
辅助监督数据集	TG3K	为先验/多任务提供辅助监督	无官方评测，测不得
挑战赛数据集	acouslic-ai	统一协议+官方评测服务	灵活性低

TG3K 属于中间一类——它的价值在被使用，而不在被评测。这类数据集的条目写法（本条目）应重点解释「它在方法框架里的角色」而非「它的基准成绩」，这也是本条目 §4/§5 篇幅分配的依据。

§9 与库内条目的关系

9.1 家族图谱

• tn3k（rid 822）：直接姊妹集、首选强互链。同论文、同团队、同仓库、同下载包；TN3K=结节分割 / TG3K=腺体分割，互为先验。两篇同读才能拼出「甲状腺超声先验分割」的全貌。检索层面两者极易混淆（尤其任务互换），互链是防误标的第一道闸门。
• ddti（rid 536）：TN3K 论文的动机基线与外部测试集；甲状腺超声分割同域，域间隙讨论的对手方。
• busi（rid 539）：乳腺超声病灶分割，超声分割姊妹任务；标注工艺（专家直标）与 TG3K（上游半自动继承）形成对照。
• us-nerve-seg（rid 537）：超声神经分割；先验器官（神经）比甲状腺更难稳定分割——先验引导模板的边界案例。
• acouslic-ai（rid 691）：超声多结构分割；可视为「多先验并行」的泛化形态（多个器官/结构同时分割）。
• tus-rec（rid 670）：甲状腺超声录像重建；同腺体器官、不同任务（重建 vs 分割），采集形态（录像 vs 抽帧）对照——与 TG3K 的「视频抽帧」来源尤其相关。
• bus-bra（rid 760）：乳腺超声 BI-RADS，分级标签体系对照。
• maternal-ultrasound-nutrition（rid 615）：产科超声，扩大超声生态覆盖面。

9.2 检索路径建议

• 检索词组合：「TG3K」（精确）+「thyroid gland segmentation」/「TRFE-Net」/「TRFE+」/「Wunderling」；勿用「thyroid nodule」类词（会与 TN3K 混淆，且第三方任务误标加重噪音，坑 1）。
• 要拿数据：GitHub README → 百度网盘（提取码 trfe）/GDrive；下载后确认 tg3k/ 子目录与 3,585 对文件（坑 2）。
• 要复现 TRFE+：TN3K + TG3K + 官方代码 + 五折 json + §5.4 清单逐项核对。
• 要区分上游：需要三维 DICOM 去 KIT archive（archive.iar.kit.edu/opencas/data/thyroid.zip）；需要二维抽帧 JPG 去 TG3K 包——两者不是同一物（坑 5）。

§10 避坑清单：八个已踩过或易踩的坑

坑 1：TG3K 是腺体分割集，不是结节分割集。这是本条目最重要的辨析。TG3K 的掩码只有一个语义——甲状腺腺体区域，不含任何结节边界。openmedlab 数据集页任务栏写「Segmentation Thyroid Nodule」是该页自身的错误（与其文字描述同错），部分第三方论文（PM-DUnet 等）及少数误用工作沿用了这个错误。记忆口诀：T-Nodule=TN3K（结节），T-Gland=TG3K（腺体）；用错任务会让整个实验设计错位。

坑 2：TG3K 没有 HuggingFace 官方镜像。haifan-gong/TG3K 返回 401（不存在），而姊妹集 haifan-gong/TN3K 返回 200（存在但不完整）。这常被误以为「和 TN3K 一样有 HF 备份」。加上 TG3K 与 TN3K 同包分发，很多人只解压了 TN3K 部分就以为拿到了全部——务必确认下载包里含 tg3k/thyroid-image/ 且文件数为 3,585。

坑 3：代码 MIT ≠ 数据 MIT，且 TG3K 多一层 SA 约束。GitHub 代码 MIT（一手明确）；TG3K 数据许可官方未单独声明；上游 OpenCAS 明确声明 CC BY-NC-SA 3.0（作为衍生承继的合理性最高）。NIDUS 估 CC BY-NC 3.0（标 Est）为第三方估计。与 TN3K 相比，TG3K 多了 ShareAlike（相同方式共享） 条款——再分发衍生集时有义务沿用相同许可，这是 TN3K 没有的额外注意点。

坑 4：TG3K 无官方划分与基准，「TG3K test 分数」都是自造协议。官方只给 tg3k-trainval.json 列表，无固定 train/test、无基准表。第三方划分互不相同（ThyCLIPNet 2,868/358/359 帧级 vs MWNet 12/2/2 视频级），数字完全不可横向比较。尤其危险的是帧级随机划分——因抽帧的帧间高相关性会造成严重泄漏（§2.9），评测必须按视频段划分。

坑 5：上游 DICOM 不等于 TG3K 抽帧。KIT archive 的 thyroid.zip（432,315,445 字节，last-modified 2017-02-08）含 32 个 DICOM（16 体数据 + 16 真值），是 Wunderling 2017 的原始三维记录；TG3K 是在其上的二次派生二维抽帧 JPG。两者格式、维度、获取渠道全不同，不可混为一谈。要三维体数据去 KIT，要二维分割图用 TG3K。

坑 6：混合训练集 4,606 的口径。CBM 论文原文「combine the training set of TN3K with the 2,303 images from TG3K … 4606 images」。按五折语境解读：4,606 = TN3K 单折训练 2,303 + TG3K 取 2,303。若把「TN3K training set」读成 trainval 全量 2,879，会得到 5,182 的矛盾数。注意 TG3K 侧也是 2,303（不是全量 3,585）——照原文复述，勿自行换算。

坑 7：TG3K 的名称展开官方未定义。论文只写简称 TG3K，从未展开。字面推断为「Thyroid Gland 3K」（约三千张腺体图），但这是推断非官方。检索用「TG3K」精确匹配，别用任何展开式当主关键词。

坑 8：把 TG3K 当「可独立引用的数据集」。TG3K 无独立论文、无独立 DOI、无独立许可、无独立官网——它的全部记载依附于 CBM 论文一段文字与 TN3K 的仓库。引用必须汇到 CBM 论文（数据）与 ISBI 2021（方法）。给 TG3K 编造一个独立引用格式，会造成引用链断裂。同时注意「3,583」是 openmedlab 正文孤例（与同页表格 3,585 矛盾），规模一律用 3,585（坑 8 附条，与 §0.3 呼应）。

§11 总结

11.1 三句话总结

1. TG3K 是一个「甘当配角」的腺体分割数据集——3,585 张甲状腺腺体超声图配像素级二值掩码，由 Wunderling 2017 的 16 段三维超声视频抽帧、按腺体面积占比 >0.06 筛选而来，随 TN3K 主论文（CBM 2022）发布，无独立论文与许可。
2. 它的价值不在被评测，而在被使用：作为 TRFE+ 多任务框架里腺体区域先验分支的监督源，它让结节分割从「满图搜索小目标」升级为「先找腺体、再找结节」的两段式学习，ARPG 模块（+0.42pp）与 GN 增益（+2.04pp）都建立在使用它的基础上。
3. 使用前必须辨明三件事：任务（腺体非结节，坑 1）、渠道（无 HF 镜像、与 TN3K 同包，坑 2）、许可（代码 MIT、数据官方沉默、上游 CC BY-NC-SA 3.0 含 SA 约束，坑 3）——这三条任何一条搞错，实验或合规就会出问题。

11.2 适合谁

• 复现 TRFE+/TRFE-Net 的团队：需要腺体分支监督源——TG3K 是唯一公开选择。
• 先验引导/多任务分割方法研究者：器官-病灶双分支架构的现成数据底座。
• 医学数据工程研究者：公开资产二次加工（上游 3DUS → 下游 2D 抽帧）的典型案例。
• 域适应研究者：TN3K/TG3K 混合批训练 + GroupNorm 的对照实验场。

11.3 不适合谁

• 需要结节掩码或结节分割基准的项目——那是 TN3K，不是 TG3K（坑 1）。
• 需要官方划分/官方基准做公平比较的项目——TG3K 两者都没有（坑 4）。
• 需要 DICOM 原始数据/三维体数据的项目——分发为二维 JPG 抽帧，去 KIT archive 找上游（坑 5）。
• 商用项目——上游 CC BY-NC-SA 3.0 明确非商业，且 SA 约束衍生分发（坑 3）。

11.4 30 秒决策卡

你的情况	行动
要复现 TRFE+	下载 TN3K+TG3K 同包 → 确认 tg3k/ 含 3,585 对文件 → 腺体分支取 2,303 张混合训练
要训练腺体分割器	用 TG3K，但按视频段划分（12/2/2 或自定义），勿帧级随机划分（坑 4）
在 HF 上找 TG3K	找不到——无 HF 镜像（401），换百度网盘/GDrive（坑 2）
想拿三维超声记录	你要的是上游 KIT archive 的 thyroid.zip，不是 TG3K（坑 5）
要与 TN3K 对比	两者任务不同（腺体 vs 结节），指标不可混比（坑 1）
要商用/再分发	读坑 3——上游 NC+SA 约束，先联系通讯作者书面确认
要引用 TG3K	引 CBM 论文（无独立论文），附录 Q BibTeX

FAQ（高频问答 40 问）

A. 基础认知

Q1：TG3K 名字什么意思？
官方论文从未展开。字面推断为「Thyroid Gland 3K」（约三千张腺体图，实际 3,585）。注意与姊妹集 TN3K（Thyroid Nodule 3K，结节）区分——TG3K 的 G 是 Gland（腺体），TN3K 的 N 是 Nodule（结节），名字里的字母就是任务（坑 1、坑 7）。

Q2：它和 TN3K 是什么关系？
孪生姊妹集：同一篇论文（CBM 2022）、同一团队、同一 GitHub 仓库、同一个下载包。TN3K 管结节分割（并提供良恶性标签），TG3K 管腺体分割（先验监督源）。两者在 TRFE+ 里用一个共享编码器、混合批训练。概念独立、发布绑定——用 TG3K 不必用 TN3K，但复现 TRFE+ 必须两者都有。

Q3：它和 TRFE-Net/TRFE+ 是什么关系？
TRFE-Net（ISBI 2021 初代）/TRFE+（CBM 2022 升级版）是发布团队配套的分割方法，TG3K 是 TRFE+ 腺体分支的监督数据。数据与方法绑定发布但概念独立：TG3K 的使命就是让腺体分支能训起来。

Q4：TG3K 是原创采集的吗？
不是。它的原料来自 Wunderling et al. 2017 公开发表的 16 段三维超声记录（德国马格德堡大学，KIT OpenCAS 库）。中山大学团队做的是抽帧 + 按 6% 腺体面积阈值筛选 + 转 JPG，没有重新采集，也没有重新标注腺体（坑 5）。

Q5：谁标注的？
没有重新标注。真值完全继承上游 Wunderling 2017——那批数据用三种半自动方法（level set / graph cut / feature classification）生成腺体分割。所以 TG3K 的标注质量口径是「上游半自动 + ground truth 校对」，不是「像素级人工重标」（§3.1）。

Q6：发布时它的稀缺性在哪？
它填的是一个空白类别：公开的甲状腺腺体像素级分割数据。在它出现前，公开甲状腺超声资源几乎都围绕结节（DDTI 637、TN3K 3,493），而「腺体在哪里」这个对先验引导方法至关重要的监督信号没有公开数据集提供。它填空白的方式是复用上游已标注的三维记录——所以是「类别稀缺」而非「规模稀缺」。

Q7：它有什么局限？
论文未自曝局限（TG3K 只在一段文字里被交代）；从数据本身看：无官方划分与基准、无 HF 镜像、无患者级元数据、无独立许可、分辨率双口径、标注为上游半自动继承、抽帧存在帧间相关性。第三方文档还有任务误标（坑 1）。

B. 数据与获取

Q8：去哪下？
与 TN3K 共用通道：百度网盘（pan.baidu.com/s/1byqO5sBlt6OQdOxC4-SYng，提取码 trfe，官方主渠道）或 Google Drive（drive.google.com/file/d/1reHyY5eTZ5uePXMVMzFOq5j3eFOSp50F）。没有 TG3K 专属链接，下载后要确认包里含 tg3k/ 子目录。

Q9：TG3K 有 HuggingFace 镜像吗？
没有。haifan-gong/TG3K 返回 401（不存在），姊妹集 haifan-gong/TN3K 返回 200（存在但不完整）。别以为和 TN3K 一样有 HF 备份（坑 2）。

Q10：下载后怎么确认拿全了？
tg3k/thyroid-image/ 与 tg3k/thyroid-mask/ 各应有 3,585 个 JPG 文件且同名一一对应，另有 tg3k-trainval.json。数量不对=下载不完整或只解压了 TN3K 部分（坑 2）。

Q11：图像是什么格式？是 DICOM 吗？
二维灰度 JPG（已去除非超声区域），不是 DICOM。原始三维体数据是 DICOM，但那是上游 KIT archive 的东西，不是 TG3K 分发物（坑 5）。

Q12：掩码怎么加载？要注意什么？
语义上二值（0=背景/1=腺体），但以 JPG 有损格式分发，边界可能出现灰度过渡值。加载后应重二值化（如 >127 归 1），写进预处理文档（附录 F）。

Q13：TG3K 有分类标签吗？
没有。TG3K 只有腺体分割掩码，无良恶性标签——分类标签是 TN3K（label4*.csv）与 TNCD 的事。

Q14：TG3K 有患者级信息吗？
没有公开。论文只交代 16 段视频，未说明有多少位患者。可分析单元是「视频段」而非「患者」——这也是第三方按视频级划分的原因（§2.8）。

Q15：分辨率到底是多少？
双口径：arXiv:2512.15066 写约 277×284 至 316×333；openmedlab 统计 min 234×178 / median 258×194 / max 325×193。两套区间不完全重合，本条目并列存照（§2.7）。

C. 方法与基准

Q16：TG3K 在 TRFE+ 里具体干什么？
给腺体分割分支提供监督。TRFE+ 是共享编码器 + 三解码器（腺体分割 / 结节分割 / 大小回归），腺体分支用的就是 TG3K 的图与掩码。腺体分支学到的「甲状腺在哪」经 ARPG 模块引导结节分支（§4.3）。

Q17：训练时 TG3K 用多少张？
2,303 张（与 TN3K 单折训练集等量）。混合训练集 4,606 = TN3K 单折训练 2,303 + TG3K 2,303。不是全量 3,585（坑 6）。

Q18：mini-batch 怎么组？
论文 §4.1 原文：每个 batch 从 TN3K 和 TG3K 各取一张图。这个「刻意的域混合」是 GN 增益（+2.04pp）的前提（§4.5、§8.2）。

Q19：TG3K 有官方基准成绩吗？
没有。官方不设 TG3K 测试集、不给基准表——它只作训练数据（§5.1）。

Q20：那第三方的 TG3K 分数能用吗？
要带口谨慎：「TG3K test 分数」都是自造协议，划分互不相同（2,868/358/359 帧级 vs 12/2/2 视频级），数字不可横向比较；且部分工作（ThyCLIPNet、PM-DUnet）是任务借用（把腺体掩码当结节真值），其分数与腺体分割无关（§5.2）。

Q21：为什么腺体先验对结节分割有用？
甲状腺腺体定位稳定（大结构、位置固定），结节定位难（小、边界模糊）。先让网络学「腺体在哪」，再约束「结节只在腺体内」，减少满图搜索的误检（§4.1）。

Q22：腺体先验有什么失效场景？
大结节。腺体分支可能把大结节误判为腺体外，此时先验反噬主任务。论文用 SPT（大小预测）对冲：大结节 IoU 77.4→78.7（§4.6、§8.3）。

Q23：为什么论文要用 GroupNorm？和 TG3K 有关吗？
有关。TN3K/TG3K 混合批含异源样本，批统计量不稳定，BN 的跨域统计污染导致性能下降；GN 不依赖 batch 统计，带来全链最大单项增量 +2.04pp。TG3K 的存在（造成混合批）正是这一结论的前提（§4.5）。

Q24：TG3K 能被当作结节分割集吗？
不能。它没有结节掩码。把它当结节分割集是任务错配，会导致训练目标错位、评估分数无意义（§3.3、坑 1）。

D. 许可与引用

Q25：数据许可到底什么口径？
官方未单独声明。最接近一手的口径是上游 OpenCAS 库的 CC BY-NC-SA 3.0（TG3K 为其衍生，承继合理性最高）。NIDUS 清单估 CC BY-NC 3.0（标 Est，第三方估计）。代码 MIT 只覆盖代码（坑 3）。

Q26：和 TN3K 的许可有什么区别？
TN3K 上游是医院自采、无公开许可条款；TG3K 上游是 OpenCAS 公开库、明确 CC BY-NC-SA 3.0。TG3K 多一层 ShareAlike（相同方式共享）约束——再分发衍生集有义务沿用相同许可，这是 TN3K 没有的额外注意点（§6.3）。

Q27：引用哪几篇？
用 TG3K 数据引 CBM 论文（doi:10.1016/j.compbiomed.2022.106389，TG3K 无独立论文）；用腺体先验方法补引 ISBI 2021（doi:10.1109/ISBI48211.2021.9434087）；用上游原始数据另引 Wunderling et al. 2017（KIT OpenCAS）。

Q28：能给 TG3K 单独造一个引用条目吗？
不建议。TG3K 无独立论文/DOI/许可，独立引用会造成引用链断裂。所有引用汇到 CBM 论文与 TRFE-Net 仓库（坑 8）。

Q29：商用可以吗？
不可默认可行。代码 MIT 只覆盖代码；数据无独立授权，且上游 OpenCAS 的 NC 条款明确非商业。商用前须联系通讯作者书面确认（§6.3）。

Q30：通讯作者怎么联系？
与 TN3K 同团队：Guanbin Li（liguanbin@mail.sysu.edu.cn，中山大学）与 Fei Chen（gzchenfei@126.com，南方医科大学珠江医院）。

E. 复现与工程

Q31：复现 TRFE+ 需要哪些物料？
TN3K（结节主任务）+ TG3K（腺体先验）+ 官方代码（GitHub）+ 官方五折 json + 训练配置（A100/PyTorch 1.8.1/SGD 50ep/poly lr/batch 16/224²/λ=0.5）。缺 TG3K 就训不出完整 TRFE+（§5.4）。

Q32：只想训腺体分割器，用 TG3K 够吗？
够，但必须按视频段划分，不能帧级随机划分——抽帧的帧间高相关性会造成严重泄漏（§2.9、坑 4）。官方只给 trainval json 列表，划分责任在你自己。

Q33：TG3K 的掩码质量如何量化？
论文未公布标注者间一致性或半自动结果与真值的一致性——这是复现者无法直接核验的盲区。质控信息止于「上游半自动 + ground truth 校对」的描述（§3.2）。

Q34：能用 TG3K 做域适应实验吗？
可以。TG3K（GE Logiq E9，单设备向上游）与 TN3K（三设备）分布不同，混合训练本身就是域泛化场景；也可用 TG3K 训练腺体分割器再迁移到其他超声数据。

Q35：把 TG3K 当测评集合适吗？
不合适。它无官方 test 划分，测评需自造协议并注明；作为训练用途（腺体分支监督）才是它的设计定位。

Q36：TG3K 和上游 KIT 数据能互换使用吗？
不能直接互换。上游是三维 DICOM（含深度、电磁定位），TG3K 是二维抽帧 JPG。需要三维信息用上游，需要即用二维分割图用 TG3K（坑 5）。

Q37：为什么 TG3K 的规模不能再大？
因为它受上游 16 段视频锁死——抽帧的总帧数上限就是几千张，6% 阈值再放宽也扩不到 TN3K 那样的规模。这是「复用公开资产」路线的固有约束（§2.2）。

Q38：TG3K 适合做 3D 分割吗？
不直接适合。分发物是二维抽帧，丢失了三维空间连续性与深度信息。若要做 3D，需回上游 KIT 的 3DUS 体数据（DICOM），但那不是 TG3K。

Q39：条目里的「3,583」到底是什么？
openmedlab 数据集页正文行写 3,583 的孤例，且与同页表格/统计栏的 3,585 自相矛盾。一手来源（CBM 论文、预印版、多篇第三方论文）一致为 3,585。规模一律用 3,585（§0.3、坑 8 附条）。

Q40：如果只记住一件事？
TG3K 是腺体（Gland）分割集，是 TN3K 的先验姊妹集——任务（腺体非结节）、渠道（无 HF、与 TN3K 同包）、许可（上游 CC BY-NC-SA 3.0）三件事里，任务搞错最致命。

---

事实清单（硬事实 40 条）

1. TG3K 含 3,585 张灰度甲状腺腺体超声图（主口径，一手论文 §3「After that, we get 3,585 images for training」）。
2. 掩码为同尺寸像素级二值（0=背景/1=腺体），JPG 格式，与图像文件同名对应。
3. 任务性质：腺体语义分割，非结节分割（结节分割是姊妹集 TN3K）。
4. 来源：Wunderling et al. 2017 的 16 段三维超声（3DUS）记录抽帧。
5. 上游记录：德国马格德堡大学 Otto-von-Guericke University，采自 GE Logiq E9 XDclear 2.0 + Ascension driveBay 电磁追踪。
6. 筛选规则：腺体面积占整图比例 **> 0.06（6%）**的帧才保留（论文 §3）。
7. 图像分辨率双口径：arXiv 约 277×284 至 316×333；openmedlab min 234×178 / median 258×194 / max 325×193（§2.7）。
8. 官方无固定 train/test 划分，仅提供 tg3k-trainval.json 文件列表。
9. 官方无基准表：TG3K 只作腺体分支训练数据，不进评测。
10. 分发结构：tg3k/thyroid-image/ + tg3k/thyroid-mask/ + tg3k-trainval.json。
11. 标注来源：完全继承 Wunderling 2017 的 ground truth（三种半自动方法：level set / graph cut / feature classification），Gong 团队未重新标注。
12. 在 TRFE+ 中的角色：腺体区域先验分支的监督数据（共享编码器 + 三解码器架构）。
13. 训练方式：每个 mini-batch 从 TN3K 与 TG3K 各取一张图（论文 §4.1 原文）。
14. 混合训练集 4,606 张 = TN3K 单折训练 2,303 + TG3K 2,303（论文原文，坑 6）。
15. 主论文：Computers in Biology and Medicine vol 155:106389，doi:10.1016/j.compbiomed.2022.106389，PMID 36812810；©2022 版权页 / 2023-03 正式出刊（双口径）。
16. 前作：ISBI 2021，pp 257-261，doi:10.1109/ISBI48211.2021.9434087（TG3K 未在该文披露）。
17. TG3K 无独立论文、无独立 DOI、无独立官网、无独立许可声明——全部依附 CBM 论文与 TN3K 仓库。
18. 作者团队（与 TN3K 一致）：中山大学（a）+ 南昌大学（b）+ 香港中文大学（深圳）大数据研究院（c）+ 南方医科大学珠江医院（d）；通讯 Guanbin Li（liguanbin@mail.sysu.edu.cn）与 Fei Chen（gzchenfei@126.com）。
19. 上游机构：Otto-von-Guericke University Magdeburg（德国马格德堡大学）。
20. CBM 主论文被引 243（Semantic Scholar，2026-10-04）；TG3K 自身被引并入该文统计。
21. 代码许可 MIT（GitHub LICENSE + README 原文）；数据许可官方未单独声明。
22. 上游数据许可：KIT OpenCAS 库声明 CC BY-NC-SA 3.0（适用于 Wunderling 2017 原始记录；TG3K 作为衍生承继合理性最高）。
23. NIDUS ultrasound-open-access 清单对 TN3K/TG3K 估「CC BY-NC 3.0 (dataset; repository code is MIT)」（SonoDQS Bronze·Est，第三方估计）。
24. 获取渠道：百度网盘（提取码 trfe，与 TN3K 同包）｜Google Drive（1reHyY5eTZ5uePXMVMzFOq5j3eFOSp50F）｜无 HF 官方镜像（haifan-gong/TG3K → 401）｜百度 AI Studio 289158（第三方）。
25. 上游原始数据：KIT archive https://archive.iar.kit.edu/opencas/data/thyroid.zip（432,315,445 字节，last-modified 2017-02-08）含 32 个 DICOM（16 体数据 + 16 真值）。
26. 上游与 TG3K 的区分：上游是三维 DICOM 记录，TG3K 是其二次派生二维抽帧 JPG（不是同一物，坑 5）。
27. 任务误标存照：openmedlab TG3K 页任务栏写「Segmentation Thyroid Nodule」（与其文字描述同错）；部分第三方论文（PM-DUnet 等）沿用该误标（坑 1）。
28. 第三方评估登记：ThyCLIPNet（arXiv:2610.04743）2,868/358/359 帧级划分（任务借用）；MWNet（arXiv:2512.15066）按视频 12/2/2（腺体分割）；PM-DUnet（PLOS ONE，doi 10.1371/journal.pone.0353684）8:1:1 患者级划分（任务借用）。
29. 无公认 TG3K SOTA 榜：因官方无 test 划分，第三方协议不一，数字不可横向比较。
30. 腺体分支消融证据（Table 4）：ARPG 增量 +0.42pp（TRFE 68.19→TRFE-M0 68.61）；GN 增量 +2.04pp（全链最大，p<0.05）；SPT 增量 +0.46pp。
31. 大结节先验失效：SPT 对大结节（面积占比 >0.1）增益最大，IoU 77.4±0.36→78.7±0.26；小结节 66.1±0.63→66.3±0.39（Table 7）。
32. GroupNorm 增益机制：TN3K/TG3K 混合批内的跨域统计污染（batch 16 并不小，gn 仍显著更优）——TG3K 的存在是该结论前提。
33. ARPG 优于同类位置先验模块 MGA：TRFE+ARPG 68.61±0.45（+0.42）vs TRFE+MGA 68.44±0.38（+0.25，Table 6）。
34. 「3,583」为 openmedlab 页正文孤例，与同页表格 3,585 自相矛盾；一手来源一致为 3,585（坑 8 附条）。
35. TG3K 名称展开官方未定义（字面推断为 Thyroid Gland 3K，非官方）。
36. 无患者例数公开：论文只交代 16 段视频，可分析单元为「视频段」。
37. 抽帧的帧间相关性：同一视频相邻帧高度冗余，帧级随机划分会造成严重泄漏（评测须按视频段划分，§2.9）。
38. 每段视频平均约 224 帧（3,585 / 16，由总量推算）。
39. 上游数据采集在 2017 前（Wunderling SPIE 2017-02-24 发表）；TG3K 抽帧归入 CBM 论文工作（2022）。
40. GitHub 仓库 haifangong/TRFE-Net-for-thyroid-nodule-segmentation（仓库标题 TRFE-Plus），无 tag/release 版本体系，单一当前版本。

术语表（30 条）

术语	释义
TG3K	甲状腺腺体超声分割数据集（Thyroid Gland 3K 级），本条目主体；缩写展开官方未定义
TN3K	姊妹集甲状腺结节超声分割数据集（3,493 图/2,421 患者），TG3K 的孪生对照
TRFE-Net / TRFE+	发布团队的甲状腺区域先验特征增强网络（ISBI 2021 初代 / CBM 2022 升级版）
腺体（gland）	甲状腺器官本体（左右两叶 + 峡部），TG3K 的分割对象
结节（nodule）	甲状腺腺体内的病灶，TN3K 的分割对象（TG3K 不含）
腺体先验	「结节只出现在甲状腺腺体内」的解剖学先验，以腺体分割分支显式建模
ARPG	Adaptive Region Prior Guidance，自适应区域先验引导模块
RPG	ARPG 的前代（ISBI 2021），被 CBM 论文评估为提升不显著
SPT	Size Prediction Task，结节面积占比回归任务，对冲大结节场景的先验失效
GroupNorm（GN）	按通道分组的归一化，不依赖 batch 统计，缓解跨域混合训练污染
BatchNorm（BN）	批归一化；在多源混合批下统计量被跨域污染
域间隙（domain gap）	不同设备/来源数据分布差异导致的性能下降
3DUS	Three-Dimensional Ultrasound，三维超声；TG3K 的上游数据形态
抽帧（frame extraction）	从三维体数据沿深度方向切出二维切片的过程
6% 阈值	TG3K 的筛选规则：腺体面积占整图比例 >0.06 的帧才保留
thyroid-image / thyroid-mask	TG3K 分发目录：图像与掩码同名对应
tg3k-trainval.json	TG3K 的文件列表（官方不设固定划分）
像素级二值掩码	0=背景/1=腺体的逐像素标注图
IoU（Jaccard）	交并比，分割主指标
Dice（DSC）	Dice 相似系数，与 IoU 单调相关
HD95	95% 分位 Hausdorff 距离，边界质量指标（越低越好）
面积误差（MAE/AE）	腺体面积占比误差，MWNet 采用
帧级泄漏	抽帧数据按帧随机划分导致训练/测试帧高度相关的信息泄漏（§2.9）
视频级划分	按视频段整体划分 train/val/test（12/2/2 等），避免帧级泄漏
混合训练集	TN3K 单折训练 + TG3K 抽取的合并训练集（4,606 张口径）
共享编码器	多任务网络中多个分支共享的特征提取主干
半自动标注	用算法（level set / graph cut / feature classification）生成、经校对的分割真值
ground truth	真值标注；TG3K 的 ground truth 来自上游 DICOM
OpenCAS	KIT 的开放数据库（含 Wunderling 2017 的 16 段 3DUS 记录）
CC BY-NC-SA 3.0	署名-非商业性使用-相同方式共享许可（上游 OpenCAS 声明）
ShareAlike（SA）	相同方式共享条款，要求衍生作品沿用相同许可（TG3K 特有约束）

附录

附录 A：条目信息速查卡

项	值
条目名	TG3K
url_name	tg3k
类型	数据集（依附 TN3K 主论文与 TRFE-Net 仓库发布）
主论文	Computers in Biology and Medicine 155:106389（doi:10.1016/j.compbiomed.2022.106389）
前作	ISBI 2021 pp 257-261（doi:10.1109/ISBI48211.2021.9434087）
上游	Wunderling et al. 2017（SPIE，16 段 3DUS 记录，KIT OpenCAS）
团队	中山大学 + 南昌大学 + CUHK 深圳 + 珠江医院；通讯 Guanbin Li / Fei Chen
规模	3,585 张腺体超声图（16 段视频抽帧）
任务	甲状腺腺体二值语义分割（非结节）
许可	代码 MIT；数据许可官方未单独声明；上游 OpenCAS CC BY-NC-SA 3.0
抓取时点	2026-10-07
库内互链	tn3k(822，首选)/ddti(536)/busi(539)/us-nerve-seg(537)/acouslic-ai(691)/tus-rec(670)/bus-bra(760)/maternal-ultrasound-nutrition(615)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	6	论文（CBM）+GitHub+openmedlab 三处入口；名称与 TN3K 高度耦合、无独立官网/论文、openmedlab 任务误标误导检索
A 可获取性	6	与 TN3K 共用网盘/GDrive 官方渠道；无 HF 镜像（401）、无版本化存档、无独立入口
I 可互操作	6	JPG/JPG/JSON 通用格式零门槛；掩码 JPG 有损需重二值化、无 DICOM/NIfTI、上游三维信息丢失
M 元数据质量	6	论文一段交代构造+README 指引；无患者数、分辨率双口径、无独立 datacard、第三方任务误标
S 可持续性	5	主渠道百度网盘、无 HF 备份、单仓库无 release；上游 KIT archive 公开缓冲（但为 DICOM 非 JPG）
综合评级	5.8/10（中等）	作辅助监督源够用；作独立数据集看，可发现性/可持续性/许可明确性均弱于 TN3K

附录 C：逐项证据链自证

关键数字	来源	位置
3,585 张	CBM 论文 §3	「After that, we get 3,585 images for training」
16 段视频	CBM 论文 §3 + 上游 Wunderling 2017	PDF 原文
6% 筛选阈值	CBM 论文 §3	「proportion of the thyroid gland area … greater than 0.06」
mini-batch 各取一张	CBM 论文 §4.1	「select one image from each of the TN3K and TG3K dataset」
混合集 4,606	CBM 论文	「form a hybridized training dataset that contains 4606 images」
消融链（ARPG/GN/SPT）	CBM 论文 Table 4/6/7	PDF 原文转录
3,583 孤例	openmedlab TG3K.md 正文行	与同页表格 3585 矛盾
无 HF 镜像（401）	hf-mirror.com 实抓	haifan-gong/TG3K → 401
上游 KIT 32 DICOM	archive.iar.kit.edu 实抓	thyroid.zip 432,315,445 字节
OpenCAS CC BY-NC-SA 3.0	KIT OpenCAS 库声明	网页实抓
代码 MIT	GitHub LICENSE+README	仓库实抓
提取码 trfe	GitHub README	仓库实抓

附录 D：数据获取决策树

需求是什么？
├── 复现 TRFE+/TRFE-Net（腺体先验分支）
│   ├── 1) 百度网盘（提取码 trfe）或 Google Drive 下 TN3K+TG3K 同包
│   ├── 2) 确认 tg3k/thyroid-image 与 thyroid-mask 各 3,585 对
│   ├── 3) 腺体分支取 2,303 张（与 TN3K 单折训练集等量）
│   └── 4) mini-batch 从 TN3K/TG3K 各取一张
├── 只要腺体分割训练数据
│   ├── 用 tg3k/ 目录；掩码加载后重二值化（JPG 有损，附录 F）
│   └── 评测时按视频段划分，勿帧级随机划分（坑 4）
├── 想要三维原始记录
│   └── 那是上游 KIT archive 的 thyroid.zip（DICOM），不是 TG3K（坑 5）
├── 做任务误标核对
│   └── 记住 TG3K=腺体，有 nodule 字样的第三方描述都是误标（坑 1）
└── 在 HF 上找 TG3K？
    └── 找不到（401，无官方镜像，坑 2）→ 换百度网盘/GDrive

附录 E：腺体先验作用数字登记表

正文 §4/§5 已转录，此处登记引用时最常取的锚点值：

锚点	值	出现位置
TG3K 规模	3,585	论文 §3
混合训练集	4,606（2,303+2,303）	论文
ARPG 增量	+0.42pp（68.19→68.61）	Table 4
GN 增量	+2.04pp（68.61→70.65，p<0.05）	Table 4
SPT 增量	+0.46pp（70.65→71.11）	Table 4
SPT 大结节增益	IoU 77.4→78.7	Table 7
TRFE+ TN3K test IoU	71.38±0.43（端到端结果，含 TG3K 先验）	Table 3
ARPG vs MGA	68.61（+0.42）vs 68.44（+0.25）	Table 6

附录 F：掩码使用规范（加载与预处理骨架）

import cv2
import numpy as np

def load_tg3k_mask(mask_path: str, thresh: int = 127) -> np.ndarray:
    """TG3K 掩码以 JPG 有损格式分发，加载后必须重二值化。
    返回 uint8 数组，0=背景，1=腺体。"""
    m = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE)
    if m is None:
        raise FileNotFoundError(mask_path)
    binary = (m > thresh).astype(np.uint8)          # 清除 JPG 边缘过渡值
    return binary

def pair_by_filename(image_dir: str, mask_dir: str):
    """TG3K 图像与掩码按文件名同名对应（thyroid-image/xxxx.jpg -> thyroid-mask/xxxx.jpg）。"""
    import os
    names = sorted(f for f in os.listdir(image_dir) if f.endswith('.jpg'))
    pairs, missing = [], []
    for n in names:
        mp = os.path.join(mask_dir, n)
        if os.path.exists(mp):
            pairs.append((os.path.join(image_dir, n), mp))
        else:
            missing.append(n)                       # 缺失掩码=下载不完整信号
    return pairs, missing

def gland_area_ratio(binary_mask: np.ndarray) -> float:
    """腺体面积占比——TG3K 构造时用了 >0.06 阈值筛选，可复算验证。"""
    return float(binary_mask.mean())

三条工程红线：①不做重二值化直接把 JPG 灰度当 0/1 张量，会在边缘引入静默标签噪声；②图像/掩码配对必须按文件名同名匹配（缺失即下载不完整，不是「随机抽样」）；③腺体是大目标，别用「Dice 很高」当作边界质量好的证据（§5.5）。

附录 G：双口径登记表

#	项	口径 A	口径 B	处理
1	数据规模	3,585（一手论文+多篇第三方）	3,583（openmedlab 正文孤例）	按 3,585（坑 8 附条）
2	任务类型	腺体分割（事实）	结节分割（openmedlab/部分第三方误标）	按腺体（坑 1）
3	论文年份	2022（©Elsevier）	2023-03 正式出刊	选一全文一致（坑 5）
4	数据许可	未声明（官方沉默）	上游 CC BY-NC-SA 3.0 / NIDUS 估 CC BY-NC 3.0	主口径「未声明+上游 SA」（坑 3）
5	分辨率	arXiv ~277×284 至 316×333	openmedlab min 234×178/max 325×193	并列存照（§2.7）
6	HF 镜像	无（401）	误以为有（与 TN3K 混淆）	按「无」（坑 2）
7	上游 vs 下游	上游 KIT 32 DICOM（3D）	TG3K 3,585 JPG 抽帧（2D）	严格区分（坑 5）
8	划分	官方无固定划分	第三方自造（2,868/358/359 等）	声明为第三方（坑 4）

附录 H：检索决策树

你想找什么？
├── TG3K 数据本身
│   └── GitHub README → 百度网盘（trfe）/GDrive（与 TN3K 同包）
├── TG3K 论文
│   └── 无独立论文 → 引 CBM 155:106389（主）+ ISBI 2021（前作）
├── TRFE+ 官方代码
│   └── github.com/haifangong/TRFE-Net-for-thyroid-nodule-segmentation
├── 上游三维记录
│   └── archive.iar.kit.edu/opencas/data/thyroid.zip（32 DICOM）
├── 甲状腺超声竞品
│   └── 库内 tn3k(822)/ddti(536)/tus-rec(670)
└── 看到「TG3K 结节分割」？
    └── 任务误标（坑 1）——TG3K 是腺体分割

附录 I：许可条款细读（三口径处置）

1. 代码 MIT：GitHub LICENSE + README 原文——商用/修改/再分发代码均可，保留版权声明即可。仅覆盖代码。
2. TG3K 数据：官方（论文+README）无数据许可条款。上游 OpenCAS 库声明 CC BY-NC-SA 3.0，TG3K 作为其衍生抽帧承继合理性最高——即 非商业 + 相同方式共享。NIDUS 的 CC BY-NC 3.0 是清单维护方估计（标 Est），不能当作者授权。
3. 上游原始数据：Wunderling 2017 的 16 段 3DUS 记录属 KIT OpenCAS 库，明确 CC BY-NC-SA 3.0。
4. 论文本体：© 2022 Elsevier（作者版 PDF 公开可下，未标金色 OA）——引用观点无碍。
5. 处置矩阵：学术训练+引用论文=官方预期用途（低风险）；再分发/建镜像=需注意 SA 传导（建议书面确认）；商用=MIT 只保代码，数据上游 NC 明确禁止。
6. 联系渠道：通讯作者 Guanbin Li（liguanbin@mail.sysu.edu.cn）/ Fei Chen（gzchenfei@126.com）。

附录 J：维护计划与触发点

触发点	条件	动作	优先级
数据许可明示	官方声明 TG3K 数据许可	重写 §6.3/坑 3/附录 I，重评 DAIMS	1
HF 镜像出现	haifan-gong/TG3K 由 401 变可用	更新坑 2/§6.1 渠道表	2
任务误标扩散	更多第三方把 TG3K 当结节集	§3.3/§9 补案例	3
上游链接失效	KIT archive thyroid.zip 不可达	§2.4/§9 注明，寻找镜像	4
3,583 口径溯源	找到 3,583 的确切成因	§0.3/附录 G 补注	5
网盘渠道失效	提取码/链接失效	以 GDrive 为主渠道重写 §6.1	6

附录 K：与库内 tn3k 条目（rid 822）的关系声明

维度	tn3k（rid 822）	TG3K（本条目）
任务	结节分割 + 良恶性分类	腺体分割（先验监督）
规模	3,493 图 / 2,421 患者	3,585 帧（16 段视频）
来源	珠江医院自采（三设备）	Wunderling 2017 上游 16 段 3DUS
标注	志愿者+医师三层流水线	继承上游半自动
官方划分	trainval 2,879/test 614 + 五折	无（仅 trainval json 列表）
官方基准	Table 3 九方法×六指标	无
上游许可	无公开条款	OpenCAS CC BY-NC-SA 3.0
在 TRFE+ 里	结节分支主任务	腺体分支先验

两库结论互补且必须互链：TN3K 管线端到端但缺腺体监督，TG3K 提供腺体监督但自身不可评测。复现 TRFE+ 需两者；检索任一条目都应提示另一者，以防任务误标（§3.3）。

附录 L：基于 TG3K 的研究检查清单（12 项）

1. 任务核对：确认你要的是腺体分割（TG3K）还是结节分割（TN3K）——这是第一道闸门（坑 1）。
2. 规模核对：3,585（不是 3,583），与 TN3K 的 3,493 区分（坑 8 附条）。
3. 渠道核对：无 HF 镜像；下载 TN3K+TG3K 同包后确认 tg3k/ 目录完整（坑 2）。
4. 上游区分：要三维数据去 KIT archive，要二维分割图用 TG3K（坑 5）。
5. 许可核对：上游 CC BY-NC-SA 3.0（NC+SA），再分发前书面确认（坑 3）。
6. 划分设计：评测必须按视频段划分，禁止帧级随机（防泄漏，坑 4、§2.9）。
7. 掩码重二值化：JPG 有损，加载即 >127 二值化（附录 F）。
8. 混合批口径：腺体分支取 2,303 张；mini-batch 从 TN3K/TG3K 各取一张（坑 6）。
9. 先验边界自查：若用腺体先验，检查大病灶子集（先验有害场景），SPT 是已验证对冲（§4.6）。
10. 归一化选择：混合多源训练优先 GroupNorm；报 batch size 让读者判断适用性（§8.2）。
11. 引用完整：数据引 CBM、方法引 ISBI+CBM、上游引 Wunderling 2017（附录 Q）。
12. 时点存照：HF/许可/SOTA 状态随时间变化，注明抓取时点（本条目 2026-10-07）。

附录 M：FAIR/AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	⚠️	无独立 DOI；沿用主论文 CBM 155:106389 + GitHub 仓库
F2 富元数据	⚠️	主论文一段文字交代 + README；无独立 datacard
A1 可访问协议	⚠️	与 TN3K 共用网盘/GDrive；无 HF、无版本化存档
A2 元数据可访问	✅	论文与 README 始终开放
I1 互操作格式	⚠️	JPG/JPG/JSON 通用但非医学标准；掩码有损；三维信息丢失
I2 词汇表引用	✅	分割指标与协议为社区通用
R1 来源溯源	✅	上游 Wunderling 2017 + 构造说明（抽帧/6% 阈值）公开
R3 可复现流程	⚠️	无官方划分/基准；复现需与 TN3K 配套并自造划分
AI-Ready 综合	中等	作为辅助监督源够用；独立性、可持续性、许可明确性是短板

附录 N：缩写速查

缩写	全称
TG3K	Thyroid Gland（约 3K 图像）数据集（官方未明示展开）
TN3K	Thyroid Nodule（约 3K 图像）数据集
TRFE / TRFE+	(Adaptive) Thyroid Region prior guided Feature Enhancement network
RPG / ARPG	(Adaptive) Region Prior Guidance module
SPT	Size Prediction Task
GN / BN	GroupNorm / BatchNorm
TNCD	Thyroid Nodule Classification Dataset
DDTI	（Pedraza 2015 的甲状腺超声数据集）
3DUS	Three-Dimensional Ultrasound
KIT	Karlsruhe Institute of Technology（OpenCAS 库所属机构）
OpenCAS	Open Access Database for Cranial and Spinal Surgery（KIT 开放数据库）
CBM	Computers in Biology and Medicine
ISBI	IEEE International Symposium on Biomedical Imaging
MICCAI	Medical Image Computing and Computer Assisted Intervention
HD95	95th percentile Hausdorff Distance
IoU	Intersection over Union（Jaccard）
DSC	Dice Similarity Coefficient
CC BY-NC-SA	Creative Commons Attribution-NonCommercial-ShareAlike
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability
CUHK(SZ)	香港中文大学（深圳）

附录 O：坑点档案（与 §10 对照）

坑	一句话档案	触发场景
坑 1	TG3K 是腺体分割集，被误标为结节分割	任务设计/文献检索
坑 2	无 HF 官方镜像（401），且与 TN3K 同包易只解压一半	数据获取
坑 3	代码 MIT≠数据 MIT；上游 CC BY-NC-SA 3.0 含 SA 约束	商用/再分发
坑 4	无官方划分/基准；帧级随机划分致泄漏	评测设计
坑 5	上游 DICOM（3D）≠ TG3K 抽帧（2D JPG）	数据获取/格式
坑 6	混合集 4,606=单折 2,303+2,303，非全量口径	复现配置
坑 7	名称展开官方未定义	文献检索
坑 8	TG3K 非独立可引数据集；3,583 为孤例	引用/规模

附录 P：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
主论文	“TG3K” AND “thyroid region prior” / doi:10.1016/j.compbiomed.2022.106389	CBM 155:106389
前作	“TRFE-Net” OR “thyroid region prior” ISBI	ISBI 2021 pp 257-261
数据入口	github.com/haifangong → README → 网盘/GDrive	TN3K+TG3K 同包
上游原始数据	“Wunderling” thyroid 3D ultrasound OpenCAS	SPIE 2017 + KIT archive
第三方使用	“TG3K” thyroid segmentation 2024-2026	ThyCLIPNet/MWNet/PM-DUnet
反例（勿用）	「TG3K thyroid nodule segmentation」当主键	任务误标，会混入 TN3K 与误用工作（坑 1）

检索卫生两条：一、凡第三方「TG3K 结节分割」描述一律回查任务真值（TG3K 无结节掩码）；二、凡「3,583」数字一律回查 openmedlab 页，确认其为孤例后再决定是否引用（坑 8 附条）。

附录 Q：引文规范（BibTeX）

@article{gong2022thyroid,
  title   = {Thyroid Region Prior Guided Attention for Ultrasound
             Segmentation of Thyroid Nodules},
  author  = {Gong, Haifan and Chen, Jiaxin and Chen, Guanqi and
             Li, Haofeng and Li, Guanbin and Chen, Fei},
  journal = {Computers in Biology and Medicine},
  volume  = {155},
  pages   = {106389},
  year    = {2022},
  doi     = {10.1016/j.compbiomed.2022.106389}
}

@inproceedings{gong2021multitask,
  title     = {Multi-Task Learning For Thyroid Nodule Segmentation
               With Thyroid Region Prior},
  author    = {Gong, Haifan and Chen, Guanqi and Wang, Ranran and
               Xie, Xiang and Mao, Mingzhi and Yu, Yizhou and
               Chen, Fei and Li, Guanbin},
  booktitle = {2021 IEEE 18th International Symposium on Biomedical
               Imaging (ISBI)},
  pages     = {257--261},
  year      = {2021},
  doi       = {10.1109/ISBI48211.2021.9434087}
}

@inproceedings{wunderling2017thyroid,
  title     = {Thyroid Gland Segmentation in 3D Ultrasound Images},
  author    = {Wunderling, Tom and Golla, Alena-Kathrin and
               Alwani, Manish and others},
  booktitle = {Medical Imaging 2017: Image Processing (SPIE)},
  year      = {2017},
  note      = {TG3K 的上游 3DUS 数据来源；具体著录以 SPIE 原文为准}
}

附录 R：本条目生产档案

• 生产通道：写手代理 agent-b-tg3k（任务书 rsi_dispatch/task_tg3k.md）
• 事实研究：WebSearch+WebFetch（GitHub README/CBM 作者版 PDF/hf-mirror/openmedlab/NIDUS/KIT OpenCAS/第三方 arXiv 论文）交叉核验
• FACTS.md：writing/tg3k/FACTS.md 九节（含论文一手数字补录）
• 成稿方式：五 part 直写拼接（私有区 .parts_agent-b-tg3k_1791346837_288715）
• 坑点：§10 八则（坑 1-8「坑 N：」编号制）
• 存在性核验：DB 查重 url_name ILIKE ‘%tg3k%’/‘%nodule%’/‘%tnsd%’ 对 TG3K 0 行；库内仅姊妹集 tn3k（rid 822）；三源互证不证伪
• description：成稿时即 ≤170 字符
• 互链计划：正文内链 8 处（tn3k/ddti/busi/us-nerve-seg/acouslic-ai/tus-rec/bus-bra/maternal-ultrasound-nutrition）

附录 S：数字一致性抽查表（防转录漂移）

成稿中高频数字的全文一致性锚点（自动校验可 grep 的唯一形态）：

数字	唯一主形态	禁用变体
TG3K 规模	3,585	3583（仅作存照注记，禁作主数字）
TN3K 规模	3,493	3493
来源视频	16 段	16 个患者（误读）
筛选阈值	0.06（6%）	腺体面积 6% 当结节占比
混合集	4,606	5,182（禁用）
TG3K 侧训练量	2,303	3,585（误用全量）
ARPG 增量	+0.42pp	—
GN 增量	+2.04pp	—
上游 DICOM 数	32（16+16）	3,585（混淆上下游）
上游文件字节	432,315,445	—

附录 T：数据规格申报卡（datacard 骨架）

【身份】
url_name            tg3k
显示名              TG3K
名称展开            官方未定义（字面推断 Thyroid Gland 3K，存照）
官方渠道            github.com/haifangong/TRFE-Net-for-thyroid-nodule-segmentation
论文                依附 doi:10.1016/j.compbiomed.2022.106389（无独立论文）
上游来源            Wunderling et al. 2017（SPIE，16 段 3DUS，KIT OpenCAS）

【规模】
图像总量            3,585（JPG 灰度，主口径）
来源视频            16 段三维超声（3DUS）
筛选阈值            腺体面积占整图比例 >0.06
分辨率              双口径（~277×284 至 316×333 / min 234×178 max 325×193）
患者数              未公开（可分析单元为视频段）

【标注】
主标注              像素级二值腺体掩码（JPG 有损，加载重二值化）
标注来源            完全继承上游 Wunderling 2017（半自动 + ground truth 校对）
一致性指标          官方未公布（盲区存照）
任务性质            腺体（gland）语义分割，非结节分割

【任务与角色】
主用途              TRFE+ 多任务框架的腺体先验分支监督数据
混合训练集          4,606（TN3K 单折 2,303 + TG3K 2,303）
官方划分            无（仅 tg3k-trainval.json 列表）
官方基准            无
第三方评估          ThyCLIPNet（2,868/358/359，任务借用）/ MWNet（12/2/2 视频级）

【许可与获取】
代码                MIT
数据                官方未单独声明；上游 OpenCAS CC BY-NC-SA 3.0（NC+SA）
获取                百度网盘（提取码 trfe，与 TN3K 同包）｜GDrive｜无 HF 镜像（401）
版本锚点            以论文 DOI 为准（仓库无 tag/release）

【姊妹/上游资产】
TN3K                3,493 图结节分割集（库内 rid 822）
上游 KIT archive    thyroid.zip（432,315,445 字节，32 DICOM，3DUS 记录）

附录 U：常见错误用法与修正

错误用法	后果	修正
把 TG3K 当结节分割集用	训练目标错位、评估分数无意义	腺体才是 TG3K 的任务；结节去 TN3K（坑 1）
在 HF 上找 TG3K 下载	找不到（401），误以为数据集不存在	走百度网盘/GDrive（坑 2）
只解压 TN3K 部分	以为拿到 TG3K，实际缺失	确认 tg3k/ 目录与 3,585 对文件（坑 2）
引用规模写 3,583	与一手论文冲突	用 3,585（坑 8 附条）
评测按帧随机划分	帧级泄漏，分数虚高	按视频段划分（坑 4、§2.9）
把上游 KIT DICOM 当 TG3K	格式/维度全错位	区分 3D DICOM 与 2D JPG 抽帧（坑 5）
混合集算成 5,182	与论文原文冲突	4,606=2,303+2,303（坑 6）
掩码不做重二值化	边缘过渡像素成静默噪声	加载即 >127 二值化（附录 F）
给 TG3K 编独立引用格式	引用链断裂	引 CBM 论文（坑 8）
商用 TG3K 数据	违反上游 NC+SA 条款	书面确认后再用（坑 3）
用 Dice 高证明腺体边界好	腺体是大目标，Dice 天然偏高	配合 HD95/面积误差（§5.5）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-07，抓取与核验时点见附录 A。事实陈述以 Computers in Biology and Medicine 论文（doi:10.1016/j.compbiomed.2022.106389，作者版 PDF）、ISBI 2021 前作、GitHub 仓库（haifangong/TRFE-Net-for-thyroid-nodule-segmentation）、HuggingFace hf-mirror 镜像（验证 TG3K 无 HF 快照）、NIDUS 清单、KIT OpenCAS archive 与第三方 arXiv 论文（ThyCLIPNet/MWNet/PM-DUnet）为源。数据规模 3,585 与 3,583 的双口径、任务类型误标、无 HF 镜像、上游 DICOM 与下游抽帧的区分、混合训练集 4,606 口径、上游 OpenCAS CC BY-NC-SA 3.0 的 SA 传导等原始文档缺陷，均已在坑点（§10）与附录 G 存照。条目与库内 tn3k（rid 822，首选互链）、ddti（rid 536）、busi（rid 539）、us-nerve-seg（rid 537）、acouslic-ai（rid 691）、tus-rec（rid 670）、bus-bra（rid 760）、maternal-ultrasound-nutrition（rid 615）等条目互链，构成超声影像分割家族与甲状腺专科「结节-腺体」双子星的完整检索面。后续维护触发点见附录 J。

---

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：

• openpros — 共享标签：医学影像 / 医学图像分割 / 评测基准
• woives-octa — 共享标签：医学影像 / 医学图像分割 / 评测基准
• cvc-clinicdb — 共享标签：医学影像 / 医学图像分割 / 评测基准
• cvc-colondb — 共享标签：医学影像 / 医学图像分割 / 评测基准
• prostate158 — 共享标签：医学影像 / 医学图像分割 / 评测基准
• adam-aneurysm — 共享标签：医学影像 / 医学图像分割 / 评测基准
• chexlocalize — 共享标签：医学影像 / 医学图像分割 / 评测基准
• echonet-pediatric — 共享标签：医学影像 / 医学图像分割 / 评测基准
• fetal-abdominal — 共享标签：医学影像 / 医学图像分割 / 评测基准
• ctooth — 共享标签：医学影像 / 医学图像分割 / 评测基准

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。