信息速览
INFOBOX：topbrain2026 速览
| 字段 | 值 |
|---|---|
| 数据集 | TopBrain Challenge Data Release v3（+TopBrain 2.0 挑战） |
| slug | topbrain2026（GC 子域一致） |
| 谱系 | TopCoW（两届）→ TopBrain 1.0（MICCAI 2025）→ TopBrain 2.0（MICCAI 2026，本条） |
| 平台 | Grand Challenge——GC 五连第二发（模板 v1.0 校准） |
| 规模 | 90 volumes / 48 类——50 训练公开（25 对 CTA+MRA）+40 隐藏；2.0 GB Zenodo |
| 标签代数 | CTA 40 ∪ MRA 42 ∩ 34 = 48（三角自洽）；TA36=36 类 TopAneu 兼容（去 ECA） |
| 首创 | 中心线血管口径测量（全脑血管首次）+ 污染指标（类间泄漏显式度量） |
| 基线 | nnUNet ~80% Dice / side-road F1 >60% / contamination <18% / near-zero invalid neighbors |
| 评估 | 检测式分割+解剖合理性+污染指标+Dice/F1——四件套（论文首创） |
| 任务 2.0 | 病理标签扩充+veins/stenosis 临床任务（2026-10~12）+多模态扩充 |
| 联合赛道 | TA36 Track（TopAneu 2026 联办）——一模两赛双赢设计 |
| 学术出口 | TopCoW 论文 NEJM AI 2026 已发表；TopBrain medRxiv preprint（2026-05-30） |
| 生态 | podium Docker 公开（zenodo 21959166）；数据 800+ 下载；溢出 RSNA 动脉瘤挑战 |
| IRB | University Hospital of Zurich 伦理委员会批准 |
| 许可 | open data.swiss（非商业自由/商用需许可/署名）——非标准 CC |
| 一句话 | 从拓扑到全脑到临床的血管分割三级跳——GC 平台"小而精"路线与赛后生态范本 |
§0 摘要卡：三代家族与 48 类的三角自洽
§0.1 它是什么
TopBrain 2026（Version 2）是 MICCAI 2026 的 50 个官方挑战之一（Grand Challenge 平台）：全脑血管的多类分割基准竞赛，背后是三代挑战赛家族——TopCoW（两届，大脑动脉环拓扑感知分割，论文已发 NEJM AI 2026）→ TopBrain 1.0（MICCAI 2025，首次把标注从 CoW 扩展到全脑 48 类血管）→ TopBrain 2.0（本条：扩充病理标签+狭窄/闭塞临床任务+TA36 联合赛道）。数据 90 个标注 volumes（CTA+MRA），50 训练公开（2.0 GB Zenodo 直接下载）、40 隐藏测试；基线 nnUNet ~80% Dice；领奖台 Docker 全公开——"小而精+赛后生态"的 GC 平台范本。
§0.2 三个数字
- 40 ∪ 42 ∩ 34 = 48：CTA 标签 40、MRA 标签 42、共享 34——两模态并集恰为论文宣称的 48 类——三信源数字完美闭合（本库罕见的规模自洽样本，对照 LMC2 的 56,984/56,981 漂移）
- 50/90：50 训练 volumes 公开（25 对 CTA+MRA）/ 90 总标注——40 隐藏测试永不下发；深度学习时代的极小样本挑战（50 例训 48 类——nnUNet 配方与预训练补偿）
- 80/60/18：基线三数字——Dice ~80%（大血管）/side-road F1 >60%（小血管）/contamination <18%（类间泄漏）——"大血管易、小血管难"的量化表述
§0.3 它怎么用
三大用途：①脑血管多类分割训练——50 例精标（48 类体素标签+labelmap json）+nnUNet 基线+podium Docker（可蒸馏/可对照）；②解剖学教学与质控——中心线口径测量+统一标注方案是神经介入参考；③TA36 联合参赛——一套血管分割模型同时打 TopBrain/TopAneu 两场。不适合：血管病理诊断（病理标签 2.0 才扩充且任务未开赛）、超 resolution/重建（纯分割）、临床部署（许可商用需逐案许可）。
§0.4 联动提示
本条是 GC 五连第二发（模板 v1.0 首次校准）：GC 静态页首次出现"有实质内容的公告型页面"（TA36 联合赛道详情）——修正 LMC2 得出的"静态页极简"预判；数据在 Zenodo 零门槛下载（对照 LMC2 注册墙）——GC 平台内部的可获取性光谱（§1.3 展开校准记录）。与 531 构成"大数据注册墙 vs 小数据全开放"的挑战赛两极；与 530 构成"检测 vs 分割"的任务对照。
§1 条目定位：三代家族与 GC 平台的内部光谱
§1.1 血管分割三级跳：从拓扑到全脑到临床
TopCoW（MICCAI 2023/2024 两届）：Circle of Willis（大脑动脉环）的拓扑感知分割——10 根环状血管的拓扑正确性优先（NEJM AI 2026 论文）；TopBrain 1.0（MICCAI 2025）：标注空间从 10 根环血管扩展到全脑 48 类（动脉+静脉、CTA+MRA）——“scales vessel annotation from the Circle of Willis to the entire brain”；TopBrain 2.0（MICCAI 2026）：从解剖分割走向临床任务（狭窄/闭塞/动脉瘤+多标签有序分类）——三级跳的每一级都把"能分割"推向"能诊断"。三代同台的意义：挑战赛作为方法的迭代协议——每代 1-2 年，社区反馈直接写入下一代设计（2.0 提案明言"community feedback and detailed post-challenge analysis"）。
§1.2 TA36：一模两赛的机制创新
GC 页公告的核心：TopBrain 与 TopAneu（动脉瘤检测挑战，topaneu-26.grand-challenge.org）联办 TA36 Track——36 类血管分割（TopBrain v2 动脉标签去 ECA+2 个 infraclinoid 新类）作为两赛的公共底座：TopAneu 参赛者的血管分割组件直接送 TA36 评测（“we do the evaluation for you”）；TopBrain 参赛者"might win both challenges"——官方实测发现 TA36 血管模型能反哺动脉瘤定位质控（“help flag and resolve several cases of misclassified aneurysms”）。机制要点：①金标已发布（labelsTr_topbrain_v2_topaneu36class）；②官方银标 Docker 公开（银标=模型生成的 vessel masks——标注经济学的分层：金标隐藏测试/银标公开训练）；③提交期对齐 TopAneu deadline+1-2 天缓冲。
§1.3 模板 v1.0 校准记录（GC 五连第二发）
LMC2 建立的模板在 TopBrain 的首次校准：
| 模板条款 | LMC2 预判 | TopBrain 实测 | 修正 |
|---|---|---|---|
| 静态页极简（2 节） | GC 页信息密度低 | 公告型页面有实质内容（TA36 全文） | 条款修正：GC 页信息密度=主办方更新频率的函数 |
| 数据注册墙 | 挑战期注册可取 | Zenodo 零门槛直下（2.0 GB） | 条款新增：可获取性按"数据 release 独立性"分档 |
| 前作锚=上一届 | 挑战报告投稿中 | 前作论文已上 NEJM AI 顶刊 | 锚强度分级：顶刊>preprint>挑战页 |
| 伦理重估（细胞系/公开库/前瞻） | 细胞系轴 | 医院影像二次精标+IRB 明文 | GC 平台内部伦理两形态并存确认 |
| 论文状态四分 | Submitted/Published 并存 | NEJM AI（前作）+medRxiv（本代）双轨 | 双轨并存为常态——各记各的状态 |
——模板 v2.0 的累积修正将在附录 O 汇总。
§2 数据解剖：48 类血管的标注体系
§2.1 标注代数与版本学
- v1（2025，TopBrain 1.0）：labelsTr_topbrain_v1_{ct|mr}——CTA 40 类/MRA 42 类/共享 34 类（并集 48）；标签 1-12+15 沿自 TopCoW（“TopCoW labels are a subset of TopBrain”——向后兼容设计）；
- v2/TA36（2026-08 新增）：labelsTr_topbrain_v2_topaneu36class——1-34 保留+2 个 infraclinoid 新类（左/右 C1-C5 vs C6-C7 的 ICA 分段细化）=36 类；modality agnostic（双模态统一标签——v1 的 CTA/MRA 差异标签在 TA36 被统一）；
- 口径测量的首创新颖性：“vessel caliber measurements along the centerline are reported for the first time across the whole brain vascular anatomy”——不只是分割掩码，还有中心线+口径数据——标注维度的第三层（掩码→中心线→管径）。
§2.2 数据文件规格
- 格式：NIfTI（.nii.gz），16-bit signed，LPS+ 方向（医学影像标准方位——nnUNet 生态默认）；
- 命名：topcow_{modality}_{pat_id}_0000.nii.gz（modality∈{mr,ct}；_0000 后缀=nnUNet 输入命名约定——数据集为 nnUNet 流水线预格式化）；
- labelmap_jsons：每解剖类别的标签值 json——解析掩码的字典文件；
- 体量：2.0 GB（TopBrain_Data_Release_Batches1n2nTA36_081726.zip，md5 aab94bed377ad71bfbde3f7e26d652c5，2026-08-17 v3）。
§2.3 50 例的"小而精"逻辑
50 训练 volumes（25 对双模态）在深度学习时代是极小样本——但挑战的设计逻辑是类目精度优先于样本规模：48 类血管级体素标注（每例数百个精细结构）+中心线口径+金标/银标分层。对照 LMC2 的 150,000 图（类目 4-5 个）：挑战赛数据的两个设计极——LMC 式"大数据简单标签" vs TopBrain 式"小数据复杂标签"；nnUNet 的 recipe 化训练+OpenMind 等预训练是极小样本的工程补偿（KAIST 冠军路线即预训练+伪标签扩充）。
§3 评估框架四件套：分割评估的方法论创新
§3.1 为什么需要四件套
传统 Dice 一个数字掩盖三类失败：①分割出了不存在的血管（假阳性结构）；②类间张冠李戴（把左 M1 标成右 M1——解剖性错误）；③边界正确但拓扑断裂。TopBrain 论文的评估框架把三类失败分别显式度量——评估协议的创新度不亚于数据本身（对照 LMC2 的 SSIM/PCC 通用指标——任务特异性评估是"小而精"路线的另一面）。
§3.2 四件套逐项
- 检测式分割评估（detection in segmentation）：把"这根血管存在吗"从"边界画得准吗"中分离—— existence 与 quality 分开计分（受 COCO 检测评估启发——530 的目标检测指标思想反哺分割）；
- 解剖合理性（anatomical plausibility）：预测的血管邻接/走向是否符合神经解剖——拓扑约束的软性版本（对照 TopCoW 的拓扑硬约束——家族基因）；
- 污染指标（contamination metrics，论文 novel）：foreground contamination ratio（前景中错误类别的占比——冠军 <18%）+ invalid neighbor counts（非法相邻类别对——冠军 near-zero）——把"类间泄漏"从定性抱怨变成定量指标，分割界的首次（对 48 类细粒度任务尤其关键：类越多泄漏越隐蔽）；
- 常规 Dice/F1：整体 Dice ~80%（大血管贡献）+ side-road vessels F1 >60%（侧支小血管——真瓶颈）。
§3.3 "大血管易、小血管难"的量化表述
论文结论 “Larger vessels are easier to segment, while smaller and more complex vessels remain the true bottleneck”——基线数字的分布支撑：整体 Dice 80% 主要由大血管（Willis 环主干/颈内动脉等）撑起；side-road（穿支/侧支）F1 60% 露出短板。复现者的增量空间就在这里：小血管的拓扑连续性/口径分辨率是 2.0 的"临床有用"门槛——"bridge the gap between a testing-the-water baseline and a clinically robust tool"的具体含义。
§4 基线与冠军复盘：nnUNet 配方与 KAIST 路线
§4.1 官方观察：nnUNet 的统治
论文：“The top-performing teams built on nnUNet with principled system design choices”——前分队全部基于 nnUNet 框架。nnUNet 的自配置设计（预处理/架构/训练计划自动配置）在 50 例小样本上再次证明：小样本医学分割的第一性原理是 recipe 而非架构——50 例训 48 类，凭 scratch 模型不可想象，凭 nnUNet+系统设计达到 80% Dice。
§4.2 KAIST 双赛道夺冠（MICCAI 2025 存照）
KAIST 生物及脑工程科 Park Sung-Hong 教授实验室（Magnetic Resonance Imaging Laboratory）4 人团队（队名 KPopDemonHunters——金宇承/Naparasa Asawalertsak/金玟在/申东虎）拿下 MRI 与 CT 双赛道第一。技术路线四步：①OpenMind pre-trained network 起步；②self-supervised learning 微调；③binary segmentation 副模型压制 false positive；④TopCoW 公开数据生成 pseudo-label 扩充。结果陈述：“MRI 脑血管影像领域不只是简单第一，甚至比 challenge organizer 团队自己的性能更高”——参与者超越组织者是挑战赛健康度的最佳证据（2.0 提案同样记录 1.0 的"two teams exceeded organizer baselines"）。
§4.3 冠军路线的迁移价值
KAIST 四步是极小样本医学分割的通用配方：预训练（OpenMind——脑影像自监督基础模型）→ SSL 微调 → 辅助任务降 FP → 相邻数据集伪标签扩充。四步全部可迁移到其他小样本分割挑战（533/534/535 的参赛者可直接借用）——挑战赛报告的真正产出是可复制的配方而非奖杯。
§5 生态溢出：一个挑战的数据能走多远
§5.1 三条溢出路径（2.0 提案存照）
- 数据下载 800+：原始 TopBrain 数据集 Zenodo 下载超过 800 次——50 例小数据的高复用率（小而精的复用经济学）；
- RSNA Aneurysm Detection Challenge 领奖台：TopBrain 数据贡献了 RSNA 挑战的 podium-finish 方案——血管分割作为动脉瘤检测的中间表征（解剖先验）——跨挑战赛的知识溢出；
- TopAneu 银标生成：TA36 训练的分割模型为 TopAneu 生成银标 vessel masks——数据→模型→数据的循环（标注经济学的杠杆）。
§5.2 赛后即公开的节奏
podium Docker（zenodo 21959166）在挑战结束后即公开——对照 LMC2 的"赛后归档等待"：同为 GC 平台，TopBrain 展示了赛后生态的即时启动（Docker+数据+preprint 三件套齐发）。这一节奏差异的组织学解释：TopBrain 团队以 Docker 为交付物设计（nnUNet 生态容器化传统），LMC2 的交付物是数据集本体（归档流程更长）。
§5.3 面向 2.0 的社区惯性
200+→220+ 注册者的增长、TopCoW 两届+TopBrain 一届的参赛者存续、RSNA 溢出效应的声誉——挑战赛家族的复利效应：每一代都在为下一代积累参赛者与用例。KAIST 实验室的连续参赛（TopCoW→TopBrain）是个人层面的复利样本。
§6 许可与伦理：open data.swiss 条款细读
§6.1 非标准许可的三条款
Zenodo License.txt 的许可基于 open data.swiss 使用条款：①非商业自由使用；②商业用途需事先获得数据所有者许可（“you must seek prior permission”）；③必须署名（作者/标题/数据集链接）。定位：比 CC BY-NC 更严（NC 仍允许部分商业场景如付费服务内使用；本条款要求商业逐案许可）+署名义务同 CC BY。本库许可光谱新增一档：CC BY 4.0（LMC1）→ open data.swiss（本条，商用逐案）→ Restricted DUA（529/530）。
§6.2 IRB 与数据来源的合规路径
UZH 伦理委员会批准（medRxiv IRB 声明）+患者同意与标识不可还原声明；数据本体是 TopCoW 公开影像的二次精标——合规路径为"公开影像+新标注"：影像层走 TopCoW 的既有授权，标注层为新生成资产（标注者权益）。对照 530（医院直接采集+双 IRB）与 531（细胞系零 IRB）——GC 平台内部的第三种伦理形态：公开数据二次开发型（合规成本最低但需澄清两层授权链）。
§6.3 许可条款对复现者的实操含义
- 学术复现/论文：自由（署名即可）；
- 产品化/商业集成：联系数据所有者（联系人 Kaiyuan Yang/Pengcheng Shi 公开）；
- 再分发：保留许可条款+署名（衍生数据集需向下传递约束）。
§7 使用指南：从下载到提交
§7.1 数据获取与复现路径
①Zenodo 16623495 下载 2.0 GB（v3，2026-08-17，含 TA36 新标签——零注册）；②解压得 imagesTr_topbrain（NIfTI 25 对）+labelsTr v1/v2+labelmap_jsons；③nnUNet 格式即插即用（_0000 命名/LPS+ 方向）；④baseline 对照：podium Docker（21959166）本地跑通或读 TA36 银标 Docker 的 Zenodo 指南；⑤论文指标锚：Dice ~80%/F1 60%/contamination 18%。
§7.2 参赛路径（2.0）
- veins/stenosis 任务：2026-10 至 12 月底（GC 页）——任务详情"available soon"（缺口存照）；
- TA36 Track（MICCAI）：提交期对齐 TopAneu deadline+1-2 天；提交=血管分割算法容器；评估=隐藏金标 vs 官方 Docker baseline；
- 注册：GC 平台 topbrain2026.grand-challenge.org；
- 联系人：Kaiyuan Yang（UZH，kaiyuan.yang@uzh.ch）/ Pengcheng Shi（Medical Image Insights）。
§7.3 引用模板速记
数据：Zenodo DOI 10.5281/zenodo.16623495（v3）。preprint：Yang K, Shi P, et al. TopBrain segmentation challenge for whole brain vessel anatomy. medRxiv 2026.05.28.26354312。前作：Yang K, Musio F, et al. The TopCoW Challenge. NEJM AI 2026;3(8):AIdbp2500994。挑战页：topbrain2026.grand-challenge.org。
§8 批评视角与库内对照
§8.1 批评视角
- 50 例的统计脆弱性：48 类分割在 25 对数据上训练——类别级 Dice 的方差极大（side-road F1 60% 的宽置信区间）；跨中心泛化（单一影像来源 TopCoW 队列）未经验证；
- 隐藏测试的不可复现性：40 volumes 永不下发——第三方只能信任组织者的评估（GC 黑盒评估同款问题——531 附录 I 的挑战赛哲学）；
- 许可的非标准性：open data.swiss 条款不是 OSI 认证开源——商业研究者需法律确认（许可摩擦）；
- 2.0 信息真空：veins/stenosis 的指标/数据规模截至核查日未发布——参赛者规划困难（"available soon"的确定性成本）；
- 数字漂移两处：团队 11 vs 15；机构 “University of Mary”（OpenAIRE）疑为 Maryland 截断——引用以论文与官网为准。
§8.2 库内对照：挑战赛光谱的第二极
| 维度 | 531 LMC2 | 532 TopBrain（本条） |
|---|---|---|
| 规模哲学 | 大数据简单标签（150,000 图 4 类） | 小数据复杂标签（50 例 48 类） |
| 可获取性 | 注册墙 | Zenodo 零门槛 |
| 评估指标 | 通用（SSIM/PCC） | 任务特异（污染指标四件套） |
| 伦理轴 | 细胞系（零 IRB） | 医院影像二次标注（UZH IRB） |
| 赛后生态 | 归档等待 | Docker 即时公开 |
| 论文出口 | 数据库论文已发表（前作） | NEJM AI（前作）+medRxiv（本代） |
| 主办方 | 国家基础设施（FBI） | 大学/医院联盟（UZH/SJTU/Cornell/DKFZ/CHUV） |
——GC 平台的内部多样性（两极样本）说明"挑战赛型数据"不是同质类目——DAIMS 评分带（6-7 分带）内部需要二级分型（数据规模极/生态极/许可极）。
§8.3 与库内分割/血管条目的联动
本条是库内脑血管分割首例（脑影像类目首个挑战赛样本）：与 530（病灶框检测——同为血管/病灶级任务但模态不同）构成"平片检测 vs 断层分割"对照；与 519 MS-CXR-T（区域扰动）同属局部级标注家族的 3D 分支；其污染指标思想可输出给库内一切多类分割条目的评估章节。
§9 时间线与参与备忘
| 时点 | 事件 | 存照 |
|---|---|---|
| MICCAI 2023/2024 | TopCoW 两届（CoW 拓扑分割） | KAIST 新闻"이전 두 대회는 TopCoW" |
| 2025 | TopBrain 1.0（MICCAI 2025，大田 DCC）——48 类全脑基准 | KAIST 夺冠新闻 2025-10-13 |
| 2025（batch-1/2） | 训练数据 batch 发布 | Zenodo 描述 |
| 2026-05-30 | TopBrain preprint 挂 medRxiv | DOI 10.64898/2026.05.28.26354312 |
| 2026-07-23 | TopCoW 论文发表 NEJM AI 3(8) | AIdbp2500994 |
| 2026-08-17 | 数据 release v3（+TA36 标签） | Zenodo 16623495/21972006 |
| 2026-09 | 2.0 GC 页上线+TA36 公告 | GC 页 |
| 2026-10 ~ 12 月底 | veins/stenosis 任务窗口 | GC 页 |
| MICCAI 2026 | 2.0 现场赛（50 挑战之一） | 2.0 提案 |
§10 FAQ：速查索引（按主题分组）
FAQ-1 基础认知（7 问）
Q：TopBrain 2026 是什么？
A：MICCAI 2026 的 50 个官方挑战之一（Grand Challenge 平台）：全脑血管多类分割竞赛的第二届（Version 2）。家族谱系 TopCoW（两届 CoW 拓扑分割）→ TopBrain 1.0（MICCAI 2025，48 类全脑）→ 2.0（病理标签+临床任务）。
Q：数据规模有多大？
A：90 个标注 volumes（CTA+MRA 双模态血管造影），48 类标志性脑血管（动脉+静脉）；其中 50 训练 volumes（25 对）公开下载（Zenodo 2.0 GB），40 隐藏测试。
Q：为什么只有 50 例？
A：小而精路线：48 类血管级体素精标+中心线口径测量——类目精度优先样本规模；nnUNet 配方+预训练是工程补偿（KAIST 冠军路线：OpenMind pretrain+SSL+伪标签）。
Q：和 TopCoW 什么关系？
A：TopCoW 是前身（大脑动脉环 10 血管拓扑分割，论文 NEJM AI 2026）；TopBrain 把标注从 CoW 扩到全脑，且 TopCoW 标签是 TopBrain 的子集（标签 1-12+15 直接沿用）。
Q：TA36 是什么？
A：TopBrain 与 TopAneu（动脉瘤挑战）联办的 36 类血管分割联合赛道：36=TopBrain v2 动脉标签去 ECA+2 个 infraclinoid 新类；一模两赛——血管分割模型同时服务两个挑战。
Q：论文发表了吗？
A：双轨：前作 TopCoW 已发表 NEJM AI（2026-07，3(8):AIdbp2500994）；TopBrain 本身为 medRxiv preprint（2026-05-30 挂）。
Q：谁在主办？
A：UZH/SJTU/Cornell/DKFZ/CHUV 等机构联盟（43 人作者团队）；联系人 Kaiyuan Yang（UZH）与 Pengcheng Shi（Medical Image Insights）。
FAQ-2 数据与标注（6 问）
Q：48 类怎么算出来的？
A：CTA 40 类 ∪ MRA 42 类，交集 34 类——并集 40+42−34=48。三角自洽（论文 48=Zenodo 代数）。
Q：数据什么格式？
A：NIfTI（.nii.gz）16-bit signed，LPS+ 方向；命名 topcow_{modality}_{pat_id}_0000.nii.gz——nnUNet 命名约定预格式化；labelmap_jsons 提供类别字典。
Q：v1/v2 标签什么区别？
A：v1（2025）：CTA 40/MRA 42 分模态标签；v2/TA36（2026-08 新增）：36 类双模态统一（modality agnostic）——34 动脉类+2 个 infraclinoid 新类（ICA 的 C1-C5 vs C6-C7 分段）。
Q：中心线口径测量是什么？
A：沿血管中心线的管径测量数据——全脑血管解剖的首次报道；标注从掩码扩展到中心线+管径三层。
Q：许可怎么用？
A：open data.swiss 条款：非商业自由+署名义务；商业用途需数据所有者事先许可（逐案）——非标准 CC 条款，商用前需法律确认。
Q：伦理合规什么规格？
A：UZH 伦理委员会批准+患者同意声明；数据为 TopCoW 公开影像的二次精标——公开数据二次开发型合规（影像层走 TopCoW 授权链，标注层为新资产）。
FAQ-3 评估与参赛（6 问）
Q：评估指标有哪些？
A：四件套：检测式分割评估（存在性/边界分离）+解剖合理性（plausibility）+污染指标（contamination ratio<18%、invalid neighbors 近零——论文首创）+Dice/F1（~80%/60%）。
Q：基线成绩多少？
A：nnUNet 基础的前分队：~80% Dice（大血管主导）、side-road vessels F1 >60%（小血管瓶颈）、<18% 前景污染率、近零非法邻居。
Q：podium Docker 在哪？
A：Zenodo 21959166（Best Performing TopBrain Segmentation Dockers）——挑战结束即公开；TA36 官方银标 Docker 亦在此记录。
Q：2.0 的任务和时间？
A：veins（静脉）与 stenosis（狭窄）任务 2026 年 10 月至 12 月底；TA36 Track 提交期对齐 TopAneu deadline+1-2 天缓冲；任务详情发布中。
Q：怎么引用？
A：四线：数据 Zenodo 10.5281/zenodo.16623495；preprint medRxiv 10.64898/2026.05.28.26354312；TopCoW 论文 DOI 10.1056/AIdbp2500994；挑战页 topbrain2026.grand-challenge.org。
Q：隐藏测试集能看到吗？
A：不能——40 volumes 永不下发（GC 黑盒评估）；榜单成绩不可独立复现，信任链依赖组织者披露（挑战赛哲学的内生约束）。
（FAQ 合计 19 问）
§11 事实清单：逐条存照
- GC 子域 topbrain2026.grand-challenge.org——页面标题 TopBrain Segmentation Challenge Version 2。
- TopBrain 为 MICCAI 的 50 挑战之一（KAIST 新闻：‘MICCAI에서 개최하는 50개 Challenge중 하나’）。
- 家族谱系：TopCoW 两届（MICCAI 2023/2024）→ TopBrain 1.0（MICCAI 2025 首届 TopBrain 之名）→ 2.0（MICCAI 2026）——KAIST 新闻+2.0 提案双源。
- 论文口径：90 annotated volumes / 48 landmark vessel classes（动脉+静脉，CTA+MRA）；50 training volumes 公开发布——medRxiv 摘要。
- Zenodo 口径：50 (=25 pairs) CTA+MRA 训练对，来自 TopCoW 影像（batch-1/2，2025）；TopBrain_Data_Release_Batches1n2nTA36_081726.zip 2.0 GB（md5 aab94bed377ad71bfbde3f7e26d652c5）。
- 标签代数：CTA 40 labels / MRA 42 labels / 共享 34 overlapping——并集 48=论文口径，三角自洽。
- v1 标签 1-12+15 沿自 TopCoW（‘TopCoW labels are a subset of TopBrain’——Zenodo）。
- v2/TA36：labels 1-34 保留+2 infraclinoid 新类（左/右 C1-C5 vs C6-C7 ICA）=36 类，modality agnostic——Zenodo。
- TA36=TopBrain v2 动脉标签排除 ECA（extracarotid artery）——GC 页。
- 首创：全脑血管中心线口径测量首次报道（‘vessel caliber measurements along the centerline are reported for the first time’）——medRxiv。
- 评估四件套：detection in segmentation / anatomical plausibility / contamination metrics（novel）/ Dice+F1——medRxiv 摘要。
- 基线：top teams 基于 nnUNet——~80% Dice / near-zero invalid neighbor counts / >60% side-road F1 / <18% foreground contamination ratio——medRxiv。
- 结论语：‘Larger vessels are easier to segment, while smaller and more complex vessels remain the true bottleneck’——medRxiv。
- 社区规模漂移：220+ 注册/15 队（论文）vs 200+ 注册/11 队（2.0 提案摘要）——以论文 15 为准、提案 11 存照。
- 数据影响力：Zenodo 下载 800+；贡献 RSNA Aneurysm Detection Challenge 的 podium-finish 方案——2.0 提案。
- TA36 联合赛道：TopBrain×TopAneu（topaneu-26.grand-challenge.org）——‘One vessel segmentation model. Two challenges. Two chances to win.’——GC 页。
- TopAneu 官方 Docker 公开（zenodo 21959166）——TA36 标注训练的银标生成器+organizer baseline——GC 页+Zenodo。
- TA36 金标发布于 labelsTr_topbrain_v2_topaneu36class（zenodo 21972006 关联记录）——GC 页。
- 官方发现：TA36 血管模型可反哺动脉瘤定位质控（‘help flag and resolve several cases of misclassified aneurysms’）——GC 页。
- veins 与 stenosis 任务窗口：2026-10 至 12 月底——GC 页。
- 2.0 升级三方向：扩充解剖/病理标签+临床导向任务与定制指标+多模态数据——2.0 提案摘要。
- 2.0 定位：‘bridge the gap between a testing-the-water baseline segmentation model and a clinically robust, diagnostically useful brain vessel analysis tool’——提案。
- 2.0 关键词：Vessel stenosis / Brain vessel atlas / Intracranial aneurysm / Large vessel occlusion / Multi-label ordinal classification / MICCAI 2026 challenge——OpenAIRE。
- KAIST 夺冠（MICCAI 2025）：Park Sung-Hong 实验室 KPopDemonHunters 队（4 人）MRI+CT 双赛道第一；OpenMind pretrain+SSL 微调+binary segmentation 降 FP+TopCoW pseudo-label——KAIST 官网 2025-10-13。
- KAIST 新闻表述：MRI 赛道成绩超过 organizer 团队自身——挑战赛健康度证据。
- 许可：open data.swiss 条款——非商业自由/商业需事先许可/必须署名——Zenodo License 条款。
- IRB：University Hospital of Zurich 伦理委员会批准+患者同意与标识不可还原声明——medRxiv IRB 字段。
- preprint 许可：CC-BY-NC-ND 4.0（medRxiv 显示层）。
- podium Docker 公开：zenodo 21959166（Best Performing TopBrain Segmentation Dockers）——挑战后即时公开。
- 关联组织：University of Mary(land?) / Shanghai Jiao Tong University / Cornell / German Cancer Research Center / University Hospital of Lausanne——OpenAIRE（‘University of Mary’ 疑截断存照）。
- 作者 43 人（BIP! Finder 全录）：含 Menze Bjoern / Maier-Hein Klaus / Paetzold Johannes 等机构大牛+参与者按队名字序列名。
- 联系人：Kaiyuan Yang（kaiyuan.yang@uzh.ch, UZH）/ Pengcheng Shi（shipc1220@gmail.com, Medical Image Insights）——Zenodo。
- TopCoW 论文：NEJM AI 2026 Jul 23;3(8):AIdbp2500994——已发表（DOI 10.1056/AIdbp2500994）。
- TopBrain preprint：medRxiv 2026-05-30 挂（DOI 10.64898/2026.05.28.26354312）。
- 数据 release 版本：v3（2026-08-17 更新）——Zenodo 页面版本史；record 16623495 与 21972006 的关联（同一数据的版本/关联记录）。
- 统一标注方案：‘Vessel definitions were consolidated from established neuroanatomical references into a unified annotation scheme’——medRxiv（应对真实解剖变异）。
（事实合计 36 条）
§12 术语表：三十条
| TopCoW | Topology-aware Circle of Willis——前作挑战（两届）：大脑动脉环拓扑感知分割（NEJM AI 2026）。 |
| Circle of Willis (CoW) | 大脑动脉环——脑底动脉吻合环；TopCoW 的标注范围（10 血管）。 |
| TopBrain | 全脑血管分割挑战——把标注从 CoW 扩展到全脑 48 类。 |
| TopAneu | 动脉瘤挑战（topaneu-26）——TopBrain 的 TA36 联赛伙伴。 |
| TA36 | TopAneu 36 类血管解剖——34 动脉类+2 infraclinoid 类的双模态统一标签。 |
| ECA | External Carotid Artery 颈外动脉——TA36 中被排除的 TopBrain 类。 |
| Infraclinoid | 床突下段——ICA 的 C1-C5 vs C6-C7 分段（TA36 新增 2 类）。 |
| CTA | CT 血管造影——48 类的 CT 侧模态（40 标签）。 |
| MRA | MR 血管造影——48 类的 MR 侧模态（42 标签）。 |
| Side-road vessels | 侧支/穿支小血管——分割真瓶颈（F1 60% vs 大血管 80%）。 |
| Vessel caliber | 血管口径——沿中心线的管径测量（全脑血管首次报道）。 |
| Centerline | 血管中心线——掩码的骨架化表达，口径测量的载体。 |
| Contamination metrics | 污染指标——类间预测错误的定量表征（论文首创；foreground contamination ratio+invalid neighbor counts）。 |
| Invalid neighbors | 非法相邻类别对——解剖上不可能相邻的类别出现在预测中相邻位置。 |
| Anatomical plausibility | 解剖合理性——预测符合神经解剖约束的评估维度。 |
| Detection in segmentation | 检测式分割评估——存在性判断与边界精度分离计分。 |
| nnUNet | 自配置分割框架——前分队的共同基础（recipe 化小样本训练）。 |
| OpenMind | 脑影像预训练模型（KAIST 冠军路线的起点）。 |
| Pseudo-label | 伪标签——用 TopCoW 公开数据生成额外训练信号（KAIST 四步之一）。 |
| Silver-standard | 银标——模型生成的掩码（vs 人工金标）；TA36 银标 Docker 公开。 |
| Gold-standard | 金标——人工精注（隐藏测试集的评估基准）。 |
| NIfTI | Neuroimaging Informatics Technology Initiative 格式——数据格式（.nii.gz 16-bit LPS+）。 |
| LPS+ | Left-Posterior-Superior+ 方向约定——医学影像标准方位。 |
| open data.swiss | 瑞士开放数据条款——本数据许可来源（非商业自由+商用逐案许可+署名）。 |
| NEJM AI | 新英格兰医学杂志 AI 子刊——TopCoW 论文的发表地（顶刊出口）。 |
| medRxiv | 医学预印本仓——TopBrain preprint 状态（未同行评议）。 |
| Zenodo | CERN 开放科学仓——数据 release（16623495/21972006）与 Docker（21959166）的托管地。 |
| Grand Challenge | GC 平台——挑战赛托管（topbrain2026 子域）。 |
| UZH / CHUV / DKFZ | 苏黎世大学 / 洛桑大学医院 / 德国癌症研究中心——主办机构核心。 |
| MICCAI | 医学影像计算与计算机辅助干预国际会议——三代挑战的学术载体（2026=2.0 现场）。 |
（术语表合计 30 条）
附录 A：30 秒速查卡
| 维度 | 一行答案 |
|---|---|
| 是什么 | MICCAI 2026 全脑血管多类分割挑战（Version 2）——三代家族最新代 |
| 在哪 | topbrain2026.grand-challenge.org；数据 Zenodo 16623495（2.0 GB 直下） |
| 谱系 | TopCoW（两届，CoW 拓扑，NEJM AI 2026）→ TopBrain 1.0（MICCAI 2025）→ 2.0（本条） |
| 多大 | 90 volumes / 48 类——50 训练公开（25 对 CTA+MRA）+40 隐藏 |
| 标签代数 | CTA 40 ∪ MRA 42 ∩ 34 = 48（三角自洽）；TA36=36 类（去 ECA+2 infraclinoid） |
| 首创 | 中心线血管口径测量（全脑首次）+ 污染指标（类间泄漏定量） |
| 基线 | nnUNet ~80% Dice / side-road F1 >60% / contamination <18% |
| 评估 | 检测式分割+解剖合理性+污染指标+Dice/F1——四件套 |
| 2.0 任务 | 病理标签+veins/stenosis（2026-10~12）+多模态；TA36 联合赛道 |
| 论文 | TopCoW=NEJM AI 2026 已发表；TopBrain=medRxiv preprint（2026-05-30） |
| 伦理 | UZH IRB+TopCoW 公开影像二次精标 |
| 许可 | open data.swiss（非商业自由/商用逐案许可/署名） |
| 生态 | podium Docker 即时公开（21959166）；数据 800+ 下载；溢出 RSNA 动脉瘤挑战 |
| 夺冠存照 | KAIST KPopDemonHunters 队 MICCAI 2025 双赛道第一（OpenMind+SSL+伪标签） |
| 一句话 | 从拓扑到全脑到临床的血管分割三级跳——小而精+赛后生态的 GC 范本 |
附录 B：时间线——三代家族大事记
| 时点 | 事件 | 存照 |
|---|---|---|
| MICCAI 2023 | TopCoW 首届（CoW 拓扑感知分割，CTA+MRA） | 家族起点 |
| MICCAI 2024 | TopCoW 第二届 | KAIST 新闻"前两届 TopCoW" |
| 2025 | TopBrain 1.0（MICCAI 2025，大田 DCC）——48 类全脑基准首发；batch-1/2 数据发布 | 提案+Zenodo |
| 2025-08~09-21 | 1.0 竞赛窗口（8 月开赛、9-21 提交截止、9-23 获奖公布） | KAIST 新闻 |
| 2025-10-13 | KAIST 双赛道夺冠报道 | KAIST 官网 |
| 2026-05-30 | TopBrain preprint 挂 medRxiv（90 volumes/48 类/15 队/220+ 注册者全披露） | DOI 10.64898/2026.05.28.26354312 |
| 2026-07-23 | TopCoW 论文发表 NEJM AI 3(8) | DOI 10.1056/AIdbp2500994 |
| 2026-08-17 | 数据 release v3（+TA36 36 类标签） | Zenodo 16623495 |
| 2026-09 | 2.0 GC 页上线+TA36 联合赛道公告 | GC 页 |
| 2026-10~12 月底 | veins/stenosis 任务窗口 | GC 页 |
| MICCAI 2026 | 2.0 现场赛（50 挑战之一） | 提案关键词 |
B.2 时间线三读
- 一代一年的家族节奏：TopCoW（2023/2024）→TopBrain（2025）→2.0（2026）——连续四年的年度化运营（对照 LMC 两届间隔 2 年——TopBrain 的迭代更快）；
- 论文滞后挑战 1 年的规律：1.0（2025-08）→preprint（2026-05）——9 个月；TopCoW（2024）→NEJM AI（2026-07）——顶刊周期更长。引用者预期：2.0 的正式论文约 2027；
- 2026-08 的三件套齐发：数据 v3+TA36 公告+银标 Docker——2.0 开赛的准备动作集中在一个月内完成。
附录 C：数据资产清单
C.1 Zenodo 资产三件套（全部零门槛）
| 资产 | 记录 | 内容 |
|---|---|---|
| 数据 release v3 | 16623495（关联 21972006） | 2.0 GB zip：imagesTr_topbrain（25 对 NIfTI）+labelsTr v1（CTA 40/MRA 42）+labelsTr v2 TA36（36 类）+labelmap_jsons |
| podium Docker | 21959166 | 1.0 领奖台分割容器+TA36 银标 Docker（含本地运行指南） |
| 提案文档 | 19707577/19707576 | 2.0 提案（43 人署名+摘要） |
C.2 目录树（按 Zenodo 描述转录）
TopBrain_Data_Release/
├── imagesTr_topbrain/
│ └── topcow_{ct|mr}_{001...}_{0000}.nii.gz # 25 对 CTA+MRA（16-bit LPS+）
├── labelsTr_topbrain_v1_ct/ # CTA 40 类掩码
├── labelsTr_topbrain_v1_mr/ # MRA 42 类掩码
├── labelsTr_topbrain_v2_topaneu36class/ # TA36 36 类统一标签
├── labelmap_jsons/ # 类别值 json 字典
└── License.txt # open data.swiss 条款
C.3 资产使用注意
- _0000 后缀=nnUNet 约定——直接进 nnUNet流水线（nnUNetv2_prepare_steps）；
- LPS+ 方向——读入时确认仿射矩阵（SimpleITK/nibabel 默认处理）；
- v1/v2 标签选择：复现 1.0 用 v1（分模态）；打 TA36 用 v2（统一）；2.0 全任务等新标签发布；
- 隐藏 40 volumes 不存在下载——自切分只能从 50 内做（按对切分防同患者泄漏）。
附录 D：48 类血管解剖结构详注
D.1 血管系统的三大块（按标注体系组织）
| 系统块 | 代表类目 | 分割难度 |
|---|---|---|
| 前循环动脉 | ICA（颈内动脉，infraclinoid/cavernous/clinoid 段细分）、MCA（大脑中动脉 M1-M4）、ACA（大脑前动脉 A1-A3）、ACoA/PCoA 交通动脉 | 主干易（Dice 80% 主力）；远端分支难 |
| 后循环动脉 | BA（基底动脉）、PCA（大脑后动脉）、SCA/AICA/PICA（小脑动脉系）、VA（椎动脉） | 变异多（胚胎型 PCA 等）——解剖合理性评估的主战场 |
| 静脉系统 | 皮质静脉、横窦/乙状窦、海绵窦、桥静脉等（venous labels 为 TopBrain 相对 TopCoW 的扩容主体） | 2.0 veins 任务焦点；变异性最大 |
D.2 类目设计的三个方法论要点
- 单双侧拆分：左右成对的血管独立成类（L/R 前缀）——48 类中的一半以上是左右对称对——"side"混淆正是污染指标的抓捕目标（左 M1→右 M1 的预测=解剖性错误）；
- 段位细分：ICA 按 C1-C7 段（Bouthillier 分段）拆分——TA36 新增的 2 类即 C1-C5/C6-C7 的 infraclinoid 细分——类目粒度=临床粒度（介入治疗的分段对应）；
- 模态差异的标签学：CTA 40 vs MRA 42 的差异类=两模态可见性差异（小静脉在 MRA 不可见/骨质伪影影响 CTA）——34 共享类是"双模态统一标注"的核心贡献（同一血管跨模态同 ID——跨模态学习的基础设施）。
D.3 与神经解剖参考的整合
论文声明：“Vessel definitions were consolidated from established neuroanatomical references into a unified annotation scheme”——既往文献的分段方案（Bouthillier ICA 分段/改良 Lasjaunias 等）被整合为单一 scheme——48 类不是发明而是标准化：应对真实解剖变异（胚胎型循环/重复血管/发育缺如）的规则写入标注协议——解剖变异的处理是"real-world anatomical variations"承诺的落点。
附录 E：三代家族对照总表
| 维度 | TopCoW（2023/2024） | TopBrain 1.0（2025） | TopBrain 2.0（2026，本条） |
|---|---|---|---|
| 解剖范围 | Circle of Willis（10 血管） | 全脑 48 类（动脉+静脉） | 48 类+病理标签扩充 |
| 核心创新 | 拓扑感知评估 | 全脑标准化+口径测量 | 临床任务（狭窄/闭塞） |
| 模态 | CTA+MRA | 同（40/42/34 代数） | 同+多模态扩充 |
| 数据 | TopCoW 公开影像 | 90 volumes（50 公开） | 继承+扩充 |
| 社区 | — | 220+ 注册/15 队 | TA36 双社区联合 |
| 论文 | NEJM AI 2026 已发表 | medRxiv preprint | 待出 |
| 评估 | 拓扑正确性优先 | 四件套（检测/合理性/污染/Dice） | 定制临床指标（待发布） |
E.2 三代递进的两条主线
- 解剖范围线：环（10）→全脑（48）→全脑+病理——标注空间的系统性扩张；
- 临床深度线：拓扑正确→分割精度+口径→狭窄/闭塞诊断——从"画得对"到"量得准"到"诊得出"。三代递进合起来是一条从基准到工具的产品化路径——2.0 提案的"clinically robust, diagnostically useful"是路线的明示。
附录 F：论文双轨对照——NEJM AI 与 medRxiv
| 维度 | TopCoW 论文 | TopBrain preprint |
|---|---|---|
| 状态 | 已发表（NEJM AI 2026;3(8):AIdbp2500994） | preprint（medRxiv 2026-05-30） |
| 覆盖 | 前两届 TopCoW 挑战 | TopBrain 1.0（2025） |
| 数字 | CoW 10 血管拓扑基准 | 90 volumes/48 类/220+ 注册/15 队 |
| 评估 | 拓扑感知 | 四件套 |
| 引用资格 | 正式（顶刊同行评议） | 预印（注明 preprint 状态） |
F.2 双轨的引用纪律
引家族谱系/拓扑方法→NEJM AI；引 48 类数据/污染指标/基线数字→medRxiv（注明 preprint）；引 2.0 计划→Zenodo 提案（19707577）；引数据本体→Zenodo 16623495。四线各有锚——对照 529（论文悬空只有 arXiv）的引用单薄问题，TopBrain 的引用结构是挑战赛家族中最厚的。
附录 G：DAIMS 十维自评——本条 7.6（挑战赛型的第二评）
| 维度 | 得分 | 评分理由 |
|---|---|---|
| 可发现性 | 8 | GC+Zenodo+medRxiv+NEJM AI+KAIST 新闻五链互引；TopBrain/TopCoW/TA36 多实体命名需理清 |
| 可获取性 | 8 | Zenodo 2.0 GB 零注册直下+Docker 公开——GC 平台可获取性上限 |
| 格式 | 8 | NIfTI 16-bit LPS++nnUNet 预格式化+labelmap json——工程即用 |
| 文档 | 7 | Zenodo 描述详尽+preprint 全披露；2.0 任务细节未发布减分 |
| 标注质量 | 8 | 48 类体素精标+口径测量首创+统一解剖方案；小样本的标注方差风险 |
| 伦理治理 | 8 | UZH IRB+公开影像二次标注的清晰授权链；商用逐案许可的摩擦 |
| 规模 | 5 | 50 训练 volumes——本库挑战赛条目最小；类目精度补偿有限 |
| 可复现性 | 9 | 数据+Docker+基线数字+评估框架全公开——挑战赛可复现性天花板 |
| 治理维护 | 8 | 四年四代连续运营+社区反馈写入设计+版本化 release |
| AI-Ready 综合印象 | 8 | nnUNet 即插+Docker 对照+金标/银标分层——参赛与复现双友好 |
G.2 与 LMC2（6.9）的对照解读
+0.7 的分差来自三处：可获取性（8 vs 5——Zenodo 直下 vs 注册墙）、可复现性（9 vs 6——Docker 即时 vs 归档等待）、治理（8 vs 6——三代连续 vs 跨页漂移未同步）。LMC2 反超处：规模（150,000 vs 50）。“小而精+全开放"胜"大而简+注册墙”——挑战赛型评分带内部的二级分型（生态极 vs 规模极）得到第二个样本点。
附录 H：GC 模板 v1.5——累积校准记录
H.1 两条目校准的条款差异
| 条款 | v1.0（LMC2 建立时） | v1.5（TopBrain 校准后） |
|---|---|---|
| 页面形态 | GC 静态页极简（2 节） | 修正：公告型页面可有实质内容——密度=主办方更新频率函数 |
| 数据获取 | 注册墙为常态 | 新增可获取性分档：Zenodo 直下/注册墙/赛后归档三档 |
| 前作锚 | 找上一届数据论文 | 锚强度分级：顶刊>preprint>挑战页；多前作并存时各记 |
| 伦理轴 | 细胞系/公开库/前瞻三型 | 新增第四型：公开数据二次精标（影像层授权链+标注层新资产） |
| 论文状态 | 四分（已收/投稿/数据库/挑战报告） | 双轨并存常态：前作顶刊+本代 preprint 各记各态 |
| 漂移三查 | 任务/规模/时间线跨页 | 新增：数字演化查（注册者/团队数随时间点漂移——11 vs 15 案例） |
| 命名消歧 | （v1.0 未含） | 新增条款：多实体家族（TopCoW/TopBrain/TA36/TopAneu）的关系图必画 |
H.2 v1.5 对 533-535 的预判更新
- CHIMERA（533）：名称多义性风险高（chimera 是常见项目名）——命名消歧条款首用；
- autoPET V（534）：系列第五届——前作锚最强（IV 论文已发表）；PET 模态的许可链需查（医院数据？合成？）；
- OWL（535）：元研究型——评估协议可能是质性分析，DAIMS 第三种评分结构待建。
附录 I：nnUNet 配方与极小样本策略——50 例训 48 类的工程学
I.1 为什么 nnUNet 是小样本分割的答案
nnUNet（Isensee et al.）的自配置哲学：数据集指纹（体素间距/尺寸/强度分布）→自动配置预处理/网络容量/训练计划/集成策略。50 例场景下，人工调参会过拟合这 50 例——nnUNet 的规则化配置把人的自由度限制在"用不用 nnUNet"而非"怎么调"——小样本的第一性原理是减少自由度。TopBrain 前分队全部基于 nnUNet（“principled system design choices”）——论文的措辞本身就在说：赢在系统设计不在网络创新。
I.2 极小样本的四件武器（KAIST 路线+论文观察）
①预训练：OpenMind（脑影像自监督基础模型）起步——50 例的标注信号只需微调对齐；②SSL 微调：无标注血管影像的自监督继续预训练；③辅助任务：binary segmentation 副模型压制假阳性（主模型多类+副模型二值化的集成）；④伪标签扩充：TopCoW 公开数据生成 pseudo-label——相邻数据集的标注迁移（50→100+ 有效样本）。四件武器全部与架构无关——数据策略>网络设计的又一实证（对照 527 的 M1 Max 小模型哲学）。
I.3 复现者的操作清单
1. nnUNetv2 骨架 + TopBrain 数据（已预格式化）
2. 预训练权重：OpenMind 或 Model Zoo 相邻模型
3. 伪标签：TopCoW 原始标签（NEJM AI 论文数据）→ 合并训练
4. 集成：多类主模型 + 二值 FP 抑制副模型
5. 评估：Dice 总体 + 按类分解 + 污染指标自算（论文公式）
6. 对照锚：podium Docker 直接跑（21959166）
附录 J：坑点清单——十坑对照
| 编号 | 坑 | 正确姿势 |
|---|---|---|
| 坑点 1 | 90 volumes 与 50 volumes 混引 | 总 90/公开 50/隐藏 40——三数分注 |
| 坑点 2 | 48 类与 40/42 类并列混淆 | 48=CTA 40 ∪ MRA 42（交集 34）——代数关系 |
| 坑点 3 | TA36 当 TopBrain v2 全标签 | TA36=36 类（去 ECA+2 infraclinoid）——TopAneu 兼容子集 |
| 坑点 4 | 团队数引 11 或 15 不注源 | 论文 15（最终）/提案 11（存照）——引 15 |
| 坑点 5 | KAIST 夺冠当 2.0 结果 | 1.0（MICCAI 2025）战报 |
| 坑点 6 | TopCoW 与 TopBrain 论文混引 | NEJM AI（CoW）/medRxiv（TopBrain）——两篇分工 |
| 坑点 7 | 标 CC BY-NC | open data.swiss 条款——商用需逐案许可（更严） |
| 坑点 8 | 2.0 榜单当已定 | veins/stenosis 至 2026-12——结果未出 |
| 坑点 9 | ~80% Dice 当 2.0 目标 | 1.0 基线锚——2.0 临床门槛更高 |
| 坑点 10 | 25 对与 50 volumes 混淆 | 同一数据两种计数（对=CTA+MRA 配对） |
附录 K：引用模板
K.1 数据引用
TopBrain Challenge Organizers. (2026). TopBrain Challenge Data Release (Version v3). Zenodo. https://doi.org/10.5281/zenodo.16623495
K.2 preprint 引用
Yang, K., Shi, P., Huang, H., Musio, F., Baazaoui, H., Aydin, O. U., Hilbert, A., Hamadache, R. E., Yalcin, C., Zhang, M., & Falcetta, D. (2026). TopBrain segmentation challenge for whole brain vessel anatomy. medRxiv. https://doi.org/10.64898/2026.05.28.26354312 （preprint）
K.3 前作论文引用
Yang, K., Musio, F., Ma, Y., Juchler, N., Paetzold, J. C., Al-Maskari, R., Höher, L., Li, H. B., Hamamci, I. E., Sekuboyina, A., & Shit, S. (2026). The TopCoW Challenge—Topology-Aware Circle of Willis Segmentation for CT and MR Angiography. NEJM AI, 3(8), AIdbp2500994. https://doi.org/10.1056/AIdbp2500994
K.4 BibTeX 合并版
@dataset{topbrain_2026_data,
author = {{TopBrain Challenge Organizers}},
title = {{TopBrain Challenge Data Release}},
year = {2026},
version = {v3},
publisher = {Zenodo},
doi = {10.5281/zenodo.16623495},
note = {90 volumes, 48 classes; license: open data.swiss terms}
}
@article{yang_2026_topbrain_preprint,
author = {Yang, Kaiyuan and Shi, Pengcheng and Huang, Houjing and others},
title = {{TopBrain} segmentation challenge for whole brain vessel anatomy},
journal = {medRxiv},
year = {2026},
doi = {10.64898/2026.05.28.26354312},
note = {preprint}
}
@article{yang_2026_topcow,
author = {Yang, Kaiyuan and Musio, Fabio and Ma, Yihui and others},
title = {The {TopCoW} Challenge---Topology-Aware Circle of Willis Segmentation for {CT} and {MR} Angiography},
journal = {NEJM AI},
volume = {3},
number = {8},
year = {2026},
doi = {10.1056/AIdbp2500994}
}
附录 L：分层读法——不同读者的最优路径
| 读者 | 最短路径 | 跳过 | 关键收益 |
|---|---|---|---|
| 参赛者（TA36/2.0） | §2.3（TA36）→ §4（基线）→ 附录 C（资产）→ I（配方） | §5 | 一模两赛策略+nnUNet 四件武器 |
| 复现者 | 附录 C → I（操作清单）→ K（引用） | §1.1 | 半天跑通 baseline 的路径 |
| 神经介入临床 | D（48 类解剖）→ §3.3（口径测量）→ G | 附录 I | 分段标准化+口径数据的临床价值 |
| 评估方法研究者 | §3（四件套）→ §8.2 | §7 | 污染指标的方法论样本 |
| 数据集评审者 | 附录 G（DAIMS）→ E（三代对照）→ §8 | 附录 I | 挑战赛二级分型的第二样本 |
| 后续条目作者 | FACTS.md → §1.3（模板校准）→ H（v1.5） | 全部叙事 | 模板差异与 533-535 预判 |
附录 M：批次八账本——532 的位置
M.1 批次八进度
| order | slug | rid | 状态 | 价值 |
|---|---|---|---|---|
| 526 | rexerr（并行会话） | — | 让渡 | 术语漂移形态 |
| 527 | swiss-mammo | 627 | ✅ | 合成三分法人写端点 |
| 528 | tn-mammo-breast-density | 628 | ✅ | 乳腺双子 |
| 529 | vindr-pcxr | 629 | ✅ | 三大事故+Sci Data 悬空 |
| 530 | vindr-spinexr | 630 | ✅ | MICCAI+13 倍跃升 |
| 531 | lightmycells2 | 631 | ✅ | GC 首接入+模板 v1.0 |
| 532 | topbrain2026 | 本条 | ✅ | 三代家族+模板 v1.5 |
| 533-535 | chimera/autopet V/owl | 待产 | — | 模板继续校准 |
M.2 本条的批次价值
- GC 平台多样性确认：两极样本集齐（LMC2 注册墙大数据 vs TopBrain 直下小数据）——"挑战赛型"二级分型（生态极/规模极）成立；
- 方法论增量：48 类代数自洽的规模卡（40/42/34→48）——本库规模核查的教科书案例；污染指标=分割评估的方法论输出；
- 配方层产出：nnUNet+四件武器（附录 I）——533-535 参赛者复用的工程模板；
- 模板演进：v1.0→v1.5 六条修正（H 表）——跨源五查之外新增"数字演化查"与"命名消歧"。
附录 N：核查日志
N.1 核查过程存照（2026-09-25）
| 轮次 | 动作 | 结果 |
|---|---|---|
| 1 | WebSearch TopBrain GC | KAIST 新闻+OpenAIRE 2.0 提案+Zenodo 数据页+GC 页五信源 |
| 2 | WebFetch Zenodo 16623495 | 数据全描述（25 对/40+42/34 代数/TA36/许可/引用四线） |
| 3 | WebFetch medRxiv | 摘要全数字（90/48/220+/15 队/四件套/nnUNet 80% Dice）+UZH IRB |
| 4 | 交叉验证 | 48=40∪42 自洽发现+90=50+40 切分自洽+11/15 漂移存照 |
N.2 信源清单
GC 页（topbrain2026.grand-challenge.org）/ Zenodo 16623495（v3 全描述）/ Zenodo 21959166（Docker）/ OpenAIRE+BIP!（2.0 提案 19707577/76+43 人名单）/ medRxiv preprint（10.64898/2026.05.28.26354312）/ KAIST 官网新闻（韩文，2025-10-13）。
N.3 模板校准的核查动作差异
对比 LMC2 的核查（6 轮）：TopBrain 4 轮完成——原因：①Zenodo 描述自带数据全规格（LMC2 的数据文档在登录墙后）；②medRxiv 摘要数字密度高（规模/基线/社区一步到位）；③KAIST 新闻提供了 1.0 的现场细节（免抓 MICCAI 官网）。前作锚的成熟度决定核查轮数——模板 v1.5 的"锚强度分级"正是此意的条文化。
附录 O：GC 模板 v1.5 定稿条款（533-535 复用）
- 信源矩阵：GC 子域/主办方官网/数据仓（Zenodo 等）/学术出口（论文）/新闻或机构报道——五信源并行；
- 命名消歧：多实体家族必画关系图（谱系树+子实体清单）——TA36 案例的条文化；
- 规模代数：数字间的代数关系必须验证（48=40∪42−34/90=50+40）——代数自洽是规模可信度的最强证据；
- 数字演化查：同一数字在不同时点文本中的漂移（11→15）——以学术出口（论文）为最终值；
- 可获取性三档：Zenodo 直下/注册墙/赛后归档——影响 DAIMS 可获取性维；
- 伦理四型：细胞系/公开库派生/前瞻采集/公开数据二次精标——各型合规链不同；
- 许可细读：非标准条款逐条转录（open data.swiss 案例）——禁止猜测为标准 CC；
- 论文状态双轨：前作+本代各记各态（NEJM AI+medRxiv 案例）；
- 赛后生态观察：Docker/代码/伪标签的公开节奏——治理维的评分依据；
- 配方沉淀：冠军/基线路线工程化转录——附录 I 模式（533-535 复用）。
（模板 v1.5 完——533-535 校准后 v2.0 定稿）
附录 P：48 类的神经解剖深读——标注体系背后的血管地图
P.1 前循环（anterior circulation）的主干与分段
- ICA（颈内动脉）：按 Bouthillier 分段 C1-C7（颈段/岩段/破裂孔段/海绵窦段/床突段/眼段/交通段）——TA36 新增的 2 类即把 infraclinoid（C1-C5 床突下）与 clinoid 以上（C6-C7 床突上）拆分——介入治疗（支架/血流导向装置）的分段操作口径；
- MCA（大脑中动脉）：M1（水平段）-M2（岛叶段）-M3（岛盖段）-M4（皮层支）——M1 的单双侧与早期分支变异是标注协议的变异处理重点；
- ACA（大脑前动脉）：A1（交通前段）-A2（交通后段）-A3 以远——ACoA（前交通动脉）区的解剖变异密度最高（azygos A2/三支 ACA 等）；
- ACoA/PCoA（交通动脉）：Willis 环的完整性判定依赖——TopCoW 拓扑评估的核心对象。
P.2 后循环（posterior circulation）与变异谱
VA（椎动脉）-BA（基底动脉）-PCA（大脑后动脉）主干+SCA/AICA/PICA 小脑动脉系。后循环是解剖变异的重灾区：胚胎型 PCA（fetal PCA——PCA 直接由 ICA 供血）、椎动脉发育不良/不对称、永存三叉动脉等原始吻合——标注协议对变异的规则化（“real-world anatomical variations”）主要压力测试就在这里。污染指标在此的价值：变异血管的类间误标（如 fetal PCA 标成 P1 段）是"解剖性错误"而非"边界误差"——正是 invalid neighbors 设计要抓的。
P.3 静脉系统：2.0 veins 任务的主场
静脉标注（TopBrain 相对 TopCoW 的扩容主体）：浅静脉系（Trolard/Labbe 吻合静脉、皮质静脉）+深静脉系（大脑内静脉/基底静脉/Rosenthal）+静脉窦（上矢状窦/横窦/乙状窦/海绵窦）。静脉的分割难点与动脉完全不同：①变异度更高（皮质静脉走行几乎人人不同）；②CTA 上强化时相敏感（动脉期静脉显示弱）；③管壁薄/口径变化大。2.0 把 veins 单列任务——动脉基准已立、静脉是真正的开放难题。
P.4 口径测量的临床落点
中心线口径数据的三类用途：①狭窄定量的基线（局部管径/远端参考管径=狭窄率——NASCET/WASID 分级的计算原料）；②血管重塑分析（随访扩张/缩窄）；③介入器械选型（支架直径匹配）。口径测量使数据集从"分割基准"升级为"测量基准"——这是 2.0"clinically robust"承诺的数据层基础。
附录 Q：污染指标的数学与实现
Q.1 指标定义（论文描述的工程化转写）
- Foreground contamination ratio：预测前景体素中，类别标签与"合理类别集"不符的占比——衡量模型把 A 血管画成 B 血管（或把背景画成血管类）的总体泄漏率。冠军 <18% 意味着：每 100 个前景预测体素中约 82 个类别正确。
- Invalid neighbor counts：解剖上不可能相邻的类别对在预测中相邻的次数（如 MCA 段直接邻接 ACA 远端皮层支——中间必隔其他结构）——空间不一致性的拓扑探针。"near-zero"是金标准级别的空间自洽。
Q.2 最小实现（伪代码级）
import numpy as np
# 邻接对白名单: 由金标统计出的合法相邻类别对集合
# (label_a, label_b) 在金标 3D 邻接中出现过的对视为合法
def build_valid_pairs(gold_masks, connectivity=1):
pairs = set()
for m in gold_masks:
for a, b in neighbor_labels(m, connectivity): # 遍历相邻体素对
pairs.add((min(a, b), max(a, b)))
return pairs
def invalid_neighbor_count(pred, valid_pairs):
bad = 0
for a, b in neighbor_labels(pred, 1):
if a and b and (min(a, b), max(a, b)) not in valid_pairs:
bad += 1
return bad
def contamination_ratio(pred, gold, fg_labels):
fg = np.isin(pred, fg_labels) # 预测前景
correct = fg & (pred == gold) # 类别且位置皆对
return 1.0 - correct.sum() / max(fg.sum(), 1)
Q.3 指标的方法论意义
传统分割评估（Dice/HD）对"类间混淆"完全不敏感——48 类任务中，把左 M1 全画成右 M1，Dice 对单类惩罚明显，但总体 Dice 可能几乎不变。污染指标把分类学错误（anatomical identity 错误）从几何错误（边界偏移）中剥离——对类目越多、形态越相似的分割任务（血管/脑区/肺段），这是通用性极强的一层评估。可输出给库内一切多类分割条目（533-535 若有分割类挑战直接继承）。
附录 R：CTA vs MRA——模态对照与标签代数的物理根源
R.1 双模态成像对照
| 维度 | CTA | MRA |
|---|---|---|
| 物理原理 | X 射线+碘对比剂 | 血流信号（TOF）或对比剂（CE-MRA） |
| 空间分辨率 | 高（亚毫米各向同性常见） | 中（TOF 依赖序列） |
| 骨质干扰 | 颅底骨伪影显著（需去骨） | 无骨伪影 |
| 小血管显示 | 强（对比剂充盈） | 弱（慢血流/湍流失信号） |
| 静脉显示 | 时相依赖（静脉期） | TOF 上静脉常被饱和抑制 |
| 钙化敏感性 | 高钙化伪影 | 钙化低信号（不干扰） |
R.2 标签代数的模态解释
CTA 40 vs MRA 42 的差异类正是物理可见性的映射：MRA 多出的类多为慢血流小动脉（TOF 对流速敏感——CTA 对比剂遗漏的远端支）或MRA 特有的显示优势类；CTA 少数的缺失与颅底伪影遮蔽区相关（岩骨段 ICA 周围等）。34 共享类=双模态都可靠显示的主流血管——"modality agnostic"的 TA36 统一标签只能在共享类+新增 infraclinoid 上做——标签统一性受成像物理约束，不是标注团队想统一就能统一。
R.3 对模型的含义
- 双模态输入策略：CTA/MRA 通道化输入（模态 embedding 或独立编码器）；
- 跨模态蒸馏：MRA 的缺失类可用 CTA 模型伪标签（反向亦可）——模态互补的标签补全；
- 评估分层：模态内 Dice 分开报告（论文的 40/42/34 结构天然支持）——混合报告会掩盖模态差异。
附录 S：临床任务深读——2.0 的转化医学地图
S.1 三大临床场景与标注需求
| 场景 | 临床问题 | 数据需求（2.0 方向） |
|---|---|---|
| Vessel stenosis（狭窄） | 狭窄率定量与分级（NASCET/WASID） | 中心线口径（1.0 已有）+狭窄金标（2.0 新） |
| Large vessel occlusion（LVO） | 急性卒中取栓的闭塞定位 | 闭塞段标注+多标签有序分类（闭塞位置/程度） |
| Intracranial aneurysm（动脉瘤） | 动脉瘤检出与瘤颈分析 | 与 TopAneu 的 TA36 联动（血管解剖作定位先验） |
S.2 Multi-label ordinal classification 的位置
提案关键词的 “Multi-label ordinal classification”——有序多标签（如狭窄程度 0/1/2/3 级的有序量级）——把分割输出升级为分级诊断输出：分割→中心线→口径→分级是 2.0 的技术链路假设。这也是"定制指标"的方向：分级任务的有序一致性指标（Quadratic Weighted Kappa 类）进入挑战评分的可能性。
S.3 转化路径的现实约束
- 50 训练例的病理标注（狭窄/闭塞）必然更少（病理样本在 TopCoW 队列中的占比未知）——病理任务的数据稀疏风险；
- 临床部署的许可摩擦（商用逐案许可）——医院信息系统集成的法律前置；
- "diagnostically useful"的验证标准未定（放射科医师读片对照？）——2.0 的 open question。
附录 T：TopCoW 论文深读——家族基因（NEJM AI 2026）
T.1 拓扑感知的评估哲学
TopCoW 的核心主张：Willis 环分割的正确性首先是拓扑正确（10 根血管的连通关系/环的闭合性）而非边界像素级完美——一个 Dice 95% 但环不闭合的模型在临床上比 Dice 90% 拓扑正确的模型危险。评估设计：连通分量分析+环闭合检验+段级识别——血管分割的"心电图思维"（结构关系先于局部精度）。
T.2 家族基因的三条传承
①评估先行：TopCoW 的拓扑评估→TopBrain 的解剖合理性/污染指标——每代都在发明评估（数据集的差异化竞争力在评估协议）；②双模态对仗：CTA/MRA 双轨竞赛从 TopCoW 开始（"for CT and MR Angiography"副题）——TopBrain 的 40/42/34 代数是其延续；③公开生态：TopCoW 影像公开（成为 TopBrain 的数据基底+KAIST 的伪标签源+RSNA 方案的原料）——上一代的产出是下一代的输入（挑战赛家族的复利结构）。
T.3 NEJM AI 出口的含义
NEJM AI（2024 年新刊）接收挑战赛论文——医学主流出版体系对"挑战赛报告"这一文体的接纳信号：临床相关+方法严谨+数据公开的挑战赛可以走顶刊通道（对照 LMC2 的 Scientific Data 数据论文通道/530 的 MICCAI 会议通道——三种出口对应三种文体）。
附录 U：KAIST 夺冠技术深读——OpenMind 与四步配方
U.1 OpenMind 是什么
OpenMind：脑影像自监督预训练模型（KAIST 团队所用的 pre-trained network）——在无标注脑 MRI 大库上以自监督任务（掩码重建/对比学习类）预训练的骨干——50 例微调场景的起点权重。其价值：血管分割的底层特征（管状结构/分支模式）可在无标注层面学到，标注只教"分类学"。
U.2 四步配方的逐层解析
| 步骤 | 操作 | 针对的失败模式 |
|---|---|---|
| 1. OpenMind 预训练 | 自监督权重起步 | 50 例从头训练的欠拟合 |
| 2. SSL 微调 | 挑战域的自监督继续训练 | 域差距（预训练库 vs 血管造影） |
| 3. binary segmentation 副模型 | 二值血管/背景的前景压制 | 多类模型的假阳性结构 |
| 4. TopCoW pseudo-label | 公开 CoW 数据生成伪标签扩训 | 50 例的样本量瓶颈（→有效 100+） |
U.3 配方的可迁移性
四步的组合逻辑（预训练→域适应→辅助集成→数据扩充）适用于一切"小样本+预训练可得+相邻数据集存在"的分割挑战——533-535 的参赛者与复现者的默认起手式。注意配方的时间性：OpenMind 是 2025 时点的可用模型——后续更强的基础模型出现时，第 1-2 步应替换为最优可得权重（配方的骨架不变）。
附录 V：参与指南实操——从零到提交的命令行路径
V.1 环境与数据准备
# 1. 数据下载（零注册）
wget https://zenodo.org/records/21972006/files/TopBrain_Data_Release_Batches1n2nTA36_081726.zip
md5sum TopBrain_Data_Release_Batches1n2nTA36_081726.zip # aab94bed377ad71bfbde3f7e26d652c5
unzip TopBrain_Data_Release_Batches1n2nTA36_081726.zip
# 2. nnUNet 环境
pip install nnunetv2
export nnUNet_raw=".../nnUNet_raw" nnUNet_preprocessed=".../pre" nnUNet_results=".../res"
V.2 训练与自评
# 3. 数据集转换（v1 标签按模态分数据集；TA36 用统一标签）
nnUNetv2_convert_MSD_dataset.py ... # 或手写 dataset.json（48/36 类配置）
# 4. 训练（五折是 nnUNet 默认；50 例可全量+五折集成）
nnUNetv2_train DATASET_NAME 3d_fullres 0
# 5. 自评（污染指标自算）
python eval_contamination.py --pred PRED_DIR --gold labelsTr --pairs valid_pairs.json
V.3 提交与对照
- TA36 Track：GC 平台提交 Docker 容器（GC 标准算法容器规范——topbrain2026 页面的提交入口，提交期对齐 TopAneu deadline+1-2 天）；
- baseline 对照：拉取 podium Docker（zenodo 21959166）本地复跑——比对自己输出 vs 官方输出的 Dice/污染差距——最快的归因回路；
- 合规：非商业使用免许可；产品化前联系数据所有者（Kaiyuan Yang/Pengcheng Shi）。
附录 W：库内联动与补遗问答
W.1 库内联动矩阵
| 联动条目 | 维度 | 接口 |
|---|---|---|
| 531 LMC2 | GC 模板对照 | 模板 v1.0→v1.5 六条修正（§1.3/H 表） |
| 530 VinDr-SpineXR | 任务对照 | 平片框检测 vs 断层体素分割——病灶级任务的两种几何 |
| 527 swiss-mammo | 极小样本对照 | 28 份报告 vs 50 例 volumes——小数据的两种精度策略 |
| 561 RadGraph | 评估创新对照 | span 框 vs 污染指标——各自领域的"泄漏显式化" |
| 533-535 | 模板复用 | v1.5 十条款+配方四件武器直接继承 |
W.2 补遗问答
Q：48 类里静脉占多少？ A：Zenodo 未按系统分解类目数（缺口）——从"48 landmark vessel classes spanning arterial and venous systems"的表述与 2.0 单列 veins 任务的动作推断，静脉类占少数（动脉为主）——精确分解待 2.0 文档。
Q：为什么 CTA/MRA 差异类不统一？ A：成像物理约束（R.2）——差异类是单模态可见性产物，统一标签会引入系统性缺标——TA36 只统一共享类+新增类是物理约束下的最优解。
Q：40 隐藏测试例的构成公开吗？ A：不公开（缺口 2）——已知仅总数；模态比/病理谱待 2.0 挑战报告。
Q：TopBrain 2.0 还收参赛者吗？ A：TA36 提交期对齐 TopAneu deadline（2026 晚些）；veins/stenosis 任务 2026-10~12——核查日（2026-09-25）时点仍可注册关注。
Q：数据能用于我的产品吗？ A：商用需数据所有者事先许可（逐案）——学术/教学/非商业产品自由+署名。
Q：污染指标能用到我的非血管分割项目吗？ A：能——指标定义与实现（Q.2）与解剖域无关，任何多类分割任务可复用（valid_pairs 由各自金标统计）。
附录 X：Zenodo 记录链与版本考古
X.1 记录关系图
| 记录 | 内容 | 关系 |
|---|---|---|
| 16623495 | 数据 release v3（2026-08-17 更新） | 主记录——Concept DOI 指向最新版 |
| 21972006 | 数据文件的直链记录（文件下载页） | 16623495 页面的文件实际挂在 21972006——同一数据的记录关联（Zenodo 新版机制） |
| 21959166 | podium Docker + TA36 银标 Docker | 独立软件记录 |
| 19707577 / 19707576 | 2.0 提案文档（OpenAIRE 索引） | 提案层（挑战设计文档） |
| 20158639 | “Is cited by: Software” | 被引方——第三方软件引用了 TopBrain 数据 |
X.2 版本演化的证据链
- v3（2026-08-17）：加入 TA36 标签（labelsTr_topbrain_v2_topaneu36class）——"New in August 2026"字样；
- v1/v2（推断）：batch-1/2 的初始 release（2025）——Zenodo 描述称训练数据"as the batch-1 and batch-2 releases in 2025"——数据分批发布→版本聚合的发布模式；
- 更新文化："Updated August-17-2026"页脚+关联记录互相引用——Zenodo 记录间的网络化引用（版本考古的富矿）。
X.3 对引用者的含义
引"数据本体"用 Concept DOI（10.5281/zenodo.16623495——自动指向最新版）；引"TA36 标签"可注明 v3（2026-08-17）；引 Docker 用 21959166；引提案用 19707577。五个 DOI 各司其职——记录链的清晰度是 TopBrain 生态治理的加分项（DAIMS 治理 8 分的支撑）。
附录 Y：43 人作者团队的机构地图
Y.1 核心组织（2.0 提案关联组织）
| 机构 | 国家 | 角色（推断） |
|---|---|---|
| University of Zurich (UZH) | 瑞士 | 挑战执行主力（联系人 Yang；IRB 挂靠 UZH 医院） |
| Shanghai Jiao Tong University | 中国 | 核心组织（Shi Pengcheng 关联——Medical Image Insights） |
| Cornell University | 美国 | 核心组织 |
| German Cancer Research Center (DKFZ) | 德国 | 分割方法重镇（Maier-Hein/Paetzold 系——nnUNet 生态核心人物所在） |
| University Hospital of Lausanne (CHUV) | 瑞士 | 临床与影像资源（Richiardi/Schubert 等） |
| University of Mary(land?) | 美国 | OpenAIRE 名（截断存照） |
Y.2 作者名单的结构读法（BIP! Finder 43 人全录）
- ** organizers 层**：Yang/Shi/Huang/Musio/Baazaoui/Aydin/Hilbert/Hamadache/Yalcin/Zhang/Falcetta（preprint 前列 11 人——组织者核心圈）；
- 方法层：de la Rosa/Shit/Prabhakar/Rokuss/Kirchhoff/Al-Maskari/Höher（DKFZ 系+NNUNet 圈）；
- 临床与影像层：Juchler/Casamitjana/Cleary/van der Schaaf（神经放射）/Tanioka 等；
- 参赛者层：Footnote 明示"Participant of the challenge, ordered alphabetically by team name"——参赛者按队名字母序并列署名——挑战赛论文的署名平等主义（社区贡献的形式承认）。
Y.3 机构地图的含义
UZH（执行）+SJTU/Cornell（联合组织）+DKFZ（方法基因）+CHUV（临床）——欧洲-中国-美国三角+学术-产业（Medical Image Insights）混合——挑战赛主办权的跨国合资形态（对照 LMC2 的单一国家联邦/FBI——主办结构的又一样本）。
附录 Z：小样本分割的经济学——50 例为什么够
Z.1 数据价值的两种货币
- 规模货币（LMC2 式）：150,000 图×4 类——每一类的边际样本量大，模型学"分布"；
- 精度货币（TopBrain 式）：50 例×48 类×体素级+中心线+口径——每例的信息密度极高，模型学"结构"。
两种货币的兑换率取决于任务：荧光预测（连续值回归，分布学习）吃规模；细粒度解剖分割（结构识别，先验+结构学习）吃精度+预训练。50 例在预训练时代不再是 50 例——OpenMind 权重里携带的脑影像先验+TopCoW 伪标签的注入，把有效样本量放大一个量级。挑战赛的真实比拼在"标注质量×预训练利用×配方工程"三个乘数上。
Z.2 50 例的统计学底线
- 五折交叉验证下每折 40 例训练/10 例验证——类别级 Dice 的置信区间宽（side-road F1 60% 的真实不确定性可能 ±10%）——论文谨慎地只报约数（~80%）；
- 按类样本量不均（Willis 环主干每例都有/远端变异类可能仅数例）——长尾类的 Dice 不稳定是数据固有的（2.0 扩标签后更甚）；
- 隐藏 40 例的总评（组织者侧）是唯一的总体无偏估计——参赛者看到的本地分数是乐观偏差样本。
Z.3 对后续条目生产的启示
TopBrain 证明了"极小样本+极致标注+全公开生态"的挑战赛可行性——本库后续若遇到同类（小样本高精度标注）条目，对照框架：规模维评分应与"精度货币"分开设档（本条 DAIMS 规模 5 分但标注 8 分的组合即是此意）。
附录 AA：2.0 预测——赛前观察清单
AA.1 悬而未决的五问（2026-09-25 时点）
| # | 问题 | 已知线索 | 预测 |
|---|---|---|---|
| 1 | veins/stenosis 的评估指标 | “tailored metrics”+关键词 Multi-label ordinal classification | 有序分类一致性指标（QWK 类）+分割 Dice 混合 |
| 2 | 病理标签的规模 | 2.0 提案"more labels" | 狭窄段/闭塞段标注在部分训练例上（病理例占比受限） |
| 3 | 多模态扩充的形态 | “diverse multi-modal data” | TOF/CE-MRA/CTA 之外（如旋转 DSA 子集？）——待证 |
| 4 | TA36 榜 vs 2.0 主榜的关系 | TA36 对齐 TopAneu deadline | 独立榜单（baseline=银标 Docker） |
| 5 | 正式论文出口 | 1.0→medRxiv（9 个月）；TopCoW→NEJM AI | 2.0 报告 2027——目标刊不低于 NEJM AI 档 |
AA.2 参赛者的赛前期权
①先用 TA36 标签训练血管分割底座（数据已公开）——veins/stenosis 开赛后微调；②复现 podium Docker 建立性能锚；③关注 GC 页更新（"details available soon"的触发即任务规范落地）。赛前期=底座建设期——2.0 的临场竞争力一半在开赛前决定。
AA.3 本库的回填承诺
以下事件将触发本条目更新（对照 531 的活文档原则）：veins/stenosis 规则发布/TA36 榜单结果/MICCAI 2026 现场赛获奖名单/2.0 挑战报告论文。回填位置：本附录 AA.1 的五问逐项销账。
附录 AB：补遗问答（FAQ 续组）
Q：TopBrain 数据和 TopCoW 数据是什么关系？我该下载哪个？
A：TopBrain 训练影像就来自 TopCoW 公开影像（同一批扫描的二次精标）——下载 TopBrain release（16623495）即可获得影像+更全的 48 类标签；做 CoW 拓扑研究才需要回 TopCoW 原始 release。
Q：25 对是什么意思？
A：25 位患者的 CTA+MRA 双模态扫描对——同一患者两种模态都有，所以是 25×2=50 volumes。跨模态研究（同一血管两模态对照）靠这个配对结构。
Q：我可以自切分训练/验证吗？
A：可以，但必须按患者对切分（25 对不可拆）——同患者的 CTA/MRA 分属两侧=跨模态泄漏。极端小样本下建议留一法或按对五折。
Q：nnUNet 之外能用别的框架吗？
A：能——数据是标准 NIfTI，任何框架可用。但 _0000 命名与 LPS+ 是 nnUNet 便利；前分队全部 nnUNet 的现实意味着非 nnUNet 路线需要更强的理由（论文的"principled system design choices"是判卷偏好信号）。
Q：TA36 的"silver-standard"银标是什么？
A：官方用 TA36 标注训练的分割模型生成的血管掩码——用于 TopAneu 侧缺金标的场景（银标=模型标注，质量低于人工金标但规模大）。金标（人工）/银标（模型）分层是标注经济学的常规操作——本条目的银标 Docker 是公开可查的（21959166）。
Q：2.0 的"clinical focus"会不会让挑战变成纯临床任务、分割没用了？
A：不会——临床任务（狭窄分级等）的技术链路假设是"分割→中心线→口径→分级"——血管分割是 2.0 临床任务的第 0 步。TA36 赛道专门保留纯分割竞技。
Q：这个数据集适合做预训练吗？
A：50 例的规模不适合做通用预训练（LSU——太小）；适合做域适应微调（从 OpenMind/其他脑影像预训练→血管分割域）。反过来，TopBrain 训出的模型（TA36 银标经验）适合给下游任务（动脉瘤定位）当特征提取器——官方已验证此路径。
Q：为什么 KAIST 团队用"KPopDemonHunters"这种队名？
A：挑战赛文化（队名自由）——但这个案例说明严肃科研的轻松一面；技术报告里他们是 MICCAI 2025 双赛道第一的 MRI Lab（Park Sung-Hong 教授组）。队名不影响署名学术规范（作者真名进论文）。
附录 AC：版本与更新记录
| 版本 | 日期 | 说明 |
|---|---|---|
| v1.0（本版） | 2026-09-25 | 初稿发布——核查基线为 GC/Zenodo/medRxiv/OpenAIRE/KAIST 五源（2026-09-25 时点） |
| 待更新 ① | 2026-10~12 | veins/stenosis 任务规范发布——回填附录 AA.1 第 1/2 问 |
| 待更新 ② | TA36 提交期后 | TA36 榜单结果与银标 Docker 对照成绩回填 |
| 待更新 ③ | MICCAI 2026 | 现场赛获奖名单+2.0 挑战报告接收状态 |
| 待更新 ④ | 2.0 论文发表 | preprint→正式论文的引用格式升级（K.2 重写） |
AC.2 尾注：挑战赛家族条目的自我要求
TopBrain 2026 的条目生产与 531（LMC2）共享"活文档"定位——挑战赛型数据的条目生命周期跨越开赛/比赛/论文/数据更新四个事件窗口。本条目在数据本体（Zenodo v3）与 1.0 复盘（medRxiv）上信息完备，在 2.0 前景上刻意保持"预测+存照"的克制——不预填任何未发生的榜单/结论。五问销账机制（AA.3）保证回填的可核查性。
AC.3 三代家族的最终定位语
TopCoW 教会社区"拓扑重要"，TopBrain 教会社区"全脑可标"，2.0 正在尝试教会社区"分割能诊断"——三代挑战赛的公共产出是一套不断向临床逼近的血管分割评估协议，以及一个 48 类、双模态、带口径、含 Docker 的公开基准。数据集本身只是这场持续实验的快照——理解这一点，才算理解挑战赛型数据集的本质。
AC.4 生产流程附录
本条目四块组装（part1 144/part2 136/part3 168/part4 340）+加厚两轮（thick 210/thick2 120）+尾注——合并 topbrain2026_Wikipedia.md 直接以 slug 命名（530/531 教训的制度化）。核查四轮（WebSearch×1+WebFetch×2+交叉验证×1）——模板 v1.5 的"前作锚成熟度决定核查轮数"得到正例验证（TopCoW NEJM AI 锚+Zenodo 自描述完备使轮数低于 LMC2 的六轮）。
本条目为批次八 GC 五连第二发。数据集生产长跑继续——下一发 533 CHIMERA（多义名消歧条款的首用战场）。
（全条目终稿）
附录 AD：关键事实逐条账本（发布存照卡）
AD.1 规模账
| 数字 | 口径 | 信源 |
|---|---|---|
| 90 | 总标注 volumes | medRxiv 摘要 |
| 50 | 训练 volumes（=25 对 CTA+MRA） | medRxiv+Zenodo 双源一致 |
| 40 | 隐藏测试 volumes（90−50 推算） | 推算（论文未直书 40——推算标注） |
| 48 | 总类数（CTA 40 ∪ MRA 42，交集 34） | 论文+Zenodo 代数自洽 |
| 36 | TA36 类数（34+2 infraclinoid） | Zenodo+GC 页 |
| 2.0 GB | 数据包体量（md5 存照） | Zenodo |
| 800+ | 数据集下载次数 | 2.0 提案 |
| 220+/200+ | 注册者（论文/提案——演化存照） | 双源 |
| 15/11 | 团队数（论文/提案——演化存照） | 双源 |
| ~80%/60%/<18% | Dice/side-road F1/污染率基线 | medRxiv 摘要 |
AD.2 时间账
| 时点 | 事件 |
|---|---|
| 2023/2024 | TopCoW 两届 |
| 2025 | TopBrain 1.0（MICCAI 2025 大田）+batch-1/2 |
| 2025-10-13 | KAIST 双赛道夺冠报道 |
| 2026-05-30 | preprint 挂 medRxiv |
| 2026-07-23 | TopCoW 论文 NEJM AI 发表 |
| 2026-08-17 | 数据 release v3（+TA36） |
| 2026-10~12 | veins/stenosis 任务窗口 |
AD.3 许可与伦理账
- 数据许可：open data.swiss 三条款（非商业自由/商用逐案许可/署名义务）——Zenodo License.txt；
- preprint 显示层：CC-BY-NC-ND 4.0（medRxiv 默认——非数据许可）；
- IRB：University Hospital of Zurich 伦理委员会批准+患者同意与标识不可还原双声明——medRxiv IRB 字段原文；
- 数据来源链：TopCoW 公开影像（NEJM AI 论文数据）→TopBrain 二次精标——两层授权链清晰。
AD.4 联系与社区账
- 联系人：Kaiyuan Yang（UZH，kaiyuan.yang@uzh.ch）/ Pengcheng Shi（Medical Image Insights，shipc1220@gmail.com）；
- 团队 43 人（BIP! Finder 全录）：organizers 11 人核心圈+DKFZ 方法层+临床影像层+按队名字母序的参赛者层；
- 五 DOI 分工：16623495（数据）/21972006（文件直链）/21959166（Docker）/19707577（提案）/20158639（被引软件）。
存照卡完——本条目所有关键数字与许可条款的信源锚点齐备，回填与勘误以此为基准线。
附录 AE：术语增补与勘误预案
| 术语 | 释义 |
|---|---|
| Bouthillier 分段 | ICA 的 C1-C7 七段分段法——TA36 新增 infraclinoid 细分的解剖依据。 |
| NASCET/WASID | 颈内动脉/颅内血管狭窄率的经典测量标准——2.0 狭窄任务的分级参照。 |
| fetal PCA | 胚胎型大脑后动脉（PCA 由 ICA 直接供血）——后循环解剖变异的代表性例子。 |
| TOF | Time-of-Flight MRA——不注射对比剂的血流成像技术（MRA 标签可见性的物理基础）。 |
| QWK | Quadratic Weighted Kappa——有序分级一致性指标（2.0 分级任务的候选评估指标）。 |
勘误预案：若 2.0 后续文档与本条目存照冲突（类目数/时间线/许可），以挑战赛官方最新文档为准并在此登记勘误——本条目的数字账本（AD 表）为冲突检测的基准线。
全条目终稿（v1.0）——批次八 GC 五连第二发。
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：
- adam-aneurysm — 共享标签：医学影像 / 医学图像分割 / 脑影像
- mr-art — 共享标签：医学影像 / 医学图像分割 / 脑影像
- human-connectome-project — 共享标签：医学影像 / 脑影像
- enigma — 共享标签：医学影像 / 脑影像
- ixi-brain — 共享标签：医学影像 / 脑影像
- selma3d — 共享标签：医学影像 / 医学图像分割 / 脑影像
- aims-tbi — 共享标签：医学影像 / 医学图像分割 / 脑影像
- mitoem — 共享标签：医学影像 / 医学图像分割 / 脑影像
- etis-larib — 共享标签：医学影像 / 医学图像分割
- idrid — 共享标签：医学影像 / 医学图像分割
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。
