COSMOS 2022 颈动脉血管壁分割挑战赛数据集

颈动脉粥样硬化是心血管疾病的主要入口病变之一，而磁共振黑血血管壁成像（black-blood vessel wall imaging，BB-VWI）是少数能直接看见管壁本身的无创手段。COSMOS 2022（全称 CarOtid vessel wall SegMentation and atherosclerOsis diagnosiS challenge，slug 为 vessel-wall-segmentation-2022）是围绕这类影像设立的国际挑战赛：由清华大学 Xihai Zhao、Huijun Chen 等组织，数据采集自上海交通大学医学院附属仁济医院，华盛顿大学 Chun Yuan、Niranjan Balu 参与，获 MICCAI 2022 与 SMRA 2022 双重认可，托管于 Grand Challenge 平台。数据集提供 75 例受检者的三维颈动脉黑血 MRI，训练与验证段附专家勾画的血管壁轮廓，测试段只发影像。

它解决的是一个很具体的矛盾。3D VISTA（volume isotropic turbo spin-echo acquisition）序列把颈动脉扫描变成冠状采集、亚毫米各向同性、一次覆盖双侧血管的快速流程，图像质量足以支撑斑块负荷与管腔狭窄等临床定量；但代价是三维阅片工作量暴涨——一个体数据动辄数百层，管壁厚度以十分之一毫米计，能稳定勾画内外壁的阅片者极少，手工分割成为这项技术进临床的瓶颈。COSMOS 2022 把瓶颈转成公开赛题：给出影像与专家轮廓，要求算法自动产出管壁分割并统一打分排名。

适合用它的人有三类：分割方法研究者可把它当作「细壁环状结构 + 三维体数据」的基准；血管影像研究者可借它理解临床血管壁定量流程；工程团队可用测试段与官方评估脚本打通从 DICOM 到 Dice 的完整链路。动第一行代码前，先核对拿到的段落与许可口径——训练段在 Zenodo 是受限文件，官网另有仅限挑战赛的用途条款。

§1 它是什么：定义、来源与届次

1.1 一句话定义

COSMOS 2022 是一场 2022 年举办的颈动脉血管壁分割与粥样硬化诊断挑战赛，及其配套发布的医学影像数据集。数据本体是 3T Philips 扫描仪采集的 3D VISTA 黑血序列 MRI，每例覆盖双侧颈动脉；任务是从三维体数据中逐层分割出管腔（lumen）与外壁（outer wall）两条边界，二者之间的环形区域即血管壁（vessel wall），并在此基础上诊断粥样硬化病变。赛事在 Grand Challenge 平台运行评测，同时获得 MICCAI 2022（国际医学图像计算与计算机辅助介入会议）与 SMRA 2022 两大学术会议认可，属于正式挂靠国际会议的挑战赛，而非商业自办赛事。

1.2 名称与缩写的来历

缩写 COSMOS 由全称各单词的大写字母拼成：CarOtid（颈动脉）、SegMentation（分割）、atherosclerOsiS（动脉粥样硬化）。这个拼法在官网首页标题中逐字母以粗体标出，是官方定义，不是第三方转写。检索时需要注意三个易混名：slug「vessel-wall-segmentation-2022」指的是本届赛事；去掉年份后缀的泛称「vessel wall segmentation」在文献中可能指任何血管、任何模态的血管壁分割工作，两者不是同一实体；另有若干颅内血管壁研究使用相近措辞，与本题颈动脉数据集无关。站内收录时以 2022 届独立成条，正是为了避免这种泛称混同。

1.3 组织与分工

主办方为清华大学，核心成员包括 Xihai Zhao、Huijun Chen、Jiaqi Dou、Chenlin Du、Runyu Yang、Haozhong Sun、Shuwan Yu；影像采集单位为上海交通大学医学院附属仁济医院（Huilin Zhao）；华盛顿大学的 Chun Yuan 与 Niranjan Balu 参与。这一团队组合对应了数据的完整链条：清华侧提供血管壁成像的方法学背景与标注规范，仁济医院提供受检者与扫描设备，华盛顿大学侧是颈动脉黑血成像方法（VWI）的长期合作方。赛事还获得企业 TS Imaging 的赞助，官方致谢页对此有明示。

1.4 时间线

赛事节奏从发布到收尾不到四个月，是一条相当紧凑的时间线：

时间	事件
2022-04-25	训练集在 Zenodo 上线（版本 v1），挑战赛主页开放注册
2022-07-07 至 07-09	验证集上传（Zenodo 与 Google Drive 双渠道），验证提交开放，评估 docker 修补后重发
2022-07-11	官方提示 QVS 轮廓顶点须按边序排列；公开评估代码并修正轮廓为空的判错逻辑
2022-07-16	测试集直接公开（原计划按申请发放，改为免申请下载），最终评测阶段开启
2022-07-31 23:59 EST	最终评测截止（官方公告延期的 deadline），需在 Final Evaluation 而非 Validation 阶段提交
2022-08-24	SMRA 2022 年会挑战赛专场（洛杉矶，Zoom 同步），前 10 名队伍受邀报告
2022-09-18	MICCAI 2022 会议现场活动（新加坡），前 10 名队伍做口头报告

值得注意的一处组织决策：官方在 7 月 15 日宣布为避免响应延迟，把测试集直接公开——这意味着测试影像赛后是公开可得的，而测试标注则承诺在赛后向「成功提交最终结果并在评论中留下邮箱」的队伍补发。

1.5 与会议认可体系的关系

MICCAI 是医学影像计算领域最重要的年度会议，其挑战赛名录对数据真实性、评测流程、组织资质有形式审查；SMRA（Society for Magnetic Resonance Angiography，北美磁共振血管成像学会）则是颈动脉血管壁成像方法学的专业学会，2022 年年会就在挑战赛主页同步了专场日程与 Zoom 会议号。双重认可意味着这项赛事的数据协议与评测流程经过了两个独立社区的把关，这是判断其可靠性的结构性依据之一。

1.6 赛制与参与规则

赛事的参与规则有五条值得记录，它们共同定义了「用这份数据」的边界。第一，注册制参赛：选手需在 Grand Challenge 注册队伍并加入挑战赛，数据从 Data 页获取，官方对身份无额外资质要求。第二，提交频率限制：每队每日最多提交两次，验证与最终评测两阶段分别计次，杜绝以提交次数换排名的搜索式调参。第三，报告义务面向头部队伍：前 10 名需在截止日后提交 2 至 4 页、按 MICCAI 排版规范的书面报告（含方法动机、网络结构、训练细节、消融、鲁棒性、局限与「血管壁分割相对其他深度学习任务的难点」讨论），并录制 4 分钟视频在 SMRA 专场与 MICCAI 现场各报告一次，每队 10 分钟报告加 5 分钟问答。第四，开源不强制：官方明确不要求公开代码，只作鼓励，方法细节的公开程度由参赛队自决。第五，发表自由：参赛队可自由选择作者名单与发表渠道，主办方不设前置论文门槛——这条规则与「主办方不发论文」共同构成了本赛事去中心化的文献格局。

1.7 临床语境：管壁定量的指标体系

理解这份数据的标注为何长成「两条轮廓」，需要知道血管壁定量研究到底在量什么。在标准工作流里，内膜轮廓与外壁轮廓围出的环形面积即管壁面积，两层轮廓之间的最大距离即最大管壁厚度，外壁围成的面积减去管腔面积即壁面积，壁面积占外壁总面积之比即归一化壁指数（normalized wall index）——它是斑块负荷最常用的替代指标；当存在斑块时，管腔面积与狭窄百分比由内膜轮廓直接给出。这些量在临床研究中的角色类似血压之于心血管风险：纵向随访中管壁体积的增幅被用作斑块进展的终点。挑战赛把分割定为赛题、把诊断列为名义任务，正是因为上述所有指标都以两条轮廓为唯一上游量——轮廓分准了，定量与诊断才有地基。

§2 数据构成

2.1 规模总表

项目	数值	可核验程度
受检者总数	75 例	第三方数据集索引（训练验证 50 + 测试 25）；测试集编号与官网提示自洽
训练与验证段	50 例，附轮廓标注	第三方索引；验证子段确切例数未官方公布（见 §4）
测试段	25 例，仅影像	官网发布通知与第三方索引一致
每例覆盖范围	双侧颈动脉	官方数据说明
采集设备	3T Philips MRI	第三方索引与复现研究论文一致
序列	3D VISTA 黑血，冠状采集	官网 Background 一手描述
分辨率	平面内 0.53–0.5787 毫米、层向 0.6 毫米	第三方索引统计（min/median/max）
体尺寸	最小 432³、最大 528×528×432	第三方索引统计；case 60 为 432×512×512（官网提示）
文件格式	DICOM 影像序列 + QVS 轮廓	官网提交格式说明
标注内容	内膜与外壁逐层轮廓	官网任务定义
Zenodo 记录合计体积	约 727 GB	Zenodo 训练记录页（all versions 口径，未区分段落）
Zenodo 训练记录访问量	浏览 955、下载 205（2026-10 抓取时点）	Zenodo 页面

2.2 影像本身：3D VISTA 是什么

3D VISTA 是 Philips 对「三维容积各向同性快速自旋回波」的商业序列名，属于黑血（black-blood）技术家族：通过流动敏感预备脉冲把流动的血液信号打掉，使管腔呈现低信号，而管壁组织保留中等信号，从而让管壁本身在图像上成为一条可见的环。与 brighter-than-vessel 的造影类序列（TOF-MRA、CE-MRA）相比，黑血序列看到的不是血管的「铸型」而是「管壁切片」，这正是管壁厚度、斑块组成定量的前提。冠状采集加各向同性体素的意义在于：一次采集覆盖左右两侧颈动脉自分叉上方至入颅段的大范围，任意正交切面都可以无损重建，重建出来的垂直于血管走行的横断面正是勾画轮廓的标准工作平面。

2.3 标注与格式

标注由经过血管壁影像阅片训练的专家完成，使用专用血管壁标注软件逐层勾画两类轮廓：内膜边界（与管腔相邻）与外壁边界。提交端使用 QVS 文件格式——这是血管壁定量分析软件（如 VesselMass、Cascade 等 VWI 工作流）通用的轮廓交换格式，每个轮廓以逐层多边形顶点序列存储。官方在 7 月 11 日的公告里专门提示了一个提交陷阱：顶点必须按照多边形的边序排列，不能简单地按 X、Y 坐标排序，否则轮廓自交、评测出错；评估代码也随公告修正为「管壁轮廓与管腔轮廓任一为空即判错」，这两条构成了评测协议的细节底座。

2.4 字段可靠性一览

字段	可靠性	依据
序列类型与采集方式（3D VISTA 黑血、冠状）	一手来源确认	官网 Background 一手描述
训练验证与测试段的划分	依惯例推定	第三方数据集索引单源；测试例编号连续与官网提示间接支持
像素分辨率与体尺寸统计	依惯例推定	第三方索引统计表，官方未给汇总数字
采集医院与设备厂商	依惯例推定	第三方索引与 2026 年复现研究论文两处一致，官方页未点名医院
标注软件名称与标注者人数	语义存疑	官方仅称「专用血管壁标注软件」与专家标注，未给出具体软件与人时
验证子段确切例数	语义存疑	Zenodo 文件树显示验证段按编号分目录，但总数未公布

2.5 与同类颈动脉数据的对照

公开数据里能直接对接 3D VISTA 黑血颈动脉壁分割的基准极少。绝大多数颈动脉公开数据是超声图像（用于内膜中层厚度测量）或 CT 血管造影（看管腔狭窄），模态与任务都对不上；黑血 MRI 数据多分散于单中心研究的附带发布，规模小且无统一评测。COSMOS 2022 是第一个把「3D 黑血体数据 + 专家壁轮廓 + 公开榜单」三件套配齐的资源，这决定了它在血管壁分割这个子方向里的基准地位。

2.6 十问十答

Q1：这个数据集到底叫什么名字？
官方全称 CarOtid vessel wall SegMentation and atherosclerOsis diagnosiS challenge，缩写 COSMOS 2022；Grand Challenge slug 为 vessel-wall-segmentation-2022；Zenodo 记录标题写作「Training dataset for Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis Challenge, MICCAI 2022」。三个名字指同一实体。

Q2：每一例是什么？
一次 3T Philips 3D VISTA 黑血采集的三维体数据（DICOM 序列），覆盖该受检者双侧颈动脉。分割标注以逐层轮廓给出，不提供体素级三维掩码，需要自行沿轮廓填充转成掩膜。

Q3：训练、验证、测试怎么分？
训练与验证合计 50 例，测试 25 例，测试集分布与训练集相近（官方口径）。病例编号三段连续，例如 case 60 属测试集，其图像尺寸为 432×512×512，提交轮廓时需注意尺寸对齐。

Q4：标注是谁做的、多可靠？
官方表述为专家以专用血管壁标注软件完成，未公布标注者人数、双盲复核流程与观察者间一致性数字；这类信息在血管壁影像研究中通常是数据集论文的核心内容，但本赛事主办方不发布论文，故缺官方一手描述。

Q5：评测怎么算分？
Dice 相似系数，基于血管壁轮廓在横断面上的重合度计算；官方公开评估 notebook（evaluate_carotid_challenge_v2.ipynb），判错规则为管壁或管腔轮廓为空。验证与最终评测两阶段均在平台内即时出分，每日最多提交两次。

Q6：测试集标注能拿到吗？
赛后向成功提交最终结果并留邮箱的队伍补发；未参赛者按 Zenodo 受限文件流程申请，官方未承诺必然获批。

Q7：为什么训练集在 Zenodo 是受限文件？
训练段文件在 Zenodo 记录里设为「restricted」，需登录后判断访问资格；这与官网「注册并加入挑战赛后从 Data 页下载」的路径互为补充。测试段则于 2022 年 7 月 16 日起直接公开。

Q8：许可到底是什么？
Zenodo 训练记录标注 CC BY-4.0；官网要求图片仅限本挑战赛使用。两个口径并存（详见 §3.3），稳妥做法是按更严格口径行事并在复用前向主办方确认。

Q9：有没有官方挑战赛论文可以引用？
没有。官网明确「主办方不首发挑战赛论文」，参赛队可自由发表。引用时以官方项目页与 Zenodo DOI 为准。

Q10：赛后还有人在用吗？
有。2026 年仍有两项同行评议研究以其为评测基础：一项用 30 例（3,238 张标注层面）验证 DenseNet121-UNet++ 混合管线，另一项用全部受检者（两千余张标注层面）评估 EfficientNet-UNet++ 两阶段分割，均报告了 Dice 区间在 0.83 至 0.87 的结果，说明数据集在赛后仍保持活跃复用。

2.7 QVS 与血管壁定量工作流

理解本题数据离不开 QVS 这一格式背后的工作流传统。血管壁定量分析（quantitative vessel wall analysis）在黑血 MRI 社区有近二十年的工具链积累：阅片者导入三维体数据后，在垂直于血管走行的重建平面上逐层勾画内膜与外壁两个轮廓，软件据此自动计算管壁面积、平均与最大管壁厚度、管腔面积、斑块负荷（wall volume 与 total vessel volume 之比）等指标，并保存为 QVS 文件供复用与统计。QVS 因此不只是一个提交格式，它是把「勾画」与「定量」解耦的中间层——只要算法输出能落到 QVS 兼容的轮廓上，就能无缝接入既有的临床定量管线。这正是赛题选择轮廓而非体素掩码作为交付物的原因：挑战赛的结果可以直接被临床软件消费，而不需要额外的转换研发。

这一传统也解释了数据集形态的几个特点。其一，标注以层面轮廓而非三维掩码存储，是因为临床定量本来就是逐层定义的；其二，评测以轮廓重合度（Dice）为准，与阅片工作平面一致；其三，官方反复强调顶点边序、图像尺寸这类看似琐碎的细节，因为 QVS 解析器对多边形拓扑是敏感的，实际临床流程中这些错误会以「定量化不出来」的形式暴露。

2.8 为什么选 3D VISTA 而不是传统轴向采集

传统颈动脉黑血协议是二维轴向多层采集：垂直于颈总动脉走行逐层扫描，每层图像内管壁边界清晰，但覆盖范围短、扫描时间长、层间分辨率低。3D VISTA 用容积采集换掉了这套协议的三项短板：扫描时间压缩到可耐受的区间（这对受检者配合与运动伪影控制至关重要）、各向同性体素让任意平面重建无损、单次采集覆盖双侧血管大范围。代价是单层内图像对比与信噪比不及专用轴向序列，管壁边界在三维重建平面上更依赖整体上下文——这正是人工阅片变慢、自动分割成为刚需的技术根源。赛题背景一节对此有明确论述：序列已经准备好进临床，瓶颈卡在阅片人力上。

§3 怎么拿到：获取路径、许可与合规

3.1 获取路径

数据分三个段落、三条路径，获取难度不同：

段落	渠道	门槛
测试集（仅影像）	Zenodo record 6843257，或官方 Google Drive 链接	免申请直接下载（2022-07-16 起公开）
验证集（影像，标注赛后补发）	Zenodo record 6804793，或 Google Drive	赛期面向参赛者；赛后状态未官方更新
训练集（影像 + 轮廓标注）	Zenodo record 6481869（DOI 10.5281/zenodo.6481870），或注册 Grand Challenge 加入挑战赛后从 Data 页下载	Zenodo 侧为受限文件需登录申请；GC 侧需注册审核

Zenodo 三条记录均以「Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis Challenge, MICCAI 2022」为题，区分 Training / Validation / Testing 三个独立 DOI，构成清晰的版本链。训练记录页面同时显示该记录族合计数据量约 727 GB（all versions 口径），与「三维体数据全集 + DICOM 无压缩序列」的量级自洽。

3.2 评估与提交基建

Grand Challenge 平台托管了两阶段评测：Validation 与 Final Evaluation。提交物为 QVS 轮廓文件，平台以 docker 化的评估算法自动计算 Dice 并即时排名；官方在赛期开放了评估代码下载（Google Drive 上的 evaluate_carotid_challenge_v2.ipynb），并公告了轮廓顶点排序与空轮廓判错两条协议细节。每日每队最多提交两次，排行榜实时可见。赛事结束后排行榜与提交通道的状态官方未另行公告，属于赛后基础设施维护的常见空白。

3.5 获取实操清单

把 §3.1 的三条路径展开成可执行的步骤清单：先在 Grand Challenge 注册账号并从项目页点 Join 加入挑战赛，等待主办方审核；审核通过后进入 Data 页核对训练与验证段的下载链接，同时记录 Zenodo 三条记录的 DOI 以便引用；测试段无需等待，直接从 Zenodo record 6843257 或官方 Drive 链接取；训练段若走 Zenodo 受限文件流程，登录后按页面提示申请访问资格，通常需说明用途；拿到影像后先做三件检查——逐例读取像素间距与体尺寸元数据并记录成表、核对 DICOM 序列层数与目录文件数一致、抽查若干层观察管壁与斑块区域的信号形态，确认读入链路无误后再进入标注转换环节。若计划赛后复用测试标注，按官网要求在最终评测提交的评论中留下邮箱，错过这一步的补发资格官方未承诺可事后追认。

3.3 许可：一个必须正视的双口径

这是本数据集合规层面最重要的一处事实，两处官方来源给出了不同表述：

来源	表述
Zenodo 训练记录 Rights 字段	Creative Commons Attribution 4.0 International（CC BY-4.0）
官网 Requirements 第 1 条	图片仅限本挑战赛使用（restricted solely to this challenge），参与者须同意不将其用于任何其他用途
官网 2022-07-15 公告	数据可用于科学目的与研究论文，前提是提交最终结果并引用挑战赛

三种表述的严格程度递减排序是：仅限挑战赛 > 附条件科研 > CC BY-4.0。出现矛盾的可能解释是 Zenodo 元数据按机构默认模板填写，而官网条款是赛事法务口径；但无论动机如何，使用者面对的事实是：把 CC BY-4.0 当作可以自由分发的依据，与官网条款直接冲突。稳妥的引用姿势是：科研使用前完成参赛注册或向主办方邮件确认，论文中同时引用挑战赛与 Zenodo DOI，避免以单一口径自证合规。商业使用在两种口径下都未获授权。

3.4 复用边界清单

• 测试影像公开，可作为方法开发的盲测集使用，但标注获取受条件约束；
• 训练与验证段的标注仅面向按流程获取者，再分发不在任何口径的授权范围内；
• 官方不要求开源参赛代码，故不存在「官方基线代码库」，复现需自行实现或参考参赛队自愿公开的实现；
• 赛事认可学术署名自由，参赛队发表自己的方法无需经主办方批准，这为赛后文献生态留了口子。

§4 质量与已知问题

4.1 数据质量的整体判断

从影像质量角度，该数据集的临床规格是高的：3T 设备、专用黑血序列、亚毫米各向同性分辨率、双侧覆盖，且明确包含正常血管与含斑块、狭窄病变的血管，病理谱有意识地铺开。从标注质量角度，专家勾画加专用软件是行业可行配置，但官方未公布观察者间一致性——这在对「十分之一毫米级管壁厚度差」敏感的任务里不是小事。从组织质量角度，评测协议公开、评估代码可下载、判错规则明示，透明度好；扣分项集中在赛后信息维护：最终名次无官方公告、无总结论文、验证段例数未公布。

4.2 假设—支持—反对

假设	支持证据	反对/限制证据
标注足以支撑像素级训练	训练验证段全部附内外壁轮廓；两项 2026 年第三方研究直接以轮廓转掩码训练并取得 0.83 以上 Dice	标注为逐层二维轮廓，层间无三维约束；观察者间一致性未公布
测试段可作盲测基准	官方明示测试集分布与训练集相近；评测 docker 与评估代码公开	测试标注赛后才发放且条件受限；排行榜赛后状态未维护，长期可复现性依赖自建评估
数据可支撑病变诊断任务	赛题全称含 atherosclerosis diagnosis；数据明示包含斑块与狭窄病例	赛期内主要评测口径是壁轮廓 Dice；诊断子任务的独立标注与评分细节未官方公布
单中心数据不构成致命偏倚	仁济医院为大型三甲，扫描协议统一反而降低设备间变异	人群结构（年龄、症状谱、地域）未公布，跨中心泛化无法在本数据内验证

4.3 已知的技术陷阱

其一，轮廓顶点排序。QVS 提交中多边形顶点必须沿边序排列，按坐标排序会产生自交多边形，评测直接出错——官方为此专门发过公告，说明踩坑的队伍不在少数。

其二，图像尺寸不一致。各例体尺寸不统一（最小 432 立方、最大 528×528×432），case 60 为 432×512×512；从轮廓写回或做批量预处理时若假定统一尺寸会静默错位。官方同样在公告中点名了这一例。

其三，切片口径差异。第三方索引统计的全数据集二维切片数为 21,600，而 2026 年第三方研究引用的「标注切片」为 2,718 张——前者是全体数据的层总数，后者是实际用于标注与训练的选定层面。引用时混用两个口径会把数据规模高估近八倍。

其四，判空规则。评估代码修正后要求管壁与管腔轮廓同时非空，否则整例判错；只输出外壁或只输出管腔的提交都会踩这条线。

4.4 从轮廓到掩码：转换环节的工程账

官方产物是轮廓，训练与推理两端都需要一次轮廓—掩码转换，这个环节有四笔工程账要算。第一是栅格化：多边形填充可以用 Pillow、OpenCV 或 shapely 栅格化，但须保证亚像素边界与 QVS 原始像素网格对齐，重采样一次就引入一次边界误差，而管壁厚度只有几个像素。第二是拓扑校验：边序错误的自交多边形栅格化后可能表现为碎裂掩码，建议在转换层就加入多边形合法性与面积下限校验，不要等到 Dice 异常再回查。第三是层间索引：轮廓逐层存储，某些层面可能缺失（血管外或运动伪影层），转成三维数组时必须显式记录层索引，隐式连续填充会造成管腔断裂。第四是方向与间距：DICOM 的层内像素间距与层间距不等（亚毫米 vs 0.6 毫米量级），转换与重采样都要携带真实间距元数据。这四笔账任何一个出错，都不会报错，只会让指标悄悄变差——这也是建议先用测试影像把链路打通再申请训练段的原因。

4.5 与「标注质量证据」相关的空白

把 §4.2 的判断落到证据上，还有三处空白值得在使用前自查或向主办方询问：标注者是否接受过统一的血管壁阅片培训、同一病例是否有多人独立勾画及仲裁记录、斑块区域轮廓是否有与病理或超声对照的验证。这些在正式的数据描述论文里通常是标配表格，但如 §2.6 Q9 所述，本赛事没有官方论文，所以这些证据只能来自参赛队自述或后续第三方研究。截至本轮核验，两项 2026 年第三方研究均只报告了分割指标，未报告标注一致性审计，空白仍开放。

4.6 样本量与方法学定位

七十余例的规模在深度学习数据集谱系里属于「小而精」一档，这决定了它的适用方式。作为主训练集，它不足以支撑从零训练的大容量三维网络，有效的做法是二维逐层训练、二维半上下文输入（如相邻三切片堆叠）或在公开预训练权重上微调——两项第三方研究分别采用逐切片两阶段管线与 UNet++ 家族架构，均属此类。作为微调与评测集，它的价值反而突出：协议统一、扫描仪单一、病理谱覆盖正常到狭窄，适合回答「方法在血管壁这个细结构任务上是否有效」的问题，而非「方法在人群上是否普适」。做统计功效预估时也应注意：按受检者分组做交叉验证，有效样本是例数而非切片数，把数千个层面当作独立样本会高估显著性。

4.7 影像质量与预期伪影

使用前对影像质量的合理预期：3D VISTA 是快速序列，其信噪比低于专用二维轴向黑血协议，管壁中膜在图像上呈低信号环，与外膜周围疏松结缔组织的对比有时并不锐利；血流抑制不彻底时管腔内可残留信号，易被误判为邻近管壁；受检者吞咽与颈动脉搏动可引起层面间错位伪影；分叉远端细小分支的信号衰减也常造成边界缺失。这些现象在官方材料中未被系统描述，属于黑血成像的方法学常识，但直接影响自动分割的上限——把「对比度不足的边界」与「算法误差」区分开，是解读指标时必要的背景知识。评估难例时应优先排查伪影层，而不是急于调网络。

§5 能做什么

5.1 任务清单

• 血管壁分割主任务：从三维体数据输出逐层内外壁轮廓或等价掩码，Dice 评测；这是赛题的官方主轴，也是绝大多数后续研究的落点。
• 管壁定量派生：由分割结果派生管壁厚度（内外壁轮廓之差）、管腔面积、狭窄百分比等临床量，赛题定义中明确列为分割的下游价值。
• 病变诊断：在分割基础上判定粥样硬化病变的有无或负荷，属赛题名义覆盖的次级任务，公开可得的诊断级标注信息有限。
• 标注工作流研究：作为「专家逐层轮廓 + 专用软件」这一真实标注产物的样本，可用于研究轮廓标注的效率、一致性与掩码转换问题。
• 域适应与多中心研究的设计参照：单中心单序列的干净设定，适合作为多中心泛化研究中的源域。

5.2 最小可执行链路

一条从原始数据到分数的最短路径：下载测试段 DICOM（Zenodo 免申请）→ 用 pydicom 读入序列并重建成三维数组 → 以公开评估 notebook 的口径实现 Dice 函数 → 用任意在公开血管分割模型上微调或直推的输出填充轮廓 → 按官方判空与顶点序规则校验后计算分数。这条链路不需要任何受限数据即可打通工程侧，适合在正式申请训练段前验证管线正确性。

5.3 训练侧的实务建议

拿到训练段后，通常的处理顺序是：沿血管走行或原始横断面逐层提取，将轮廓栅格化为二值掩膜；把分叉附近层面单独分层评估（第三方研究证实该区域 Dice 显著低于均值）；对管壁这种薄环结构，损失函数与采样策略需要向边界区域倾斜——这是从黑血影像分割文献与两项复现研究中都能得到的共同经验。类不平衡方面，斑块与狭窄病例在全集中的确切分布未公布，训练前应先自行统计。

5.4 难例解剖：分叉与斑块

血管壁分割的难度在数据集内分布不均，两处结构性难例值得单独讨论。第一处是颈动脉分叉（carotid bifurcation）：颈总动脉在此分为颈内与颈外两支，血管走行由单管变分叉，横断面上的「单环」变成「双环再并环」，逐层轮廓的拓扑在此发生切换；粥样硬化斑块又恰好好发于分叉嵴部，两种难度叠加。2026 年一项复现研究给出了量化证据：两阶段 EfficientNet-UNet++ 模型在完整测试集上 Dice 为 0.8704，而在分叉附近层面降至 0.8534，含斑块层面为 0.8699，分叉区域低约 2 个百分点且该差距经配对检验显著。第二处是薄壁段：正常颈动脉壁厚度不足一毫米，只占层面像素个位数的比例，类别像素占比极端倾斜，这也是官方与第三方工作普遍采用边界加权或多阶段局部放大的原因——先粗定位血管，再在高分辨率局部重分割管壁。

5.5 评估口径的复现要点

在平台外复现官方分数时，有三处口径必须对齐。其一，评测的工作平面：轮廓基于与采集一致的重建横断面，若自行沿血管中心线重采样后再算 Dice，层集不同分数不可比。其二，判例规则：壁与腔轮廓任一为空即判错（官方代码以修正后逻辑为准），复现脚本要保留这条而不是跳过空例。其三，平均方式：官方评估 notebook 按层计算后对病例求平均的具体细节以 notebook 为唯一权威，公开材料未把这一层写进网页正文；严格对标平台分数前应逐行核对 notebook 实现。这三点决定了「论文里报的 Dice」与「平台上榜分数」可能存在系统性小差，引用时应注明分数出自平台还是自评。

5.6 基线方法谱系

公开可考的赛题方法谱系来自两部分：赛期头部队伍（细节散在于受邀报告与参赛队自发表文献，官方未汇编）与赛后第三方研究。后者中可引证的两项均为编码器—解码器家族：DenseNet121-UNet++ 加特征筛选的混合管线在自选三十例子集上报告 Dice 约 0.86；EfficientNet B4 编码加 UNet++ 解码的两阶段多层级管线在全集上报告 Dice 由 0.8352 提升至 0.8704，其中第二阶段负责在高分辨率局部重分割管壁细节，融合相邻切片上下文。两条技术路线的共同结构——「先粗定位血管、再局部精分割管壁」——可以作为新方法设计时的默认起点；而它们都未使用三维全卷积，说明三维模型在这份数据上的表现仍属开放问题。

5.7 评测之外的复用方式

除方法研发外，这份数据还有两类低成本复用。其一，工具链验证：DICOM 读入、各向异性重采样、轮廓栅格化、QVS 解析这些通用环节，可以在测试影像上做端到端回归测试，成本低且完全公开。其二，教学与审阅训练：黑血影像上管壁、斑块、分叉的形态是标准的教学素材，配合公开的测试影像可搭建「先人工判读、再对照算法输出」的培训流程；由于测试影像免申请，这类用途不触碰受限文件边界。两类用法都不需要训练段标注，适合在正式申请受限数据前完成团队预热。

§6 常见误读与引用陷阱

常见说法	实际口径	证据位置
「数据集是 CC BY-4.0，可以自由分发」	Zenodo 元数据标 CC BY-4.0，但官网要求仅限挑战赛用途；两口径冲突，按更严口径行事	§3.3
「vessel-wall-segmentation 就是它，不用管年份」	无年份泛称指任意血管壁分割工作；2022 届特指 COSMOS（颈动脉、清华主办），独立实体	§1.2
「共两万一千六百张标注切片」	两万一千六百是全体数据的层总数；用于标注训练的选定层面约两千七百张，两口径相差近八倍	§4.3
「官方发表了挑战赛总结论文」	主办方明确不首发论文；无官方总结文献，成绩只能查平台榜单与参赛队自述	§2.6 Q9
「测试标注随测试集一起公开」	公开的是测试影像；标注赛后按条件（成功提交并留邮箱）补发	§1.4、§3.1
「训练与验证合计就是测试规模的三倍档」	实际为训练验证合计占三分之二、测试占三分之一；训练与验证合计约五十例，测试段例数少于前者	§2.1、§2.4
「分辨率是 1 毫米各向同性」	平面内约 0.53 至 0.5787 毫米、层向 0.6 毫米，属亚毫米规格	§2.1
「标注是三维体素掩码」	官方产物是逐层二维轮廓（QVS），体素掩码需自行转换	§2.3
「它在 MICCAI 主会拿了 oral」	获得的是 MICCAI 2022 挑战赛认可（endorsed），前 10 名在挑战赛活动环节报告，非主会论文报告	§1.4、§1.5
「测试影像可以直接商用训练」	测试影像虽免申请公开，但官网用途条款覆盖全部影像，商用仍在禁止之列	§3.3
「验证集就是训练集的一部分，随便混用」	验证段独立成段分发，赛期用于提交评测；与训练段混用会破坏与榜单的可比性	§3.1、§3.2

纯技术性陷阱（表外补充）：DICOM 序列的层间距与层内分辨率不一致（层向 0.6 毫米、层内约 0.53 至 0.5787 毫米），做各向同性重采样前应逐例读取像素间距元数据，不要硬编码；QVS 与掩码互转时的方向矩阵，轮廓坐标基于图像像素坐标系，转 NIfTI 时若不处理仿射矩阵会产生翻转错位，这类错误在可视化上往往不易察觉但会污染 Dice。

6.1 误读表之外的两个高频提问

表外另有两个被反复问到的实操问题，单列说明。其一，「能不能把不同段的数据合并成一个目录训练」：技术上没有障碍，协议上要区分——合并后自行划分训练与自测，得到的分数与官方榜单不可比，论文中应写明划分方式。其二，「标注的坐标原点在哪」：轮廓坐标基于各例自身的图像像素坐标系，不携带世界坐标，跨例做空间统计必须先经过各自的仿射矩阵转换，直接把不同病例的轮廓画在同一张图上是常见错误。

§7 在生态中的位置

在公开医学影像分割数据集的版图上，COSMOS 2022 填补的是「人体外周大血管壁的黑血 MRI 分割」这一格位。站内可对照的邻近条目：

• aortaseg-60（rid 1186）：主动脉血管分割挑战赛数据集，同为血管壁类结构、同为挑战赛分发模式，但模态为 CTA、解剖部位为主动脉；二者并读可以对比「影像模态决定标注难度」这一命题。
• adam-aneurysm（rid 735）：脑血管动脉瘤数据集，覆盖另一端（颅内）的血管病理谱，与本题共同构成「血管影像病理分割」的上游参照。
• conic-challenge（rid 1232）与 neurips22-cellseg（rid 1235）：同期（2022 年前后）的其他分割挑战赛，组织形态可互为对照。
• brainptm-2021（rid 1239）：同托管于 Grand Challenge、同以 MRI 为载体、同样面临「赛后无官方总结论文」处境的挑战赛数据集，其条目对赛后信息空白处理的体例可作互读。
• acdc（rid 511）：经典小样本 MRI 心脏分割基准，适合讨论「几十例数据如何支撑分割方法学验证」的通用问题。

更远的生态位：颈动脉超声与 CT 血管造影的公开数据集规模大但任务不同（内膜中层厚度、管腔狭窄），与本题不构成直接竞争；3D Slicer 生态中的 VWI 分析插件与 QVS 格式工具链是工程侧的天然下游。

7.1 挑战赛设计模式的一面镜子

把 COSMOS 2022 的组织选择当作 2022 年前后医学影像挑战赛的一个典型剖面看，有几处设计值得对照。第一，「影像公开、标注受限」的分层分发：它把盲测的纯净性与赛后复用价值的张力摊开给了所有后来者——测试影像直接公开降低了参与门槛，但标注按条件发放让赛后复现评测始终有门槛。第二，「主办方不发论文」：多数 MICCAI 挑战赛会以联合论文或特刊收束，本赛事反其道行之，把发表权完全让给参赛队；好处是没有方法学结论被官方口径锁死，代价是缺少一份可被引用的权威基准记录，文献检索时只能靠平台页与 Zenodo DOI 锚定。第三，评估代码随公告迭代：官方在赛期公开评估 notebook 并修补判空逻辑，把评测协议变成可审计的对象，这一点在同期挑战赛中属于透明度较高的做法。这三处选择共同塑造了今天使用这份数据的体验：入口清楚、路径合规但偏紧、赛后生态靠第三方研究续命。

7.2 数据之外的依赖

复用该数据集时还有两类「数据集之外」的依赖需要列入预算。工具链依赖：QVS 解析没有普遍通用的开源参考实现，多数团队需要按文件样例自行实现读写，或使用与主办方同源的商用/科研软件导出，这一环节的可移植性值得在立项阶段验证。临床知识依赖：判断分割结果 clinically sensible（管壁厚度的合理范围、分叉处拓扑是否正确、斑块区域是否被合理包裹）需要血管壁影像阅片经验，纯算法团队宜配置一名能读 VWI 的合作者，否则模型误差可能以「指标尚可但定量离谱」的形式漏过。

7.3 同类挑战赛数据的共性风险

COSMOS 2022 暴露的几个问题在同期挑战赛数据集中普遍存在，值得作为类别风险记录。一是赛后衰减：赛事结束即失去组织性维护，排行榜、论坛、评估 docker 的可用性随平台策略漂移，引用时不宜假设「官方在线评估长期可用」。二是标注治理不透明：挑战赛通常只公布标注规范而不公布标注者间一致性，这与正式数据描述论文（如 Scientific Data 体例）的披露标准存在落差。三是许可元数据与条款页不同步：Zenodo、平台页、条款页三处各自维护，任何一处更新都可能造成新的口径分裂，复用前应三处并查。这份数据在三者上的表现属于中上：评估代码公开可审计是加分项，许可双口径是减分项。

§8 总结

适用：需要在 3D 黑血 MRI 上做血管壁分割方法研发与横向比较的团队；需要理解颈动脉 VWI 定量工作流（轮廓、QVS、管壁厚度派生）的研究者；需要单中心、单序列、协议统一的干净源域做泛化研究设计的项目。

不适用：期待开箱即用的体素级三维掩码与庞大样本量的预训练场景；需要多中心、多厂商变异性的鲁棒性研究；任何未经主办方确认的商业用途；把「颈动脉」结论直接外推到颅内血管壁的任务。

三句话收束：这是一个规模不大但规格很高（3T 黑血、亚毫米各向同性、双侧覆盖、专家轮廓）的挑战赛数据集；价值在基准统一性而非体量，短板在许可双口径、测试标注受限与赛后信息维护空白；使用前先把 §3.3 的许可口径与 §4.3 的技术陷阱核一遍，可避开绝大多数返工。对做多中心泛化或大规模预训练的团队，它更适合做评测域而非主训练域。

§10 附录

10.1 关键数字速查

数字	含义	出处
75 例	受检者总数（双侧颈动脉）	第三方索引；官方编号体系自洽
50 / 25	训练验证段 / 测试段	第三方索引；官网测试发布通知
3T Philips	采集设备	第三方索引与复现研究
0.6 毫米	层向分辨率（层内 0.53–0.5787 毫米）	第三方索引统计
528×528×432	最大体尺寸	第三方索引
2022-04-25 / 07-16 / 07-31	训练集上线 / 测试集公开 / 评测截止	Zenodo 页面与官网公告
记录族合计约 0.7 TB	Zenodo 三个记录的总体积	Zenodo 训练记录页

10.2 缩写表

缩写	全称	中文
COSMOS	CarOtid vessel wall SegMentation and atherosclerOsis diagnosiS challenge	颈动脉血管壁分割与动脉粥样硬化诊断挑战赛
VWI	vessel wall imaging	血管壁成像
BB-VWI	black-blood vessel wall imaging	黑血血管壁成像
VISTA	volume isotropic turbo spin-echo acquisition	容积各向同性快速自旋回波采集
SMRA	Society for Magnetic Resonance Angiography	磁共振血管成像学会
MICCAI	Medical Image Computing and Computer Assisted Intervention	医学图像计算与计算机辅助介入会议
QVS	quantitative vascular analysis 轮廓文件格式	血管定量分析轮廓格式
DICOM	Digital Imaging and Communications in Medicine	医学数字成像与通信标准
Dice	Dice Similarity Coefficient	Dice 相似系数

10.3 DAIMS 评估

维度	评分（1-10）	依据
D 可发现性	6	官方项目页、Zenodo 三个 DOI、MICCAI 挑战赛名录均可检索；但名称链条复杂（COSMOS / vessel-wall-segmentation-2022 / Carotid VWS Challenge），跨名检索易漏
A 可获取性	5	测试影像免申请；训练段受限文件；官网另有仅限挑战赛用途条款，获取后自由度受限
I 可互操作	7	DICOM 与 QVS 均为医学影像标准格式，主流工具可读；轮廓到掩码的转换无官方脚本，需自行实现并注意方向矩阵
M 元数据质量	5	采集序列与分辨率信息完备；标注者人数、观察者间一致性、受检者人口学、验证段例数缺官方记录
S 可持续性	5	Zenodo 与 GC 平台稳定；但赛事已终、无总结论文、排行榜赛后维护状态未知，长期靠 DOI 存续
综合评级	5.6/10（中）	数据规格与基准统一性是强项，可获取性受限与元数据缺口是主要失分

评分口径：五项各 1 至 10 分，综合为算术平均。参照系为同类公开医学影像挑战赛数据集的普遍水平。

10.4 假设与证据强度

证据强度分级：A 为三条以上独立证据线，B 为两条，C 为单一来源，D 为推断。

• A 级：赛事存在性与挂靠会议（官网、Zenodo、MICCAI 名录三源）；时间线主干（官网公告与 Zenodo 发布日期互证）。
• B 级：75 例的段落划分（第三方索引 + 官网测试发布语境）；采集设备与序列（官网 Background + 第三方索引）。
• C 级：分辨率与体尺寸统计（单一第三方索引）；切片数口径（单一第三方索引与单一复现论文）；访问量数字（Zenodo 单页）。
• D 级：许可矛盾的动机解释（元数据模板说，为推断）；验证段规模（文件树目录形态推定，未确证）。

10.5 未覆盖内容

• 受检者人口学（年龄、性别、症状谱）与病变分布统计：官方未公布，二次分析无法做分层校正。
• 观察者间一致性、标注耗时、标注者培训背景：无记录。
• 赛期参赛队伍总数、最终 Top 10 名单与最优 Dice：本次核验未获官方一手来源（排行榜页未抓取成功）。
• 验证子段确切例数：文件树形态推定，未确证。
• 记录族体积的段落归属细节（是否含全部三段）：Zenodo 页未细分，训练段单独体积未知。

10.6 检索模板

• 官方项目页：vessel-wall-segmentation-2022.grand-challenge.org
• Zenodo：DOI 10.5281/zenodo.6481870（训练，record 6481869）/ record 6804793（验证）/ record 6843257（测试，DOI 10.5281/zenodo.6843257）
• 检索词组合：COSMOS 2022 carotid vessel wall segmentation、"vessel-wall-segmentation-2022"、"3D VISTA" carotid segmentation challenge
• 引用格式基准：vws2022. (2022). Training dataset for Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis Challenge, MICCAI 2022 [Dataset]. Zenodo. DOI 10.5281/zenodo.6481870

§9 使用前检查清单

9.1 使用前检查清单

• 段落确认：拿到的是训练、验证还是测试段；测试段无标注，勿按有标注设计流程。
• 元数据表：逐例记录像素间距、体尺寸、层数；确认无尺寸假设硬编码。
• 轮廓转换：QVS 顶点边序校验、多边形面积下限、层索引显式记录、仿射矩阵对齐。
• 评测口径：判空规则保留、工作平面与采集一致、平均方式对齐官方 notebook。
• 许可留痕：确认获取渠道、保存授权记录、引用挑战赛与 Zenodo DOI、确认用途在授权边界内。
• 难例分层：分叉附近与含斑块层面单独统计指标，勿只报全集均值。

10.7 引用与致谢口径

引用数据时建议三件套并引：官方项目页（vessel-wall-segmentation-2022.grand-challenge.org）、对应段落的 Zenodo DOI、以及 MICCAI 2022 挑战赛名录条目；因无官方总结论文，方法学结论的引用应指向参赛队或第三方自行发表的文献，避免把「赛题设定」误记为「官方方法结论」。致谢侧，官网明示对 MICCAI 2022、SMRA 2022 与 TS Imaging 的致谢，二次分发场景（如镜像站点）应保留同一致谢链条。若后续出现以「vessel wall segmentation」为名的其他届次或泛称数据集，引用时应以届次年份与该实体相互区分，避免归并。

编辑说明

• 核验时间：2026-10-18。核验方式：以 Grand Challenge 官方项目页（首页与通知区）为一手来源，Zenodo 三条数据集记录（6481869 / 6804793 / 6843257）为第二来源，第三方数据集索引（GitHub Awesome-Medical-Dataset 的 COSMOS2022 条目）与两篇 2026 年复现研究报道为第三来源，三源互证。
• 届次与撞库结论：slug 中的 2022 为届次标识。库内经 SQL 查重（url_name 含 vessel / carotid / atherosclerosis 关键词）零命中，writing/ 目录无同名条目；「vessel wall segmentation」无年份泛称所指实体与本届（COSMOS 2022，颈动脉、清华主办）不同，按 R027 规则独立成条。
• 双口径冲突登记三处：其一，许可（Zenodo CC BY-4.0 vs 官网仅限挑战赛条款），正文 §3.3 双列并按更严口径给出建议；其二，切片总数（第三方索引 21,600 层 vs 复现研究引用 2,718 标注层面），正文 §4.3 按层总数与选定层面两口径区分；其三，727 GB 体积的段落归属（Zenodo 页标注 all versions，未细分），正文按「记录族合计」表述。
• 遗留疑点：参赛队伍总数与最终名次（官方无总结论文，排行榜页本次未抓取成功）；验证子段确切例数；测试标注赛后补发的实际执行情况。三者均不影响主任务数据的使用。
• 证据分级体例见 §9.4；C 级及以下内容的引用建议自行复核原始来源。
• 维护触发条件：官方发布总结论文或数据描述论文、排行榜公布最终名次、许可条款变更、数据扩充或新增届次（含无年份泛称实体独立成条），任一发生时需复核本条目。

---

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：

• mms-2 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• cmrxmotion — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• lvquant — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• emidec — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• myops — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• mm-whs — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• lascarqs — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• care-challenge — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 心血管疾病
• cmrxrecon — 共享标签：医学影像 / MRI / 挑战赛数据集 / 心血管疾病
• mms — 共享标签：医学影像 / MRI / 医学图像分割 / 心血管疾病

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。