信息速览
INFOBOX — vet-canis-vhs 一屏速览
维度 内容 本质 犬（canine）侧位胸片 PNG 图像集，为人工学习 VHS 测量而建的教学数据 机构 墨西哥下加州自治大学（UABC）兽医科学研究所 · 小动物教学医院 论文 Data in Brief 2021;36:107040（PMID 34007868，PMCID PMC8111263） 数据 152 张代表图（正文写 153），由 628 例 DICOM 筛选而来；约 447 MB 标注 无——无 VHS 数值、无关键点、无掩码；只有图像本身 设备 Universal AV Choice X 光机 + Rayence XMARU 1417PGA-PCA 14×17″ 平板探测器 采集 2019–2020 年，犬 2–11 岁，体重 5–35 kg，83 公 / 69 母 许可 CC BY 4.0；Mendeley Data 公开可下载 同域对照 同题大型集 CCK（21,465 张，6 关键点）；本条是它的"零标注教学版"极简原型 定位金句 它卖的不是规模，是投照质量与筛选标准
vet-canis-vhs 这个 slug 容易让人误解成又一个"VHS 关键点数据集"。它不是。这份数据集的正式名称是 Radiographic Dataset for VHS determination learning process（用于学习 VHS 判读的放射影像数据集），由墨西哥下加州自治大学（Universidad Autónoma de Baja California，UABC）兽医科学研究所小动物教学医院的一线临床与教学团队整理，2020 年 12 月上线 Mendeley Data，2021 年在 Data in Brief 发表配套数据论文。
它的全部内容是 152 张（论文正文口径为 153 张）去标识化的犬侧位胸片 PNG 图像。没有 VHS 数值，没有关键点坐标，没有分割掩码，也没有"正常/异常"的分类标签。原始 628 例 DICOM 影像中，作者按「是否包含 VHS 判读所需的全部解剖结构」与「图像质量」两条硬标准筛选，最后只留下这些图。作者还刻意把原始 VHS 测量结果从图像上抹掉——理由写在数据集描述里：避免这些数字影响训练/学习过程的输出。
因此本文的写法与其他条目不同：不拆解标注体系，而拆解"没有标注"这件事本身意味着什么；不复述一个基线模型的成绩，而解释这样一份小数据在 2026 年的兽医 AI 版图里还剩什么位置。
导语读法三则：
- 想找现成的 VHS 监督数据：请直接看 §2.3 与 §7——本集不含标签，你应该去 CCK 或 Zhang 2021 那条线，本文只作为"投照与筛选标准"的参照。
- 在做兽医教学或远程教育：直奔 §3 与 §6——这份数据的设计初衷正是"距离教学"，它的价值在课程而非在排行榜。
- 在做出题人（benchmark 设计者）：读 §8——一个 152 张、零标注的集如何与 21,465 张关键点集形成任务链（教学底图 → 标注基准），是本条最有复用价值的观点。
与同批 cck-vet-cardiac 的分工（先划线，后展开）：
同批次另一条目 cck-vet-cardiac（库内已发布为 cck，rid=1105）讲的是 21,465 张犬侧位胸片、每张 6 个心脏关键点、配套 VHSMarker 标注工具与 MambaVHS 基线的大型基准。本条讲的是 152 张、零标注、为人类学习 VHS 而准备的小型教学集。两者都叫"犬胸片 + VHS"，但：
- 规模差约 141 倍（21,465 ÷ 152）；
- 标注差一个数量级：一个有 128,790 个关键点，一个连一个点都没有；
- 用途差一个环节：一个是"训练模型"，一个是"训练人"。
正文 §2.3 与 §9 会把这张对照表写满，并给出"什么时候该用哪个"的判断规则。请勿在引用时把两者的数字互相挪用——这是本条最容易出错的地方。
§1 数据集速览：十问十答
Q1：它叫什么？ 正式名 Radiographic Dataset for VHS determination learning process；Mendeley Data 记录编号 ktx4cj55pn，DOI 10.17632/ktx4cj55pn.1（版本 1）。
Q2：谁做的？ Cesar Augusto Flores Dueñas、Soila Maribel Gaxiola Camacho、Martin Francisco Montaño Gómez 为主要贡献者；数据论文另列 Villa Angulo、Enríquez Verdugo、Rentería Evangelista、Pérez Corrales、Rodríguez Gaxiola 共八位作者。机构为 UABC 兽医科学研究所（Instituto de Investigaciones en Ciencias Veterinarias）。
Q3：多大？ 152 张 PNG（Mendeley 描述口径），论文正文写 153 张，Mendeley 描述里还出现过"156 canine patients"。下载包约 447 MB。
Q4：什么图像？ 犬胸部侧位（latero-lateral）X 光片，右/左侧位均有，拍摄时患侧朝下卧于检查台。
Q5：有标注吗？ 没有。无 VHS 数值、无关键点、无掩码、无类别标签。作者主动移除了图像上原有的 VHS 测量痕迹。
Q6：那它凭什么算"数据集"而不是"图库"？ 凭筛选标准的可复现性：628 例里怎么挑出 152 张、挑的标准是什么、投照参数是什么、解剖范围到哪里——这些都在数据论文里写清楚了。一个图库不写这些，一个数据集写。
Q7：许可？ CC BY 4.0（Mendeley Data 页面 Licence 段）。可再分发、可商用，需署名。
Q8：怎么拿？ Mendeley Data 公开下载，无需申请，附件为压缩包（约 447 MB）。这一步比同域的 CCK 友好得多——CCK 是记录公开但文件受限。
Q9：能训练模型吗？ 不能直接训练监督模型。可用于：教学、VHS 判读一致性研究的人类基线、少样本/自监督方法的无标签预训练、影像质量评估、投照标准化研究。
Q10：最大坑是什么？ 把"152 / 153 / 156"三个数字当成同一个口径；以及把"VHS 数据集"误读成"带 VHS 标签的数据集"。
1.1 十答之外的四个追问
追问一：为什么 628 例只剩 152 张？ 作者给出的筛选逻辑是两条：其一，图像必须包含 VHS 判读所需的全部解剖结构（胸骨柄前缘到肺缘/膈脚后背侧缘，胸骨必须完整入画）；其二，图像质量合格。此外还剔除了含患者身份信息的字段。从 628 到 152，保留率约 24.2%——这是一个相当严格的筛除率，说明"投照合格的犬侧位胸片"在真实门诊影像里并不常见。
追问二：为什么删掉 VHS 数值？ 数据集描述原文的意思是：原始 VHS 测量结果如果留在图像上，可能影响训练过程的输出结果。这里"训练"指的是人的学习训练还是模型的训练，原文没有区分——但从上下文（远程教学、教学医院、明确写给 educator 与研究者）看，主要考虑的是人的判读不要被既有答案带偏，同时也不排除为后来的 AI 训练留一手干净底图。
追问三：为什么裁剪？ 图像用 fast photo crop 裁到不同尺寸，去掉无用的边界。副作用是：不同图像的画幅不一致，像素间距（mm/px）不可直接互推，任何需要物理尺度的方法都得自己重建标定。
追问四：为什么是 PNG 而不是 DICOM？ 原始的 628 例是 DICOM，作者用采集软件自带的转换器转成 PNG。这牺牲了 DICOM 头里的窗宽窗位、像素间距、设备参数等元数据，换来"任何教学终端双击即开"的可用性——这是教学型数据集典型的取舍。
1.2 一句话定位
如果要给这份数据集写一句墓志铭式的话：它是"标注之前"的那一层数据——在所有关键点、所有 VHS 数值、所有模型分数出现之前，先有一批投照合格、解剖完整的侧位片，供人学会怎么看。当前的兽医 AI 生态几乎把注意力全部放在"标注之后"的那一层，这一条的价值恰在于提醒读者：那一层不是从天上掉下来的。
§2 数据构成与规格
2.1 硬数字总表
| 指标 | 数值 | 出处 |
|---|---|---|
| 最终图像数 | 152 张 | Mendeley Data 描述（“reduced to 152 representative images”） |
| 最终图像数（论文口径） | 153 张（“153 de-identified canine thoracic radiographic images”；摘要写"examples of 153"） | Data in Brief 2021 正文与摘要 |
| 早期描述数 | 156 canine patients | Mendeley Data 描述首段 |
| 初始采集数 | 628 例（DICOM） | 两处一致 |
| 格式 | PNG（原始 DICOM） | Mendeley |
| 下载体积 | 约 447 MB | Mendeley"Download All 447 MB" |
| 年份跨度 | 2019–2020 | Mendeley / 论文 |
| 犬只年龄 | 2–11 岁（成熟犬） | 论文 Materials and Methods |
| 体重范围 | 5–35 kg | 论文 |
| 性别构成 | 公 83 / 母 69 | 论文（83+69=152，与 152 口径吻合） |
| 投照方向 | 右侧位 / 左侧位，患侧朝下 | 论文 |
| 管电压 | kVp 70–80（高 kVp 技术） | 论文 |
| 毫安秒 | mA 200 × 10–40 ms ≈ 2–8 mAs | 论文 |
| 设备 | Universal AV Choice X 光机 | 论文 |
| 探测器 | Rayence XMARU 1417PGA-PCA，14×17 英寸 DR 平板 | 论文 |
| 解剖范围 | 胸骨柄前缘 → 肺缘/膈脚后背侧缘，含胸骨 | 论文 |
| 许可 | CC BY 4.0 | Mendeley |
| 标注 | 无 | 两处一致 |
先记住一件事：性别构成 83 + 69 = 152，与"152 张"严格对应。这说明 152 这个数字同时是"图像数"与"入选病例数"——即一犬一图，而不是像 CCK 那样一犬多图（21,465 张 / 12,385 只 ≈ 1.73 张/犬）。这个区别对划分策略有直接影响（见 §5.6）。
2.2 从 628 到 152：一次"减法式"的构建
普通数据集的叙事是"收集了多少"，这份数据集的叙事是"扔掉了多少"。流程可以还原为四步：
628 例 DICOM（2019-2020 全部侧位胸片检查）
│ ① 纳入判定：是否含 VHS 判读所需全部解剖结构
│ ② 质量判定：曝光/体位/伪影是否可接受
▼
入选病例（论文口径 153 例）
│ ③ 转 PNG（采集软件自带转换器）
│ ④ fast photo crop 裁剪边界 + 去标识化
▼
152 张代表图（Mendeley 最终包）
第 ① 步是最关键的。所谓"含 VHS 判读所需全部解剖结构"，具体是：胸骨柄前缘、肺缘与膈脚的后背侧缘、完整胸骨。这三处任何一个被切掉，VHS 的两个轴就无从规范测量——长轴从气管分叉处（carina）附近的心基底量到心尖，短轴量心影最宽处，两个长度都要在椎体上从头侧向尾侧逐节"叠"下去，缺了椎体就无法归一化。
第 ② 步没有给出量化标准（如"曝光不足的判定阈值"），是本文的遗留疑点之一。
第 ④ 步的裁剪是"不同尺寸"的——不是统一裁成固定分辨率。这带来一个不易察觉的后果：数据集内部不存在统一的像素尺度。若要用它做尺度敏感的几何任务（例如直接从像素推 VHS），必须先为每张图单独标定。
2.3 与 cck-vet-cardiac（CCK，rid=1105）的正面区分
这是本文最重要的一节。同批次另一条目 cck-vet-cardiac 与本条共享关键词"犬胸片 + VHS"，但两者在所有关键维度上都不同：
| 维度 | vet-canis-vhs（本条） | cck-vet-cardiac（CCK，rid=1105） |
|---|---|---|
| 正式名 | Radiographic Dataset for VHS determination learning process | Canine Cardiac Keypoint (CCK) Dataset |
| 规模 | 152 张 | 21,465 张 / 12,385 只犬 / 144 品种 |
| 图/犬比 | 1 : 1（152 图 = 152 例） | ≈ 1.73 : 1（一犬多图） |
| 标注 | 无 | 每张 6 个心脏关键点（合计约 12.9 万个点） |
| 标注工具 | 无 | VHSMarker（10–12 秒/图，含实时 VHS 与模型辅助） |
| 基线模型 | 无 | MambaVHS（91.8% test accuracy，超 13 个基线） |
| 配套论文 | Data in Brief 2021（已发表，有卷期页码） | ICLR 2026 投稿（OpenReview 状态 Rejected） |
| 托管 | Mendeley Data（公开直下） | Zenodo（记录公开，文件受限） |
| 许可 | CC BY 4.0 | CC BY 4.0 |
| 目的 | 教人测 VHS | 教模型测 VHS |
| 体量 | 约 447 MB | 22.2 GB |
| 采集地 | 墨西哥 UABC 教学医院 | 未披露 |
| 年份 | 2019–2020 采集，2020/2021 发布 | 2025-07-30（Zenodo v1） |
三句判断规则：
- 要训练关键点检测模型 → 用 CCK。本条没有点，一点都用不上。
- 要教兽医学生读片、要一份干净的"无答案"练习集 → 用本条。CCK 的每张图都带标注，反而不适合"让学生先量、再对答案"的场景。
- 要研究"投照合格率"或"教学集与大数据集的分布差异" → 两条一起用。本条提供了 628→152 的筛选漏斗，是难得一见的"真实门诊影像过滤率"样本。
一句话区分：CCK 是"标注之后的规模"，本条是"标注之前的干净"。二者不构成竞争，构成上下游。§9 会把这个上下游关系画成任务链。
2.4 图像性质：为什么"侧位"是硬约束
VHS 的经典测量协议建立在侧位投照上。Buchanan 与 Bücheler 在 1995 年提出的 vertebral heart size 方法，其几何前提是：在侧位上，心影的长轴与短轴可以在一个平面内被清晰勾勒，椎体也以侧面呈现、可按节数线性累加。换到背腹位（DV/VD），心影的投影几何完全改变，椎体呈现的是端面，长度归一化不成立。
因此"仅侧位"不是省事，是方法本身的定义域。本条数据集在纳入标准里明确要求侧位，并在拍摄时统一"患侧朝下"的体位（右侧位与左侧位都收，但都遵循患侧卧位）——这保证了心影放大率在同类投照间大致可比。
需要提醒的是：右侧位与左侧位在犬身上并非完全等价。心影在两种侧位下的形态略有差异（尤其右心增大时），文献中一般推荐以右侧位为标准化测量体位。本条未披露右侧位与左侧位各占多少张——这是一个会影响"能不能直接当统一基准"的元数据缺口（见 §7 遗留疑点）。
2.5 画质与设备：一套 2019 年的 DR 配置
设备信息给得相当完整，这在小数据集里不常见：
- X 光机：Universal AV Choice（通用型兽医 X 光机）；
- 探测器：Rayence XMARU 1417PGA-PCA，14×17 英寸平板探测器（DR，非 CR 暗盒）；
- 曝光：kVp 70–80，mA 200，ms 10–40，等效 2–8 mAs。
作者在论文里专门解释了"高 kVp + 低 mAs"的用意：这种技术产生**长灰阶（latitude）**图像，对评估胸腔结构有利。这是一个有临床阅历的说明——在胸部 X 光中，高 kVp 技术能同时保留肺野与纵隔的细节，代价是对比度下降。教学场景下这恰好合适：学生需要看清解剖边界，而不是追求漂亮的黑白对比。
2.6 你能从包里拿到什么、拿不到什么
能拿到：152 个 PNG 文件；每张图含完整胸骨、胸骨柄至膈脚的胸廓；去标识化后的图像（无人名、无病例号痕迹）。
拿不到：VHS 数值；关键点坐标；心脏轮廓掩码；品种标签；体重/年龄/性别的逐图对应表（论文只给了汇总分布）；右侧位/左侧位标记；犬只标识（因此无法判断是否存在同一只犬的多次复查）；采集日期；任何临床诊断（正常/心大/心衰）。
这张"拿不到"清单，恰恰是评审这份数据集时最该先看的东西。一个数据集的可用性，往往由它不提供什么决定，而不是由它提供什么决定。
2.7 三套数量口径的由来
152 / 153 / 156 三个数字同时存在于一手来源里，不是笔误那么简单：
- 156：Mendeley 描述第一段的"156 canine patients"，与后文"reduced to 152"矛盾。很可能来自早期草稿或某一版筛选记录。
- 153：Data in Brief 正文与摘要反复使用（“153 de-identified canine thoracic radiographic images”、“examples of 153 canine latero-lateral thoracic radiographic medical images”）。
- 152：Mendeley 最终包的实际图像数，且与"83 公 + 69 母"的加总严格吻合。
推荐口径：说"152 张（论文正文写 153 张，Mendeley 早期描述另称 156 例）"。不要单引 153 或 156 而不加注。本文全文以 152 为主口径，凡引论文原句时保留 153。
2.8 一句话小结数据构成
一份 2019–2020 年间从 628 例门诊侧位胸片里按"解剖完整 + 质量合格"筛出来的 152 张犬胸片 PNG，一犬一图，2–11 岁、5–35 kg、公母基本均衡，投照参数与设备全部公开，但没有任何形式的答案。
§3 临床背景：VHS 为什么值得为它准备一份教学集
3.1 VHS 的三行定义
VHS（vertebral heart score，椎体心脏评分）：在犬胸部侧位片上，量取心影的长轴与短轴两个长度，然后把这两个长度分别从第 4 胸椎（T4）椎体前缘开始向尾侧"叠"在椎体上，换算成"叠了几节椎体"。两个数相加，即为 VHS。犬的参考正常值通常记作 9.7 ± 0.5（不同文献与品种略有出入），超过约 10.5 常提示心影增大。
3.2 一个指标撑起一门课
VHS 之所以在兽医教学里占一整节课，是因为它同时具备三个属性：可量化（给出一个数）、可复现（同样协议下不同人测量应接近）、可纵向比较（同一只犬不同时间的 VHS 变化可用于监测疗效）。在兽医心脏病学里，能被这样描述的方法并不多。
Data in Brief 数据论文在"Value of the Data"一节里把这份数据集的价值列了四条，其中第三条直指 AI：图像可作为开发 AI 驱动的心大计算方法的训练数据集。也就是说，作者自己就把它定位成"上游素材"：先有人教会怎么量，才有足够多的人能产出可信的标注，才可能训练模型。
3.3 论文里的三个流行病学数字
数据论文在引言中给出三个动机性数字，值得原样记住（它们是文献引用，不是本数据集统计）：
- 退行性瓣膜病（degenerative valvular disease）在 13 岁及以上犬中约 30% 可检出临床证据；
- 扩张型心肌病（DCM）在爱尔兰猎狼犬中约 25%；
- DCM 在杜宾犬中：母犬约 33%，公犬约 50%。
这三个数字共同说明一件事：犬心脏病不是罕见事件，而且品种差异极大。这也是"152 张、无品种标签"这份数据集的局限所在——它无法支撑任何按品种分层的结论。
3.4 注意力的分配：为什么 152 张也值得写一个条目
AI-Ready 语料库的天性是偏爱大集：21,465 张当然比 152 张显眼。但一份 152 张的教学集在方法论上有独立价值：
第一，它是筛选标准的可执行样本。628→152 的漏斗率（24.2%）是一个真实世界的"可用率"数字，对任何做兽医影像数据工程的人都是有用的先验。
第二，它是零标注基线。在有 CCK 这样的大标注集之后，一个自然的评估问题是：如果把标注量降到零，仅靠 152 张干净底图做无监督/自监督预训练，能恢复多少性能？本条恰好提供了这样一组"无标签对照组"。
第三，它是人类的 reference。在任何"AI 是否达到兽医水平"的讨论里，都需要一个"人在这批图上能做成什么样"的锚点。教学集天然就是这个锚点的素材。
3.5 一份小数据的正确用法清单
如果把这份数据集当作工具而非竞赛数据，它可以支撑以下六类用法：
- 课堂练习：学生先独立量 VHS，再与教师答案比对（答案由教师在课上现场给出，不在数据里）；
- 标注一致性研究：让多名兽医在同一批图上量 VHS，计算组内相关系数，评估"VHS 到底有多可复现"；
- 无标签预训练：作为域内无监督数据的补充（尽管量太小，通常只作为微调前的热身）；
- 图像质量/投照标准化研究：152 张全部"合格"，可作为"合格长什么样"的正样本；
- 模型鲁棒性对照：拿 CCK 训练的模型在这 152 张上推理，看分布差异造成的性能跌落（跨中心/跨设备的泛化测试素材）；
- 教学法研究：比较"先看答案"与"先自己量"两种教学路径的效果差异——数据集里刻意不含答案，正是为了支持这类实验。
第 5 条最容易被忽略也最有价值：它不是训练集，但它可以是一块"跨中心测试砖"。来自墨西哥一家教学医院的 152 张投照，与 CCK 的未披露来源相比，构成了天然的分布偏移。
3.6 VHS 以外的犬心评估手段（定位参照）
VHS 不是唯一手段。把它放进坐标系里看更清楚：
| 手段 | 模态 | 定量性 | 本条能否支撑 |
|---|---|---|---|
| VHS | 侧位 X 光 | 强（一个数） | 是（作为读片素材） |
| 椎体左房评分（VLAS） | 侧位 X 光 | 中 | 否（需专门协议与标注） |
| 心胸比（CTR） | 背腹位 X 光 | 中 | 否（本条仅侧位） |
| 超声心动图（LA/Ao、EF） | 超声 | 强 | 否（模态不同） |
| NT-proBNP / cTnI | 血液 | 强 | 否 |
| 心电图 | 电生理 | 中 | 否 |
一句话：VHS 是"最便宜的定量心影筛查"，它不诊断病因，只提示"心影是否偏大"。这一定位决定了它的数据需求——不需要精标注的病因，只需要干净、可测量的侧位片。本条数据集的建集逻辑正是从这一需求长出来的。
3.7 为什么"教学"在兽医影像里比在人医影像里更紧迫
人医影像的标准化训练资源极其丰富：住院医师有海量 PACS 病例、有上级医师逐例带教。兽医则相反：全球兽医院校的影像教学资源高度不均衡，很多学校一个班只有几张胶片、一位兼职影像讲师。Data in Brief 论文开篇即点明这一背景——远程教育（distance learning）在发展中国家是获取教育机会的关键渠道，而影像学恰恰是最依赖图像资源、最难远程化的学科。
这就是这份数据集存在的理由：它不是为算法做的，是为那些没有 PACS、没有教学片库的课堂做的。理解这一点，才能理解为什么它宁可只有 152 张，也要把"每张都合格"做到极致——教学片不能有歧义，一张不合格的片子会教出错误的测量习惯。
3.8 一段测量流程的具体还原
为了说明"解剖完整"到底意味着什么，可以把一次标准 VHS 测量拆成七步：
- 确认体位：侧位，胸骨与脊柱大致平行，无明显旋转；
- 定位心基底：以气管分叉（carina）附近为参考，画心影长轴的起点；
- 定位心尖：心影最远端的顶点，画长轴终点；
- 量长轴：上述两点的直线距离（像素或毫米）；
- 量短轴：在心影最宽处作长轴的垂线，量其宽度；
- 定位 T4：找到第 4 胸椎椎体前缘；
- 叠加：把长轴、短轴分别从 T4 前缘开始沿椎体向尾侧叠加，读出各占几节椎体，相加得 VHS。
第 2、3、6 步全部依赖解剖结构完整可见。胸骨柄前缘缺失则无法确认胸廓起点，膈脚被切则无法确认后界，椎体模糊则无法叠加。作者在纳入标准里写的"胸骨柄前缘 → 肺缘/膈脚后背侧缘，含完整胸骨"，正是逐条对应上述步骤的可用性。
3.9 读者最容易混淆的三件事
混淆一：VHS 高 = 心脏病。 不对。VHS 只描述心影相对体型的比例，心包积液、胸腔积液、体位、呼气相、胸廓形状异常（如桶状胸）都能让 VHS 偏高而不代表心肌疾病。论文本身也明确写了"VHS 不应作为诊断心脏病的唯一手段"。
混淆二：VHS 是犬专用的。 不是。猫也有 VHS 参考值（正常约 7.5 左右，显著低于犬），但本数据集只含犬。
混淆三：VHS 有国际统一标准。 没有。测量协议在细节上存在多种变体（起点取 T4 前缘还是 T5、是否含胸骨、短轴取哪个高度），不同文献之间的数值不能无条件互比。这正是"投照与测量协议必须写清楚"的原因，也是本条数据论文把设备与曝光参数全列出来的可贵之处。
§4 构建方法与可复现性
4.1 采集设计：一次"全量纳入、事后筛选"的设计
论文的采集设计非常朴素，也因此容易复现：
- 时间窗：2019–2020，覆盖两年内该院所有犬侧位胸片检查；
- 纳入起点：所有就诊犬的侧位胸片研究都进入候选池（共 628）；
- 筛选：由作者按解剖完整性与图像质量挑选；
- 去标识：删除所有可识别患者身份的字段；
- 转换：DICOM → PNG，再裁剪。
这是一个"先全收、再人工过筛"的经典教学集构建法。优点是标准统一（同一批人、同一套眼力）、缺点是筛选不可完全复现（人的质量判断难以写成规则）。
4.2 去标识化的边界
论文写明"removing all fields that would enable patient identification"。需要注意的是，X 光片上可能存在烧录文字（burned-in annotation）——即曝光时直接印在图像像素里的病例号、日期、犬名。描述里没有说明是否处理了这类像素级标识，只说了"删除字段"。这是一个需要在合规审查时留意的细节（见 §7 遗留疑点）。
4.3 裁剪：一个看似无害却影响方法学的操作
用 fast photo crop 裁掉边界，视觉效果更"干净"，但对方法学有四个后果：
- 尺度丢失：不同图不同画幅，mm/px 不一致；
- 解剖参照丢失：若裁掉了部分胸骨或椎体，则与"入选时解剖完整"的标准存在张力——入选判的是原图，裁的是原图；
- 构图偏好：裁剪会引入人的构图偏好，可能让心影在画面中的相对位置趋于一致，从而引入微弱的分布偏置；
- 不可逆：原始 DICOM 未随包发布，裁剪无法还原。
对于"教人读片"的用途，这四条都不致命；对于"做几何回归"的用途，第 1、2 条是硬伤。这也是本文反复强调"它不能直接当 VHS 回归训练集"的技术原因之一。
4.4 复现这份数据集需要什么
如果要在另一家医院复制一份同构教学集，按本文梳理的清单，至少需要：
| 环节 | 需要记录的内容 | 本条是否给出 |
|---|---|---|
| 采集窗 | 起止日期、纳入所有检查 | 是（2019–2020） |
| 设备 | 机型、探测器型号、尺寸 | 是（Universal AV Choice + Rayence XMARU 1417PGA-PCA） |
| 曝光 | kVp、mA、ms、mAs | 是（70–80 / 200 / 10–40 / 2–8） |
| 体位 | 侧位方向、患侧卧位 | 是（部分：未给左右占比） |
| 解剖范围 | 起止解剖标志 | 是（胸骨柄前缘 → 膈脚后背侧缘） |
| 纳入标准 | 量化阈值 | 否（仅定性描述） |
| 筛选人数 | 几位作者参与评判 | 否 |
| 标注 | VHS 值 | 否（刻意不含） |
| 划分 | train/test 协议 | 否（教学集不需要） |
九个环节里七个可复现、两个缺失。对教学集而言这已经高于平均水平；对基准集而言则不够。
4.5 论文的可获取性
Data in Brief 是 Elsevier 的开放获取数据期刊，本文有 PMCID（PMC8111263），可在 PubMed Central 免费读到全文。这比很多只在出版商站内可读的数据论文友好得多。数据集本身在 Mendeley Data（Elsevier 旗下）公开下载。论文与数据都不设门槛——这一点比同域 CCK（文件受限）明显更好（坑 2 的反面案例）。
4.6 版本链
Mendeley Data 记录只有 Version 1（2020-12-10 发布）。截至本文抓取时点（2026-10-17），未见 v2 或勘误。这意味着 152 / 153 / 156 的口径矛盾从未被官方修订——引用时只能并存，不能假设"最新版已改正"。
§5 数据质量与建模可用性
5.1 质量评价的四个轴
评估一份无标注图像集，不能套用"标注一致性"这类指标，只能看四个轴：
| 轴 | 评价 | 说明 |
|---|---|---|
| 解剖完整性 | 高 | 纳入标准就是为此设的；胸骨、膈脚、椎体齐备 |
| 图像质量 | 中偏高 | 高 kVp 长灰阶，教学友好；但裁剪后画幅不一 |
| 元数据完整性 | 中 | 设备/曝光/年龄/体重/性别全给；品种/逐图对应/左右侧未给 |
| 分布代表性 | 未知 | 单中心、教学医院、经筛选，天然不代表自然分布 |
5.2 "合格"本身是一种标签
严格说，这份数据集并非完全没有标签——它隐含一个二值标签：全部为"合格"。628 例候选里被剔除的 476 例，其"不合格"的属性没有随包发布。
这带来一个建模上的可能性与一个陷阱：
- 可能性：152 张合格 + 隐含的 628 例总体，可以反推一个"合格率 ≈ 24.2%"的先验，用于影像质量评估（IQA）任务的正样本；
- 陷阱：如果用这 152 张训练 IQA 模型，模型只见过正样本，没有负样本可学。真正的 IQA 需要那 476 张不合格图——它们没有被发布。
5.3 少样本与自监督场景下的用法
在 2026 年的模型生态里，152 张单独拿出来做预训练几乎没有意义（哪怕 ViT 的线性探针也需要更多数据）。但它在三种场景下仍有位置：
- 域适配的微调底料：把 CCK 训练的模型在本条数据上做几轮无监督/自监督微调，观察是否能缓解跨中心偏移；
- 提示工程的图像池：视觉语言模型做零样本 VHS 估计时，152 张可作为"投照样式"的 few-shot 示例源；
- 评测的"干净集"：因为无标注，可以人为邀请兽医现场标注一轮，得到一份从未参与任何模型训练的"新鲜"测试集——这在防止 benchmark 污染上有独特价值。
第 3 条是本文最想强调的一点：无标注 ≠ 无用，它的"未被动过"本身就是一种资产。CCK 这类被反复训练的数据集已经很难再充当无偏测试集，一份 152 张、六年无人问津的教学片，反而是干净的。
5.4 单中心偏倚的具体形态
"单中心"不是一个抽象风险，落到这份数据上有四个具体形态：
- 设备偏倚：全部来自同一套 Universal AV Choice + Rayence 1417 组合，模型的纹理先验会绑定这套探测器；
- 技术员偏倚：同一批技师、同一套摆位习惯，体位分布窄；
- 地理/品种偏倚：墨西哥下加州地区犬群，品种构成大概率与美国/欧洲主流数据集不同（未披露品种，无法核实）；
- 病例偏倚：教学医院病例，转诊比例未知——若以疑难转诊为主，心影异常比例可能偏高（未披露诊断，无法核实）。
四条里三条因缺元数据而无法量化，这是"小数据集 + 少元数据"的典型困境。
5.5 一犬一图带来的划分优势
与 CCK 的一犬多图（≈1.73 张/犬）不同，本条的 152 张对应 152 例（83+69=152），没有患者级重复。这意味着：任何随机划分天然不存在患者级泄漏。
这是小数据集一个被低估的优势。在 CCK 上做实验，必须小心同犬多图跨训练/测试集；在本条上，这个坑不存在——当然，也没多少东西可训。
5.6 能否直接做 VHS 回归？
不能。理由有四个，逐条摆开：
- 无标签：没有 VHS 数值，监督学习无从谈起；
- 无尺度：裁剪后画幅不一，mm/px 未知，几何回归的目标尺度不成立；
- 无关键点：无法用关键点监督来间接学 VHS；
- 样本量：152 张不足以支撑任何深度回归模型的收敛。
如果有人想用它做 VHS 回归，唯一的路径是：找兽医重新标注 152 个 VHS 值 → 那就是一份新的、152 例的标注集，此时它已经不是本条数据集，而是"本条 + 自建标签"。引用时须写清楚。
5.7 与同类小数据集的横向位置
在犬胸片领域，公开数据集长期呈现"两极"结构：一端是数十万的通用胸片（多为人类），一端是几十到几百张的兽医教学片，中间层稀薄。本条落在"数百张"这一端，与同域其他小集相比：
| 类型 | 规模量级 | 标注 | 代表 |
|---|---|---|---|
| 兽医教学片 | 10² | 无 | 本条（152） |
| 兽医关键点基准 | 10⁴ | 6 点/图 | CCK（21,465） |
| 人类通用胸片 | 10⁵ | 多标签/报告 | MIMIC-CXR（16）、NIH ChestX-ray14（15） |
中间层的缺失，正是 2020–2026 年间兽医影像 AI 反复卡在"没有足够标注"的原因。本条属于"前标注时代"的产物，它的历史位置比它的实用价值更值得记录。
§6 使用指南：从下载到跑通
6.1 获取步骤
- 打开
https://data.mendeley.com/datasets/ktx4cj55pn/1； - 页面显示 Version 1、Published 10 December 2020、Licence CC BY 4.0；
- 点击 “Download All 447 MB” 下载压缩包（无需申请，无需登录即可浏览元数据）；
- 解压后得到 152 个 PNG 文件。
6.2 获取时要注意的三件事
- 不要引用 DOI 的 all-versions 形式与 v1 形式的混用：本文记录的是
10.17632/ktx4cj55pn.1（带.1版本后缀）；库里另有不带版本的主记录路径，引用学术文献时以带版本的为准。 - 署名要求：CC BY 4.0 要求署名（attribution）。使用时应引数据论文（Flores Dueñas et al., Data in Brief 2021;36:107040）与 Mendeley 记录两者。
- 不要再分发"改过的标签"并冒充原集：CC BY 允许改编，但必须标明改动。若你给这 152 张加了 VHS 标签，请明确写成"本条 + 自建标注"。
6.3 一条最小可跑通的处理链
给第一次接触这份数据的人一条现成的处理链（不含训练，只做可用的预处理）：
① 解压 → 得到 152 个 PNG
② 统一尺寸（长边缩放到 512 或 1024），记录每张的原始尺寸
③ 灰度化 + 直方图均衡（CLAHE），提升椎体与心影边界可见度
④ 人工抽检 10 张：确认胸骨完整、膈脚可见、无烧录文字
⑤ 建立清单 CSV：filename, width, height, side(若可知), note
⑥ 若要做几何任务：为每张图人工标定两点已知距离（如已知探测器尺寸的边界），反推 mm/px
第 ⑥ 步是本条数据集能否被"几何方法"使用的分水岭。不做这一步，任何像素级测量都没有物理意义。
6.4 推荐的三条下游路线
路线 A：教学工具。把 152 张做成一个网页阅片器，学生点击两个点量长轴、两个点量短轴，系统按椎体叠加给出 VHS，最后与教师答案比对。这是最贴合原文用途的用法。
路线 B：一致性研究。邀请 3–5 位兽医各自独立测量全部 152 张，计算 ICC（组内相关系数）与 Bland-Altman 一致性。这份数据规模不大不小，正好适合做一次"VHS 到底有多可复现"的实证。
路线 C：分布偏移测试。取一个在 CCK 上训练好的关键点模型，直接在本条 152 张上推理，统计关键点定位失败率。失败率本身就是"跨中心泛化"的量化证据，而且不需要任何标签。
6.5 不建议的四条路线
- 不建议做 VHS 回归训练（无标签、无尺度、样本太少）；
- 不建议做分类（无类别标签，连"正常/异常"都没有）；
- 不建议与人类胸片混训（解剖结构、体位、体型差异过大）；
- 不建议把 152 张当"验证集"却报告小数点后三位的指标（样本量下置信区间极宽）。
6.6 引用格式建议
数据论文：
Flores Dueñas CA, Gaxiola Camacho SM, Montaño Gómez MF, Villa Angulo R, Enríquez Verdugo I, Rentería Evangelista T, Pérez Corrales JA, Rodríguez Gaxiola MÁ. Canine thoracic radiographic images as an educational dataset for distance learning and research on vertebral heart score. Data in Brief. 2021;36:107040. doi:10.1016/j.dib.2021.107040
数据集：
Flores Dueñas CA, Gaxiola Camacho SM, Montaño Gómez MF. Radiographic Dataset for VHS determination learning process [Data set]. Mendeley Data, V1. 2020. doi:10.17632/ktx4cj55pn.1
6.7 一页速查卡
| 问题 | 答案 |
|---|---|
| 多少张？ | 152（论文写 153，早期描述称 156） |
| 有标签吗？ | 没有，一张都没有 |
| 能下载吗？ | 能，Mendeley Data 公开，约 447 MB |
| 许可？ | CC BY 4.0 |
| 是什么模态？ | 犬胸部侧位 X 光（DR，PNG） |
| 从哪来？ | 墨西哥 UABC 兽医教学医院，2019–2020 |
| 用来干嘛？ | 教人量 VHS、做一致性研究、当无偏测试砖 |
| 别用来干嘛？ | 训 VHS 回归、训分类、当 CCK 的替代品 |
| 与 CCK 什么关系？ | 上下游，不是替代：152 无标注 vs 21,465 带 6 点 |
| 最大坑？ | 三套数字口径 + “VHS 数据集”≠“带 VHS 标签” |
§7 局限、存照与遗留疑点
7.1 双口径存照（逐条）
存照 A：图像数量 152 vs 153 vs 156。
- Mendeley Data 描述同一段内先后写"156 canine patients"与"reduced to 152 representative images"，自相矛盾；
- Data in Brief 正文写"153 de-identified canine thoracic radiographic images"，摘要写"examples of 153"；
- 性别构成 83 + 69 = 152，与 Mendeley 最终数量吻合；
- 本文口径：以 152 为主，凡引论文原句保留 153，并注明 Mendeley 早期描述曾称 156。三数并存，不做取舍。
存照 B：数据集与论文的发布年份。
- Mendeley Data：Published 10 December 2020；
- Data in Brief：2021 年第 36 卷，文章号 107040；
- 本文口径：数据先发（2020-12），论文后发（2021），引用时分别标注，不写成"2021 数据集"。
存照 C：机构名称的中英文与层级。
- Mendeley Institutions 字段：Universidad Autonoma de Baja California Instituto de Investigaciones en Ciencias Veterinarias；
- 论文写"Small Animal Veterinary Teaching Hospital, Veterinary Sciences Research Institute, Autonomous University of Baja California"；
- 本文口径：机构为 UABC 兽医科学研究所（IIVC），采集场所为其小动物教学医院。两者是"研究所"与"其下教学医院"的关系，不是两个并列机构。
存照 D：署名人数。
- Mendeley Contributors 列表列 3 人（Flores Duenas、Gaxiola Camacho、Montaño Gómez）；
- 论文作者列表 8 人；
- 本文口径：引用数据用 3 人（以 Mendeley 为准），引用论文用 8 人（以期刊为准），不混。
7.2 遗留疑点（无法从一手来源核实）
- 品种构成：完全未披露。犬的 VHS 有显著品种差异，缺品种标签会限制任何分层分析。
- 左右侧位占比：论文说右/左侧位都收、患侧朝下，但未给比例。若要做标准化基准，必须先知道这个比例。
- 筛选的量化标准：只写"解剖完整 + 质量可接受"，没有阈值、没有筛选者人数、没有一致性记录。
- 烧录文字是否清除：只写"removing all fields"，未说明是否处理像素级标注。合规审查需留意。
- 原始 DICOM 是否可索取：未说明。若可索取，则 MM/px 标定的问题可以彻底解决。
- 是否存在同一只犬的复查影像：一犬一图的口径暗示不存在，但未明说。
- 不合格的 476 例是否留存：若留存，可作为 IQA 的负样本；未提及。
- 心影异常比例：未披露。教学集可能刻意混合正常与异常，也可能以正常为主，无从判断。
7.3 被误用风险最高的三处
误用一：把它当"VHS 数据集"引用。 它叫"for VHS determination"，意思是"用于学习 VHS 判读"，不是"含 VHS 标注"。任何写成"提供 152 例 VHS 金标准"的引用都是错的。
误用二：把 152 与 CCK 的 21,465 相加或对比成"同一任务的两种规模"。 两者任务不同（人 vs 模型）、标注不同（无 vs 6 点）、时代不同（2020 vs 2025）。
误用三：把 447 MB 当作"数据量"写进 benchmark 表。 447 MB 是下载包体积（PNG 已压缩），不能与 CCK 的 22.2 GB（含标注与高分辨率影像）直接比较。
7.4 与库内条目的误合并预警
| 候选条目 | 与本条关系 | 处理 |
|---|---|---|
cck（rid=1105） |
同域（犬胸片 + VHS），但规模/标注/年代完全不同 | 不得合并，互为对照（见 §2.3） |
cxr-cardiomegaly（rid=606） |
人类胸片心大，任务相似、物种不同 | 不合并，作跨物种互链 |
midog（rid=298） |
犬类病理（有丝分裂），物种同、模态不同 | 不合并，作兽医生态互链 |
§8 出题人视角：这份小数据能给基准设计什么启示
8.1 一个"缺失中间层"的行业问题
把库内兽医与胸片条目按规模排一排，会看到一个明显的断层：
10⁵ ── MIMIC-CXR (16) / MIMIC-CXR-JPG (617) / NIH ChestX-ray14 (15) 人类
│
│ ← 中间层缺失（10³–10⁴ 的兽医标注集）
│
10⁴ ── CCK (1105)：21,465 张犬胸片 + 6 关键点 兽医
│
10² ── vet-canis-vhs（本条）：152 张犬胸片，零标注 兽医
断层不是偶然。它由三件事造成：兽医影像的中心化程度低（数据散在各家医院）、标注成本高（懂 VHS 的人少）、且缺乏统一的标注工具（直到 2025 年才有了 VHSMarker 这类专用工具）。工具缺位 → 标注无法规模化 → 中间层无法形成。
从这个角度看，CCK 的贡献不只是数据，是把标注从"专家手工"变成"10–12 秒/图"的工程化流程——这才是中间层得以出现的前提。而本条数据集的存在，恰好标出了这条演进线的起点：2020 年时，人们能做的只是"把合格的片子挑出来给学生看"。
8.2 三层任务链
把本条与 CCK 串起来，可以看到一条清晰的任务链：
第 1 层｜教人（本条，152 张，无标注）
目标：让兽医能稳定地量出 VHS
产出：一批训练有素的人
↓
第 2 层｜教模型（CCK，21,465 张，6 关键点）
目标：让模型自动定位关键点并算 VHS
产出：可复现的自动测量基准
↓
第 3 层｜临床部署（尚无公开集）
目标：在真实门诊影像上稳健工作
产出：跨中心、跨设备、跨品种的鲁棒性证据
第 3 层目前是空的。本条的 152 张（来自另一家医院、另一套设备）可以充当第 3 层的一块最小测试砖——这正是 §5.3 与 §6.4 路线 C 的由来。
8.3 出题人的五条可迁移经验
- 把"筛选标准"当第一等公民写进数据集卡。本条的 628→152 漏斗，比它的 152 张图像更有信息量。
- 教学集要"无答案"。刻意删掉 VHS 数值这一决定，让数据集获得了"可做受控教学实验"的额外价值。
- 小而干净的集有"未污染"红利。在大模型时代，一份六年无人训练过的 152 张图，可能比一份 21,465 张但被反复刷榜的集更适合做最终测试。
- 规模不是唯一的坐标轴。设备、体位、筛查标准、地理来源，每一个都能成为基准的区分维度。
- 数据集与论文的口径要对齐。本条 152/153/156 的三数并存，是一个反面教材：发布前把数字对齐，能省掉后来所有人的注脚。
8.4 如果让你重做这份数据集
站在 2026 年回看，如果重做这份 152 张的教学集，最小的改动清单是：
- 统一裁剪分辨率，并保留 mm/px 标定；
- 给每张图附一个
side字段（L/R）； - 给每张图附品种、年龄、体重三字段（不附 VHS，保留"无答案"设计）；
- 附一份"被剔除的 476 例"清单（哪怕只是文件名），供 IQA 研究；
- 在 README 里把 152 写死，与论文对齐。
这五条都不增加多少工作量，却能把可用性提升一个台阶。它们是本文能为后来者提供的最具体的一条建议。
§9 生态定位与互链建议
9.1 本条在库内的坐标
| 库内条目 | rid | 关系类型 | 建议 |
|---|---|---|---|
| cck（CCK / VHSMarker） | 1105 | 同域上下游（本条无标注 → CCK 有 6 点） | 双向互链，正文写明 152 vs 21,465 |
| cxr-cardiomegaly | 606 | 跨物种同任务（人类心大 CXR） | 单向引用，作"物种对照" |
| midog | 298 | 同物种不同模态（犬病理） | 单向引用，作"兽医生态" |
| heart-lung-segmentations-data | 610 | 方法论参照（心肺手工分割） | 单向引用，作"解剖标注"参照 |
| padchest | 117 | 人类胸片多标签，作规模对照 | 弱引用 |
| nih-chest-xray14 | 15 | 人类胸片分类基准，作规模对照 | 弱引用 |
| mimic-cxr | 16 | 人类胸片 + 报告，作模态对照 | 弱引用 |
| chexchonet | 977 | 胸片配超声心动图金标准（人类早期心衰） | 弱引用，作"心功能评估"对照 |
| vindr-cxr | 125 | 医师精标胸片（人类） | 弱引用 |
强链 3 条（1105、606、298），中链 2 条（610、977），其余为规模/模态对照的弱链。建议正文互链只放强链与中链，弱链写进附录。
9.2 与 cck-vet-cardiac 的互链写法建议
两个条目都要写到对方，但重点不同：
- 本条（小集）写对方时，重点在"规模与标注跃迁"：从 152 张无标注到 21,465 张 6 点，中间发生了什么（工具化标注）；
- cck-vet-cardiac（大集）写本条时，重点在"起点与对照"：2020 年的 152 张教学片是这条线的前史。
切忌在两边都写"两者都是犬胸片 VHS 数据集"这种无信息量的对句。
9.3 一句话生态定位
vet-canis-vhs 是犬类 VHS 数据工程的"零号样本"：它证明了"投照合格率约四分之一"这个工程常数，也证明了在没有标注工具的年代，人们能做的只有把好片子挑出来、挂在网上供人自学。它的历史价值大于实用价值，但它的"未污染"属性在 2026 年反而稀缺。
§10 坑点清单（坑 1 – 坑 10）
坑 1：六套数字口径混用。 152（Mendeley 最终包）/ 153（论文正文与摘要）/ 156（Mendeley 早期描述）三个数字同时存在于一手来源，且 Mendeley 记录从未发布 v2 修订。写论文、做表、做 benchmark 汇总时，单引任何一个都在技术上"有出处"，但都会误导读者。正确做法是写"152 张（论文口径 153 张）"，并在脚注说明 156 的来源。
坑 2：以为"VHS 数据集"就带 VHS 标签。 名称里的 “for VHS determination” 修饰的是学习过程（learning process），不是数据内容。这份数据集的全部内容就是图像，一个数值标签都没有。任何把它写进"VHS 回归监督数据集"列表的做法都是错的。反过来看，同域的 CCK 才是带几何标注的集——但 CCK 也没直接给 VHS 数值，它给的是 6 个关键点，VHS 由几何算出。两者都不直接提供 VHS 数值，这点也容易混。
坑 3：把 152 张当 CCK 的"缩水版"。 二者不是同一设计的不同规模，而是两种目的的两种产品：一个为教人（无答案），一个为教模型（带标注）。把本条降级理解为"数据不够的 CCK"会丢掉它全部的教学设计意图，也会让人误以为它"以后会扩充"。截至抓取时点，没有扩充计划可查。
坑 4：忽略"裁剪导致尺度丢失"。 152 张图用 fast photo crop 裁到不同尺寸，且原始 DICOM 不随包发布。这意味着数据包内不存在任何可用的物理尺度信息。任何"直接从像素算 VHS"的尝试都会失败。必须自建标定。
坑 5：把"合格的 152 张"当成总体分布。 它是 628 例里筛出来的 24.2%，代表的是"投照合格"的子分布，不是"门诊犬胸片"的自然分布。若用它做模型评测并报告"在犬胸片上的性能"，结论会被高估——真实部署面对的是包含那 476 例不合格图的世界。
坑 6：忽略左右侧位混排。 论文说右/左侧位都收，未给比例、也未在文件层面标注哪张是哪种。心影在两种侧位下有形态差异，直接把 152 张当同质输入会引入不可控噪声。想严谨使用，需人工先逐张判断侧别。
坑 7：把许可等同于可达性——这次是反过来的教训。 本条是许可开放且文件也开放（Mendeley 公开直下）的正面案例；同域的 CCK 则是许可开放但文件受限。教训不是"CC BY 就能下"，也不是"CC BY 就不能下"，而是：每次都要单独核实文件的访问状态，不要用一个条目的经验推断另一个。
坑 8：引用时混用数据与论文的作者列表。 Mendeley 记录 3 位贡献者，论文 8 位作者。引数据集用 3 人、引论文用 8 人；混用会导致参考文献格式错误，也可能在署名归属上出问题。
坑 9：把教学医院的病例当社区样本。 UABC 小动物教学医院的病例构成、转诊比例、品种分布均未披露。教学医院常有"疑难转诊富集"效应，心影异常比例可能偏高。任何从这 152 张推断"犬群心影分布"的说法都缺依据。
坑 10：以为小数据集就不需要版本管理。 恰恰相反——本条的三套数字口径矛盾，正是因为 v1 发布后无人修订、也无勘误机制。小数据集往往由教学团队维护、缺少工程化流程，更新意愿低。引用前务必确认记录页的"Latest version"字段，不要假设存在更新。
10.1 坑点与章节索引
| 坑 | 涉及章节 | 一句话 |
|---|---|---|
| 1 | §2.1、§2.7、§7.1 | 152/153/156 三口径并存 |
| 2 | §2.6、§7.3 | “for VHS” ≠ “带 VHS 标签” |
| 3 | §2.3、§9.2 | 不是 CCK 的缩水版 |
| 4 | §2.2、§4.3 | 裁剪后尺度丢失 |
| 5 | §5.2、§5.4 | 合格子集 ≠ 自然分布 |
| 6 | §2.4、§7.2 | 左右侧位混排且未标注 |
| 7 | §4.5、§2.3 | 许可 ≠ 可达，需逐条核 |
| 8 | §6.6、§7.1 | 3 人 vs 8 人 |
| 9 | §3.3、§5.4 | 教学医院病例偏倚 |
| 10 | §4.6、§7.2 | 无 v2、无勘误 |
§11 按角色阅读路径
11.1 兽医专业学生 / 影像住院医师
读 §3.1（VHS 定义）→ §3.8（七步测量流程）→ §6.1（下载）→ §6.4 路线 A（教学工具）。跳过 §5、§8。重点是把七步流程背下来，然后用 152 张反复练。
11.2 兽医影像教师
读 §3.7（为什么教学资源稀缺）→ §4.1–4.4（怎么建一份同样的集）→ §8.4（重做清单）→ §6.4 路线 B（一致性研究）。重点在 §4.4 的九环节表——那是你复制这份数据集的操作手册。
11.3 影像 AI 研究者
读 §2.3（与 CCK 的区别）→ §5.6（为什么不能做回归）→ §6.5（不建议的路线）→ §8.1–8.3（中间层与任务链）。若你只想要训练数据，读完 §2.3 就可以转去 CCK 条目。
11.4 数据集策展人 / 出题人
读 §8 全节 → §4.4（可复现性九环节）→ §8.4（重做清单）→ §7.1（口径存照）。这一条对你的价值不在数据本身，在"一份 2020 年的小教学集暴露了哪些数据集卡该写而没写的东西"。
11.5 只想快速判断"要不要用"
直接看 §6.7 一页速查卡。十行之内能决定。
§12 结语
vet-canis-vhs 是一份容易被标题骗过去的数据集。它带着 “VHS” 三个字母，却一个 VHS 数值都没有；它被归类为"放射影像数据集"，实质却更接近一份经过严格筛选的教学片库。152 张图，来自墨西哥下加州一家兽医教学医院 2019–2020 两年间的 628 例侧位检查，筛掉四分之三，只留下解剖完整、质量合格的那些，再把图像上原有的测量痕迹抹去——让它成为一份"干净的、没有答案的"练习底图。
在当前 21,465 张、128,790 个关键点的 CCK 面前，它显得微不足道。但两者并不是同一个东西的两个版本。CCK 回答的是"模型能多准"，本条回答的是"人怎么学会看"。前者需要海量标注，后者只需要一批合格的片子；前者的瓶颈是标注工具，后者的瓶颈是投照质量。把它们放在一条时间线上，正好可以看见兽医影像 AI 在 2020–2026 年间的这段跃迁：从"挑好片子给人看"，到"用工具把片子变成点"，再到"用点算出分"。
它的局限同样清楚：无标注、无尺度、无品种、单中心、六年未修订。这些局限让它无法承担任何训练任务，但也没有妨碍它在三件事上仍有位置——教学、一致性研究、以及作为一块"从未被模型碰过"的干净测试砖。
若只记一句话：这是一份"没有答案"的犬胸片教学集，它的价值不在于能训出什么模型，而在于它标出了这条数据工程线从哪里出发。
§附录 A：一手来源与核验记录
A.1 来源清单
| 编号 | 来源 | 类型 | 提供的关键事实 |
|---|---|---|---|
| S1 | Mendeley Data，DOI 10.17632/ktx4cj55pn.1，https://data.mendeley.com/datasets/ktx4cj55pn/1 |
数据仓储记录（实抓） | 标题、Version 1、Published 2020-12-10、CC BY 4.0、447 MB、152 张、628 例初始、设备型号、曝光参数、3 位贡献者、机构名 |
| S2 | Data in Brief 2021;36:107040，DOI 10.1016/j.dib.2021.107040，PMID 34007868，PMCID PMC8111263 |
数据论文 | 153 张、83 公/69 母、2–11 岁、5–35 kg、解剖范围、四条价值声明、DCM 与瓣膜病流行病学数字、VHS 不应单独诊断的告诫 |
| S3 | AGRIS / BVS 书目记录（同一论文的第三方索引） | 二次索引 | 卷期页码、出版年 2021、八位作者名单、Elsevier 出版信息 |
| S4 | 库内 cck 条目（rid=1105） |
库内对照 | CCK 的 21,465 张 / 12,385 犬 / 144 品种 / 6 关键点 / MambaVHS 91.8% / 文件受限，用于 §2.3 对照 |
| S5 | 库内互链条目（606/298/610/977 等） | 库内对照 | 互链目标的 rid 与定位 |
A.2 核验方法说明
存在性核验按"三源互证"执行：先以 WebSearch 检索"Canine VHS dataset thoracic radiograph"等关键词定位候选，再以 WebFetch 实抓 Mendeley Data 记录页确认元数据（标题/DOI/版本/日期/许可/体积/描述全文），最后以 Data in Brief 论文的书目索引与摘要文本交叉核对数量与作者。三轮结果对"犬侧位胸片、约 152 张、UABC 教学医院、2020–2021 发布、CC BY 4.0"五项核心事实互相印证；仅在图像数量上出现 152/153/156 三口径，已按 §7.1 存照。
A.3 与任务头 brief 的出入
任务头将本条描述为"152 张的小型集"，与实核结果一致（Mendeley 最终包 152 张）。任务头未提及的是：① 论文正文口径为 153；② Mendeley 早期描述曾称 156；③ 数据集完全无标注（任务头未说明标注形态，实核确认无任何标注）。本条目按实核结果成稿，三处出入已在正文 §2.7、§7.1 存照。
A.4 抓取时点与网络约束
- 抓取时点：2026-10-17。
- 全文网络请求控制在纪律包 §2.5 预算内（WebSearch 1 次、WebFetch 1 次），未做重复重试。
- Mendeley Data 页面可正常抓取；未使用 HuggingFace 镜像（本条数据不在 HF 托管）。
§附录 B：术语表
| 中文 | 英文 | 说明 |
|---|---|---|
| 椎体心脏评分 | vertebral heart score (VHS) | 心影长轴 + 短轴按椎体归一化后的评分 |
| 犬胸椎侧位片 | canine lateral thoracic radiograph | 本条唯一模态 |
| 侧位 | latero-lateral (LL) | 左右侧位，患侧朝下 |
| 背腹位 | dorsoventral (DV) | 本条不含 |
| 心影 | cardiac silhouette | X 光片上心脏的投影轮廓 |
| 气管分叉 | carina | 心基底定位参考 |
| 膈脚 | diaphragmatic crus | 胸腔后界解剖标志 |
| 胸骨柄 | manubrium sterni | 胸腔前界解剖标志 |
| 数字摄影 | digital radiography (DR) | 平板探测器直接成像 |
| 平板探测器 | flat-panel detector | Rayence XMARU 1417PGA-PCA 属此类 |
| 长灰阶 | latitude | 高 kVp 技术带来的宽动态范围 |
| 心大 | cardiomegaly | 心影增大 |
| 扩张型心肌病 | dilated cardiomyopathy (DCM) | 犬品种高发心脏病 |
| 退行性瓣膜病 | degenerative valvular disease | 老年犬常见 |
| 去标识化 | de-identification | 删除可识别患者信息 |
| 烧录文字 | burned-in annotation | 曝光时印在像素上的标注 |
| 组内相关系数 | intraclass correlation coefficient (ICC) | 测量一致性指标 |
| 图像质量评估 | image quality assessment (IQA) | 评判图像是否可用 |
| 分布偏移 | distribution shift | 跨中心/跨设备的分布差异 |
| 关键点检测 | keypoint detection | CCK 的任务，本条不做 |
| 少样本学习 | few-shot learning | 小样本下的建模方法 |
| 自监督学习 | self-supervised learning | 无需标签的预训练范式 |
§附录 C：与他人数据集的一句话对照（扩展阅读）
| 数据集 | 物种 | 规模 | 标注 | 一句话 |
|---|---|---|---|---|
| vet-canis-vhs（本条） | 犬 | 152 | 无 | 教人的零标注教学片 |
| CCK（1105） | 犬 | 21,465 | 6 点/图 | 教模型的关键点基准 |
| cxr-cardiomegaly（606） | 人 | 约 9.6 万 | 心大生物标志物 | 人类版"心大 CXR" |
| heart-lung-segmentations（610） | 人 | 小 | 手工分割 | 解剖标注方法论参照 |
| chexchonet（977） | 人 | 中 | 超声心动图金标准 | 心功能金标准对照 |
| padchest（117） | 人 | 约 16 万 | 多标签 | 规模级胸片对照 |
| nih-chest-xray14（15） | 人 | 约 11 万 | 14 类多标签 | 经典胸片分类基准 |
| midog（298） | 犬 | — | 有丝分裂点 | 同物种、不同模态 |
这张表只做定位，不做性能比较——它们服务于不同任务，横向比数字没有意义。
本条目依据 Mendeley Data 记录（10.17632/ktx4cj55pn.1）与 Data in Brief 2021;36:107040 两份一手来源成稿；与同批 cck-vet-cardiac（库内 cck，rid=1105）的分工见 §2.3 与 §9.2。
§13 扩展：把 VHS 讲透——从几何到临床决策
本章面向第一次接触 VHS 的读者，逐层解释这个指标是怎么被算出来的、为什么会失真、以及在什么情况下不该相信它。全部内容属于方法学背景，不是本数据集特有的统计。
13.1 为什么用椎体做尺子
用椎体做归一化尺子，是 VHS 设计上最巧妙的一步。理由有三：
第一，椎体在每张侧位片上都在。胸椎与心影同处一个投照平面，不需要额外的标尺物（不像某些体表标定法需要贴金属球）。
第二，椎体的长度与体型相关但不与心脏大小相关。用椎体归一化，可以消掉"大狗心脏也大"的天然尺度，剩下的才是"相对于自身骨架，心影是否偏大"。
第三，椎体是逐节可数的。叠加过程不需要精确的物理长度，只需要"量了几节"，整数化带来了低技术门槛下的高重复性。
代价是：椎体本身也有品种变异。短腰品种（如腊肠犬）与长腰品种（如柯基）的椎体形态差异显著，同一 VHS 数值在不同品种里的临床含义并不相同。这一点在 §13.6 展开。
13.2 长轴与短轴的取法
长轴（long axis）：从心影基底部（约在气管分叉 carina 附近、心影背侧与腹侧轮廓的交接处）量到心尖（心影最远端的顶点）。
短轴（short axis）：在心影最宽处，作一条垂直于长轴的直线，量其宽度。注意"最宽处"并不是一个精确可定的点，不同测量者可能取在稍偏头侧或稍偏尾侧的位置，这正是测量变异的主要来源之一。
两个长度都用同一套像素尺度度量，叠加到椎体上时也用同一套尺度——所以只要图像没有非均匀缩放，尺度会自动约掉。这也是为什么 VHS 对裁剪不敏感（裁剪不改变像素尺度），却对非等比缩放敏感（会把长轴与短轴的比例改掉）。
13.3 从 T4 开始叠加
标准做法是从第 4 胸椎（T4）椎体前缘开始，沿椎体依次向尾侧叠加。长轴叠出的节数记为 a，短轴叠出的节数记为 b，VHS = a + b。
为什么从 T4 而不是 T1？历史原因：Buchanan 与 Bücheler 1995 年的原始报告即以 T4 为起点，后续文献沿用以保证可比。实务中若起点取错（比如从 T5 开始），VHS 会系统性偏低约半节。
13.4 参考区间与判读阈值
犬 VHS 的常被引用参考值约为 9.7 ± 0.5，临床上常以 >10.5 作为"心影增大"的提示阈值。这个阈值是统计学意义上的分界，不是诊断标准。文献中反复强调的告诫是：VHS 应结合病史、体格检查与其他检查综合判断，不应作为诊断心脏病的唯一依据（本条的 Data in Brief 论文亦明确写出这一点）。
13.5 三个让 VHS 失真的技术因素
- 呼气相 vs 吸气相：吸气不足时，膈肌前移、胸腔容积减小，心影相对显大，VHS 可能虚高。标准做法是在吸气高峰（膈肌后移、肺野透亮）时曝光。
- 体位旋转：侧位不标准（胸骨与脊柱不平行）会让心影短轴被压缩或拉长。
- 放大率：心脏离探测器越远，放大越明显。侧位拍摄时心脏位置相对固定，但不同体型犬的胸廓厚度不同，放大率并不一致。
这三条都不是标注能解决的，只能靠投照标准化。这恰好解释了为什么本条数据集把"解剖完整 + 质量合格"作为唯一筛选标准——它在源头上砍掉了会让 VHS 失真的片子。
13.6 品种差异：一个绕不开的干扰项
不同品种的犬，正常 VHS 区间不同。文献中反复被提到的几类：
- 深胸品种（如杜宾、灵缇、爱尔兰猎狼犬）：胸腔前后径大，心影常显得更"竖直"，VHS 可能天然偏高；
- 短头/短腰品种（如巴哥、腊肠）：胸廓形状与椎体形态都与标准体型差异大，椎体尺子的可靠性下降；
- 小型犬（如吉娃娃、博美）：心影相对体型的比例天然偏大，正常上限可能高于通用阈值；
- 肥胖犬：心外脂肪与胸腔脂肪会改变心影轮廓的可见度。
这解释了为什么 CCK 要标注 144 个品种——品种标签是分层判读的前提。本条数据集没有品种标签，因此它只能用于"教会基本测量流程"，不能用于"建立品种特异的参考区间"。
13.7 VHS 在治疗监测中的角色
VHS 的另一个重要用途是纵向监测：同一只犬在治疗前后多次拍片，VHS 的变化可以反映心影大小的变化（例如心衰治疗后的利尿效果）。这一用途对测量的一致性要求高于绝对准确性——只要每次都用同一人、同一协议、同一体位，即使存在系统偏差，变化的趋势仍然可信。
对 AI 而言这是一条重要提示：评价一个自动 VHS 模型，除了绝对误差，还应看同一只犬在不同时间点的误差是否相关。若误差是随机的，纵向趋势会被噪声淹没；若误差是系统的（例如总是把心尖标偏一点），纵向趋势反而可能保留。这一点在本条数据集上无法研究（无纵向随访），但在 CCK 这类多图集上可以做。
13.8 一张表看懂"谁在测 VHS"
| 测者 | 优势 | 劣势 | 代表 |
|---|---|---|---|
| 兽医专家手工 | 语境判断强 | 慢、贵、主观变异 | 临床常规 |
| 经过训练的学生 | 成本低 | 变异大、需带教 | 本条数据集的目标用户 |
| 关键点模型 + 几何 | 快、可复现 | 依赖标注质量与分布 | CCK + MambaVHS |
| 端到端回归模型 | 无需关键点 | 可解释性差、难纠错 | 各类直接回归尝试 |
| 视觉语言模型零样本 | 无需训练 | 精度不稳、幻觉风险 | 2024 年后的探索方向 |
这张表说明了为什么"关键点 + 几何"路线在兽医领域受欢迎：它保留了人类可检查的中间表示（点），出错时能定位到具体是哪个点标偏了，而端到端回归出错时无从解释。
§14 扩展：数据工程的三个常识
本章把这份数据集放回"数据工程"的语境，讲三条在小数据集上尤其明显、但常被忽略的常识。
14.1 常识一：筛选率是数据集的第一属性
任何数据集都有一个"从总体到样本"的漏斗。漏斗的形状（收了多少、扔了多少、按什么扔）决定了这个样本能代表什么。本条数据集的漏斗是 628 → 152（24.2%），筛选标准是"解剖完整 + 质量合格"。
这个筛选率意味着：这份数据集代表的是"优质投照"这一子总体。用它训练或评测的模型，在面对真实门诊的混合质量影像时，性能会下降。下降多少，取决于真实世界里不合格片的比例——而这个比例，本条数据集恰好提供了一个估计：约四分之三不合格（在 2019–2020 年的这家医院里）。
当然，这个 24.2% 不能外推为"全球犬胸片合格率"。它受制于该院的设备、技师水平、病例构成。但作为一个数量级参考，它比"没有数字"强得多。
14.2 常识二：元数据的缺口会变成方法的缺口
本条数据集缺三样元数据：品种、左右侧位、逐图年龄体重。这三样缺口直接对应三种方法上的不可能：
- 缺品种 → 无法做品种分层评测，无法建立品种特异参考区间；
- 缺左右侧位 → 无法控制侧别带来的形态差异，模型可能学到"侧别捷径"；
- 缺逐图人口学 → 无法做亚组分析，无法检验模型在老年犬/小型犬上的表现。
这是数据工程里的一条硬规律：你在元数据上省下的每一样东西，都会在后续分析中以一种"做不了"的形式回来。本条数据集是教学用途，这些缺口不影响它的初衷；但任何想把它"升级"为研究数据集的人，都必须先把这三样补上。
14.3 常识三：小数据集的维护成本被低估
一个 152 张的数据集，看起来维护成本极低——存着就行。但真实情况是：
- 需要有人负责回答访问问题（本条由 Mendeley 托管，省了这一环）；
- 需要有人负责勘误（本条六年无 v2，152/153/156 的矛盾从未修正）；
- 需要有人负责与论文对齐（数据与论文由不同平台托管，口径容易漂移）；
- 需要有人负责在原始数据（DICOM）丢失前做备份。
小数据集往往由教学团队在课余时间维护，缺少工程化流程，因此**“发布即冻结”**是常态。使用者应当预期：一手来源里的矛盾不会被修正，只能自己存照。
14.4 三条常识的合并结论
把三条合起来看，可以得到一个对"该不该用这份数据"的判断框架：
- 你要的是"优质投照的样本"吗？是 → 可以用；要"自然分布" → 不能用。
- 你需要品种/侧别/人口学分层吗？需要 → 不能用（缺元数据）；不需要 → 可以用。
- 你能接受"永不更新"吗？能 → 可以用；需要活跃维护 → 换别家。
三条都过，这份数据就是合适的；任何一条不过，就该去找 CCK 或其他集。这个框架比任何"推荐/不推荐"的结论都更有用。
§15 扩展：常见问题（FAQ 扩展版）
15.1 关于数据本身
问：为什么叫 “learning process” 而不是 “training set”？
答：因为它的服务对象是人。learning process 指人的学习过程；如果是给模型用的，通常会叫 training set 或 benchmark。这个命名差异本身就是一条线索。
问：152 张够不够做统计？
答：取决于做什么统计。做描述性统计（均值、分布形态）勉强；做组间比较（如正常 vs 异常）样本不足；做模型训练远远不够。152 这个量级适合"定性研究 + 小规模一致性研究"。
问：能不能把 152 张扩增到几千张？
答：可以技术上做（旋转、翻转、亮度扰动），但没有意义——扩增不增加信息量，只会让模型过拟合到这批图的纹理。数据增强解决的是"样本多样性不足"，不是"样本绝对数量不足"。
问：PNG 是有损还是无损？
答：PNG 是无损压缩。这意味着从 DICOM 转 PNG 的过程中，只要位深与窗宽窗位设置得当，像素信息可以完整保留（除了 DICOM 头里的元数据）。447 MB / 152 张 ≈ 2.9 MB/张，对灰度胸片来说是合理体积，侧面印证了无损。
15.2 关于使用
问：我是学生，能不能直接把 152 张放进我的课程作业？
答：可以，CC BY 4.0 允许。需署名数据作者与来源，并说明是否改动。
问：我能不能在这些图上训练一个分割模型，分割心脏？
答：需要先自己标注心脏轮廓。数据集不含掩码，所以这实际上是"本条 + 自建掩码"，工作量不小（152 张手工描边）。做完后请明确标注这是衍生数据集。
问：能不能用它验证我在 CCK 上训练的模型？
答：可以，但要清楚这是"跨中心测试"，结果反映的是泛化能力而非绝对性能。且由于无标签，你只能做定性检查（关键点是否落在合理位置），或请兽医现场标注后再算误差。
问：能不能把它上传到 HuggingFace 做镜像？
答：CC BY 4.0 允许再分发，需署名并保留许可声明。但建议优先引用原始 DOI，避免镜像版本与原始版本产生口径分歧。
15.3 关于比较
问：这条和 CCK 哪个"更好"？
答：不可比。一个是教学集（人），一个是基准集（模型）。问"哪个更好"类似于问"教科书和题库哪个更好"——用途不同。
问：152 张在兽医数据集里算大还是小？
答：算小。兽医领域公开数据集普遍偏小，几十到几百张是常态，上千张已属罕见，上万张目前只有 CCK 等极少数。所以 152 张属于"中等偏小的教学集"。
问：为什么不能拿它和人类的 chest X-ray 数据集比规模？
答：模态虽同为 X 光，但物种、解剖、体位、临床问题、标注体系全不同。规模比较在这里没有信息量。
15.4 关于局限
问：最大的一条局限是什么？
答：无标注。这一条同时否定了监督训练、监督评测与自动指标计算三种用法，剩下的只有教学、定性检查与自建标注三条路。
问：第二大的呢？
答：单中心 + 未披露来源构成。这让任何"分布代表性"的推断都失去依据。
问：这些局限会随时间改善吗？
答：不会。Mendeley 记录六年无更新，作者团队未见后续扩充计划。把它当作一份"冻结的 2020 年样本"来用，是唯一稳妥的心态。
§16 扩展：一页速查卡（打印版）
┌──────────────────────────────────────────────────────────────┐
│ vet-canis-vhs / Radiographic Dataset for VHS determination │
├──────────────────────────────────────────────────────────────┤
│ 是什么 152 张犬侧位胸片 PNG（教学用，无任何标注） │
│ 从哪来 墨西哥 UABC 兽医教学医院，2019-2020，628 例筛出 │
│ 谁做的 Flores Dueñas 等（Data in Brief 2021;36:107040） │
│ 多大 152 张 / 约 447 MB / 一犬一图 │
│ 许可 CC BY 4.0（公开直下，无需申请） │
│ 设备 Universal AV Choice + Rayence XMARU 1417（DR） │
│ 曝光 70-80 kVp / 200 mA / 10-40 ms（2-8 mAs） │
│ 人群 犬 2-11 岁，5-35 kg，公 83 / 母 69 │
│ 能做 教学、一致性研究、无偏测试砖、IQA 正样本 │
│ 别做 VHS 回归训练、分类训练、当 CCK 的替代品 │
│ 三口径 152（Mendeley）/ 153（论文）/ 156（早期描述） │
│ 与 CCK 上下游，不是版本：152 无标注 ↔ 21,465 带 6 点 │
│ 最大的坑 无标注 + 裁剪丢尺度 + 单中心 │
└──────────────────────────────────────────────────────────────┘
16.1 速查卡的三条使用说明
第一，这张卡只覆盖"要不要用"的判断，不覆盖"怎么用"。怎么用看 §6。
第二，卡里的每一个数字都能追溯到 §A.1 的来源表；若发现与原始页面不符，以原始页面为准，并回来修订本卡。
第三，卡里"别做"一栏是最容易被忽略的一栏。多数误用源于"看到 VHS 就以为能做回归"，而不是源于"不知道怎么预处理"。
16.2 与 CCK 条目速查卡的对照读法
CCK 条目的速查卡会把 21,465 / 12,385 / 144 / 6 点 / 91.8% 作为主数字；本条的主数字是 152 / 628 / 24.2% / 0 点。两张卡并排看，正好是一张"数据工程跃迁对照表"：
| 维度 | 本条 | CCK |
|---|---|---|
| 主数字 | 152 张 | 21,465 张 |
| 标注密度 | 0 | 6 点/图 |
| 筛选信息 | 628 → 152 | 未披露 |
| 可训练性 | 否 | 是 |
| 可评测性 | 需自建标签 | 有基线 |
| 主要受众 | 人 | 模型 |
这张对照表可以视为本文对"同批两条目如何区分"这一问题的最终回答。
§17 扩展：VHS 的文献坐标
本章把 VHS 方法放进文献脉络，帮助读者理解为什么"方法本身"需要一份教学集。所有文献信息为公共知识背景，具体卷期页码请以原文为准；与本数据集直接相关的是 S2（Data in Brief 论文）。
17.1 方法的起点
VHS 的方法学起点一般追溯到 1995 年前后 Buchanan 与 Bücheler 在犬猫心脏测量方面的工作——提出以椎体长度作为归一化单位，用"心影长轴 + 短轴"两个分量合成一个便于记忆的评分。此后三十年里，这套方法成为小动物兽医心脏评估中最普及的定量手段之一，原因很简单：它不需要额外设备，只要有侧位片、一支卡尺（或一把软件里的标尺）和一套椎体叠加规则，就能得到可比较的数字。
值得注意的是，原始方法是为手工设计的。手工测量的每一步（找心尖、找最宽处、从 T4 起叠椎体）都依赖人的视觉判断。这既是它鲁棒的地方（人会用解剖知识纠错），也是它难以自动化的地方（这些判断无法直接写成代码）。
17.2 自动化尝试的两条路线
过去十余年，VHS 自动化的尝试大致分成两条路线：
路线一：关键点/landmark 检测。 先定位心脏与椎体的若干关键点，再用几何公式算出 VHS。优势是可解释、可纠错；劣势是标注成本高（每张图要标若干个点）。CCK 的 6 点体系属于这条路线，本文对照的 Zhang 等人的 16 点体系（12 椎体 + 4 心脏）也属于这条路线。
路线二：直接回归。 用端到端网络直接从图像回归出一个 VHS 数值。优势是标注成本低（只要一个数）；劣势是可解释性差、难以定位错误来源，且容易被"图像里恰好有测量痕迹"这类捷径污染——本数据集之所以要抹掉 VHS 数值，正是对这类捷径的预防。
两条路线的取舍，本质上是"标注成本"与"可解释性"的取舍。在本条数据集发布的 2020 年，两条路线都还缺少公开的大规模犬类数据；到了 2025 年，CCK 的出现才让路线一第一次有了可复现的公共基准。
17.3 与人类医学的类比
人类医学里与 VHS 最接近的指标是心胸比（cardiothoracic ratio, CTR）：在正位胸片上量心影最大横径与胸廓最大内径的比值。CTR 的自动化同样面临"关键点定位 + 几何计算"与"端到端回归"两条路线，也同样面临体位、吸气相、放大率三个失真因素。库内的 cxr-cardiomegaly（rid=606）就是人类 CTR/心大方向的代表条目。
这个类比的价值在于：人类 CXR 上踩过的坑，兽医几乎都会再踩一遍，只是规模小一个数量级。人类领域早已形成的"投照标准化 + 大样本 + 多中心"三件套，兽医领域目前只做到了第一件（本条数据集证明了投照标准化的重要性），后两件仍在路上。
17.4 一份教学集在文献脉络里的位置
在文献里，像本条这样的"教学数据集"通常出现在两类文章中：一类是教育方法学研究（讨论如何在资源有限的环境里教影像判读），一类是数据论文（Data in Brief 这类期刊），后者的目的是让数据可被独立引用与复用。
Data in Brief 的定位值得说明：它专门发表"数据描述"，不要求方法新颖，只要求数据可用、可复现、描述充分。本条发表在这本期刊上，说明作者的自我定位就是"提供一份可被引用的教学素材"，而不是"提出一种新方法"。理解这一点，就不会拿"有没有基线模型"去评判这份数据集——它本来就不打算提供。
17.5 与 CCK 论文的关系
从文献脉络看，CCK（ICLR 2026 投稿）与本条（Data in Brief 2021）之间隔了四年多，中间发生的关键变化是标注工具的工程化：VHSMarker 把标注速度压到 10–12 秒/图，使得上万张规模的关键点标注第一次成为可能。本条时代的标注方式是纯手工（甚至严格说，本条在数据层面根本没有标注），CCK 时代则是"工具辅助 + 模型预标 + 人工质控"。
这条演进线可以概括为三步：
- 2020：有人手上有合格的片子，把它们整理出来（本条）；
- 2025：有工具能快速标点，于是有了上万张的关键点集（CCK）；
- 未来：有足够多的标注后，端到端与关键点两条路线可以在同一基准上比较（尚未发生）。
第 3 步目前缺的正是"公开的多中心评测集"——§8.1 提到的那层 10³–10⁴ 的兽医标注集。
17.6 引用时的三条纪律
- 引"方法"时引原始方法文献（Buchanan/Bücheler 一线），不要引本条数据集当方法出处；
- 引"数据"时引 Mendeley 记录 + Data in Brief 论文两条，不要只引其中一条；
- 引"规模对照"时，把本条的 152 与 CCK 的 21,465 并列时必须写明用途差异（人 vs 模型），否则读者会误以为两者可替代。
§18 扩展：如果我是审稿人，我会问什么
假设这份数据集今天重新送审，以下十个问题是我会提的。它们同时也是使用者应该自己回答的问题。
Q1：152 与 153 到底哪个对？
作者需给出最终图像清单（文件名列表），并说明 153 是否为误写。若 153 是"入选病例数"而 152 是"最终入包图像数"，则需说明那一张为什么被删。
Q2：628 例是怎么统计的？
是"检查次数"还是"犬只数"？一只犬做两次侧位检查算一次还是两次？这直接影响 24.2% 这个筛选率的含义。
Q3：筛选者是谁、几人、如何裁决分歧？
只有定性描述"解剖完整 + 质量可接受"，没有量化阈值与一致性记录。至少应报告筛选者人数与抽检一致性。
Q4：右侧位与左侧位各占多少？
这决定了这份集能否被当作"统一投照"的样本使用。
Q5：逐图元数据在哪里？
年龄、体重、性别目前只有汇总分布，没有逐图对应表。对做亚组分析的人是硬伤。
Q6：烧录文字处理了吗？
去标识化只提到"删除字段"，未提像素级文字。若存在未处理的烧录文字，隐私合规存疑。
Q7：原始 DICOM 能否索取？
若能，则尺度问题与元数据问题都能一并解决；若不能，应在数据卡里明确写"不提供、不可索取"。
Q8：剔除的 476 例在哪里？
哪怕只给文件名清单，也能支撑影像质量评估研究。完全不留存是可惜的。
Q9：为什么叫"training process"却在描述里说怕影响训练？
表述上略有歧义：到底是为人的学习训练，还是为模型训练？建议明确写"intended for human learning"。
Q10：有更新计划吗？
六年未更新，应明确写"frozen, no further updates planned"，避免使用者等待。
18.1 这十个问题的通用性
这十个问题并非本条独有。任何"小规模、单中心、教学用途"的影像数据集，在被复用为研究数据时都会遇到同样的十问。把这份清单当作数据集验收表使用，可以直接筛掉一半不适合复用的资源。
18.2 反过来：本条做对了什么
审稿人视角容易只看到缺口，也要看到这份数据集做得比同期许多教学集好的地方：
- 设备与曝光参数全给：机型号、探测器型号与尺寸、kVp/mA/ms/mAs 四项，这些在很多论文里是缺的；
- 解剖范围写得具体：不是笼统的"胸部侧位"，而是明确到"胸骨柄前缘到膈脚后背侧缘，含完整胸骨"；
- 人群特征有汇总：年龄区间、体重区间、性别构成，比"来自教学医院"这种模糊描述强得多；
- 明确声明 VHS 不应单独诊断：这条临床告诫写得克制而专业；
- 刻意不含答案：这个设计决定是主动的、有理由的，不是遗漏。
这五点加在一起，说明作者对"什么样的数据集算合格"有清晰认识。它缺的主要是逐图元数据与量化筛选标准，而不是基础素养。
§19 扩展：三个具体的复现实验设计
本章给出三个可以直接落地的实验设计，供想用这份数据的人参考。三个设计都不需要原始标签，都只需要这份数据本身。
19.1 实验一：兽医间 VHS 测量一致性
目的：量化"VHS 到底有多可复现"。
设计：招募 5 位兽医（2 位专科、3 位全科），各自独立测量 152 张图的 VHS。测量在统一软件中进行（建议用同一套标尺工具），每人独立、互不交流。
分析：
- 计算 5 人之间的 ICC（双向随机、绝对一致性模型）；
- 对每张图计算 5 人测量的标准差，画出分布图，找出"最难量"的图；
- 用 Bland-Altman 分析专科 vs 全科的差异。
预期：ICC 在 0.8–0.9 区间（基于文献经验），少数图（心尖不清晰、椎体模糊）会出现较大分歧。这份数据的价值在于提供了一批"干净"的图，使得分歧主要来自方法而非图像质量。
19.2 实验二：跨中心模型跌落测试
目的：量化 CCK 训练的模型在另一家医院影像上的性能跌落。
设计：取一个在 CCK 上训练好的 6 点关键点模型，直接在本条 152 张上推理。由于本条无标签，需先请 2 位兽医现场标注 152 张的 6 个关键点（或至少标 VHS）。
分析：
- 计算关键点的 PCK（percentage of correct keypoints）在不同阈值下的值；
- 与 CCK 测试集上的 PCK 对比，得出"跌落幅度"；
- 分析失败案例：是否集中在某类体型（大型/小型）、某个侧别、某种曝光。
预期：跌落明显（跨中心 + 跨设备 + 不同年代），跌落幅度本身就是这条数据最有价值的产出。这个实验同时也是"152 张能否充当第 3 层测试砖"的验证。
19.3 实验三：无标签预训练能带来多少增益
目的：检验"152 张干净底图做自监督预训练"是否有实际价值。
设计：以 CCK 的一个子集为监督训练集，对比三种初始化：
- ImageNet 预训练；
- ImageNet + 本条 152 张自监督继续预训练（如 MAE/DINO 风格）；
- 仅随机初始化。
分析：在 CCK 的保留测试集上比较关键点误差。样本量小意味着增益大概率不显著，但这本身就是一个有价值的阴性结果——它能回答"小数据自监督在兽医影像里值不值得做"。
预期：增益有限，可能在 1–3 个百分点内且不显著。若真是如此，这条结论应当被写下来，避免后来者重复投入。
19.4 三个实验的共同前提
三个实验都依赖一件事：先用这份数据建立一份"参照标注"。这份标注不属于原数据集，属于研究者自建。因此在发表时，必须同时引用 Mendeley 原始记录，并明确说明"参照标注为本研究新增"。这一条在 §6.2 已提过，这里再强调一次，因为它是这份数据被"升级"为研究数据时唯一容易踩的合规坑。
§20 最终小结：一份数据集的四重身份
把全文收束到一点：vet-canis-vhs 这份 152 张的数据集，在不同读者眼里是四样不同的东西。
在教学者眼里，它是一批合格的练习片。 胸骨完整、膈脚可见、曝光适度，152 张足以支撑一个学期的读片课。它不含答案，正好方便"先量后对"。
在研究者眼里，它是一块跨中心的测试砖。 来自另一家医院、另一套设备、另一个年代的 152 张，是检验模型泛化能力的天然素材——前提是你愿意为它补一份标注。
在数据工程师眼里，它是一个筛选率的样本。 628 → 152 的 24.2%，是"真实门诊影像可用率"的一个可引用数字，也是"投照标准化有多难"的一个注脚。
在 AI-Ready 语料库的策展人眼里，它是 CCK 的前史。 它标出了犬类 VHS 数据工程从哪里出发：从"挑好片子给人看"，到"用工具把片子变成点"，再到"用点算分"。
四重身份没有高下之分，只是四种读法。本文的全部工作，是把这四种读法都写清楚，并把它们与同批的 cck-vet-cardiac 区分开——因为把这两条混为一谈，是这份数据集最可能遭遇的误读。
最后落一句：一份没有答案的数据集，它的答案在用途里，不在文件里。
全文完。本条目共 §0（导语 + INFOBOX）、§1–§12 正文、§13–§20 扩展章、附录 A–C。成稿依据 Mendeley Data 10.17632/ktx4cj55pn.1 与 Data in Brief 2021;36:107040 两份一手来源；与 cck-vet-cardiac（库内 cck，rid=1105）的区分见 §2.3、§9.2、§16.2。
§21 术语深读：十个容易读错的名词
本章逐个拆解十个在阅读本条目时最容易理解偏差的名词。每个词给出「字面意思」「在这份数据集里的含义」「常见误读」三行。
21.1 latero-lateral（侧位）
- 字面：侧向到侧向。指 X 光从一侧穿过胸腔到另一侧。
- 在本集：所有 152 张均为侧位，这是 VHS 方法的定义域。
- 常见误读：把"侧位"理解成"侧面照片"。它是透射影像（投影），不是表面成像。
21.2 thoracic（胸部的）
- 字面：胸廓的。指包含心、肺、胸膜、纵隔、胸椎、胸骨的区域。
- 在本集：投照范围严格限定在胸骨柄前缘至膈脚后背侧缘。
- 常见误读：以为"胸部 X 光"会自动包含腹部。本条明确不含。
21.3 radiograph（放射影像）
- 字面：用射线形成的影像。区别于 photograph（光学照片）。
- 在本集：指 DR 平板探测器采集的数字影像，原始为 DICOM，后转 PNG。
- 常见误读：与"radiologist report（放射报告）"混淆。本条无任何报告文本。
21.4 vertebral heart score（椎体心脏评分）
- 字面：以椎体为单位的心脏评分。
- 在本集：数据集不含该数值，只提供用于计算它的底图。
- 常见误读：以为评分是标签的一部分。不是。
21.5 de-identified（去标识化）
- 字面：删除可识别身份的字段。
- 在本集：删除患者身份字段；是否处理像素级烧录文字未说明。
- 常见误读：以为去标识化就等同于"完全匿名"。像素级文字是常见漏网之处。
21.6 representative images（代表图）
- 字面：具有代表性的图像。
- 在本集：指从 628 例中挑出的、符合纳入标准的图像。
- 常见误读：以为"代表"意味着"统计学抽样"。它是人工筛选，不是随机抽样。
21.7 fast photo crop（快速裁剪）
- 字面：一种通用的图像裁剪工具名。
- 在本集：用于去掉图像四周无用边界，裁后尺寸不统一。
- 常见误读：以为裁剪是标准化操作。它恰恰破坏了尺度的统一性。
21.8 latitude（宽容度/长灰阶）
- 字面：曝光的宽容范围。
- 在本集：高 kVp 技术带来的宽灰度范围，使肺野与纵隔细节同时可见。
- 常见误读：与"宽容度高的图像更清晰"混淆。宽灰阶的代价是对比度下降。
21.9 distance learning（远程教育/距离教学）
- 字面：师生分离的教学形态。
- 在本集：论文的核心动机之一——为缺乏影像教学资源的地区提供素材。
- 常见误读：以为"远程"只是技术手段。在这篇论文里它是教育公平议题。
21.10 cardiomegaly（心大）
- 字面：心脏增大。
- 在本集：VHS 偏高所提示的影像学表现，不是诊断。
- 常见误读：把心大等同于心脏病。心包积液、体位、呼气相都可造成心影增大。
21.11 十词的共同教训
这十个词共同指向一件事：数据的"名字"和"内容"经常不同步。名字里有 VHS，内容里没有 VHS；名字里有"代表"，实际是"筛选"；名字里有"去标识"，实际只去了字段。读数据集和读论文一样，先读方法段，再读标题。
§22 与库内兽医条目的生态图
22.1 兽医条目在库内的分布
截至抓取时点，库内 patient_tags 含"动物"的条目数量有限，兽医影像作为一个子域在库内仍属稀疏。从已核实的条目看，分布大致是：
| 条目 | 物种 | 模态 | 任务 | 规模量级 |
|---|---|---|---|---|
| vet-canis-vhs（本条） | 犬 | X 光（侧位胸片） | 教学 / 无标注 | 10² |
| cck（1105） | 犬 | X 光（侧位胸片） | 关键点检测 | 10⁴ |
| midog（298） | 犬 | 病理切片 | 有丝分裂检测 | 10³ |
三条之中两条是犬胸片，一条是犬病理。这说明"犬"在库内的影像条目高度集中在胸部 X 光这一个模态上，其他模态（超声、CT、MRI、内窥镜）几乎空白。
22.2 这张图的读法
横向看模态：从 10² 的教学片，到 10⁴ 的关键点集，到 10³ 的病理点检测，规模与模态之间没有明显相关——决定规模的不是模态，而是标注工具是否成熟。病理领域的点标注工具成熟度较高，所以 MIDOG 能达到 10³；胸片领域直到 VHSMarker 出现才有 10⁴ 的可能。
纵向看任务：教学（无监督）→ 关键点（弱监督几何）→ 检测（强监督）。本条位于最上游。
22.3 兽医域的三个缺口
把这张图补全，可以看到三个明显缺口：
- 超声：犬心超声（LA/Ao、EF）是 VHS 的金标准对照，但库内无公开犬心超声条目；
- 多中心评测集：中间层（10³–10⁴）的兽医标注集仍然缺失；
- 纵向随访：没有任何公开的犬心影像纵向集，导致"VHS 变化能否被模型稳定追踪"这一问题无法回答。
本条数据集无法填补任何一个缺口，但它标出了缺口的起点位置——这是它作为"零号样本"的意义。
§22.4 DAIMS 评估（Data AI-Readiness 五维）
DAIMS 是千方病案用于横向比较数据集"AI 就绪度"的五维打分框架。对小数据集而言，这个框架的价值不在于给一个高分，而在于指出"哪一维拖后腿"。
| 维度 | 评分 | 依据 |
|---|---|---|
| D — Data（数据质量与规模） | ★★☆☆☆ | 图片质量高、解剖完整、一犬一图无泄漏；但仅 152 张，且裁剪后画幅不一，规模与尺度均不足以支撑训练 |
| A — Annotation（标注质量） | ★☆☆☆☆ | 无任何标注。唯一的"隐式标签"是"全部合格"，但无负样本可对照 |
| I — Intent（意图与任务清晰度） | ★★★★★ | 意图极其明确：为 VHS 判读教学提供合格底图；论文四条价值声明写得清楚，读者无歧义 |
| M — Metadata（元数据完整性） | ★★★☆☆ | 设备、曝光、年龄、体重、性别全给；缺品种、左右侧位、逐图对应、量化筛选标准、去标识边界 |
| S — Sustainability（可持续性与可达性） | ★★★★☆ | Mendeley 长期托管、CC BY 4.0、公开直下、有 DOI 与 PMCID 论文；扣一星因六年无 v2、口径矛盾未修 |
综合：AI-Ready 偏低（约 2.2 / 5）。I 满分、S 接近满分，但 A 接近零、D 偏弱，属于"意图与可达性都好、可训练性几乎为零"的类型。这个画像与 CCK（D/A 强、S 弱）恰好互补——也再次印证两条目不是同一种东西。
22.5 DAIMS 逐维说明
D 为何只有两星：图片本身质量不差，问题在"量"与"尺度"。152 张无法支撑任何现代网络的训练收敛；裁剪导致的尺度丢失，又切断了"从像素推物理量"的路径。两星给的是"图好"，扣掉的是"量少且无尺"。
A 为何只有一星：这不是批评作者——本条的设计就是无标注。但从 AI-Ready 的视角看，无标注意味着 A 维几乎为空。给它一星而非零星，是因为"全部合格"这一隐式属性仍可被 IQA 任务利用。
I 为何满分：意图清晰是这份数据集最被低估的优点。很多教学集只写"我们收集了 N 张图"，而本条写了四条价值声明、写了纳入解剖范围、写了设备与曝光。读者不需要猜"这数据能干什么"。
M 为何三星：基础元数据齐全，进阶元数据缺失。三星的判定标准是"够用来描述，不够用来复用"——这正是本条的处境。
S 为何四星：托管平台稳定（Mendeley 属 Elsevier）、许可明确（CC BY 4.0）、论文有 PMCID（可免费读全文）、数据公开直下。唯一的扣分项是"发布即冻结"：六年无更新、无勘误，152/153/156 的矛盾会成为永久遗留。
22.6 与 CCK 的 DAIMS 并排
| 维度 | 本条 | CCK（1105） |
|---|---|---|
| D 数据 | ★★☆ | ★★★★ |
| A 标注 | ★☆ | ★★★★ |
| I 意图 | ★★★★★ | ★★★★★ |
| M 元数据 | ★★★ | ★★★ |
| S 可持续 | ★★★★ | ★★★ |
并排看最清楚：本条的强项在 S（可达性），CCK 的强项在 D 与 A；两者在 M 上同样只有三星——兽医数据集的元数据缺失是行业性的，不分大小集。
§23 时间线：从 1995 到 2026
本章用一条时间线把 VHS 方法与两份数据集放在一起，帮助读者建立历史坐标。年份为公开信息，个别为约数。
| 年份 | 事件 | 与本条的关系 |
|---|---|---|
| 1995 前后 | Buchanan / Bücheler 提出 vertebral heart size 方法 | 本条测量协议的源头 |
| 2000s | VHS 在兽医临床普及，出现多篇参考区间研究 | 本条教学内容的临床基础 |
| 2010s | 深度学习兴起，人类 CXR 出现大规模标注集 | 兽医领域仍缺数据 |
| 2019–2020 | UABC 采集 628 例犬侧位胸片 | 本条数据来源 |
| 2020-12 | Mendeley Data 发布 v1（152 张，CC BY 4.0） | 本条上线 |
| 2021-06 | Data in Brief 发表配套数据论文 | 本条获得学术引用锚点 |
| 2021 | Zhang 等发表 16 关键点 HRNet 犬 VHS 工作 | 自动化路线一的首批尝试 |
| 2024–2025 | 扩散增强（CDA）、RVT 等犬心肥大方法出现 | 数据需求上升 |
| 2025-07 | CCK 在 Zenodo 发布 v1（21,465 张，6 关键点） | 本条的同域后继 |
| 2026 | CCK 论文投稿 ICLR（OpenReview 状态 Rejected） | 大集仍未获同行评审接收 |
| 2026-10 | 本条目成稿 | 两条目在库内并列 |
23.1 时间线的三点观察
观察一：本条的发布比人类 CXR 的大规模标注集晚了近十年。 这说明兽医影像的数据化滞后是系统性的，不是个别团队的问题。
观察二：从 152 张到 21,465 张，中间隔了四年半，关键技术变量是标注工具。 规模跃迁不是靠"多采集"，而是靠"能标得动"。
观察三：两份数据集的托管与许可策略不同。 本条选 Mendeley（公开直下），CCK 选 Zenodo（文件受限）。这可能是匿名投稿期的临时措施，也可能是出于数据治理考虑。无论哪种，都提醒使用者：同一领域的两个数据集，访问门槛可能完全不同。
23.2 时间线之外的一条暗线
除了显性事件，还有一条暗线：犬心病的流行病学压力在持续上升。随着犬的寿命延长（伴侣动物医疗水平提高），退行性瓣膜病与 DCM 的病例基数增大，对"低成本、可复现的心影筛查"的需求也随之增大。这条暗线是 VHS 方法三十年不衰、也是这份 152 张教学集在 2020 年仍值得整理的根本原因。
§24 结语补记：写这份条目的四条自我约束
最后补一段写作说明，交代本文的取舍。
约束一：不编造未披露的数字。 品种构成、左右侧位比例、烧录文字处理、筛选者人数——四项均未在来源中出现，本文一律写"未披露"或列入遗留疑点，不做推测性估计。凡出现"约"字的地方，都是从已披露数字直接算出的（如 152 ÷ 628 ≈ 24.2%）。
约束二：不把文献背景当数据集统计。 §3.3 的流行病学数字（30%、25%、33%、50%）明确标注为论文引用的文献数据，不是本数据集的统计。这是数据条目写作里最常见的混淆点。
约束三：与同批条目严格分工。 本条的每处 CCK 对照都写明是"对照"而非"本集数据"。§2.3、§9.2、§16.2 三处反复区分，是为了防止读者在快速浏览时把 21,465 误记为本条规模。
约束四：存照优于取舍。 152/153/156 三口径、3 人与 8 人署名、2020 与 2021 年份——全部并列呈现，不做单一取舍。这是数据条目应有的态度：把矛盾留给读者判断，而不是替读者消化掉。
这四条约束，也是本文对"AI-Ready 条目该怎么写小数据集"的一点方法论贡献：小数据集的条目不是数据不够、靠文字凑，而是把"数据缺什么"写得比"数据有什么"更清楚。
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：
- chexpert — 共享标签：医学影像 / X光影像 / 图像分类
- nih-chestx-ray14 — 共享标签：医学影像 / X光影像 / 图像分类
- echonet-lvh — 共享标签：医学影像 / 图像分类 / 心血管疾病
- cxr-cardiomegaly — 共享标签：医学影像 / X光影像 / 心血管疾病
- image-embeddings-mimic-cxr — 共享标签：医学影像 / X光影像 / 图像分类
- mimic-cxr-jpg — 共享标签：医学影像 / X光影像 / 图像分类
- echoview — 共享标签：医学影像 / 图像分类 / 心血管疾病
- padchest — 共享标签：医学影像 / X光影像 / 图像分类
- brax — 共享标签：医学影像 / X光影像 / 图像分类
- covid-19-radiography — 共享标签：医学影像 / X光影像 / 图像分类
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。
