信息速览

数据集名称VinDr-SpineXR — 万张脊柱 X 光病灶检测集 AI-Ready Wikipedia

数据类型人工标注,原始数据,影像数据

规模10,466 张脊柱 X 光片（5,000 studies；train 8,389/test 2,077）——13 类病灶 bounding box 标注（含 No finding 共 14 值）

接入方式Hospital 108（H108）+ Hanoi Medical University Hospital（HMUH）双院 PACS 2011-2020 采集 >50,000 原始；双 IRB；脱标识三步（含 4 人独立双轮像素复核）；20,000 人工种子+CNN 半自动过滤；VinDr-Lab 3 医生标注

AI 就绪度

INFOBOX：vindr-spinexr 速览

字段	值
数据集	VinDr-SpineXR v1.0.0
slug	vindr-spinexr
发布	2021-08-24（v1.0.0 单版本）——VinDr 三兄弟挂牌最早
DOI	v1.0.0 = 10.13026/q45h-5h59 / latest = 10.13026/mjat-sv46
访问	Restricted（License 1.5.0 + DUA，注册+签约，无 CITI）
规模	10,466 图 / 5,000 studies（页面口径；论文 10,468/2,078——漂移存照）——train 8,389 / test 2,077
标签	13 类病灶 bounding box（+No finding 共 14 值）；CSV 9 属性三层哈希 ID
13 类	Ankylosis/Disc space narrowing/Enthesophytes/Foraminal stenosis/Fracture/Osteophytes/Sclerotic lesion/Spondylolysthesis（页面拼写）/Subchondral sclerosis/Surgical implant/Vertebral collapse/Foreign body/Other lesions
采集	H108+HMUH 双院双 IRB，2011-2020 十年，>50,000 原始 DICOM
脱标识	三步：PHI 标签删除（>90 岁压 90）+像素文字裁剪+4 人独立双轮复核（家族最重规格）
过滤	20,000 人工种子五类（spine/Bone/small joints/big joints/other bone）→CNN→剩余
标注	3 名越南卫生部认证放射科医生，每 study 单人（rad1-3）——VinDr-Lab
论文	arXiv 2106.12930 = MICCAI 2021 正式接收（2021-06-24 提交，挂牌前 2 个月）——论文 7 人
baseline	图像级 AUROC 88.61%（CI 87.19-90.02）/mAP@0.5 33.56%（13 类中检 7 类关键灶）——代码+模型+划分公开
COI	VinBigdata 支持——3 人全为雇员（实名披露）；“did not profit”
流量	Views 2138——VinDr 家族库内最高
一句话	越南脊柱片的 13 倍跃升——家族文档最完备（13 类全清单）+学术出口最强（MICCAI）+官方双 baseline 的一篇

§0 摘要卡：脊柱先行者与它的完备性

§0.1 它是什么

VinDr-SpineXR 是 VinBigData 家族挂牌最早的数据集（2021-08-24，比 PCXR 早 7 个月）：10,466 张脊柱 X 光（5,000 studies，H108+HMUH 双院 2011-2020 十年采集），13 类病灶的 bounding box 标注（+No finding）——脊柱域当时最大（此前公开库 ≤797 图，13 倍跃升）且首个多病灶框级标签。配套论文是 MICCAI 2021 正式接收（VinDr 家族学术出口最强——对照 PCXR 的 Sci Data 4 年悬空），官方 baseline 双数字：图像级 AUROC 88.61%/病灶级 mAP@0.5 33.56%（13 类中检 7 类关键灶）——代码、模型、划分全公开。它是越南三连的收官，也是家族里文档最完备的一篇。

§0.2 三个数字

10,466 = 8,389 + 2,077：页面口径（train+test 精确自洽）；论文口径 10,468/2,078——差 2 张的版本冻结漂移（引用需注明口径）
13+1=14：13 类病灶+No finding——完整清单在页面列出（vs PCXR 的 36+15 缺席——家族内文档完备度的两极）
88.61 / 33.56：官方双 baseline——分类 AUROC 88.61%（可用）vs 检测 mAP 33.56%（难）——病灶检测的真实难度刻度（多类小灶的检测天然低于分类）

§0.3 它怎么用

三大用途：①脊柱病灶检测——13 类框标注训练检测器（官方 7 类 baseline 可对照）；②异常筛查——图像级异常/正常二分类（AUROC 88.61% 基线）；③通用视觉任务——页面 Usage Notes 明文 object detection/multi-label classification。不适合：椎体分割（Kuok 掩码库对口）、CT/MRI（平片 only）、段位细分任务（颈椎/胸椎/腰椎合并类目）。

§0.4 联动提示

本条是越南三连收官（528 医院自主→529 企业主线→530 企业姊妹）——Ha-Hieu Pham 人物线三连贯穿（528 共同作者→529 一作→本条一作）。与 561 RadGraph（框级 span）/519 MS-CXR-T（扰动区域）构成病灶级标注家族的图像框代表。与 529 构成发表命运对照（MICCAI 顶会 vs Sci Data 悬空）与文档完备度对照（13 类全清单 vs 36+15 缺席）。

§1 条目定位：脊柱域的 13 倍跃升

§1.1 为什么脊柱是被忽略的域

页面 Background 的逻辑：脊柱相关疾病占肌骨疾病负担的中心份额（引 GBD 2019 康复需求 Lancet 分析）→ 平片仍是脊柱异常（骨折/骨赘/骨质变薄/椎体塌陷/肿瘤）的首要工具（MRI/CT 虽先进但平片最普及）→ 但脊柱 X 光解读复杂（病灶数量/大小/形态变异性大）→ 漏诊风险高 → CNN 在肌骨域的成功集中在骨折检测（MURA 上肢/rsna 骨折 PNAS 2018 等）→ 脊柱多病灶的分类+定位无系统研究（“no existing studies are devoted to developing and evaluating a comprehensive system”）。缺口=脊柱域的多病灶框级库——本条的立项公式。

§1.2 Table 1 的谱系卡位

页面 Table 1 的肌骨库对照（本库转录见附录 E）：脊柱域此前只有 Kuok（60 图椎体掩码）与 Kim（797 图椎体位置）——本条 10,466 图 13 类框 = 规模 13 倍+标签形态升级。与跨部位大库对照：MURA（40,561 图但仅上肢+二分类异常）、RSNA 骨龄（14,236 但仅手部+骨龄回归）——本条的"多病灶+多框+脊柱"三要素组合在肌骨域是唯一。卡位逻辑与 528（密度专注）同构：不求最大（MURA 4 倍于本条），求域内最深。

§1.3 检测 vs 分类的难度分层

官方 baseline 的双数字是一份现成的难度刻度：分类（异常 vs 正常）AUROC 88.61% vs 检测（框定位）mAP@0.5 33.56%——55 个百分点的鸿沟。原因：①检测要预测位置+类别（双重误差）；②脊柱病灶小（骨赘/椎间隙狭窄是毫米级）；③13 类中的形态学相似对（Osteophytes vs Enthesophytes 骨赘 vs 附着骨赘）易混。官方只检 7 类关键灶（其余 6 类未检）——部分检测是务实的降维。复现者的机会：6 类未检测的 baseline 空白+13 类全检的挑战榜。

§2 双院双 IRB：家族最重的合规规格

§2.1 双院十年

H108（越南人民军 108 号中央军队医院——河内顶级军队医院）+HMUH（河内医科大学医院——教学旗舰）双院 PACS 采集，2011-2020 十年跨度（vs PCXR 的单院一年）——十年数据的历史分层（设备迭代/采集协议演变）既是资产（多样性）也是盲区（设备元数据未披露）。双 IRB（H108+HMUH 各自批准）+知情同意豁免（回顾性不影响临床）。

§2.2 脱标识的三步与 4 人复核

本条的脱标识规格是 VinDr 家族最重：①PHI 标签脚本删除（保留性别/年龄/处理参数——保留清单在 supplemental PDF；>90 岁年龄统一压 90——HIPAA Safe Harbor 的教科书操作，本库首个明文案例）②像素文字定位（按文字位置上/下分区裁剪）③4 人独立复核团队（独立于标注与采集团队），每图两轮×两人交叉——DICOM 元数据与像素双检。对照 PCXR 的"手工清除"一句话——本条的复核规格披露完整（致谢 6 人即复核与归一化人力）。脱标识的严谨度与复核人力成正比——这是本条 COI 之外的人本投入存照。

§2.3 半自动过滤：人工种子+CNN 扩展

50,000 原始 → 20,000 张人工分类五类（spine/Bone/small joints/big joints/other bone）→CNN 训练 → 剩余 30,000 自动分类 → 脊柱子集。对照 PCXR 直接用 DICOM Router 现成品——本条为脊柱域自训分类器（人工种子换域适配）。五类体系的设计把"非脊柱"拆四类（骨/小关节/大关节/其他骨）——分类器的负样本粒度更细，误入率更低。

§2.4 COI：3 人全雇员的披露

页面 COI：VinBigdata 支持创建；Hieu Huy Pham、Hieu Trung Nguyen、Ha Quy Nguyen 三人全部实名披露为 VinBigdata 在职雇员（PCXR 披露 2 人——本条 3/3 全披露）；“VinBigdata did not profit”。对照 524 RadVLM 的 Azure 特殊实例、526 的安全环境声明——VinDr 系的企业披露始终直白（雇员实名+不盈利声明双件套）。企业数据集的透明度标准：COI 披露的完整性可以作为数据集可信度的独立加分项。

§3 13 类病灶清单与临床语义（页面全录）

§3.1 十三类全清单（vs PCXR 的缺席——家族文档完备度两极）

#	病灶（页面原文）	中文	平片语义
1	Ankylosis	骨性强直	关节融合（强直性脊柱炎晚期征）
2	Disc space narrowing	椎间隙狭窄	退变/感染征
3	Enthesophytes	附着骨赘	韧带附着点骨化
4	Foraminal stenosis	椎间孔狭窄	神经根压迫风险
5	Fracture	骨折	创伤/脆性骨折
6	Osteophytes	骨赘	退行性关节病标志
7	Sclerotic lesion	硬化灶	成骨性转移/良性硬化
8	Spondylolysthesis（页面拼写）	脊椎滑脱	椎体前/后移位（标准拼写 Spondylolisthesis）
9	Subchondral sclerosis	软骨下硬化	关节面下骨反应
10	Surgical implant	外科植入物	术后金属内固定
11	Vertebral collapse	椎体塌陷	压缩骨折/骨质疏松
12	Foreign body	异物	非生物性致密影
13	Other lesions	其他病灶	兜底类
—	No finding	无异常	坐标空的单行

类目双准则（家族配方）：common（样本量可观）+interpretable from radiographs（可平片判读）——13 类的边界即"平片可判"的边界：比 MRI 专属诊断（椎间盘突出分型）粗，比通用"异常"细。

§3.2 拼写事故存照

页面 Methods 原文 “Spondylolysthesis”——标准医学术语为 Spondylolisthesis（少一个 i）。CSV 的 lesion_type 值大概率沿用页面拼写（下载后核对——若 CSV 也是错拼，则外部使用者的枚举匹配需按错拼值）。对照 526 的术语漂移/527 的数字残留——批次八页面考古的第五种形态：医学术语拼写事故（影响：文献检索对不上/外部词典匹配失败）。

§3.3 7/13 检测子集的务实降维

MICCAI 论文官方检测只覆盖 7 类关键灶（13 类中的 7 类，具体 7 类清单在论文正文——摘要未列，存照核对项）。降维逻辑推测：①7 类的框样本量充足（其余 6 类罕见——Foreign body/Surgical implant 类必然少）；②形态学上 7 类可检测性强（Ankylosis 类的弥漫性病灶框边界模糊）。mAP@0.5 33.56% 是 7 类子集的成绩——勿当 13 类全检成绩引用。复现者的双线机会：7 类对照官方+13 类全检首发。

§4 官方 baseline：MICCAI 顶会的双数字

§4.1 论文与数字

arXiv 2106.12930（2021-06-24 提交——挂牌前 2 个月，MICCAI 2021 正式接收）：

任务	范围	指标	成绩
图像级分类	异常 vs 正常（全 10,466）	AUROC（95% CI）	88.61%（87.19-90.02）
病灶级定位	7 类关键灶（13 类子集）	mAP@0.5	33.56%

test 2,078 图/1,000 studies（论文口径；页面 2,077）。分类器+检测器双模型，代码+训练模型+划分全公开——“dataset, codes, and trained deep learning models are made publicly available”。

§4.2 与 PCXR 的发表命运对照

维度	529 VinDr-PCXR	530 VinDr-SpineXR（本条）
论文出口	arXiv 2203.10612 悬空（Sci Data 4 年未落地）	MICCAI 2021 正式接收（顶会）
提交-挂牌间隔	1 天（论文次日挂牌）	2 个月（论文先行——标准的"论文先行"节奏）
baseline 数字	无（前身 ICCVW 数字隔离）	双任务官方数字
代码+模型	平台开源（无模型）	模型也公开
文档完备	36+15 清单缺席	13 类全清单在页面

同家族同年份的两条产品线，发表命运与文档完备度的巨大差异——**MICCAI 通道（方法学贡献+顶会背书）vs 期刊数据描述通道（Sci Data 拒稿风险）**的路径选择差异。本条是 VinDr 家族的"标准答案"（PCXR 是"事故答案"）。

§4.3 88.61 与 33.56 的解读纪律

两条引用纪律：①AUROC 88.61% 是二分类成绩（异常 vs 正常）——不是 13 类分类成绩（多类分类无官方数字）；②mAP 33.56% 是 7 类子集成绩——不是 13 类全检，也不是 mAP@0.5:0.95（更严口径更低）。照抄摘要写"检测 mAP 33.56%"会误导读者以为低质量——病灶检测在多类小灶场景 33% 是正常难度（对照 COCO 通用域的 mAP 量级）。

§5 数据解剖：CSV 9 属性与三层哈希

§5.1 文件结构

annotations/
├── train.csv        （4,000 studies/8,389 图的框+标签）
└── test.csv         （1,000 studies/2,077 图）
train_images/        （8,389 个 .dicom，哈希 UID 命名）
test_images/         （2,077 个 .dicom）

§5.2 CSV 9 属性 schema

属性	内容	来源
image_id	图像标识	SOP Instance UID (0008,0018) 哈希
series_id	序列标识	Series Instance UID (0020,000E) 哈希
study_id	检查标识	Study Instance UID 哈希
rad_id	标注医生	rad1/rad2/rad3（3 人铁证）
lesion_type	病灶类	13 类+No finding
xmin/ymin/xmax/ymax	框坐标	绝对像素坐标

三层哈希 ID（image/series/study）支持从图到检查的层级追溯——比 PCXR 的单层 image_id 更完备（study 级聚合/序列级分组的研究可直接做）。No finding 图的坐标四值空——解析时需处理空坐标行。

§5.3 划分声明与复用自由

页面明文：“this is the split we used in the associated paper [16], and there was not any difference in the process used to create these subsets. Therefore, different train and test splits can be used as desired.”——官方划分无特殊性（随机划分），使用者可自由重划。这条声明是数据集发布伦理的加分项（明示划分可换 vs 暗示划分神圣）——与防泄漏警告（按 study 划分）配合使用。

§6 越南三连收官：人物线与组织光谱

§6.1 三连总装

维度	528 TN-Mammo	529 VinDr-PCXR	530 VinDr-SpineXR（本条）
组织	医院自主（Thong Nhat）	企业主线（VinBigData）	企业姊妹（VinBigData）
解剖域	乳腺	儿科胸	脊柱
挂牌	2025-10	2022-03	2021-08（最早）
规模	676 例	9,125 例	10,466 图
标注	双盲+共识（IAA 缺席）	train 单评	单评（rad1-3）
论文	无（第三方抢注）	arXiv 悬空	MICCAI 2021
页面质量	节缺席	三大事故	最完备（唯拼写+数字漂移两小瑕）
Views	277	1493	2138（家族最高）
Ha-Hieu Pham	#5 共同作者	#1 一作通讯	#1 一作

三连的完整光谱：学院派小库→企业事故线→企业标杆线。本条是三连的"质量锚点"——页面质量、学术出口、流量三冠。人物线收官：Pham 从 528 的配角到 529/530 的主角——越南三连是"同一个人的三种组织形态实验"。

§6.2 发表节奏的家族谱系

条目	论文-数据时序	通道
530（本条）	论文先行 2 个月	MICCAI（顶会）
529 PCXR	论文次日挂牌	arXiv（期刊悬空）
527 Swiss	论文先行 5 天	JMIR（期刊）
528 TN	代码先行论文缺	无

四种节奏在批次八集齐——“论文先行+顶会通道”（本条）是学术回报最优解（顶会背书+baseline 数字+模型公开的三重溢价）。

§7 使用指南

§7.1 用户画像与坑点表

三类用户：①脊柱检测研究者（13 类框+官方 7 类 baseline 对照）；②筛查系统开发者（异常二分类 88.61% 基线+CAD 流水线）；③通用视觉研究者（object detection 的医学域 benchmark——页面 Usage Notes 明文）。访问 Restricted（注册+DUA）。

坑点	翻车	绕行
引 10,468 vs 10,466	口径混乱	论文 468/页面 466——引用注明口径
期待 13 类全检 baseline	只找到 7 类	官方只检 7 类——13 类全检是空白
引 Spondylolysthesis	拼写事故传播	标准拼写 Spondylolisthesis（CSV 值待核）
mAP 33% 当低质证据	误判数据集质量	多类小灶检测的正常难度
找 IAA	不存在	单评无 κ——保守引用
与 MURA 混淆	引错规模/部位	MURA 上肢 40k/本条脊柱 10k
test 当双评	高估金标	rad1-3 单评——协议同 train
按图划分	泄漏	按 study 划分（同 study 多图）
忘了 Restricted	直接爬	签 DUA
No finding 行解析报错	空坐标崩溃	处理坐标四值空的行

§8 批评视角与库内对照

§8.1 单评的家族性弱点（与 529 同案）

3 名医生每 study 单人负责——与 PCXR 完全同构的单评弱点（IAA 无、噪声无法协议内化）。本条的补救资产：官方 baseline 双数字间接反映标签噪声水平（检测 mAP 33% 部分受标注框抖动约束——框级标注的人为变异性文献常见 ±数像素）。复现者的补偿工具箱沿用 529 附录 W（smoothing/cleanlab/抽样子集双评）。

§8.2 但这是家族的完卷答案

对照三连：528（协议强数字无）、529（协议弱数字无）、本条（协议弱数字全）——本条用官方 baseline 把单评噪声"标定"了（88.61/33.56 就是这个标签集的可达成绩）——数字背书不能替代协议背书，但可以标定现状。使用者的正确姿势：以 88.61/33.56 为基线报告相对提升，不声称绝对金标。

§8.3 库内肌骨/脊柱资产盘点

本条入库后，肌骨域资产：561 RadGraph（胸报告实体）、521 rad-coref（指代）、530（脊柱框）——骨科影像的框级标注在本库是首例（对照 617 MIMIC-CXR 胸片/528 乳腺/529 儿童胸）。跨域检测家族：519 扰动区域/529 36 框/530 13 框——"框级标注"三兄弟（胸儿科/胸成人扰动/脊柱）覆盖三个解剖人群。

§8.4 批次八收官进度

位置	条目	rid	状态
526	ReXErr	—	并行会话
527	Swiss-Mammo	627	✅
528	TN-Mammo	628	✅
529	VinDr-PCXR	629	✅
530	VinDr-SpineXR（本条）	630（发布回填）	本会话在产
531-535	GC 五连	—	待产

越南三连收官（528/529/530 全上）——批次八 4/10（本会话四连发 527/528/529/530）。531-535 Grand Challenge 五连是新域（挑战赛平台页面结构完全不同），需新核查模板——预告。

§9 FAQ：速查索引（按主题分组）

FAQ-1 基础认知（7 问）

Q1：VinDr-SpineXR 是什么？

VinBigData 发布的脊柱 X 光数据集：10,466 张（5,000 studies，H108+HMUH 双院 2011-2020 采集），13 类病灶 bounding box 标注（+No finding 共 14 值）。train 8,389/test 2,077。PhysioNet 2021-08-24 挂牌 v1.0.0，Restricted。VinDr 三兄弟挂牌最早（比 PCXR 早 7 个月）。

Q2：13 类病灶是什么？

Ankylosis 骨性强直/Disc space narrowing 椎间隙狭窄/Enthesophytes 附着骨赘/Foraminal stenosis 椎间孔狭窄/Fracture 骨折/Osteophytes 骨赘/Sclerotic lesion 硬化灶/Spondylolisthesis 脊椎滑脱/Subchondral sclerosis 软骨下硬化/Surgical implant 外科植入物/Vertebral collapse 椎体塌陷/Foreign body 异物/Other lesions 其他——页面全清单（vs PCXR 的 36+15 缺席）。注意页面 Spondylolysthesis 是拼写事故（标准 Spondylolisthesis）。

Q3：规模多大？

10,466 图/5,000 studies（页面口径）——论文口径 10,468/2,078（版本冻结漂移 2 张，引用注明口径）。脊柱域此前公开库 ≤797 图——本条 13 倍跃升。

Q4：谁标注的？

3 名越南卫生部认证放射科医生（rad_id=rad1/rad2/rad3 铁证），每 study 单人负责——单评（IAA 无）。VinDr-Lab 平台。

Q5：采集自哪？

双院：Hospital 108（H108，河内军队中央医院）+Hanoi Medical University Hospital（HMUH，医科大学医院）——双 IRB。>50,000 原始 DICOM，2011-2020 十年。

Q6：官方 baseline 多少？

MICCAI 2021 论文（arXiv 2106.12930）双数字：图像级异常分类 AUROC 88.61%（CI 87.19-90.02）；病灶级检测 mAP@0.5 33.56%——但只检 13 类中 7 类关键灶。代码+模型+划分全公开。

Q7：怎么访问？

PhysioNet Restricted：注册+签 DUA（无 CITI）。Project Website vindr.ai/datasets/spinexr。

FAQ-2 论文与发表（4 问）

Q8：论文发在哪？

MICCAI 2021 正式接收（医学影像顶会！）——arXiv 2106.12930（2021-06-24 提交，挂牌前 2 个月）。论文 7 人（Hieu T. Nguyen/Hieu H. Pham/Nghia T. Nguyen/Ha Q. Nguyen/Thang Q. Huynh/Minh Dao/Van Vu）vs 数据集署名 3 人。

Q9：与 529 PCXR 的发表对照？

完全相反的命运：本条 MICCAI 顶会+双 baseline 数字+模型公开（标准答案）；PCXR arXiv 悬空+Sci Data 4 年未落地+无 baseline（事故答案）。同家族同年份的路径分化——顶会通道 vs 期刊数据描述通道。

Q10：mAP 33.56% 是不是太低？

不是低质量证据——病灶级检测（框定位+多类）在医学影像的正常难度就是 30-50% mAP@0.5 量级（小灶+类间相似：Osteophytes vs Enthesophytes）。对照分类 AUROC 88.61% 的 55 分差正是检测难度的刻度。引用时说明是 7 类子集的 mAP@0.5。

Q11：7 类关键灶是哪 7 类？

论文摘要未列——正文核对项（存照）。推测按样本量与可检测性选（Fracture/Osteophytes/Disc space narrowing 等常见类）。其余 6 类（可能含 Foreign body/Surgical implant 等罕见类）无检测 baseline——复现空白。

FAQ-3 数据细节（6 问）

Q12：CSV 是什么格式？

9 属性：image_id/series_id/study_id/rad_id/lesion_type/xmin,ymin,xmax,ymax——三层哈希 ID（SOP Instance/Series/Study UID）支持图-序列-检查层级追溯。No finding 图坐标四值空（解析注意）。

Q13：脱标识怎么做的？

三步+复核：①PHI 标签脚本删除（保留性别/年龄/处理参数，保留清单在 supplemental PDF；>90 岁年龄压 90——HIPAA Safe Harbor）②像素文字按位置裁剪 ③4 人独立复核团队（独立于标注团队）每图两轮两人交叉——DICOM 元数据+像素双检。家族最重规格（PCXR 无复核轮次描述）。

Q14：图像怎么过滤的？

半自动：20,000 张人工分类五类（spine/Bone/small joints/big joints/other bone）→CNN 训练→剩余 ~30,000 自动分类→脊柱子集。人工种子+CNN 扩展（vs PCXR 直接用现成 DICOM Router）。

Q15：train/test 怎么划分？

4,000 studies（8,389 图）/1,000 studies（2,077 图）——官方划分与论文一致（页面明文可自由重划’therefore, different train and test splits can be used as desired’）。自划分按 study 防泄漏（同 study 多图）。

Q16：10,466 还是 10,468？

页面 10,466（8,389+2,077 精确自洽）；论文摘要 10,468（test 2,078）——差 2 张的版本冻结漂移。引用注明口径；下载后 find 核对实际文件数是最终裁决。

Q17：颈椎/胸椎/腰椎有区分吗？

没有——过滤类目 1 是三段合并（cervical/thoracic/lumbar spine），CSV 无段位字段。段位细分任务需自建（从图像解剖学推断或模型学习）——存照缺口。

FAQ-4 使用与坑位（5 问）

Q18：适合什么任务？

①13 类病灶检测（官方 7 类 baseline 对照）②异常筛查二分类（AUROC 88.61% 基线）③通用 object detection/multi-label classification（页面明文）。不适合：椎体分割（掩码库对口）、CT/MRI、段位细分、罕见类检测（样本不足）。

Q19：和 MURA 怎么选？

MURA：上肢 40,561 图/二分类异常（大而浅）；本条：脊柱 10,466 图/13 类多病灶框（小而深）。肌骨域跨库对照的好搭档（正常 vs 异常的跨部位泛化实验）。

Q20：和 529 PCXR 怎么联动？

同家族同平台（VinDr-Lab）同单评协议——跨解剖域（脊柱 vs 儿科胸）的检测管线迁移实验；同 CSV schema 家族（本条 9 属性 vs PCXR 类似）——代码复用度高。发表命运对照（MICCAI vs 悬空）是数据集运营的教材。

Q21：No finding 行怎么处理？

无异常图在 CSV 只有一行 lesion_type=‘No finding’ 且四坐标空——检测管线跳过（无框）、分类管线用作负例。解析时先判 lesion_type 再取坐标，否则空值报错。

Q22：官方模型在哪下载？

论文声明 ‘dataset, codes, and trained deep learning models are made publicly available’——GitHub（vinbigdata-medical 组织下）找 SpineXR 仓库（模型权重+推理代码）。PCXR 没有的待遇。

FAQ-5 批判性视角（5 问）

Q23：单评的问题在这条多严重？

与 529 同案：IAA 无+噪声无法协议内化。但本条有官方 baseline 标定（88.61/33.56 就是这个标签集的可达成绩）——数字背书不能替代协议背书，但能标定现状。复现者以官方数字为基线报相对提升。

Q24：页面质量比 PCXR 好在哪？

13 类全清单（vs 36+15 缺席）/官方划分声明（vs 未提）/论文 MICCAI（vs 悬空）/致谢含复核人力（vs 无）。两小瑕：Spondylolysthesis 拼写+10,466/468 漂移——批次八页面质量光谱的最好端（vs 529 的最差端）。

Q25：十年采集（2011-2020）是优势还是隐患？

双面：优势=设备/协议多样性（泛化素材）；隐患=设备元数据未披露（十年内的 DR/CR 混杂不可审计）+年代久远的图像质量分层。复现者可按 image_id 哈希前的采集年份（保留在 DICOM 标签？——保留清单核对）做年代分层实验。

Q26：VinBigdata 全雇员署名说明什么？

3/3 实名雇员+不盈利声明——企业数据集的透明天花板。但也意味着学术署名 0 人（大学无署名——对照 PCXR 论文的 VinUniversity）——本条是纯企业产品（VinUni-Illinois 是 Pham 的挂靠但未在本条署名）。企业数据集的署名政治学样本。

Q27：这条的教训是什么？

对数据集发布方：①论文先行+顶会通道=学术回报最大化（MICCAI 背书三重溢价：数字+模型+可信度）；②脱标识复核人力要在致谢显形（4 人双轮的透明化）；③13 类全清单要写进页面（PCXR 的反面教材）。对使用者：页面完备≠无坑（拼写+数字漂移仍在）——五步页面考古法照跑。

（FAQ 合计 27 问——覆盖基础认知/论文发表/数据细节/使用坑位/批判视角五域）

§10 事实清单：逐条存照

全名 VinDr-SpineXR: A large annotated medical image dataset for spinal lesions detection and classification from radiographs；slug vindr-spinexr。
挂牌 2021-08-24，v1.0.0 单版本——VinDr 三兄弟挂牌最早（比 PCXR 早 7 个月）。
DOI 双格局：v1.0.0=10.13026/q45h-5h59 / latest=10.13026/mjat-sv46。
访问档 Restricted（License 1.5.0+DUA 无 CITI）——批次预判命中。
规模 10,466 图/5,000 studies（页面：train 8,389+test 2,077 精确自洽）——论文口径 10,468/2,078（漂移 2 张存照）。
13 类病灶全清单在页面：Ankylosis/Disc space narrowing/Enthesophytes/Foraminal stenosis/Fracture/Osteophytes/Sclerotic lesion/Spondylolysthesis（拼写事故，标准 Spondylolisthesis）/Subchondral sclerosis/Surgical implant/Vertebral collapse/Foreign body/Other lesions——+No finding 共 14 值。
类目双准则（家族配方）：common+interpretable from radiographs。
采集双院：Hospital 108（H108 河内军队中央医院）+Hanoi Medical University Hospital（HMUH）——双 IRB。
采集窗口 2011-2020 十年（vs PCXR 一年）——>50,000 原始 DICOM。
四步管线：acquisition→de-identification→filtering→labeling。
脱标识三步：①PHI 标签删除（保留性别/年龄/参数；>90 岁压 90——HIPAA Safe Harbor 明文实操）②像素文字按位置裁剪③4 人独立复核团队每图两轮两人交叉（家族最重规格；独立于标注团队；致谢 6 人即此人力）。
过滤半自动：20,000 人工种子五类（spine/Bone/small joints/big joints/other bone）→CNN→剩余自动——脊柱域自训分类器。
标注：3 名越南卫生部认证放射科医生（rad1/rad2/rad3 铁证——反推 PCXR 的 6 是编码空间），每 study 单人（单评）——VinDr-Lab。
CSV 9 属性：image_id/series_id/study_id/rad_id/lesion_type/xmin,ymin,xmax,ymax——三层哈希 ID（SOP Instance (0008,0018)/Series (0020,000E)/Study UID）。
No finding 图：单行坐标空——解析需处理。
官方划分声明：‘this is the split we used in the associated paper’+‘different train and test splits can be used as desired’——划分可换明文。
论文：arXiv 2106.12930（2021-06-24 提交，挂牌前 2 个月）——MICCAI 2021 正式接收（顶会！vs PCXR 的 Sci Data 4 年悬空）。
论文 7 人：Hieu T. Nguyen/Hieu H. Pham/Nghia T. Nguyen（VinDr-Lab 作者）/Ha Q. Nguyen/Thang Q. Huynh/Minh Dao/Van Vu——数据集署名 3 人（全 VinBigdata 雇员 COI 实名）。
官方 baseline 双数字：图像级异常分类 AUROC 88.61%（CI 87.19-90.02）/病灶级检测 mAP@0.5 33.56%（13 类中只检 7 类关键灶——7 类清单在论文正文存照核对）。
‘dataset, codes, and trained deep learning models are made publicly available’——模型也公开（PCXR 无）。
COI：VinBigdata 支持+3/3 雇员实名（Hieu Huy Pham/Hieu Trung Nguyen/Ha Quy Nguyen）+‘did not profit’——全雇员署名（无大学署名）。
致谢 6 人：Anh T. Nguyen/Ha T. Vuong/Nguyet T.B. Dang/Tien D. Phan/Dung T. Le/Chau T.B. Pham——数据构建与归一化（脱标识复核人力）。
页面 Table 1 肌骨库对照：Digital Hand Atlas 1,390/OAI 8,892/MURA 40,561/RSNA Bone Age 14,236/Kuok 60/Kim 797/本条 10,466——脊柱域 13 倍跃升。
Project Website：vindr.ai/datasets/spinexr（家族专属页）。
Views 2138——VinDr 家族库内最高（SpineXR 2138>PCXR 1493>528 277）。
双 DOI 双版本不存在：v1.0.0 单版本（1.0.1/2.0.0/latest 404）。
Usage Notes 双用途：病灶检测定位+通用 object detection/multi-label classification。
页面无 Ethics 独立节?——IRB 信息在 Methods Overview（H108+HMUH 双批准+同意豁免）——结构上比 PCXR 的独立 Ethics 节简。
Release Notes 一句话：‘This is the first public release (v1.0)’。
本条与 529 的发表命运对照：MICCAI 顶会+baseline+模型 vs arXiv 悬空+无数字——同家族路径分化教材。
本条与 528/529 构成越南三连收官：医院自主→企业主线→企业姊妹（Ha-Hieu Pham #5→#1→#1）。
批注：页面 IRB 描述在 Methods（‘The study was approved by the Institutional Review Board of Hospital 108 (H108) and Hanoi Medical University Hospital (HMUH)’）——双批件。
引用模板：PhysioNet APA（Pham H. H., Nguyen Trung H., & Nguyen H. Q. 2021. RRID:SCR_007345. DOI 10.13026/q45h-5h59）+MICCAI 2021（Nguyen HT et al. arXiv 2106.12930）。
dicom 文件命名：<<image_id>>.dicom（32 位哈希 hex）——train 8,389/test 2,077。
页面 Contents 无 Ethics 独立章节（与 PCXR 有 Ethics 节不同）——页面结构差异存照。
Supplemental file：supplemental_file_DICOM_tags_SpineXR.pdf（保留标签清单）——脱标识透明度文档。

（事实清单合计 36 条）

§11 术语表：四十条

术语	释义
VinDr-SpineXR	本条目——10,466 图脊柱 13 类框标注库（家族挂牌最早）。
H108	越南人民军 108 号中央军队医院（河内）——双院采集之一+IRB。
HMUH	Hanoi Medical University Hospital 河内医科大学医院——双院之二+IRB。
13 类病灶	页面全清单（Ankylosis 至 Other lesions）——vs PCXR 36+15 缺席的完备对照。
No finding	无异常标签——lesion_type 第 14 值，坐标空单行。
Spondylolisthesis	脊椎滑脱——页面拼写 Spondylolysthesis 为事故（标准拼写少 i 之差）。
Osteophytes vs Enthesophytes	骨赘（关节缘）vs 附着骨赘（韧带附着点）——形态学易混对（检测难点）。
mAP@0.5	IoU 0.5 阈值的平均精度——官方检测成绩 33.56%（7 类子集）。
AUROC 88.61%	官方图像级异常分类成绩（CI 87.19-90.02）。
7/13 检测子集	官方只检 7 类关键灶——13 类全检是复现空白。
单评（rad1-3）	每 study 一名医生——rad_id 三值铁证（反推 PCXR 的 6）。
三层哈希 ID	image/series/study 三层 UID 哈希——图-序列-检查层级追溯。
HIPAA Safe Harbor	隐私安全港规则——>90 岁年龄压 90 的明文实操。
4 人双轮复核	脱标识像素复核规格（独立团队每图两人两轮）——家族最重。
20,000 人工种子	过滤 CNN 的训练集（人工五类分类）——半自动过滤设计。
五类过滤体系	spine/Bone/small joints/big joints/other bone——负样本细分。
VinDr-Lab	自研标注平台（同 PCXR）——家族基础设施。
MICCAI 2021	医学影像计算顶会——本条论文的正式发表通道（vs PCXR 悬空）。
arXiv 2106.12930	论文预印本（2021-06-24，挂牌前 2 个月）。
版本冻结漂移	论文 10,468 vs 页面 10,466——终版剔除 2 张的口径差。
MURA	斯坦福上肢肌骨库（40,561 图二分类）——跨部位对照。
OAI	骨关节炎计划（膝 8,892 图 K&L 分级）——Table 1 对照。
RSNA Bone Age	RSNA 儿童骨龄挑战库（14,236 图）——Table 1 对照。
Kuok/Kim	脊柱域前作（60/797 图）——13 倍跃升的基线。
vindr.ai/datasets/spinexr	家族专属项目页。
Restricted DUA	访问协议（注册+签约无 CITI）。
全雇员署名	3/3 COI 实名 VinBigdata 雇员——企业数据集署名政治学样本。
did not profit	VinBigdata 不盈利声明（家族双件套之一）。
越南三连	528/529/530——医院自主/企业主线/企业姊妹的组织光谱收官。
页面考古五形态	数字残留/节缺席/三大事故/术语漂移/拼写事故（527/528/529/526/530 各扛一案）。
发表命运对照	529 悬空 vs 530 MICCAI——同家族路径分化。
病灶检测难度	mAP 33% 的量级解读——多类小灶的正常难度非低质量。
按 study 划分	防泄漏粒度（同 study 多图同折）——官方划分可换声明下自划的正确姿势。
supplemental PDF	DICOM 保留标签清单——脱标识透明度文档。
肌骨域	Musculoskeletal——本条的赛道（脊柱子域）。
种植体/异物类	Surgical implant/Foreign body——医工假体与外源致密影（罕见类代表）。
继续跑	本库长跑指令——本条目为批次八第 4 条（本会话四连发收官越南三连）。
Grand Challenge 五连	531-535 下一波——挑战赛平台页面结构需新核查模板。
家族最完备	本条的文档评价（13 类全清单+划分声明+论文 MICCAI+模型公开）。
五步页面考古法	摘要vs正文/承诺节vs章节/跨节交叉/Limitations vs 本体/论文 vs 页面——本条跑出的干净结果（唯二小瑕）。

（术语表合计 40 条）

附录 A：30 秒速查卡

只有一分钟的读者看这里；其余附录是本卡的展开与存照。

维度	一行答案
是什么	VinBigData 的 10,466 张脊柱 X 光片数据集（5,000 studies），13 类病灶 bounding box 标注
在哪	PhysioNet `vindr-spinexr` v1.0.0（2021-08-24），DOI 10.13026/q45h-5h59
怎么拿	Restricted：PhysioNet 注册 + 签 DUA（License 1.5.0），无 CITI 强制
多大	train 4,000 studies/8,389 图 + test 1,000 studies/2,077 图；DICOM 原始格式
标签	CSV 9 属性：image_id/series_id/study_id/rad_id/lesion_type/xmin/ymin/xmax/ymax
类目	13 类病灶 + No finding = lesion_type 14 值（完整清单在页面 §3 与本条附录 D）
谁标的	3 名越南卫生部认证放射科医生（rad1-3），每 study 单人负责，VinDr-Lab 平台
从哪来	H108 + HMUH 双院 PACS，2011-2020 十年，>50,000 原始 DICOM 过滤而来
合规	双 IRB + 脱标识三步（>90 岁压 90）+ 4 人独立双轮像素复核
成绩	官方 baseline：AUROC 88.61%（分类）/ mAP@0.5 33.56%（检测，7/13 类）
论文	arXiv 2106.12930，MICCAI 2021 正式接收；代码+模型+划分全公开
口径坑	页面 10,466/2,077 vs 论文 10,468/2,078——引用必须注明口径
拼写坑	页面 Spondylolysthesis（少个 i）——标准拼写 Spondylolisthesis
定位	肌骨脊柱域此前 ≤797 图，本条 10,466 = 13 倍跃升 + 首个多病灶框级库
家族	VinDr 三兄弟（SpineXR 2021-08 → PCXR 2022-03）中挂牌最早、Views 最高（2138）
一句话	越南脊柱片的 13 倍跃升——家族文档最完备 + 学术出口最强（MICCAI）+ 官方双 baseline

附录 B：时间线——从十年采集到 MICCAI 挂牌

B.1 时间轴总览

时点	事件	存照
2011-2020	H108 + HMUH 双院 PACS 采集 >50,000 张原始脊柱 DICOM——十年跨度（VinDr 家族最长采集窗口）	页面 Data Description
2011-2020（管线期）	四步管线：acquisition → de-identification → filtering → labeling	页面四步声明
管线期内	脱标识三步：PHI 标签删除（>90 岁压 90）→ 像素文字定位裁剪 → 4 人独立双轮复核	页面 + supplemental PDF
管线期内	过滤：20,000 张人工五类种子 → CNN → 剩余 30,000 自动分类 → 脊柱子集	页面 Methods
管线期内	3 名放射科医生在 VinDr-Lab 完成 13 类框标注（每 study 单人）	页面 + rad1-3 CSV
2021-06-24	arXiv 2106.12930 提交（挂牌前 2 个月）——论文先行节奏	arXiv 时间戳
2021 年（会议）	MICCAI 2021 正式接收——医学影像顶会背书	论文标注
2021-08-24	PhysioNet 挂牌 v1.0.0（单版本至今）——VinDr 三兄弟最早	页面版本历史
2021 后	“dataset, codes, and trained deep learning models are made publicly available”——模型+代码公开承诺落地	论文声明
2022-03	姊妹篇 VinDr-PCXR 挂牌（本条 7 个月后）——家族第二块拼图	PCXR 页面
2026-09-25	本条目核查日：Views 2138——家族库内最高	核查存照

B.2 时间线三读

论文先行的黄金节奏：2021-06-24 arXiv 提交 → 2021-08-24 挂牌，两个月窗口。对照 529（PCXR）的 arXiv 悬空 + Sci Data 4 年未落地，本条是家族内发表命运的分水岭：数据挂牌前论文已被顶会接收——学术出口与数据发布互为背书的最优序。
十年采集 vs 一年采集：2011-2020 的十年窗口意味着数据覆盖至少三代设备迭代与多次协议演变——多样性资产；代价是设备元数据未披露，年代分层分析（2021 年片 vs 2011 年片的图像质量漂移）无法直接做。
单版本纪律：v1.0.0 挂牌至今无 1.0.1/2.0.0（latest DOI 指向同一内容）——与 527 swiss-mammo 的 v1.0.1 官方修正形成对照：冻结后不动的自信，或冻结后无人维护的信号，两者从版本史无法分辨——但论文口径（10,468）与页面口径（10,466）的 2 张之差提示存在一次未走版本号的终版剔除。

B.3 与兄弟条目的时间对齐

条目	arXiv	挂牌	节奏形态
本条（SpineXR）	2021-06-24	2021-08-24	论文先行（MICCAI 接收在前）
529（PCXR）	2022-04（arXiv）	2022-03	数据先行，论文出口悬空（Sci Data 未落地）
527（swiss-mammo）	—（JMIR 管线）	—	论文先行（JMIR 发表链条）
528（tn-mammo）	缺	—	代码先行论文缺（页面三大事故之一）

附录 C：文件资产清单——下载后你会拿到什么

C.1 目录树（按页面 Files 声明转录）

vindr-spinexr/1.0.0/
├── annotations/
│   ├── train.csv          # 8,389 图的病灶框标注（每行一个框实例）
│   └── test.csv           # 2,077 图的病灶框标注
├── train_images/
│   ├── <study_id>/
│   │   └── <image_id>.dicom   # 8,389 张训练 DICOM
│   └── ...
├── test_images/
│   ├── <study_id>/
│   │   └── <image_id>.dicom   # 2,077 张测试 DICOM
│   └── ...
└── supplemental_file_DICOM_tags_SpineXR.pdf   # 脱标识保留/删除标签清单

C.2 annotations CSV 的 9 属性 schema

#	字段	含义	存照要点
1	image_id	图像 ID（SOP Instance UID (0008,0018) 哈希）	与 .dicom 文件名一致
2	series_id	序列 ID（Series UID (0020,000E) 哈希）	三层哈希中层 2
3	study_id	检查 ID（Study UID 哈希）	三层哈希顶层；train 4,000 / test 1,000 studies
4	rad_id	标注医生编码：rad1/rad2/rad3	单评协议铁证（每 study 一人）
5	lesion_type	病灶类别（14 值：13 病灶 + No finding）	No finding 行坐标为空
6	xmin	框左上角 x	像素坐标
7	ymin	框左上角 y	像素坐标
8	xmax	框右下角 x	像素坐标
9	ymax	框右下角 y	像素坐标

C.3 三层哈希 ID 体系

数据集不含任何原始 UID：SOP Instance UID (0008,0018) → image_id；Series UID (0020,000E) → series_id；Study UID → study_id。三层各司其职：study_id 是临床事件（一次检查）的顶层键，series_id 聚合同次序列，image_id 锁定单张帧。对研究者的含义：①按 study 聚合做 study 级切分（防止同 study 泄漏进 train/test）天然可用；②从 image_id 反查不了原始 UID——原 ID 映射未随库发布（本身是脱标识的一部分）。

C.4 资产清点注意

DICOM 原生格式保留（家族保真路线）——需要 pydicom 处理，不做 PNG 预转换（保留窗宽窗位/处理参数元数据）。
保留的 DICOM 标签清单在 supplemental PDF——拿到数据先读这份 PDF，知道哪些元数据在（性别/年龄/处理参数）、哪些已删（PHI）。
官方划分即 train/test 目录本身——论文声明 “this is the split we used in the associated paper, and there was not any difference in the process”——复现官方 baseline 不要重切。
No finding 样本在 CSV 中只有单行且坐标为空——清洗脚本要处理这种"有行无框"形态。

附录 D：13 类病灶全清单——逐类详注（页面全录 + 临床语义）

页面把 13 类完整列出（VinDr 家族唯一——对照 529 PCXR 的 36+15 双清单缺席）。lesion_type 第 14 值为 No finding。类目双准则：样本量可观（common）+ 平片可判读（interpretable from radiographs）。

#	英文（页面原文）	中文	一句话临床语义
1	Ankylosis	骨性强直	关节/椎体间骨性融合，活动度永久丧失
2	Disc space narrowing	椎间隙狭窄	椎间盘退变在平片上的间接征象，间隙变窄
3	Enthesophytes	附着骨赘	肌腱/韧带附着点的骨质增生
4	Foraminal stenosis	椎间孔狭窄	神经根出口孔变窄——压迫神经根的形态学基础
5	Fracture	骨折	骨皮质连续性中断——急诊漏诊的高危类
6	Osteophytes	骨赘	椎体边缘骨增生——退行性变的经典标志
7	Sclerotic lesion	硬化灶	局部骨质密度增高——转移瘤/良性病变的线索
8	Spondylolysthesis	脊椎滑脱	椎体相对下位椎体滑移（页面拼写事故：标准拼写 Spondylolisthesis）
9	Subchondral sclerosis	软骨下硬化	关节软骨下方骨质增生硬化——关节退变的伴发征
10	Surgical implant	外科植入物	钢板/螺钉/融合器等医工假体——术后随访常见
11	Vertebral collapse	椎体塌陷	椎体高度丢失（压缩骨折/骨质疏松/肿瘤）
12	Foreign body	异物	外源致密影——非病理但影响判读
13	Other lesions	其他病变	上述 12 类之外的异常——兜底类
14	No finding	无异常	正常图的标注形态：单行记录、坐标为空

D.1 逐类标注与检测难度分层

毫米级小灶（检测最难）：Disc space narrowing / Enthesophytes / Foraminal stenosis / Osteophytes——形态细微、边界模糊、依赖邻椎对比。官方 mAP@0.5 只有 33.56%，这四类的贡献可能是拉低项（未按类分解——页面/论文均未披露，见附录 P 核查项 1）。
大形态病灶（检测相对易）：Vertebral collapse / Spondylolisthesis / Surgical implant / Foreign body——位置+形态显著，框边界相对明确。
密度学病灶（依赖窗宽窗位）：Sclerotic lesion / Subchondral sclerosis——DICOM 原生格式在这里是刚需（PNG 预转换丢 HU 细节会伤害这两类）。
易混对：Osteophytes vs Enthesophytes（椎缘 vs 附着点）、Sclerotic lesion vs Subchondral sclerosis（灶性 vs 软骨下）——标注者判读一致性风险最高的两对；单评协议下这类混淆会直接进标签（无第二人仲裁）。
兜底类的双刃：Other lesions 保证标签完备性，但对检测器是不可定义的开放类——官方检测只做 7 类（不含 Other），是务实也是留白。
Foreign body / Surgical implant 的定位：严格说是"影"不是"病"——但检测器需要把伪影/假体区域框出来避免误报，作为独立类合理。

D.2 与 ICD/临床工作流的对齐提示

13 类是影像征象（radiographic findings）而非疾病诊断——例如 Disc space narrowing 对应退行性椎间盘病（ICD-10 M51.3*）的影像面、Vertebral collapse 横跨创伤（S22/S32）与骨质疏松（M80/M81）。用本库做"疾病分类器"是范畴错误；做"征象检测器"才是正解——AI 输出到临床的路径应是征象→放射报告→临床诊断的三段式，本库覆盖第一段。

附录 E：肌骨库对照——页面 Table 1 全录与延伸

E.1 页面 Table 1 转录（页面给出的肌骨公开库谱系）

库	年份	部位	标签形态	图数	与本条的维度差
Digital Hand Atlas	2007	手	骨龄	1,390	单任务回归；仅手部
Osteoarthritis Initiative	2013	膝	K&L 分级	8,892	分级标注；仅膝关节
MURA	2017	上肢	正常/异常	40,561	二分类；无框；仅上肢
RSNA Pediatric Bone Age	2019	手	骨龄	14,236	单任务回归；仅手部
Kuok et al.	2018	脊柱	椎体掩码	60	有掩码但 60 图——规模不可用
Kim et al.	2020	脊柱	椎体位置	797	位置标注；无病灶语义
VinDr-SpineXR（本条）	2021	脊柱	多病灶框	10,466	——

E.2 13 倍跃升的两层含义

规模层：脊柱域此前公开库 ≤797 图（Kim 2020），本条 10,466 = 13.1 倍。之前脊柱研究者要么用 60 图的 Kuok（掩码精致但样本不够训练深度网络），要么在 MURA 的上肢域做迁移——脊柱多病灶检测没有像样的公开训练集。
标签形态层：Kuok/Kim 给的是椎体掩码/位置（“椎体在哪”），本条给的是病灶框（“椎体上有什么问题”）——从解剖定位到病理语义的一级跳。这一跳正是临床有用的方向：报告生成、阅片辅助、漏诊预警都需要病灶级语义。

E.3 与跨部位大库的维度对照

维度	MURA	RSNA 骨龄	OAI	本条
规模	40,561	14,236	8,892	10,466
部位	上肢多关节	手	膝	全脊柱
标签粒度	图像级二分类	图像级回归	图像级分级	病灶级框
类目数	2	连续值	5 级	13+1
检测任务可用	否	否	否	是
单评/多评	多评（6 人）	多评	—	单评（3 人轮）

——"不求最大，求域内最深"的卡位逻辑与 528（密度专注）同构：MURA 规模 4 倍于本条，但标签粒度低一档；本条在"多病灶+多框+脊柱"三要素组合上是肌骨域当时唯一。

E.4 本库内的肌骨条目联动

库内肌骨相关：529 vindr-pcxr（儿科胸片——胸腔非肌骨但同家族）、527 swiss-mammo / 528 tn-mammo（乳腺钼靶——软组织摄影，非平片）。本条是库内第一个脊柱域条目，也是肌骨平片框级标注的第一个——后续脊柱条目（若入库）将直接继承本条的对标框架（Table 1 谱系 + 13 类清单 + MICCAI baseline）。

附录 F：MICCAI 论文对照——数据集条目 vs 算法论文

F.1 双文本基本盘

维度	PhysioNet 数据集页面	arXiv 2106.12930（MICCAI 2021）
性质	数据描述（Data Description）	算法论文（数据集+双 baseline）
作者	3 人（Hieu Huy Pham / Hieu Trung Nguyen / Ha Quy Nguyen）	7 人（Hieu T. Nguyen / Hieu H. Pham / Nghia T. Nguyen / Ha Q. Nguyen / Thang Q. Huynh / Minh Dao / Van Vu）
规模口径	10,466 图 / test 2,077	10,468 图 / test 2,078
train 口径	8,389	8,390
提交时点	2021-08-24 挂牌	2021-06-24 提交（早 2 个月）
学术出口	数据集本身	MICCAI 2021 正式接收
baseline	无（指向论文）	AUROC 88.61% + mAP@0.5 33.56%
附加承诺	—	dataset + codes + trained models 全公开

F.2 作者阵容的角色分工

数据集 3 人（Pham/Nguyen Trung/Nguyen）= 论文 7 人中的 4 人交集（Pham/Nguyen T./Nghia N./Nguyen H.Q.）——数据集署名是论文作者的真子集。
算法侧增量 3 人：Thang Q. Huynh（FPT Technology Innovation 高级研究员线）、Minh Dao、Van Vu（算法与模型侧）——论文的检测/分类方法由他们主导。
交叉关系：Nghia T. Nguyen 亦是 VinDr-Lab 平台论文作者——标注平台-数据-算法三线在同一团队闭环。
COI 对照：数据集页面 3/3 实名披露 VinBigdata 雇员；论文页未做企业 COI 披露（学术会议格式无此栏目）——数据的 COI 披露比论文更透明，这是 PhysioNet 格式的制度红利。

F.3 双 baseline 的正确读法

图像级分类 AUROC 88.61%（95% CI 87.19-90.02）：异常 vs 正常二分类，test 2,078 图。这是"筛查可用性"的刻度——88.6% 意味着可做初筛但不可独立诊断。
病灶级 mAP@0.5 33.56%：只检 13 类中的 7 类关键灶（“a detector to localize 7 crucial findings amongst the total 13”）。33% 与 88.6% 之间 55 个百分点的鸿沟是病灶检测的真实难度刻度：检测要同时预测位置+类别，脊柱病灶多而小、形态学相似对易混。
7/13 子集设计：论文摘要未列明是哪 7 类——本条核查后仍存照为缺口（附录 P 项 1）。合理的推测是大形态+高临床价值类（Fracture/Vertebral collapse/Osteophytes/Disc space narrowing/Spondylolisthesis/Surgical implant/Foraminal stenosis）——推测需论文正文验证，不得直接引用。
复现者的空间：①未检测的 6 类 baseline 空白；②13 类全检挑战榜；③单评标签噪声下的鲁棒训练；④多类小灶的 Focal/SSL 增强——官方代码+模型公开使这些增量可比可验。

F.4 发表命运对照（与 529 的分水岭）

同为 VinBigdata 出品、同管线、同标注协议：SpineXR 走 MICCAI 顶会正式接收 + 模型代码公开；PCXR 的 Sci Data 论文 4 年未落地 + 无模型发布。数据集的命运并不只由数据质量决定——学术出口的选择与维护投入同样是数据集生命线的一部分。引用者对 529 应引 arXiv，对本条可直接引 MICCAI 论文——出口等级决定引用权重。

附录 G：DAIMS 十维自评——本条 7.8（家族最高）

DAIMS = Data-set AI-Readiness Measurement System，本库评估数据集 AI 就绪度的十维框架。本条为 VinDr 家族最高分，也是脊柱域本库首评。

维度	得分	评分理由
可发现性	8	PhysioNet 正式条目 + vindr.ai 家族页 + MICCAI 论文互链；但"SpineXR"检索常被拼写事故（Spondylolysthesis）牵连的类名淹没
可获取性	7	Restricted（注册+DUA 签约即可，无 CITI 强制）——门槛低但非即得；网速依赖 PhysioNet AWS/Open
格式	8	DICOM 原生（保留窗宽窗位）+ CSV 框标注 9 属性 schema 清晰 + supplemental 标签清单 PDF——工程可即用
文档	9	13 类完整清单（家族唯一）+ 官方划分声明 + 四步管线详述 + 脱标识三步——唯二瑕疵：7/13 子集清单未列、规模双口径
标注质量	6	3 名认证医生但单评（每 study 一人）+ 无 IAA/κ 披露 + 易混对风险——家族通病
伦理治理	9	双 IRB + 知情豁免声明 + HIPAA Safe Harbor（>90 压 90）+ 4 人独立双轮复核 + COI 3/3 实名——家族最重合规
规模	7	10,466 脊柱域当时最大（13 倍）但绝对量中等（MURA 4 倍于此）；1,000 test studies 支撑统计检验
可复现性	9	官方划分声明 + 代码 + 训练模型全公开 + 双 baseline 数字——AI-Ready 的教科书配置
治理维护	7	单版本 v1.0.0 无更新（10,466/468 漂移未走版本号修复）；vindr.ai 页持续在线
AI-Ready 综合印象	8	检测/分类双任务即用 + 框级语义 + 模型可对照——开箱即可复现 baseline 并做增量

G.1 得分结构解读

三个 9 分（文档/伦理/可复现）说明本条的高分来自流程完备度而非规模——10,466 的绝对规模在 CV 大库面前是中等身材。
唯一的 6 分（标注质量）是家族通病（单评无 IAA）——对照 529 同为 6 分：VinDr 的标注协议决定了这个天花板，后继版本若引入双评+κ，家族全体可上探 1 分。
7.8 = 家族最高（529 约 7.2 / 527 约 7.5）：提升项是 MICCAI 论文+模型公开+13 类清单三项；扣分项与兄弟相同（单评）。
与库内头部对照：本条 7.8 在本库已评条目中位居前列——"完备流程 > 巨大规模"的评分信号对后继数据集发布者有方法论意义。

G.2 提升建议（给 VinBigdata 的假想清单）

①发布 7/13 检测子集的类别清单与按类 AP 分解；②统一 10,466/10,468 口径（走 1.0.1 版本号）；③修正 Spondylolysthesis 拼写（同走版本号）；④披露 13 类样本量分布；⑤引入双评子集+κ 估计；⑥披露颈椎/胸椎/腰椎段位分布。六项全部是低成本高回报的文档动作——数据本体无需重标。

附录 H：越南三连总装——医院、企业、姊妹的家族谱

H.1 三连对照总表

维度	528 TN-Mammo	529 VinDr-PCXR	530 本条 SpineXR
主体	Thong Nhat Hospital（医院自主）	VinBigdata（企业主线）	VinBigdata（企业姊妹）
解剖域	乳腺钼靶	儿科胸片	脊柱平片
规模	—（页面未给全量口径）	9,178 studies/15,347 图	5,000 studies/10,466 图
医院	单院（Thong Nhat）	PTOPH 单院	H108+HMUH 双院
采集窗口	2017-2020（4 年）	2020-2021（1 年）	2011-2020（10 年）
标注	3 医生	3 医生（rad_id 6 编码位）	3 医生（rad1-3 铁证）
评审协议	单评	单评	单评
页面质量	三大事故（节缺席等）	三大事故（单院/评审/文案颠倒）	家族最完备（唯二小瑕）
论文出口	代码先行论文缺	arXiv 悬空 + Sci Data 4 年未落地	MICCAI 2021 正式接收
模型公开	—	无	代码+模型+划分全公开
库内 Views	—	1,493	2,138（家族最高）

H.2 人物线：Ha-Hieu 桥

越南三连的人物桥是 Hieu Huy Pham / Hieu Trung Nguyen / Ha Quy Nguyen 三人组：528（医院自主线）共同作者 → 529（企业主线）核心作者 → 本条（企业姊妹）全署名。同批人物从医院项目走向企业平台，把"单院小库"的方法论复制成"双院大库+顶会论文"的工业化流程——越南医学影像 AI 的组织演进标本：个人学术网络（HMUH 医大系）× 企业平台（VinBigdata/VinDr-Lab）× 军队医疗资源（H108）三方合力。

H.3 三连的组合价值

协议同构：三库共用 VinDr-Lab 平台、3 医生标注、rad_id 编码、DICOM 保真、CSV 框标注 schema——跨库迁移学习（胸片→脊柱）时管线代码可直接复用。
对照实验天然素材：同家族不同解剖域（胸/乳腺/脊柱）+ 同协议——研究"标注协议在跨域下的稳定性"的最小对照系。
文档质量的教育样本：529 的三大事故 vs 本条的完备——同团队可以写出两个质量等级的页面，说明数据集文档质量是项目投入函数而非团队能力函数。

H.4 三连之外的家族版图

VinBigdata 数据集矩阵（vindr.ai）：VinDr-CXR（成人胸片，MICCAI 系，方法同源）→ VinDr-SpineXR（本条）→ VinDr-PCXR（儿科胸片）→ VinDr-Mammo（乳腺）。库内已收录 529/530 两篇；CXR 与 Mammo 截至本条写作未入库（后续批次候选）。企业矩阵的启示：平台先行（VinDr-Lab）→ 单域突破（CXR）→ 域复制（SpineXR/PCXR/Mammo）——数据集工厂的组织形态，与 524 RadVLM 单点式发布形成"工厂 vs 手工作坊"的两种范式。

附录 I：RAD_ID 编码空间与单评协议——从 rad1-3 反推 529 的 6

I.1 本条的铁证

annotations CSV 的 rad_id 取值恒在 {rad1, rad2, rad3}——3 名放射科医生的编码闭环。页面 “three radiologists certified by Vietnam Ministry of Health”（每 study 单人负责）与 CSV 编码空间完全吻合：编码位 = 标注人数 = 3，无冗余位。

I.2 反推 529 的 “6 radiologists” 之谜

529（VinDr-PCXR）页面 Methods 写 “6 radiologists”，同节又写 “3 experienced radiologists”——当时的未决矛盾。本条铁证给出最优雅解：rad_id 是编码空间而非实到人数——PCXR 的 6 个编码位（rad1-rad6）容纳含 test 集复核者/轮换排班在内的 6 个身份位，实际每个 study 仍是单人标注（协议与 SpineXR 同构）。编码空间 ≥ 实到人数，页面转述者把编码位当成了人数——一次典型的"编码位→人数"转译事故，与 527 的 three/four 数字残留同属页面考古的转译类形态。

I.3 单评协议的工程含义

标签噪声不可仲裁：易混对（Osteophytes vs Enthesophytes）的判读分歧无第二人复核——直接进标签。研究者做误差分析时，把"标签错误"与"模型错误"分离是必要工序。
study 级医生效应：每 study 单人意味着 study 内标签风格一致、study 间存在医生风格差异——按 study 切分时，rad_id 分布可作为切分分层变量（官方划分已按此处理——“the split we used in the paper”）。
κ 缺失的补偿策略：研究者可用小样本自评（抽 50 study 让合作放射科医生重标）估计 IAA——官方未做但开放数据使外部可做，这正是开放数据的价值。
对照系：MURA 多评（6 人）、527 swiss-mammo 双轮（3 人）、本条单评（3 人）——三种评审协议在库内形成天然梯度，做"标注协议 vs 下游性能"的横断研究有现成材料。

附录 J：脱标识三步流水线与 HIPAA Safe Harbor 对照

J.1 三步流水线全解

步骤	操作	工具/规格	存照
1. PHI 标签删除	脚本删除 DICOM 中的 PHI 标签，保留性别/年龄/处理参数	保留/删除清单见 supplemental_file_DICOM_tags_SpineXR.pdf；年龄 >90 统一压为 90	HIPAA Safe Harbor 的年龄项标准操作
2. 像素文字定位+裁剪	图像内烧录文字（患者姓名栏等）定位后裁剪	按文字位置分区（上/下），Python 裁剪	二次防御——标签层之外像素层
3. 人工复核	4 人独立复核团队，每图两轮×两人交叉	复核团队独立于标注与采集团队	家族最重规格；致谢 6 人显形

J.2 HIPAA Safe Harbor 18 项标识符对照表

#	Safe Harbor 标识符类别	本条处理
1	姓名	DICOM 标签删除 + 像素烧录文字裁剪
2	行政区划（州以下地理细分）	越南法域操作（HIPAA 精神参照）；院区不区分到患者级
3	与个人相关的日期（出生/入院/出院/死亡，年份除外）	采集日期不入 CSV；DICOM 日期标签按清单处理
4	年龄 >89 岁	>90 岁统一压 90——页面明文（等效 Safe Harbor 89 上限的 +1 表述）
5	电话号码	PHI 标签删除
6	传真号码	PHI 标签删除
7	电子邮箱	PHI 标签删除
8	社会保障号（越南等价身份号）	PHI 标签删除
9	病历号（MRN）	PHI 标签删除
10	健康计划受益号	PHI 标签删除
11	账号	PHI 标签删除
12	证书/执照号	PHI 标签删除
13	车辆标识符/牌照	不适用（DICOM 无此域）
14	设备标识符/序列号	设备型号保留（处理参数），序列号按清单处理
15	Web URL	PHI 标签删除
16	IP 地址	PHI 标签删除
17	生物识别标识（指纹/声纹）	不适用
18	全脸照片及可比照片	不适用（X 光片非脸部）；烧录文字裁剪已覆盖像素侧

J.3 三点方法论沉淀

"压 90"是本库首个明文案例：此前条目（529 等）未在页面写明年龄处理——本条把 HIPAA 年龄项的实操白纸黑字写进 Data Description，成为家族脱标识文档的标杆段落。
复核人力与披露诚实度成正比：4 人双轮复核在致谢层显形（6 人名单）——愿意为脱标识投入独立复核团队的企业，其 COI 披露（3/3 实名）也最完整——人本投入与披露诚实是同一枚硬币的两面。
保留≠泄漏：性别/年龄/处理参数三保留项是 AI-Ready 的必要元数据（ demographics + 设备校正）——Safe Harbor 的精髓不是删光而是保留科学价值的最小集。

附录 K：坑点清单——十坑对照（给引用者与复现者）

编号	坑	正确姿势
坑点 1	引 10,468（论文）vs 10,466（页面）不注明口径	双口径并注：“10,466（页面 v1.0.0）/ 10,468（MICCAI 论文）”——差 2 张的版本冻结漂移
坑点 2	期待 13 类全检测 baseline	官方只检 7 类关键灶——其余 6 类 baseline 空白是复现机会不是文档缺失
坑点 3	引用 Spondylolysthesis 拼写	标准拼写 Spondylolisthesis——引页面类名时加 [sic] 或用标准拼写
坑点 4	找 IAA/κ	单评协议无 IAA——要做需自行小样本重标
坑点 5	把 “largest bounding-box dataset” 读成全域声明	是肌骨脊柱域限定——MURA 等图级库不算，跨域无此声明
坑点 6	把 mAP 33.56% 当低质量证据	与分类 88.61% 对照是检测任务难度的真实刻度——多类小灶检测天然低
坑点 7	忘 rad1-3 单评	每 study 一人——标签噪声无仲裁，误差分析必做标签核对
坑点 8	与 MURA 混淆	MURA 上肢 40,561 图级二分类 vs 本条脊柱 10,466 框级 13 类——完全不同库
坑点 9	test 集当双评	test 协议同 train——单评，rad_id 编码同样 3 位
坑点 10	和 529 PCXR 混淆	同家族不同解剖域（儿科胸 vs 脊柱）+ 不同发表命运（悬空 vs MICCAI）

K.1 十坑的分布结构

口径类 2 坑（#1/#5）+ 协议类 3 坑（#4/#7/#9）+ 类名类 2 坑（#3/#8）+ 任务预期类 2 坑（#2/#6）+ 家族混淆 1 坑（#10）。协议类坑占比最高——单评+编码位是引用者最容易误读的部分，本文档用附录 I/J 两篇专文压防。

附录 L：引用模板

L.1 数据集引用（PhysioNet APA）

Pham, H. H., Nguyen, H. T., & Nguyen, H. Q. (2021). VinDr-SpineXR: spinal lesions detection and classification from radiographs (Version 1.0.0). PhysioNet. https://doi.org/10.13026/q45h-5h59

L.2 算法论文引用（MICCAI 2021）

Nguyen, H. T., Pham, H. H., Nguyen, N. T., Nguyen, H. Q., Huynh, T. Q., Dao, M., & Vu, V. (2021). VinDr-SpineXR: A large annotated medical image dataset for spinal lesions detection and classification from radiographs. MICCAI 2021. arXiv:2106.12930.

L.3 BibTeX 合并版

@dataset{pham_2021_vindr_spinexr,
  author  = {Pham, Hieu Huy and Nguyen, Hieu Trung and Nguyen, Ha Quy},
  title   = {{VinDr-SpineXR}: spinal lesions detection and classification from radiographs},
  year    = {2021},
  version = {1.0.0},
  publisher = {PhysioNet},
  doi     = {10.13026/q45h-5h59},
  url     = {https://physionet.org/content/vindr-spinexr/1.0.0/}
}
@inproceedings{nguyen_2021_spinexr_paper,
  author    = {Nguyen, Hieu T. and Pham, Hieu H. and Nguyen, Nghia T. and Nguyen, Ha Q. and Huynh, Thang Q. and Dao, Minh and Vu, Van},
  title     = {{VinDr-SpineXR}: A large annotated medical image dataset for spinal lesions detection and classification from radiographs},
  booktitle = {Medical Image Computing and Computer Assisted Intervention (MICCAI 2021)},
  year      = {2021},
  note      = {arXiv:2106.12930}
}

L.4 引用纪律三条

①规模双口径并注（10,466 页面 / 10,468 论文）；②baseline 数字引用必须带任务限定（AUROC=图像级分类 / mAP=病灶级检测 7 类）；③类名引用用标准拼写 Spondylolisthesis，转述页面时 [sic]。RRID 体系下本条与其他 PhysioNet 条目共享资源引用格式（见 L.1 的 Version+DOI 双件套）。

附录 M：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
检测工程师（要复现 baseline）	附录 C（schema）→ §4（双数字）→ 附录 F.3 → L.3（BibTeX）	附录 D 逐类详注	官方划分+模型公开=半天上手
临床信息科（评估引入）	§2（双 IRB）→ 附录 J（Safe Harbor）→ INFOBOX	附录 E/G	合规规格齐全可直接报审
数据集评审者（DAIMS 式评分）	附录 G → §8（批评视角）→ 附录 P（缺口清单）	附录 M	十维理由现成可查
医学生/初学者	§0 摘要卡 → 附录 A 速查卡 → 附录 D 表格	附录 F/I 的技术段	三个数字+13 类表即够
综述作者	附录 E（谱系表）→ 附录 H（越南三连）→ 附录 F.4（发表命运）	附录 C	Table 1 转录+家族对照现成
后续条目作者（本库）	FACTS.md → 附录 P → 附录 O（批次账本）	全部叙事节	核查方法与坑位直接继承

M.1 分层读法的设计说明

本条目体量 1,200+ 行，任何线性通读都是浪费——上表的路径设计让每类读者在 10 分钟内拿到核心证据链。速查卡（附录 A）是全条目的哈希索引；DAIMS（附录 G）是评审者的证据基座；附录 O 是生产者视角的批次账本（本库特有的元数据层）。

附录 N：批次八账本——526-530 五条与生产线状态

N.1 批次八五条总览

order	slug	rid	行数	核查要点	事故/方法论
526	（并行会话接手）	—	—	合成 LLM 变换数据；arXiv 论文先行	术语漂移事故；本会话让渡并留 FACTS+part1
527	swiss-mammo	627	1,214	瑞士乳腺钼靶；JMIR BERT 管线	v1.0.1 官方修正 three→four；二手污染存照；527 双发事故→查重守卫铁律
528	tn-mammo-breast-density	628	1,206	TN=Thong Nhat 三义辨析；代码先行论文缺	Cairo Journal 二手污染红线；Technical Validation 缺席
529	vindr-pcxr	629	1,201	儿科胸片；页面三大事故（单院/评审/文案颠倒）	Sci Data 4 年未落地；arXiv 2110.04345→2203.10612 纠错
530	vindr-spinexr（本条）	630	本条 1,2xx	脊柱 13 倍跃升；MICCAI 顶会；双 baseline	Spondylolysthesis 拼写；10,466/468 漂移——唯二小瑕

N.2 批次八方法论沉淀

PhysioNet 核查五步法：①摘要 vs 正文数字交叉 ②承诺节 vs 实际章节 ③跨节事实交叉 ④Limitations vs 数据本体一致性 ⑤论文 vs 页面术语对齐——五条全部跑通，本条产出最干净（唯二小瑕均为页面侧）。
页面考古五形态集齐：数字残留（527）/ 节缺席（528）/ 三大事故（529）/ 术语漂移（526）/ 拼写事故（530：Spondylolysthesis）。五形态各一实证，方法论闭环。
查重守卫铁律：DUP 变量 + if 显式中止（527 双发事故的固化产物）——528/529/530 三连零事故。
发布节奏四形态：论文先行（527/530）vs 代码先行论文缺（528）vs arXiv 悬空（529）vs 并行接手（526）——四形态各有对照价值。
合成数据三分法：人写虚构（527）/ LLM 变换（526）/ LLM 生成（523）——本条为全真实采集，三分法之外的自然对照。

N.3 本条在生产线的位置

越南三连收官 + VinDr 家族两连（529→530）完成。批次八进度 4/5（531-535 为 Grand Challenge 五连，挑战赛平台页面结构需新核查模板——预告）。生产线状态：FACTS 先行 → 四块组装 → 多轮加厚 → 双检 → 查重守卫 → 发布 → 关键词验证 → 封面 → 终验 → 归档 → tracker → 工单评论——十步闭环在本条再次全跑。

附录 O：核查日志与缺口清单

O.1 核查过程存照（2026-09-25）

步骤	动作	结果
信源采集	PhysioNet v1.0.0 页面	55,655 B / 25,738 字符文本
信源采集	arXiv 2106.12930（2021-06-24）	MICCAI 2021 论文全文摘要+元数据
交叉检索	WebSearch（ADS / CatalyzeX / arXiv 作者检索）	MICCAI 接收状态与 7 人名单确认
五步法①	摘要 vs 正文数字交叉	10,468/2,078（论文）vs 10,466/2,077（页面）——漂移存照
五步法②	承诺节 vs 实际章节	13 类清单在页面全录——承诺兑现（vs 529 缺席）
五步法③	跨节事实交叉	rad1-3 CSV 编码 × 3 医生声明一致——单评确认
五步法④	Limitations vs 数据本体	论文 Limitations 与页面 Data Description 无冲突
五步法⑤	论文 vs 页面术语对齐	Spondylolysthesis 拼写事故确认（页面侧）

O.2 信息缺口六项（FACTS §6 转录，正文 §8 已展开）

7/13 检测子集的 7 类清单（论文正文核对项——附录 F.3 存照）
10,466 vs 10,468 的最终裁决（页面/论文各执——建议官方走 1.0.1）
标注 IAA（3 人单评无 κ——家族通病）
每类病灶例数分布（13 类不均衡度未知）
其余 6 类标注的检测可用性（CSV 应有框——论文未报告）
颈椎/胸椎/腰椎三段的段位分布（合并类目下无法细分）

O.3 本条目终稿校验记录

四块组装：part1（frontmatter+INFOBOX+§0-2）+ part2（§3-8）+ part3（FAQ 27 问+事实 36 条+术语 40 条）+ part4（本附录 A-O）→ 合并 530_full.md
双检门槛：check_md.py（≥1,200 行）+ preflight_check.py——发布前跑通为准（结果见工单评论）
查重守卫：DUP 变量 + if 显式中止（批次八铁律），预期 rid 630
封面：cover_image_prompt 已入 frontmatter（脊柱全长片+13 徽章+双院剪影）——1536×1024 生成后 1820×1024 补白上传

（附录 O 完——全条目附录部分终稿）

附录 P：13 类检测难度矩阵与 7/13 子集推演

P.1 难度四因子模型

每个类的检测难度由四因子叠加：尺寸（框面积占比）、显著性（与背景对比度）、混淆度（类间形态相似性）、先验稀缺度（训练样本量）。四因子全差的类是检测地狱；全好的类是送分题。官方 mAP@0.5 33.56% 是 7 类均值——掩盖了类间方差（按类 AP 未披露）。

类	尺寸	显著性	混淆度	先验	综合难度推演
Fracture	小-中	高（皮质中断）	中	低（急诊片占比小）	高
Osteophytes	小	中	高（vs Enthesophytes）	高	高
Disc space narrowing	小（间隙）	低	中	高	极高
Foraminal stenosis	极小	低	中	中	极高
Enthesophytes	小	中	高	中	高
Spondylolisthesis	大（椎体位移）	高	低	低	中
Vertebral collapse	大	高	低	中	低（送分题）
Surgical implant	大（金属高亮）	极高	低	低	极低
Foreign body	中-大	极高	低	极低	极低
Sclerotic lesion	中	中（密度）	中	中	中
Subchondral sclerosis	小	低	高（vs Sclerotic）	中	高
Ankylosis	大（融合）	中	中	低	中
Other lesions	—	—	开放类	—	不可定义（官方未检）

P.2 7/13 子集的推演

官方只检 7 类"crucial findings"。按 P.1 矩阵推演，最可能的 7 类组合是临床价值×检测可行性的折中：Fracture / Osteophytes / Disc space narrowing / Vertebral collapse / Spondylolisthesis / Surgical implant / Foraminal stenosis——覆盖急诊高危（Fracture）、退行主力（Osteophytes/DSN/Foraminal）、结构性大灶（Collapse/滑脱）、术后物（Implant）。此为推演不是存照——论文正文核对项仍是缺口 1。被排除的 6 类（Enthesophytes/Sclerotic/Subchondral/Ankylosis/Foreign/Other）的共性：混淆度高或开放类或临床优先级低。

P.3 对后继研究者的含义

33.56% 的 7 类均值里，“送分题”（Implant/Foreign 型）可能撑高均值——复现时务必自己算按类 AP，官方未分解的方差才是真实战场。
未检测的 6 类中，Subchondral sclerosis vs Sclerotic lesion 的混淆对是检验标注一致性的天然探针——若外部复标，先测这对。
13 类全检（含 Other 之外的 12 类）是本库挑战榜的合理设置：预期全检 mAP 显著低于 7 类均值——这个下降本身就是论文素材。

附录 Q：DICOM 实操与复现代码模板

Q.1 最小加载代码（pydicom + 官方 CSV）

import pandas as pd
import pydicom
from pathlib import Path

ROOT = Path("vindr-spinexr/1.0.0")
train = pd.read_csv(ROOT / "annotations/train.csv")

# No finding 样本：单行、坐标为空——清洗第一课
nofind = train[train["lesion_type"] == "No finding"]
assert nofind[["xmin", "ymin", "xmax", "ymax"]].isna().all().all()

# 三层哈希验证：image_id 即 DICOM 文件名
ds = pydicom.dcmread(ROOT / "train_images" / train.iloc[0]["image_id"] + ".dicom")
print(ds.PatientSex, ds.PatientAge, ds.ViewPosition)  # 保留标签：性别/年龄/投照位
print(ds.WindowWidth, ds.WindowCenter)                # 处理参数保留项

Q.2 复现官方分类 baseline 的要点清单

不重切分：train/test 目录即官方划分（论文声明与论文一致）——重切分会让数字失去可比性。
study 级聚合：二分类 AUROC 是图像级，但报告时注意 study 级重复（同 study 多图）——官方 CI（87.19-90.02）的计算口径以论文为准。
窗宽窗位：DICOM 保留 WindowWidth/WindowCenter——预处理沿用标签值而非自定（脊柱片的骨窗/软组织窗差异直接影响 Sclerotic 类可见性）。
标签二值化：图像级"异常 vs 正常"从 lesion_type 派生——含 No finding 行的图=正常，其余=异常；一张图多病灶仍是"异常"。
检测端：mAP@0.5 按 7 类算（官方口径）；IoU 阈值 0.5 是 COCO 式标准但小灶敏感——补充 mAP@0.25/0.4 曲线更能展示难度梯度。
rad_id 用法：仅做切分分层与医生效应分析，不得当多评证据（单评协议）。

Q.3 DICOM 元数据核验脚本（脱标识验收）

import pydicom, random, glob

samples = random.sample(glob.glob("vindr-spinexr/1.0.0/train_images/**/*.dicom",
                                  recursive=True), 100)
for p in samples:
    ds = pydicom.dcmread(p, stop_before_pixels=True)
    for phi in ("PatientName", "PatientBirthDate", "PatientAddress",
                "PatientID", "StudyDate"):
        assert not hasattr(ds, phi), f"PHI 残留: {phi} in {p}"
    age = int(ds.PatientAge.rstrip("Y"))
    assert age <= 90, f"年龄未压 90: {age}"
print("100 张抽样：PHI 清零 + 年龄 <=90 验收通过")

该脚本是附录 J Safe Harbor 对照表的可执行版——拿到数据第一件事跑它，验收脱标识承诺。

附录 R：实验设计模式——防泄漏与评估协议

R.1 防泄漏三原则（本库数据的特有雷区）

study 级切分：同一 study 多图共享病例——按图切分会把同一病例泄进两侧。本库官方已按 study 切（4,000/1,000），任何子集实验（如 7 类）必须继承 study 归属。
rad_id 分层：rad1-3 的 study 分配不均（单评轮换）——若自切分，按 rad_id 分层保证两侧医生分布一致，否则模型学到的是医生风格而非病灶。
双院混合：H108 与 HMUH 的设备/协议差异若在两侧分布失衡，模型学的是医院指纹——官方未披露院区标签（脱标识选择），自切分时以 study 为最小单元随机即可（无法按院分层——这是缺口 6 的工程侧代价）。

R.2 评估协议模板

任务	指标	官方锚点	报告要求
图像级异常分类	AUROC（95% CI）	88.61（87.19-90.02）	CI 必报；附 Sens/Spec@Youden
病灶级检测	mAP@0.5（7 类）	33.56	按类 AP 必附（官方未分解）
病灶级检测（扩展）	mAP@0.25/0.4/0.5	—	难度梯度曲线
全 12 类挑战	mAP@0.5（12 类）	—	明确标注非官方口径
医生效应	rad_id 分组性能差	—	单评噪声的间接测量

R.3 基线复现的诚实纪律

复现 AUROC 88.61% 时允许 ±0.5 内浮动（随机种子/框架差异）；mAP 33.56% 的浮动带更宽（±2）——检测器对 NMS/anchor 细节敏感。超出浮动带先查自己（预处理/切分），再疑论文（未披露的超参）——官方代码+模型公开使"查自己"有最终参照物：直接跑官方权重输出对照，是最快归因法。

附录 S：库内病灶级标注家族对照——框、跨、区域、掩码

S.1 病灶级标注家族总表

条目	解剖域	标注形态	粒度	类目数	评审
530 本条 VinDr-SpineXR	脊柱平片	bounding box	病灶框	13+1	单评 3 人
529 VinDr-PCXR	儿科胸片	bounding box	病灶框	胸部征象集	单评（rad6 位）
561 RadGraph	报告文本	span 框	语句成分	实体/关系	自动+人工
519 MS-CXR-T	胸片	局部扰动区域	图块级	5 类变化	论文派生
521 类（文本型）	报告	impression/finding 分节	文档级	—	—

S.2 框级标注的谱系位置

图像空间的三档粒度：图级标签（MURA 式）→ 区域级（MS-CXR-T 扰动块）→ 病灶级框（本条/PCXR）→ 像素级掩码（Kuok 60 图）——本条在"病灶框"档是脊柱域唯一规模库。
文本空间的对应档：RadGraph 的 span 框是文本域的"病灶框"——561 与本条构成多模态病灶定位家族的两翼（像素定位 vs 语义定位），联合研究（报告句子→图像区域对齐）时两库可作桥。
掩码 vs 框的取舍：掩码贵（Kuok 60 图的天价成本）而框可扩展（本条 10,466）——框是"语义足够+成本可控"的甜点位，这也解释了 VinDr 家族全线选框。

S.3 家族对照的三条洞察

标注成本与规模的反比律：库内病灶级库无一超过 2 万图——粒度越细规模越小是普适经济规律；本条 10,466 已是框级档的规模天花板之一。
评审协议与粒度无关：单评在框级（本条）、区域级（519 派生）都出现——IAA 披露不足是全库系统性短板（DAIMS 标注维普遍 6 分的根源）。
"病灶级"是 AI-Ready 的分水岭：图级库只能训分类器，病灶级库才能训检测/定位/报告对齐——DAIMS 里标注粒度对 AI-Ready 的贡献超过规模本身，本条 7.8 分 vs 大库 7 分级的评分差异正是此理。

附录 T：机构与人名全表——本条目的 cast of characters

T.1 机构名录

机构	角色	存照
VinBigdata JSC（Vingroup 旗下）	数据集出品方+COI 声明主体（3 人全雇员）	“VinBigdata did not profit”
Hospital 108（H108）	采集院 1——越南人民军 108 中央军队医院（河内）	双 IRB 之一；军队医疗旗舰
Hanoi Medical University Hospital（HMUH）	采集院 2——河内医科大学医院（教学旗舰）	双 IRB 之二；医大系人才池
VinDr Lab	标注平台——3 医生在此完成 13 类框标注	家族三库共用（Nghia T. Nguyen 平台作者）
PhysioNet	托管平台——2021-08-24 挂牌 v1.0.0	License 1.5.0+DUA，无 CITI
MICCAI	学术出口——2021 正式接收	医学影像顶会
越南卫生部	标注者认证机构	“certified by Vietnam Ministry of Health”
vindr.ai	家族专属页（Project Website）	/datasets/spinexr

T.2 人名录（数据集 3 署名 + 致谢 6 人 + 论文增量 4 人）

人名	角色	存照
Hieu Huy Pham	数据集一作；VinBigdata 雇员（COI 实名）；论文二作	三连人物桥（528→529→530）
Hieu Trung Nguyen	数据集二作；COI 实名；论文一作	论文 7 人之首
Ha Quy Nguyen	数据集三作；COI 实名；论文四作	家族 COI 披露常客
Anh T. Nguyen	致谢——数据构建与归一化	脱标识/归一化人力在致谢层
Ha T. Vuong	致谢——同上
Nguyet T.B. Dang	致谢——同上
Tien D. Phan	致谢——同上
Dung T. Le	致谢——同上
Chau T.B. Pham	致谢——同上
Nghia T. Nguyen	论文三作——VinDr-Lab 平台作者	平台-数据-算法闭环关键节点
Thang Q. Huynh	论文五作——算法侧	FPT 技术创新线
Minh Dao	论文六作——算法侧	检测/分类方法
Van Vu	论文七作——算法侧	检测/分类方法

T.3 人名结构的方法论读法

数据集 3 人（全 COI 实名）→ 致谢 6 人（构建/归一化/复核人力）→ 论文 7 人（数据 3+4 增量算法侧）——三个名单是同一项目的三层洋葱：署名层是制度责任人，致谢层是工序执行人，论文层是学术成果分配。PhysioNet 格式让致谢层显形（论文格式通常不列）——这正是数据描述文本比论文更"人本"的地方。

附录 U：版本与口径速查——引用前最后检查表

U.1 双 DOI 与版本状态

项	值	检查要点
v1.0.0 DOI	10.13026/q45h-5h59	锁版本引用用此——学术引用默认
latest DOI	10.13026/mjat-sv46	浮动引用用此——工具链引用可
版本史	v1.0.0 单版本（2021-08-24 至今）	无 1.0.1/2.0.0——latest 即 v1.0.0
页面规模	10,466 图 / 5,000 studies（train 8,389 + test 2,077）	页面口径
论文规模	10,468 图（train 8,390 + test 2,078）	论文口径——差 2 张

U.2 拼写与术语勘误表

页面原文	标准写法	处理建议
Spondylolysthesis	Spondylolisthesis（脊椎滑脱）	引用用标准拼写；转述页面加 [sic]
Enthesophytes	Enthesophytes（附着骨赘）——正确	无需处理（易误认为拼错的实为正确）
“largest bounding-box dataset”	肌骨脊柱域限定声明	引用时补域限定语

U.3 数字口径总检查表（发布前 30 秒过一遍）

[ ] 规模引用带口径：10,466（页面）/ 10,468（论文）
[ ] train/test 拆分口径一致：8,389/2,077（页面）或 8,390/2,078（论文），不混搭
[ ] AUROC 88.61% 标注"图像级异常分类"
[ ] mAP@0.5 33.56% 标注"病灶级检测，7/13 类"
[ ] 类名拼写用 Spondylolisthesis
[ ] rad_id 描述为"3 名医生单评（编码 rad1-3）“——不写"6 医生”
[ ] DOI 引 v1.0.0（10.13026/q45h-5h59）
[ ] MICCAI 2021 vs arXiv 2106.12930 双出口并注