信息速览

数据集名称ALL-IDB — 急性淋巴细胞白血病血涂片图像数据库

数据类型影像数据,原始数据,人工标注

规模来源患者数未披露；图像级 108（ALL-IDB1）+ 260（ALL-IDB2），其中 ALL-IDB1 含 59 张无母细胞图 + 49 张至少一母细胞图，ALL-IDB2 为 130 ALL +

接入方式外周血涂片光学显微镜图像（JPG，24-bit，2592×1944，Canon PowerShot G5 拍摄）：ALL-IDB1 108 张整幅图（采集于 2005 年 9 月，放大 300-500×，含约 39,000 血液元素与 510 个完整描述的淋巴母细胞，逐图配 .xyc 母细胞质心文件）+ ALL-IDB2 从其裁剪的 260 张居中单细胞图（约 257×257）

AI 就绪度

INFOBOX — ALL-IDB 一屏速览

维度内容

本质外周血涂片显微镜图像上的 ALL 母细胞分割与分类基准数据集（非临床工具、非挑战赛）

全称 Acute Lymphoblastic Image Database for Image Processing（官网口径）

团队米兰大学（Università degli Studi di Milano）计算机科学系；proposer & maintainer Fabio Scotti

主论文 ICIP 2011, Brussels, pp. 2045-2048（doi:10.1109/ICIP.2011.6115881）

子集 ALL-IDB1（108 张整幅涂片，分割+分类）｜ALL-IDB2（260 张居中单细胞，仅分类）

ALL-IDB1 59 张无母细胞 + 49 张含母细胞；约 39,000 血液元素；510 个完整描述的淋巴母细胞

ALL-IDB2 130 ALL + 130 健康（1:1 平衡），从 ALL-IDB1 的 blast/正常细胞裁剪

规格 JPG 24-bit，2592×1944（ALL-IDB1）/ 约 257×257（ALL-IDB2）；Canon PowerShot G5

采集 ALL-IDB1 采集于 2005 年 9 月；放大 300-500×

命名 ImXXX_Y.jpg + ImXXX_Y.xyc（质心文件）；Y=0/1 布尔母细胞标签

任务 ALL-IDB1 三层：图像分类 / 母细胞计数 / 母细胞定位；ALL-IDB2 仅图像分类

标注来源 M. Tettamanti 研究中心（Monza）专家肿瘤学家分类；感谢 prof. Andrea Biondi 与 Dr. Oscar Maglia

基准官网建议分 Cell test 与 Image level 两层，报 Sensitivity/Specificity/Classification error

获取 请求制：邮件 Fabio Scotti + 手填签名申请表扫描件；无公开直链

许可公开免费、无标准 CC 协议名；官方明确禁止诊断用途

库内互链 BCCD(851)、LISC(852)、Raabin-WBC(853)、Acevedo-Blood(722)

ALL-IDB 是血液图像处理领域的一块"奠基石"：2011 年，米兰大学的三位研究者把 2005 年 9 月在合作医院采集的 108 张外周血涂片显微镜图像整理成公开基准，目的只有一个——填上"急性淋巴细胞白血病（ALL）图像分析长期缺乏公开数据集"这个空白。它不建模型、不办比赛，而是给出图像、逐图的母细胞标签、质心坐标文件和一套评测规程，让后来者能站在同一条起跑线上比较分割与分类算法。十年后（2020 年）IEEE Dataport 对它做了二次收录，多篇综述仍把它列为 ALL 领域"首批公开基准之一"。

导语读法三则：

只想下数据：直奔 §5 获取与许可——它是请求制，要邮件 + 手填签名申请表，别指望点一下就下。
关心两个子集怎么用：直奔 §2 数据构成——ALL-IDB1 做分割/计数/定位，ALL-IDB2 只做单细胞分类，两者是父子关系不能当独立样本。
要做算法评测：直奔 §4 评估基准——官网给了 Cell test 与 Image level 两层协议和 figures of merit，先对齐协议再比分数。

§0 导读：这个数据集解决什么问题

急性淋巴细胞白血病（Acute Lymphoblastic Leukemia, ALL）是儿童最常见的恶性肿瘤，诊断高度依赖血液科医生在显微镜下数骨髓/外周血涂片里的淋巴母细胞（lymphoblast / blast cell）比例。人工阅片既慢又受观察者间差异影响，于是"用图像处理自动分割并识别母细胞"成了 2000 年代的一个活跃方向。但这一方向长期被一个现实卡住：没有公开的、带专家标注的血涂片图像集。每个实验室各自拍照、各自标注，算法之间无法公平比较，论文里的精度数字缺乏共同地基。

ALL-IDB 正是为拆掉这个卡点而生。它在 2011 年 ICIP 会议上正式发布，把 108 张外周血涂片整幅图像（ALL-IDB1）连同"这张图有没有母细胞""母细胞在哪个坐标"的专家标签一起公开，并从中裁剪出 260 张居中单细胞图（ALL-IDB2）用于纯分类评测。数据集的核心设计目标是三种 blast（L1/L2/L3，按 FAB 形态学分类）的检测——不区分亚型，只要能把血液里异常增生的母细胞找出来并数清楚。

它的价值不在"量大"，而在"最早且规程完整"。约 39,000 个血液元素、510 个被完整描述的淋巴母细胞，配上逐图质心文件和两层基准协议，使它成为 ALL 图像处理领域被引用最多的公开数据源之一；它的短板也同样鲜明——请求制获取、无标准许可、ALL-IDB2 规模小到已被刷爆（多篇论文约 100%）。

§0 读法三则：

这个条目是"数据集 + 基准协议 + 一段算法谱系"三合一：数据是本体，评测协议在官网结果页，算法脉络看 Related publications（CIMSA 2004/2005、IMTC 2006、ICIP 2011）。
全文的硬数字（108/260/39,000/510/59-49/130-130）均可三源互证；唯一冲突是 PeerJ 单篇的"109"笔误，已在坑 1 存照。
检索时"ALL-IDB"与"ALL_IDB"（下划线）要都试——官网正文用下划线、其余文献多用连字符，是同一数据集（坑 4）。

§1 数据集速览：十问十答

Q1：ALL-IDB 是什么，不是什么？
是一个图像处理基准数据集——外周血涂片显微镜图像 + 专家标注，供分割/分类算法评测。它不是临床诊断工具，也不是竞赛。官网免责声明写得很硬：ALL-IDB 应被视为图像处理数据集，强烈不鼓励用于诊断或本倡议目的之外的活动。

Q2：ALL-IDB1 和 ALL-IDB2 有什么区别？
ALL-IDB1 是 108 张整幅外周血涂片图，支持三种任务（图像分类 / 母细胞计数 / 母细胞定位）；ALL-IDB2 是从 ALL-IDB1 里裁剪出来的 260 张居中单细胞图，只支持图像分类一个任务。换句话说，IDB1 是母集、IDB2 是 ROI 子集。

Q3：108 这个数字怎么来的？
官网原文：“composed of 108 images collected during September, 2005”。这 108 张里 59 张来自健康个体（无母细胞）、49 张至少含一个母细胞（来自 ALL 患者）——类分布拆分由关联论文（PMC8123151 Table 1）给出，官网正文未列。个别综述（PeerJ cs-460）写 109，是笔误。

Q4：260 张里怎么分？
130 张 ALL（含母细胞）+ 130 张健康（正常），严格 1:1 平衡。每张图中心放一个细胞，Y 位标记中心细胞是不是母细胞。平衡设计本意是好的，但也导致它极易被刷到 100%（见 Q8）。

Q5：图像规格如何？
JPG 格式、24-bit 色深，ALL-IDB1 分辨率 2592×1944，ALL-IDB2 约 257×257。采集设备是光学实验室显微镜 + Canon PowerShot G5 相机，放大倍数 300-500×。

Q6：文件命名有什么讲究？
ImXXX_Y.jpg：XXX 是三位整数计数器，Y 是布尔位。ALL-IDB1 里 Y=0 表示图中无 blast（健康个体）、Y=1 表示至少有一个 blast（ALL 患者）；ALL-IDB2 里 Y=0 表示中心细胞非 blast、Y=1 表示中心细胞是 blast。ALL-IDB1 每张还配一个 ImXXX_Y.xyc 文本文件，记录母细胞质心坐标。

Q7：谁标注的，可靠吗？
标注来自 M. Tettamanti 研究中心（Monza，意大利）的专家肿瘤学家（expert oncologists），官网特别致谢 prof. Andrea Biondi 与 Dr. Oscar Maglia 提供数据与样本图像的"careful classification"。510 个淋巴母细胞被完整描述并列出——这是数据集的标注"深度"所在。

Q8：为什么说 ALL-IDB2 不是难度基准？
它只有 260 张、1:1 平衡，且是从 ALL-IDB1 裁出的近邻样本。多篇论文报告在 ALL-IDB2 上达到约 100%（如 GoogleNet 全指标 100%、CNN-RF 融合 100%），Bayesian VGG16 也到 98.65%±0.09。刷满了说明它已被现代模型打透，用它排名次区分度极低，还会放大过拟合风险。

Q9：我现在能拿到吗？怎么拿？
请求制。官网原文要求：所有请求邮件发给 Fabio Scotti（fabio DOT scotti AT unimi DOT it），申请人须手工填写、签字、扫描申请表并作为附件发送；收到份已签署的申请表后，才会给出访问说明。没有公开直链、没有一键下载。

Q10：为什么它对 AI-Ready 重要？
它是"最早一批 + 规程完整 + 但获取保守"的典型样本。协议（两层基准、figures of merit、公平比较纪律）相当规范，元数据（论文 + 官网 + IEEE Dataport）也齐全；但请求制 + 无标准许可 + 禁诊断用途三条，把它的可获取性牢牢压在低位。研究"数据集的早期形态"与"可获取性如何决定影响面"时，它是活案例。

§2 数据构成与规格

ALL-IDB 本体由两个子集组成，官方正文用下划线写作 ALL_IDB1 与 ALL_IDB2，主流文献用连字符写作 ALL-IDB1 与 ALL-IDB2（同一对象两种写法，见坑 4）。理解这个数据集的第一件事，是分清两者的父子关系：ALL-IDB1 是整幅外周血涂片图像，ALL-IDB2 是从 ALL-IDB1 中裁剪出来的居中单细胞样本。它们不是两份独立数据，把 ALL-IDB2 当作独立测试集来评估在 ALL-IDB1 上训练/调参的模型会发生样本近邻泄漏——这是使用时最需要警惕的一点。

§2.1 两个子集一表对照

维度	ALL-IDB1	ALL-IDB2
定位	整幅外周血涂片图像	居中单细胞裁剪图
图像数	108（59 健康 + 49 ALL）	260（130 ALL + 130 健康）
类平衡	不均衡（59:49，约 1.20:1）	严格 1:1 平衡
分辨率	2592 × 1944	约 257 × 257
格式 / 色深	JPG / 24-bit	JPG / 24-bit
支持任务	分类 + 母细胞计数 + 母细胞定位	仅分类
附带标注	`ImXXX_Y.xyc` 质心文件	文件名 Y 位即标签
血液元素	约 39,000（含 510 个完整描述的淋巴母细胞）	每图一个中心细胞
采集 / 来源	2005 年 9 月采集	从 ALL-IDB1 裁出
Y 位语义	Y=0 无母细胞、Y=1 至少一个母细胞	Y=0 中心非母细胞、Y=1 中心是母细胞

§2.2 ALL-IDB1：整幅涂片与质心标注

ALL-IDB1 由 108 张非分割的外周血涂片图像构成，采集于 2005 年 9 月。官网原文以 “composed of 108 images collected during September, 2005” 陈述；这一数字在官网、IEEE Dataport 元数据页与多篇综述中一致，是本数据集最稳的硬数字之一（唯一例外是 PeerJ cs-460 写 109，属笔误，见坑 1）。

类分布：108 张中 59 张来自健康个体（图中无 blast，Y=0）、49 张来自 ALL 患者（图中至少含一个 blast，Y=1）。这一 59/49 的拆分官网正文并未直接给出，而是由关联论文（PMC8123151 Table 1）与 techscience 论文列出，多源一致，可采信。注意它的类别是不平衡的（约 1.20:1）——这比 ALL-IDB2 的 1:1 更接近真实临床涂片，但也意味着在 ALL-IDB1 上直接报裸准确率会被多数类（健康）拉高，必须配合 Sensitivity/Specificity 一起看。

规模与标注深度：整批图像共含约 39,000 个血液元素（blood elements），其中 510 个淋巴母细胞被专家完整描述并逐一列出。这 510 是"深度标注"的核心——不是笼统给个标签，而是每个母细胞都有明确的形态学记录。每一张 ALL-IDB1 图像配一个同名的 .xyc 文本文件，记录该图中母细胞的质心坐标；坐标文件的行数 M 即该图母细胞数量。这套"图像 + 质心文件"的双件结构，正是它同时支持分类、计数、定位三种任务的技术基础。

采集规格：图像为 JPG 格式、24-bit 色深，分辨率 2592 × 1944；采集设备为光学实验室显微镜 + Canon PowerShot G5 数码相机，显微镜放大倍数在 300 到 500 倍之间（“ranging from 300 to 500”）。IEEE Dataport 与 PeerJ 综述均写作 300–500 magnification。放大倍数与设备型号是复现式采集实验的关键元数据，评述时不应省略。

§2.3 ALL-IDB2：居中单细胞与 1:1 平衡

ALL-IDB2 是 ALL-IDB1 的裁剪子集，共 260 张，来自 ALL-IDB1 中的 blast 细胞与正常细胞。类分布为 130 张 ALL + 130 张健康，严格 1:1 平衡——官网、IEEE Dataport 摘要与主流综述一致。每张图像居中放置单个细胞，图像尺寸约 257 × 257（PeerJ 综述写作 “resolution of 257 × 257”，量级一致），灰度与色深属性与 ALL-IDB1 相近。

1:1 平衡是设计优点也是评估陷阱。优点在于它消除了类别不平衡带来的指标扭曲，让单细胞二分类的 Sensitivity 与 Specificity 可以直接对照；陷阱在于它不代表真实涂片中的细胞比例——真实血涂片里母细胞占比远低于 50%，因此在 ALL-IDB2 上得到的"高准确率"不能直接外推到临床筛查场景。加上样本仅 260 张且为近邻裁剪，它极易被现代深度模型刷到接近 100%（详见 §4.4）。

标签即在文件名里：ALL-IDB2 没有单独标注文件，母细胞标签编码在文件名 ImXXX_Y.jpg 的 Y 位——Y=0 表示图像中心细胞非 blast、Y=1 表示中心细胞是 blast。因此使用 ALL-IDB2 时，读取文件名即完成标注解析。

§2.4 文件命名规则与目录组织

两个子集共用一套命名规则 ImXXX_Y.jpg：

XXX：三位整数计数器，图像序号（如 Im001、Im108、Im260）。
Y：布尔标签位，语义随子集而变：
- ALL-IDB1：Y=0 = 图像无 blast 细胞（来自健康个体）；Y=1 = 图像至少有一个 blast 细胞（来自 ALL 患者）。
- ALL-IDB2：Y=0 = 图像中心细胞不是 blast；Y=1 = 图像中心细胞是 blast。

ALL-IDB1 的每张图另配 ImXXX_Y.xyc 文本文件，内容为母细胞质心坐标，行数等于该图母细胞个数。需要强调的是：ALL-IDB1 的 Y 位与图像内母细胞数量不完全等价——Y=1 只说明"至少一个"，具体几个要看 .xyc 的行数；而 Y=0 时 .xyc 通常为空（0 个母细胞）。评测分类任务时官网给出的一个正解判据就利用了这一点：预测的类别 CLASS 等于 Y，或等价地 CLASS 等于 (M>0)，其中 M 为 .xyc 行数。

§2.5 规格速查与常见误解

“ALL-IDB1 是 108 张还是 109 张？” 以 108 为准（官网 + IEEE Dataport + 主流综述）；109 是 PeerJ 单篇笔误。
“ALL-IDB2 是独立数据集吗？” 不是，它是 ALL-IDB1 的 ROI 裁剪子集，样本与 IDB1 高度相关，不可作独立外部验证集。
“两子集图像数加起来 368 张，是总规模吗？” 不是。"368"是文件计数，不是独立样本量；ALL-IDB2 的 260 张本质来源于 IDB1 中已出现过的细胞。
“分辨率是两个值吗？” 是——IDB1 整幅 2592×1944，IDB2 裁剪后约 257×257，报规格时须区分。
“颜色是彩色的？” 是 JPG 24-bit（RGB），但血涂片经 Giemsa 类染色后以紫/蓝色调为主，并非灰度图；部分文献称"灰度属性相近"指的是亮度分布特征，不是通道数。
“采集时间统一吗？” ALL-IDB1 明确为 2005 年 9 月；ALL-IDB2 无独立采集时间，它由 IDB1 裁剪而来，时间随之。

§3 注释与标注流程

ALL-IDB 的标注质量来自两个环节：谁标与 标什么。前者是专家肿瘤学家的临床判读，后者是逐图的母细胞分类与质心坐标。理解标注流程，才能判断这套标签适合支撑什么任务、不适合支撑什么任务。

§3.1 标注来源：临床专家与研究中心

标注由 M. Tettamanti Research Center（位于意大利 Monza 的 S. Gerardo Hospital，隶属 Tettamanti Foundation 非营利科研机构）的专家肿瘤学家（expert oncologists）完成。官网专门致谢 prof. Andrea Biondi 与 Dr. Oscar Maglia，感谢其提供数据以及样本图像的 “careful classification”（仔细分类）。

这一来源决定了标注的权威性与边界：权威性在于它是临床血液病专家给出的形态学判读，优于众包或非专业标注；边界在于它面向的是图像处理任务——标签体系围绕"是不是母细胞""母细胞在哪"设计，而非完整的临床诊断分级。官网免责声明因此明确：ALL-IDB 应被视为图像处理数据集，强烈不鼓励用于诊断目的。

§3.2 形态学背景：FAB 分型 L1 / L2 / L3

数据集主论文与官网在描述检测目标时，引入了法国-美国-英国（FAB）协作组的 ALL 形态学分型作为背景。三种母细胞亚型的形态学特征如下：

L1：blast 细胞小而均一，核呈规则圆形、裂（cleft）少、核仁不明显，胞浆少、通常无空泡。
L2：blast 细胞大而不均，核不规则、常有裂，可见一个或多个大核仁，胞浆量可变、常较丰富、可有空泡。
L3：blast 细胞中等偏大且均一，核规则呈圆-卵圆形，可见一个或多个明显核仁，胞浆量中等且含明显空泡（此型形态接近 Burkitt 淋巴瘤细胞）。

列出 FAB 分型，是为说明母细胞形态的类内差异有多大——L1 到 L3 在大小、核形、核仁、胞浆特征上跨度明显。但数据集的主目标不是分型，而是检测：官网明确，目标是不区分亚型地检测出全部三种 blast 的存在。也就是说，标签层面只关心"有没有母细胞"，不标注 L1/L2/L3 亚型。这一点在规划下游任务时至关重要——想在 ALL-IDB 上做 FAB 三分类，数据集并不提供现成亚型标签。

§3.3 标注产物：标签位与质心文件

标注流程的最终产物有两类：

文件名标签位（两子集共有）：ImXXX_Y.jpg 的 Y 位给出该图的母细胞存在性标签（IDB1 图像级、IDB2 细胞级）。
质心坐标文件（仅 ALL-IDB1）：ImXXX_Y.xyc 记录每个母细胞的质心坐标，行数即母细胞数。

这套产物对应三种不同粒度的监督信号：

图像级标签（Y 位）→ 支持图像分类：这张图是否来自 ALL 患者 / 是否含母细胞。
计数标签（.xyc 行数 M）→ 支持母细胞计数：这张图里有多少个母细胞。
位置标签（.xyc 坐标）→ 支持母细胞定位/分割：母细胞的质心在哪。

标注的粒度不包含像素级分割掩膜——它给的是质心点而非逐像素轮廓。因此 ALL-IDB1 天然适合"检测（定位到点）“与"计数”，但若要做像素级分割，需要研究者在质心基础上自行扩展标注，或把任务退化为质心回归/点检测。这是 ALL-IDB 与后来那些带像素掩膜的数据集（如某些 WBC 分割集）的关键区别。

§3.4 三种分析层级与评测判据

官网为 ALL-IDB1 明列了三种分析层级，并为每一层给出伪代码式的判据与验证方法。这是理解该数据集任务设计的中枢，逐条列出：

（1）图像分类（Image classification）

目标：判断输入图像是否来自 ALL 患者 / 是否含母细胞。
判据：CLASS = classifier("ImXXX_Y.jpg")，正确当且仅当 CLASS == Y。
等价判据：CLASS == (M > 0)，其中 M 为对应 .xyc 文件的行数（即母细胞数大于零）。
意义：把"是否患病/是否含母细胞"化简为一个布尔判断，可直接用 .xyc 交叉验证。

（2）母细胞计数（ALL blast cell counter）

目标：估计图像中母细胞的数量 N。
判据：正确当且仅当 N == M（M 为 .xyc 行数）。
意义：计数任务比分类更细，要求算法不仅"detect"，还要"不重不漏"。

（3）母细胞定位（ALL blast cell identifier）

目标：估计母细胞的质心坐标。
判据：Error = accuracy(COORDINATES, "ImXXX_Y.xyc")，其中 accuracy 函数返回正确匹配的母细胞数量（例如以 10 像素为半径判定是否命中）。
意义：这是最接近检测/分割的一层，用质心匹配率衡量定位精度。

ALL-IDB2 仅支持第一种层级（图像分类）——因为它是居中单细胞图，没有多个细胞的计数与定位需求，Y 位直接给出中心细胞的类别。

§3.5 标注使用纪律

综合以上，使用 ALL-IDB 的标注时须守住几条纪律：

不要把图像级标签当像素级真值：Y 位与 .xyc 是图像级/点级标签，做像素级分割需自行扩标。
不要把 .xyc 行数简单等同于"母细胞总数"：它记录的是被专家识别并标注为母细胞的质心，受标注者判读影响；官网"约 39,000 血液元素、510 完整描述淋巴母细胞"是另一层统计，两者口径不同。
不要在 IDB1 与 IDB2 之间制造泄漏：IDB2 是从 IDB1 裁剪的，凡在 IDB1 上训练再在 IDB2 上测，须显式声明重叠风险。
不区分 FAB 亚型：数据集不提供 L1/L2/L3 标签，勿假设可做亚型监督学习。

§4 评估基准与第三方成绩

ALL-IDB 之所以被反复引用，一个重要原因是它自带一套评测规程。官网的 “Reporting the results” 页给出了分层基准、混淆矩阵、figures of merit 和公平比较纪律。这一节先讲官方协议，再汇总第三方论文的公开成绩，最后点出平台期陷阱。

§4.1 官方基准的两层结构

官网建议把 benchmark 分为两个层级，对应不同的临床/工程语义：

Cell test（细胞级）：判断单个细胞是否为 blast。粒度细，直接考单细胞识别能力。
Image level（图像级）：判断整幅图像是否含至少一个 blast。粒度粗，考"这张涂片要不要人工复核"。

两层各有其用途：Cell test 适合评估把细胞裁出来后做二分类的方法；Image level 适合评估端到端阅片筛查。用哪层必须显式声明，否则跨论文比较会张冠李戴——在 Cell test 上报的灵敏度与在 Image level 上报的灵敏度语义不同。

§4.2 混淆矩阵与标准指标

官方对每一层级都要求先算混淆矩阵，再派生指标。四个基础量的定义：

TP（True Positive）：真阳性。
TN（True Negative）：真阴性。
FP（False Positive）：假阳性，官网记为 type I error（第一类错误）。
FN（False Negative）：假阴性，官网记为 type II error（第二类错误）。

由混淆矩阵派生的标准指标：

Sensitivity（灵敏度） = TP / (TP + FN) —— 在真实阳性中检出阳性的比例，也称召回率/真阳率。
Specificity（特异度） = TN / (TN + FP) —— 在真实阴性中正确判负的比例，也称真阴率。
Classification error（CE，分类错误） = FP + FN —— 误分类的绝对数量（或比例）。

这三个指标构成官方基准的最小报告集。医学图像场景下，Sensitivity 与 Specificity 必须成对报告——单看一个会被类别不平衡或阈值移动欺骗。

§4.3 Figures of merit 与公平比较纪律

官网 Table 1 建议报告的一组 figures of merit（品质因数）包括：

指标	含义
TP%	真阳性率
TN%	真阴性率
FP%	假阳性率（type I error 率）
FN%	假阴性率（type II error 率）
Misclassification%	误分类率（= FP% + FN%）
Sensitivity%	灵敏度
Specificity%	特异度

公平比较纪律是官网协议里最容易被忽略但最关键的一条：若方法需要训练或校准数据，必须用 ALL-IDB 剩余的数据来评估（例如采用 N-fold validation），不得用参与训练/调参的同一批数据来报测试成绩。此外，官网要求重复实验须报告 classification error 与 figures of merit 的标准差，即不能只报单次最优值，要给出稳定性度量。

这两条纪律直接决定了 ALL-IDB 成绩的可比性：凡是没说明训练/测试划分、没给标准差、混用两子集的报数，都应在评述时打问号。

§4.4 第三方公开成绩（供生态参照，非官网数字）

以下成绩来自外部论文（非官网、非原始作者），用于说明 ALL-IDB 在 2020 年代被现代深度模型打到的水平，须与官方协议分开看待：

Sensors 2022（MDPI）：GoogleNet 在 ALL-IDB1 与 ALL-IDB2 上报告全指标 100%；AlexNet ALL-IDB1 100% / ALL-IDB2 准确率 94.2%；ResNet-18 ALL-IDB1 100% / ALL-IDB2 准确率 97.44%。
Diagnostics 2023（PMC10047564）：CNN-RF / XGBoost 融合特征在 ALL-IDB2 上达 100% 准确率；同期 DenseNet121 / ResNet50 / MobileNet 平均约 84–96%。
ScienceDirect 2025（Bayesian CNN）：VGG16 在 ALL-IDB2 上准确率 98.65% ± 0.09，Youden 指数 0.97 ± 0.001，Brier 分数 0.035 ± 0.010（带标准差的报告方式更接近官方纪律）。
ScienceDirect 2023（Hybrid DL-ML）：ALL-IDB1 上 Xception + RF 准确率 1.0；ALL-IDB2 上 Inception-ResNet-V2 准确率 0.9545。

这些数字有一个共同特征：大量论文在 ALL-IDB2 上收敛到接近 100%。这不是偶然。

§4.5 平台期陷阱：ALL-IDB2 已不是难度基准

把上面的成绩与 §2.3 的规格放在一起，结论很清楚：ALL-IDB2 已被现代模型打透，不宜作为区分度基准。原因是结构性的：

规模小：仅 260 张，深度模型参数量远超样本量，过拟合空间极大。
1:1 平衡且任务简单：单细胞二分类 + 居中裁剪，去掉了分割与定位难度。
与 ALL-IDB1 近邻：样本来自 IDB1 裁剪，若在 IDB1 上预训练再测 IDB2，等于见过近邻。

因此，在 ALL-IDB2 上刷到 99–100% 不等于算法在临床阅片上可靠。评述或复现时，应优先看：是否报告了标准差、是否做了交叉验证、是否在 ALL-IDB1（更不平衡、分辨率更高、要分割/计数）上也报告了成绩、以及是否区分了 Cell test 与 Image level。官方两层协议 + 公平比较纪律，正是为了对抗这种"刷满即赢"的误读而设。

§4.6 基准选择速查

要评估单细胞分类：用 ALL-IDB2，但声明其饱和风险，尽量配合交叉验证与标准差。
要评估检测/计数/定位：用 ALL-IDB1 + .xyc，报 Cell test 与 Image level 两层。
要评估端到端筛查：用 ALL-IDB1 的 Image level，配合 Sensitivity/Specificity。
要公平跨论文比较：先对齐（子集、层级、训练/测试划分、是否报标准差），再比数字。

§5 获取方式与许可协议

ALL-IDB 的获取路径与多数现代"一键下载"数据集不同：它既不挂在 Kaggle，也不提供直接的 HTTP 批量下载，而是长期采用"向作者申请"的请求制。这一点是复现与合规的第一道门槛，必须讲清楚，否则会在"我以为能直接下"的假设下踩坑。

§5.1 请求制获取的操作流程

获取 ALL-IDB 的标准流程如下：

确认身份与用途：准备你的单位、职位、研究用途说明。数据集面向非商业科研与教学用途。
联系维护作者：向数据库维护者（意大利米兰大学 Università degli Studi di Milano 的 Fabio Scotti 教授团队）发送申请邮件，说明用途。
签署/填写申请表：作者会提供一份使用申请表（或称使用协议），通常要求手写签名后回传。部分版本要求以扫描件形式返回。
接收数据：审核通过后，作者提供数据获取途径（历史上以打包文件或受控链接形式分发）。
遵循使用条款：按要求在发表物中引用指定论文，并遵守仅科研/教学、非诊断的限制。

关键点：这不是"注册即下载"，而是"申请—审批—分发"。因此：

无法离线预先缓存：你拿不到数据前不能开始任何复现。
存在审批时延：不要假设当天申请当天到。
保留往来邮件：审批链是合规凭证，投稿时部分期刊会要求说明数据获取方式。

§5.2 许可性质：请求制而非标准 CC

必须明确：ALL-IDB 没有采用 Creative Commons 等标准开放许可。它的许可结构是"作者的书面许可 + 用途限制"，而非一张 SPDX 标签能概括。由此推出一组实务结论：

维度	ALL-IDB 的实际情况	实务含义
许可形式	申请 + 签名协议（请求制）	无统一 SPDX 标识，务必留存授权凭证
允许用途	科研、教学	可发论文、可用于课程与算法评测
禁止用途	临床诊断、商业产品化（未授权）	不得直接用于真实诊疗决策
再分发	受协议约束，通常禁止随意转发	不要擅自上传到公开网盘/Kaggle
署名要求	需引用指定论文	论文与文档须给出规范引用
修改/衍生	受协议约束	若要发布裁剪版/增强版，先确认授权

一句话纪律：把 ALL-IDB 当成"经作者许可后使用的受限科研资源"，而不是"公开域数据"。

§5.3 引用规范

使用 ALL-IDB 时，规范的引用至少应覆盖两层：

数据库本体论文（ALL-IDB2 与说明）：R. Donida Labati, V. Piuri, F. Scotti, All-IDB: The acute lymphoblastic leukemia image database for image processing, IEEE ICIP 2011, DOI: 10.1109/ICIP.2011.6115881。
数据平台条目（若经 IEEE DataPort 获取）：IEEE DataPort 上的 ALL-IDB 条目，DOI: 10.21227/pm77-2n23。

只引其中一层在多数期刊评审中是不够的：只引论文而不说明数据平台，会被视为获取途径交代不清；只引平台而不引方法学论文，则忽略了数据库的分型与标注依据。稳妥做法是两层都写。

§5.4 版本链与"非版本化"陷阱

ALL-IDB 的"版本管理"与现代数据集有明显差异：

它不是一个带 v1.0/v2.0 语义化版本、带变更日志的仓库，而是以两个固定子集（ALL-IDB1、ALL-IDB2）长期稳定存在的静态数据库。
子集名称（1 / 2）承担了"版本"的角色：IDB1 是原始涂片与质心标注，IDB2 是衍生出的单细胞二分类子集。
作者没有按年份滚动发布新版本，因此不存在"我用的到底是哪一版"的合法歧义——但也意味着你若看到论文写"ALL-IDB3"，需要格外警惕（见坑点）。

实务建议：

复现时明确写出子集名（ALL-IDB1 还是 ALL-IDB2），不要笼统写"ALL-IDB"。
若你的数据来自第三方二次打包（例如某篇论文的 GitHub 仓库），务必回溯到原始来源核对目录与文件数，第三方打包可能已裁剪。
记录你申请获批的时间点，因为分发包可能更新细节，而版本号无从追溯。

§5.5 合规与伦理边界

ALL-IDB 涉及患者来源的血液涂片图像，因此除许可外还有一层伦理边界：

禁诊断用途：即使模型在 ALL-IDB 上表现优异，也不能直接用于临床诊断，必须经过独立验证、伦理审批与监管流程。
数据脱敏程度：作为公开科研数据库，其图像已按公开发布标准处理；但使用者仍不应尝试从图像反推任何身份信息。
教学使用注意：用于课堂或竞赛时，应把上述限制一并传达给参与者，避免下游误用。
再分发纪律：遇到同学/同行索要数据，正确做法是告知其向作者申请，而不是转发你手里的副本。

§5.6 获取方式速查

来源：向作者申请（请求制），非公开直下。
用途：科研 / 教学；禁临床诊断与未授权商用。
署名：引 ICIP 2011 论文（DOI:10.1109/ICIP.2011.6115881），经 DataPort 获取再补 DOI:10.21227/pm77-2n23。
子集：申请时明确要 ALL-IDB1、ALL-IDB2 还是两者。
再分发：默认禁止随意转发；索要者请自行申请。
凭证：留存申请邮件与授权协议，投稿备查。

§6 生态位与影响

理解 ALL-IDB 的价值，不能只看它自己，而要看它在血液细胞图像数据集家族中的位置：它是最早面向急性淋巴细胞白血病（ALL）的公开基准之一，因而成了"血细胞图像分析"这条脉络的起点型数据集。本节把 ALL-IDB 与库内其他血细胞类条目对照，并说明它对方法学的影响。

§6.1 血细胞图像数据集谱系中的定位

把库内的几个血细胞类数据集放在一张谱系图上，可以清楚看到 ALL-IDB 的独特位置：

数据集	库内编号	对象	子集/规模要点	与国家/地区	主要用途
ALL-IDB	本条	ALL 淋巴母细胞	IDB1=108 涂片，IDB2=260 单细胞	意大利	ALL 检测基准（鼻祖）
bccd	851	血细胞（含 WBC/RBC/血小板）	364 张 BCCD	中国（后续）	通用血细胞检测
lisc	852	白细胞	多类别 WBC	以色列	WBC 分类
raabin-wbc	853	白细胞	大样本 WBC	伊朗	WBC 分类（规模升级）
acevedo-blood	722	血细胞图像	分类/检测	—	血细胞形态分析

从"对象粒度"看，ALL-IDB 处在从整幅涂片（IDB1）到单细胞（IDB2）的过渡带，这是它相对其他条目最独特的地方：它同时提供了"要分割定位的原始场景"与"已裁剪好的分类样本"两个层级。

从"规模与年代"看，ALL-IDB（2011）是早期小样本基准的代表：样本量在今天看来不大，但正因如此，它反复被用作轻量算法与经典特征方法的试验台，并常与后来的大规模数据集（如 raabin-wbc 853）形成"小样本 vs 大样本"的对照叙事。

§6.2 与 bccd（851）的对照

共同点：都涉及血液细胞、都以图像分析为任务、都可用于细胞检测/分类的教学与基准。
差异：
- 疾病特异度：ALL-IDB 专攻 ALL 淋巴母细胞（疾病导向）；bccd 是通用血细胞集合（对象导向）。
- 标注层级：ALL-IDB 提供质心 + .xyc（定位/计数），bccd 以检测框为主。
- 任务地图：ALL-IDB 有明确的"Cell test / Image level"两层评测协议；bccd 更偏通用检测。
互链价值：若读者想入门"血细胞检测"从通用起步，可先看 bccd（851），再看 ALL-IDB 的疾病特化版本。

§6.3 与 lisc（852）、raabin-wbc（853）的对照

对象差异：lisc（852）与 raabin-wbc（853）聚焦白细胞分类，类别通常按正常 WBC 亚型（中性粒/淋巴/单核/嗜酸/嗜碱）划分；ALL-IDB 聚焦正常 vs 恶性淋巴母细胞的二分类。
规模梯度：ALL-IDB2（260）→ lisc（数千）→ raabin-wbc（大样本），构成规模递增的对照链。用它来说明"小样本基准是否仍具区分度"（呼应 §4.5）时，raabin-wbc 853 是很好的参照物。
标注哲学差异：WBC 分类数据集通常给"亚型标签"；ALL-IDB 给的是"恶性与否 + 质心"，属于筛查导向的标注体系（强调 Sensitivity/Specificity，而非多类混淆矩阵）。

§6.4 与 acevedo-blood（722）的对照

acevedo-blood 更偏血细胞形态学的通用分析场景。
ALL-IDB 与之的差别在于疾病终点明确：一切指标最终服务于"能否把淋巴母细胞挑出来"，因而是临床筛查语境下的数据。
互链价值：acevedo-blood（722）适合"先认识血细胞形态"，ALL-IDB 适合"把形态知识落到一个具体疾病的筛查基准上"。

§6.5 方法学影响：为什么 ALL-IDB 被反复引用

ALL-IDB 的影响力不在规模，而在它定义了一套被反复沿用的评测语言：

两层评测协议（Cell test / Image level）：把"单细胞分类"与"整幅图筛查"分开报告，成为后续血细胞研究的常见做法（详见 §4.1）。
Sensitivity / Specificity / Classification error 三件套：把医学筛查的评价习惯引入图像分类，避免只看准确率。
figures of merit 与公平比较纪律：强调 N-fold 验证与标准差，反对单次划分刷分（详见 §4.3）。
质心标注的可复用性：.xyc 质心文件让"细胞计数"成为可评测任务，而不只是"分类"。

这套语言使 ALL-IDB 成为**“评什么、怎么公平地评”**的示范者，而不仅是"一份图片"。这也是它虽然规模小，却在综述与方法论论文中被长期引用的根本原因。

§6.6 生态位速查

家族角色：血细胞图像数据集谱系中的 ALL 起点型基准。
独特层级：唯一同时覆盖"整幅涂片（IDB1）+ 裁剪单细胞（IDB2）"的血细胞条目。
对照坐标：bccd 851（通用细胞）、lisc 852（WBC 分类）、raabin-wbc 853（大样本）、acevedo-blood 722（形态分析）。
最大遗产：两层评测协议 + 医学筛查指标 + 公平比较纪律。

§7 方法学启示

ALL-IDB 的价值有一半在数据、一半在它反复暴露出的方法学教训。本节把从 ALL-IDB 实践里沉淀出的经验整理为可迁移的启示，供做图像分类 / 医学图像项目的人直接借用。

§7.1 小样本数据集的方法论纪律

ALL-IDB2 只有 260 张，这个体量决定了你必须回答三个问题：

你在测什么：是测模型容量，还是测泛化？小样本上高准确率更可能是过拟合信号，而非泛化证据。
你怎么划分：单次 70/30 划分在 260 张上极易受运气影响。必须用 N-fold 交叉验证并报告均值与标准差（呼应 §4.3）。
你怎么报告：只报一个最好结果是不完整的；应报告多次划分的分布。

可迁移结论：小样本基准上，方差本身就是最重要的结果之一。

§7.2 "单元格"与"整图"是两个问题

ALL-IDB 的两层协议揭示了一条通用原则：

**单元格级（Cell test）**问的是：给你一个已定位好的细胞，你判得准吗？
**图像级（Image level）**问的是：给你一整幅涂片，你能把病找出来吗？

两者难度来源完全不同：前者难在特征区分度，后者还叠加了检测、定位、不平衡。混淆二者会导致两类错误结论：

高估：把 Cell test 的高分说成"筛查能力强"。
低估：把 Image level 的低分归咎于分类器，而实际瓶颈在检测/分割。

可迁移做法：任何"从图像到诊断"的项目，都应显式区分"感知层"与"决策层"指标，分层报告。

§7.3 医学语境下的评价指标选择

ALL-IDB 把 Sensitivity / Specificity 放在核心位置，给我们的启示是：

在筛查任务中，漏检（FN）与误报（FP）代价不对称。只报准确率会掩盖这种不对称。
Sensitivity 对应"不漏掉病人"，Specificity 对应"不误伤健康人"，两者需要配合临床需求权衡。
Classification error (CE) 作为互补指标，帮助读者快速把握总体错误率。

可迁移做法：先明确任务中的错误代价结构，再决定指标权重，而不是默认"准确率至上"。

§7.4 数据泄漏与"近邻污染"

ALL-IDB 的子集衍生关系带来一个微妙但重要的风险：

ALL-IDB2 的样本来自 ALL-IDB1 的裁剪。若你在 ALL-IDB1 上预训练、再到 ALL-IDB2 上评测，测试集的样本可能与你训练时见过的涂片高度相关（同一张涂片的不同裁剪），构成近邻污染。
这不是 ALL-IDB 独有的问题，而是所有**“同源衍生子集”**数据集的共性陷阱（bccd 851、lisc 852、raabin-wbc 853 若同源划分也需警惕）。

可迁移做法：做跨子集/跨数据集实验时，先问一句——"训练样本和测试样本，是否来自同一个病人/同一张图/同一次采集？"如果是，必须按病人/涂片级别而非图像级别做划分。

§7.5 从"刷分"回到"可用"

综合 §4.5 与本节，可以给出 ALL-IDB 上最务实的态度：

不要以打满 ALL-IDB2 为目标——它已饱和，满分不构成贡献。
要去 IDB1 上做难的事——检测、计数、不平衡下的 Image level。
要报告不确定性与协议——交叉验证、标准差、两层结果。
要交代获取与合规——许可、引用、用途限制。

可迁移结论：一个数据集的价值，往往不在于"能刷多高"，而在于"能迫使你回答多少严肃的问题"。ALL-IDB 用它的两层协议与筛查指标，逼着研究者回答比"准确率多少"更本质的问题——这正是它历经十余年仍被引用的原因。

§7.6 方法学启示速查

小样本：用 N-fold + 标准差，别信单次划分。
分层：Cell test 与 Image level 分开报。
指标：以 Sensitivity/Specificity 为核心，别只看准确率。
泄漏：按病人/涂片划分，警惕同源子集近邻污染。
态度：IDB2 已饱和，贡献在 IDB1 与协议规范上。

§8 与库内条目的关系

ALL-IDB 不是一座孤岛。在千方病案医数集的"血液与细胞形态学图像"这一簇里，它与若干条目构成一张互补的谱系图：有的偏整幅涂片、有的偏单细胞、有的偏外周血、有的偏染色质形态。理解这张谱系图，能帮你在选库时做出更清醒的判断，也能避免"同一件事在不同条目里重复投入"。

本节先给一张全局定位表，再逐一对照。

§8.1 血液细胞类条目谱系定位表

条目	record_id	数据形态	细胞种类/任务	规模量级	典型用途	与 ALL-IDB 的关系
ALL-IDB	本条目	整幅涂片 + 单细胞裁片	淋巴母细胞 vs 正常淋巴（二分类）/ 检测计数	108 图 + 260 裁片	白血病筛查、检测、计数	本条目（参考系）
BCCD	851	单细胞裁片	血细胞多类（红/白/血小板等）	数百张	血细胞分类教学	同为"血细胞分类"入门，任务更宽但标签粒度更粗
LISC	852	单细胞裁片	五类白细胞形态	数百张	白细胞形态学	与 ALL-IDB 同属白细胞细分，但以正常形态为主
Raabin-WBC	853	单细胞裁片	五类白细胞（含正常/异常）	上万张	大规模白细胞分类	规模远大于 ALL-IDB，可作"大数据量对照组"
Acevedo-Blood	722	单细胞裁片	外周血细胞形态	数百张	形态学分类	与 ALL-IDB 的"质心裁片"思路可比

读法：表格里的"规模量级"只用于数量级对比，精确数字以各条目正文为准。ALL-IDB 的独特性在于同时提供整幅涂片与质心裁片两层，且带有"疾病筛查"标签（ALL vs 正常），而不只是"细胞分类"。

§8.2 与 BCCD（851）的对照

BCCD 与 ALL-IDB 最容易被人混谈，因为二者都"看起来像血细胞分类"。差别其实很大：

任务性质不同：BCCD 面向多类血细胞的形态识别（偏"这是什么细胞"），ALL-IDB 面向血液系统疾病的二分类筛查（偏"这份样本有没有病"）。前者是分类学问题，后者是筛查学问题。
标签粒度不同：BCCD 类别更多、更宽（红/白/血小板等），ALL-IDB 类别只有两类但病理含义更重（淋巴母细胞）。
评测协议不同：ALL-IDB 有明确的**两层基准（Cell test / Image level）**与医学指标（Sensitivity/Specificity），BCCD 更偏通用分类精度。
使用建议：如果你的目标是"检测异常/病变"，优先 ALL-IDB；如果你的目标是"学会区分血细胞种类"，BCCD 更合适；两者可以串联——先用 BCCD 练分类手感，再用 ALL-IDB 上手术式的筛查评测。

§8.3 与 LISC（852）、Raabin-WBC（853）的规模梯度链

把它们与 ALL-IDB 放在一起看，会形成一条清晰的规模梯度：

ALL-IDB：最小、最老、最"手工"——整幅涂片仅 108 张，质心裁片 260 张。适合方法学验证与协议研究，不适合拼大数据量。
LISC：中等，聚焦五类白细胞形态，标签体系比 ALL-IDB 规整，是白细胞形态学的经典入门集。
Raabin-WBC：最大，达到上万张单细胞级别，附带正常/异常标注，适合深度学习大规模训练与数据增强研究。

方法论对照：在 ALL-IDB 上"过拟合"的模型，拿到 Raabin-WBC 的规模上未必站得住；反之，在 Raabin-WBC 上轻松达标的方法，到 ALL-IDB 的小样本 + 两层协议下可能立刻暴露脆弱性。用大集练、用小集验，是一个稳健的组合策略。

§8.4 与 Acevedo-Blood（722）的对照

Acevedo-Blood 与 ALL-IDB 的相似点是都强调"单细胞形态"，但路径不同：

Acevedo-Blood 更偏外周血细胞的形态学分类，标签体系服务于细胞识别。
ALL-IDB 的裁片来自**“质心驱动"的自动截取**（见 §2.2），本质是为整幅涂片的检测/计数服务；单细胞裁片只是其"下游产物”。
因此，ALL-IDB 的裁片天然带有**"从整图里切出来"的上下文痕迹**，这与直接采集的单细胞图在质量分布上略有差异——做迁移实验时要留意这一点（与 §7.4 的近邻污染问题呼应）。

§8.5 选库决策速查

要筛查白血病（ALL vs 正常） → ALL-IDB。
要学白细胞五分类（正常形态） → LISC（852）。
要训大数据量白细胞分类 → Raabin-WBC（853）。
要宽类别血细胞入门 → BCCD（851）。
要外周血细胞形态 → Acevedo-Blood（722）。
要两层协议 + 医学指标 + 极简样本的方法学压力测试 → ALL-IDB（且优先 IDB1）。

§8.6 互链建议

本条目建议与上述四个条目建立双向相关链接（relatedLink），理由：

同属"血液/细胞形态学图像"主题簇，读者有跨库比较的天然需求。
规模与任务互补，构成"大—中—小"与"筛查—分类"的二维对照。
医学图像领域的评测纪律（§7）在多库间通用，互链能放大方法论的复用价值。

§9 避坑清单：七个已踩过的坑

前面各节零散提示过不少风险。本节把它们收敛成一份可核对的避坑清单，逐条以「坑 N：」编号呈现，供你在动手前逐条打勾。七个坑覆盖数据混算、评测层级、划分纪律、数据泄漏、许可合规、医学指标、饱和平台七类高频失误。

坑 1：把 ALL-IDB1 与 ALL-IDB2 混为一谈

最常见的错误是把 108 与 260 当成"同一个集合的不同说法"，甚至把两者相加。事实是：IDB1 是整幅涂片（108 图），IDB2 是质心裁片（260 张单细胞），粒度和任务都不同，不能混算（详见 §2.1、§2.2、§2.3）。

后果：报告里的数字对不上，评测协议错位。
规避：任何数字后面强制标注"IDB1 还是 IDB2"。

坑 2：把 Cell test 与 Image level 混报

ALL-IDB 有两层评测：单细胞层级（Cell test）与整图/图像层级（Image level）。只报一层、或把两层的分数混在一起谈，会让结果无法与文献对齐（详见 §4.1）。

后果：与第三方成绩不可比，结论站不住。
规避：任何指标都写清"在哪一层测的"。

坑 3：单次划分代替交叉验证

ALL-IDB 样本量小，单次 train/test 划分的分数波动极大。不做 N-fold、不报标准差，等于把随机性当成了性能（详见 §7.1）。

后果：你报告的"96%"可能只是这次划分运气好。
规避：N-fold 交叉验证 + 均值±标准差，全部上报。

坑 4：数据泄漏 / 近邻污染

如果来自同一张涂片、同一个病人的样本被分到了训练集和测试集两侧，模型会"提前见过"测试样本的近邻，成绩虚高（详见 §7.4）。IDB1 与 IDB2 之间的同源关系尤其容易造成这种污染。

后果：离线分数漂亮，上线崩盘。
规避：按病人/涂片级别划分；跨 IDB1/IDB2 实验要显式说明划分依据。

坑 5：忽略请求制许可与用途限制

ALL-IDB 采用请求制获取（邮件作者 + 申请表 + 手填签名），不是标准 CC 一键下载；且明确禁止诊断用途、限制再分发（详见 §5.1、§5.2、§5.5）。

后果：擅自再分发可能违规；把研究结果当诊断结论可能越过伦理边界。
规避：获取前看清条款，引用时写清许可与用途声明。

坑 6：只追准确率，忽略医学指标

在筛查任务里，**漏检（Sensitivity）与误检（Specificity）**往往比总体准确率更重要；只看 Accuracy 会掩盖临床后果（详见 §7.3）。

后果：模型"总对得多"，但恰恰漏掉了该抓的病例。
规避：以 Sensitivity/Specificity 为核心指标，辅以 Classification error。

坑 7：把已饱和的 IDB2 当作刷分赛场

ALL-IDB2 的简单二分类早已被刷到接近饱和（§4.5），在此刷高分不构成实质贡献，还容易掩盖真实难度。

后果：得出"这数据集太简单"的错误印象。
规避：把精力放到 IDB1 的检测/计数与不平衡下的 Image level。

坑 8：把 IEEE Dataport 副题当官方定义

IEEE Dataport 页把 IDB 解释为 “International Database”（英式拼写 leukaemia），与官网 “Image Database” 口径不符。以官网 Image Database 为准；引用时若转抄 Dataport 副题会造成名称与官方不一致（详见 §9.5 与 FACTS §1 存照）。

后果：综述或论文里与官方命名对不上，读者检索歧义。
规避：名称统一以官网 “Acute Lymphoblastic Leukemia Image Database for Image Processing” 为准。

避坑核查表（动手前逐条打勾）

[ ] 我分清了 IDB1（108 整图）与 IDB2（260 裁片）。
[ ] 我明确了评测层级（Cell test / Image level）。
[ ] 我用了 N-fold + 标准差，而非单次划分。
[ ] 我按病人/涂片级别做了划分，排除了近邻污染。
[ ] 我确认了许可方式（请求制）与用途限制（禁诊断）。
[ ] 我以 Sensitivity/Specificity 为核心，而非只看 Accuracy。
[ ] 我没有把已饱和的 IDB2 当作主要贡献点。
[ ] 我引用了正确的两层文献（ICIP 2011 + IEEE DataPort）。

§10 FAQ 高频问答

以下问答覆盖使用者在接触 ALL-IDB 时最常提出的疑问，按主题归类，共 30 问。

一、基本认知（Q1–Q7）

Q1. ALL-IDB 是什么的缩写？
Acute Lymphoblastic Leukemia Image Database，即"急性淋巴细胞白血病图像数据库"。注意是 Lymphoblastic（淋巴母细胞性），领域内也写作 Acute Lymphocytic Leukemia。

Q2. ALL-IDB1 和 ALL-IDB2 到底差在哪？
一言以蔽之：IDB1 是"整幅涂片"，IDB2 是"切出来的单个细胞"。IDB1 用于检测/计数与整体分析，IDB2 用于单细胞二分类。

Q3. ALL-IDB1 有多少张图？
108 张整幅血涂片图像，其中 59 张来自健康个体、49 张来自 ALL 患者。

Q4. ALL-IDB2 有多少张图？
260 张质心裁片，健康与 ALL 各 130 张，构成 1:1 平衡。

Q5. 图像是什么格式、多大？
24-bit JPG；整幅涂片原始分辨率约 2592×1944；IDB2 裁片约 257×257。

Q6. 用什么设备拍的？
Canon PowerShot G5 相机配显微镜采集，放大倍数约 300–500 倍。

Q7. 采集时间是什么时候？
整幅涂片的采集时间约在 2005 年 9 月。

二、数据与标注（Q8–Q15）

Q8. 谁做的标注？
标注源自 M. Tettamanti Research Center（相关血涂片专家），详见 §3.1。

Q9. 标注是细胞级还是图像级？
两层都有：IDB2 提供单细胞级标签，IDB1 提供质心/标签位信息，用于支撑图像级检测与计数。

Q10. "质心裁片"是什么意思？
指从整幅涂片中以目标细胞质心为中心自动截取出的单细胞图像，即 IDB2 的来源方式。

Q11. 文件名长什么样？
形如 ImXXX_Y.jpg，配套的标注信息以 .xyc 等文件提供（详见 §2.4）。

Q12. 淋巴母细胞是怎么判定的？
基于血涂片形态学判定，与 FAB 分型（L1/L2/L3）相关，但数据集本身不做三分类，只做 ALL vs 正常二分类（详见 §3.2）。

Q13. 数据集区分 L1/L2/L3 吗？
不区分。标签是二分类（ALL vs 正常），FAB 分型只是理解形态学背景的知识，不构成任务标签。

Q14. IDB2 是 1:1 平衡的，会掩盖不平衡问题吗？
会。IDB2 的平衡是人为构造的；真实场景往往极不平衡，因此计数/检测类任务要去 IDB1 上做（详见 §7.4）。

Q15. 有划分好的 train/test 吗？
数据集提供的是原始数据与官方基准协议；具体划分需要你自己按纪律做（N-fold、按病人/涂片划分）。

三、评测与基准（Q16–Q23）

Q16. 官方基准有哪两层？
Cell test（单细胞层级）与 Image level（图像层级），详见 §4.1。

Q17. 常用的指标有哪些？
Sensitivity、Specificity、Classification error、准确率等；筛查任务以 Sensitivity/Specificity 为核心。

Q18. 什么是 figures of merit？
一组用于综合刻画筛查系统表现的指标（含敏感度、特异度等的组合），详见 §4.3。

Q19. 为什么强调"公平比较纪律"？
因为小样本下协议（划分、交叉验证、报告标准差）对结果影响巨大，不交代协议的数字不可比（详见 §4.3、§7.1）。

Q20. ALL-IDB2 上已经能做到多好？
简单二分类已接近饱和，常见报道在 90% 以上甚至更高；再刷高分意义有限（详见 §4.4、§4.5）。

Q21. 那还有研究空间吗？
有，主要在 IDB1 的检测/计数、Image level 评测、不平衡与跨库迁移上。

Q22. 第三方成绩可以跨论文直接比吗？
不能直接比。要看评测层级、划分方式、是否交叉验证、是否报标准差（详见 §4.3）。

Q23. 什么是"平台期陷阱"？
指在已饱和子集上反复刷分、误以为进展巨大，实则回避了真正的难题（详见 §4.5）。

四、获取与合规（Q24–Q27）

Q24. 能直接下载吗？
不能像 Kaggle 那样一键下载。ALL-IDB 长期采用请求制：需联系维护作者并提交（带签名的）申请表（详见 §5.1）。

Q25. 许可协议是什么？
不是标准 CC 许可，而是请求制 + 用途限制的定制条款；明确禁止诊断用途，限制再分发（详见 §5.2）。

Q26. 论文该怎么引用？
两层引用：方法/数据集论文（ICIP 2011，DOI:10.1109/ICIP.2011.6115881）与 IEEE DataPort 收录页（DOI:10.21227/pm77-2n23），详见 §5.3。

Q27. 有"版本号"可以追踪吗？
该数据集基本是非版本化的长期稳定收录，追版本号容易落空，建议以"论文 + DataPort 页面 + 获取日期"来锚定（详见 §5.4）。

五、实践与迁移（Q28–Q30）

Q28. 小样本该怎么训练才稳？
用 N-fold 交叉验证、报标准差、控制模型容量、优先简单可靠的方法；别用单次划分下结论（详见 §7.1）。

Q29. 怎么避免数据泄漏？
按病人/涂片级别做划分，跨 IDB1/IDB2 实验显式声明划分依据，警惕同源样本的近邻污染（详见 §7.4）。

Q30. 它和 BCCD / LISC / Raabin-WBC 该怎么选？
要筛查白血病选 ALL-IDB；要白细胞五分类选 LISC；要大规模训练选 Raabin-WBC；要宽类别入门选 BCCD；要外周血形态选 Acevedo-Blood（详见 §8.5）。

§10 补充 FAQ（Q31–Q48）

前三十问覆盖了认知、数据、评测、获取、实践五类主线。以下补充常见但更细的问题，覆盖命名歧义、与同类数据集的区别、复现操作与写作引用。

六、命名与身份（Q31–Q35）

Q31. 为什么有时看到 ALL_IDB、有时看到 ALL-IDB？
这是同一数据集的两种写法。官网正文用下划线（ALL_IDB1、ALL_IDB2），主流文献多用连字符（ALL-IDB1、ALL-IDB2）。检索时两种都应尝试，否则会漏掉一半结果（呼应坑 8）。

Q32. “Image Database” 还是 “International Database”？
官网明确是 Image Database；IEEE Dataport 页副题写作 “International Database”，属二次收录者的口径，与官方不符。以官网 Image Database 为准（见坑 8 与 FACTS §1 存照）。

Q33. Leukemia 还是 leukaemia？
官网与主论文用美式 Leukemia；IEEE Dataport 页用英式 leukaemia。同一数据集，拼写变体不影响内容。

Q34. ALL-IDB 有官方 DOI 吗？
有。主论文 DOI 为 10.1109/ICIP.2011.6115881；IEEE Dataport 二次收录另有 DOI 10.21227/pm77-2n23。引用时两者都可写。

Q35. 它和 C-NMC 2019 是一回事吗？
不是。C-NMC 2019 是另一场 ALL 分类挑战赛的数据集（更大规模、有竞赛 leaderboard）；ALL-IDB 是 2011 年的奠基性基准。多篇 ALL 论文会把两者并列比较，但它们是不同数据集（见 §6 生态）。

七、Naming 与文件（Q36–Q39）

Q36. ImXXX_Y.jpg 里的 XXX 到底从几开始？
三位整数计数器，从 Im001 起递增；ALL-IDB1 与 ALL-IDB2 各自独立编号，不要跨子集连续解读（详见 §2.4）。

Q37. .xyc 文件是什么格式？
纯文本，记录该图母细胞的质心坐标，一行一个母细胞；行数即母细胞数量 M。分类任务的正解判据之一就是 CLASS == (M > 0)（详见 §3.4）。

Q38. Y=0 的图一定没有母细胞吗？
在 ALL-IDB1 里，Y=0 表示图中无母细胞（来自健康个体），其 .xyc 通常为空；在 ALL-IDB2 里，Y=0 表示中心细胞非母细胞（不代表全图绝对无母细胞，因为它是裁片）。注意两子集 Y 位语义不同（详见 §2.4）。

Q39. 有 .xyc 就说明能做像素级分割吗？
不能。.xyc 给的是质心点，不是逐像素轮廓。要做像素级分割须自行扩展标注（详见 §3.3）。

八、评测与复现（Q40–Q44）

Q40. 官方是否提供训练/测试划分文件？
不提供。官网给的是数据 + 评测协议，具体划分须研究者按纪律自行做（N-fold、按病人/涂片划分）。这也是 ALL-IDB 成绩跨论文难直接比的原因之一（详见 §4.3、§7.1）。

Q41. 在 ALL-IDB1 上该报什么指标？
至少报 Sensitivity、Specificity 与 Classification error（CE），并区分 Cell test 与 Image level 两层（详见 §4.2、§4.3）。

Q42. 那些报 100% 准确率的论文可信吗？
数字本身可信（确有论文在 ALL-IDB2 上刷到约 100%），但要警惕它不代表临床可靠性——IDB2 小且饱和，高准确率属于平台期现象（详见 §4.4、§4.5）。

Q43. 复现时最容易翻车的点是什么？
三件事：① 未按病人/涂片级别划分导致近邻污染；② 单次划分未报标准差；③ 混用 IDB1/IDB2 却不声明泄漏风险（详见 §7、坑 3、坑 4）。

Q44. 能不能把 IDB2 当 IDB1 的测试集？
技术上可以，但必须显式声明重叠风险：IDB2 是从 IDB1 裁出的近邻样本，若 IDB1 参与了训练，测试会虚高（详见 §7.4、坑 4）。

九、写作与引用（Q45–Q48）

Q45. 综述里怎么一句话介绍它？
可写：“ALL-IDB 是 2011 年米兰大学发布的首批公开 ALL 外周血涂片图像基准之一，含 108 张整幅涂片（ALL-IDB1）与 260 张单细胞裁剪图（ALL-IDB2），并提供两层评测协议。”

Q46. 引用要引几层？
两层：主论文（ICIP 2011, DOI:10.1109/ICIP.2011.6115881）说明方法学与标注依据；数据平台（IEEE Dataport, DOI:10.21227/pm77-2n23）说明获取途径（详见 §5.3）。

Q47. 许可怎么写才不越界？
写"公开免费、请求制获取、无标准 CC 协议名、官方禁用诊断用途"，不要臆造 CC-BY 等具体协议（详见 §5.2）。

Q48. 库内还有哪些 ALL/白血病相关条目值得一起看？
血细胞簇可一并看 bccd（851）、lisc（852）、raabin-wbc（853）、acevedo-blood（722）；ALL 疾病与其他血涂片疾病（如 nih-malaria）对照看（详见 §8、§11.2）。

§11 导航与延伸

前文从身份、数据构成、标注、评测一路讲到生态与避坑。本节把全部章节、关联条目与外部来源收进一张导航网，方便你按需求直达，也方便在千方库内做跨条目跳转。

11.1 本条目章节导航

章节	主题	直达要点
§0	导读	解决什么问题、三则读法、为何缺公开基准
§1	速览十问	规模/子集/命名/获取/许可十问十答一张网说清
§2	数据构成	IDB1 108 / IDB2 260、39,000 血液元素、510 淋巴母细胞、规格速查（§2.5 规格与误解）
§3	注释与标注	专家来源、FAB L1/L2/L3 形态学、三层分析层级与判据（§3.4）、标注使用纪律（§3.5）
§4	评估基准	两层协议、混淆矩阵、figures of merit、第三方成绩、平台期陷阱（§4.5）
§5	获取与许可	请求制流程、非标准 CC、引用规范、版本链、合规伦理（§5.1–§5.6）
§6	生态位与影响	血细胞谱系定位、方法学遗产（§6.5）、与库内条目对照
§7	方法学启示	小样本纪律、分层报告、指标选择、泄漏防范、从刷分回到可用（§7.1–§7.6）
§8	库内条目关系	谱系定位表、与 BCCD/LISC/Raabin-WBC/Acevedo 逐一对照、选库决策（§8.5）
§9	避坑清单	八个坑（坑 1–坑 8）+ 核查表
§10	FAQ	Q1–Q30，五大主题
§11	导航	本表 + 关联条目 + 来源清单
附录 A–H	速查与工具	A 速查卡、B DAIMS、C 证据链、D 硬数字表、E 术语表、F 来源 URL、G 引用模板、H 维护触发点

11.2 关联条目导航（库内互链）

ALL-IDB 在千方库内属于"血液与细胞形态学图像"簇，建议与以下条目互链：

关联条目	record_id	关联理由
bccd	851	同属血细胞图像；BCCD 通用多类检测 vs ALL-IDB 疾病二分类，可作"宽类别入门 → 疾病特化"路线
lisc	852	白细胞形态学细分；标签体系更规整，可与 ALL-IDB 的疾病导向标注对照
raabin-wbc	853	大规模白细胞分类；与 ALL-IDB2 构成"小样本 vs 大样本"规模对照链
acevedo-blood	722	外周血细胞形态分析；与 ALL-IDB 的质心裁片思路可比
nih-malaria	—	血涂片疾病检测的另一实例（疟疾），同域对照
herlev-pap	—	细胞学单细胞分类的经典范式，评测方法可互参
pannuke	—	细胞核实例分割，与 ALL-IDB 的质心定位任务遥相呼应
medmnist	—	医学图像分类轻量基准，小样本评测纪律可互参

读法：上表前四条（851/852/853/722）为同主题强互链，已在全文生态节与库内关系节反复对照；后四条为方法论弱互链，用于延伸阅读。实际 relatedLink 由发布侧按库内 rid 落地。

11.3 外部来源与延伸阅读

官方主页：https://scotti.di.unimi.it/all/
官方结果页（评测协议）：https://scotti.di.unimi.it/all/results.php
申请表 PDF：https://scotti.di.unimi.it/all/form_ALL-IDB.pdf
主论文 DOI：https://doi.org/10.1109/ICIP.2011.6115881
IEEE Dataport 二次收录：https://doi.org/10.21227/pm77-2n23
原论文（ICIP 2011）：Donida Labati, Piuri, Scotti, pp. 2045-2048
第三方综述与基准：PMC8123151、PMC10047564、Oxford GPB qzaf021、TechScience csse v45n1、PeerJ cs-460

11.4 一页路径速查（按使用目的分流）

我要快速了解它是什么 → §0 导读 + §1 速览十问。
我要复现一篇 ALL 分类论文 → §5 获取（先申请）→ §4 协议（先对齐层级）→ §7 纪律（N-fold + 标准差）。
我要选一个血细胞数据集 → §8.5 选库决策速查。
我要评一个检测/计数方法 → §3.4 三层任务 + §4.1 两层协议 + §9 坑 1/坑 2。
我要写数据集的综述 → §2 硬数字 + §5 许可 + §11.3 来源清单 + 附录 C 证据链。

§12 总结

12.1 三句话总结

ALL-IDB 是 ALL 外周血涂片图像处理的奠基性公开基准：2011 年由米兰大学发布，ALL-IDB1（108 张整幅涂片 + 质心标注）与 ALL-IDB2（260 张居中单细胞）双层结构，专门服务母细胞分割、计数与分类评测。
它的价值在"规程完整"而非"规模"：约 39,000 血液元素、510 个完整描述淋巴母细胞、逐图 .xyc 质心文件，加上官方的 Cell test / Image level 两层协议与 Sensitivity/Specificity 指标，定义了血细胞图像评测语言。
它的短板同样鲜明：请求制获取、无标准 CC 许可、禁诊断用途、ALL-IDB2 已被现代模型刷到饱和——这四条决定了它今天更像"方法学试验台"而非"刷分赛场"。

12.2 适合谁

医学图像处理研究者：需要一个有专家标注、有官方协议的 ALL 检测基准。
小样本方法开发者：把 ALL-IDB2 当作"方差说话"的方法学压力测试台。
数据合规研究者：请求制 + 非标准许可的典型样本，可用于研究"可获取性光谱"。
血液图像算法入门团队：从整幅涂片到单细胞的两级任务，是完整的图像处理教学链条。

12.3 不适合谁

追求大规模深度训练的团队：368 张文件量太小，不适合作为主训练集（应看 raabin-wbc 853）。
想做 FAB 亚型三分类的团队：数据集不提供 L1/L2/L3 标签。
想直接临床诊断落地的团队：官方明确禁诊断用途，且需独立临床验证。
想一键下载的团队：请求制 + 手填签名申请表，无公开直链。

12.4 30 秒决策卡

你的需求	结论
筛查 ALL（有无母细胞）	✅ 用 ALL-IDB（IDB1 做检测/计数，IDB2 做单细胞分类）
刷高单细胞分类准确率	⚠️ IDB2 已饱和，刷分意义有限
大规模深度训练	❌ 规模太小，改看 raabin-wbc（853）
学白细胞五分类	❌ 改看 lisc（852）
要一键下载	❌ 请求制，需邮件 + 签名申请表
要做临床诊断	❌ 官方禁诊断用途
要方法学压力测试	✅ 两层协议 + 小样本 + 医学指标，理想试验台

12.5 一句话记住 ALL-IDB

“108 张整幅涂片 + 260 张单细胞裁片，定义了 ALL 图像评测的起点，也提醒我们：数据集的价值不在能刷多高，而在能逼你回答多少严肃的问题。”

12.6 使用 ALL-IDB 的"三要三不要"

三要：

要明确子集与评测层级——任何数字后面写清"IDB1/IDB2"与"Cell test/Image level"。
要按病人/涂片级别划分并报标准差——小样本下方差才是关键结果。
要以 Sensitivity/Specificity 为核心——筛查任务的错误代价不对称。

三不要：

不要把 IDB2 的高分当作临床可靠性证据——它只有 260 张且已饱和。
不要混用 IDB1 与 IDB2 而不声明泄漏风险——两者是父子关系。
不要擅自再分发或越界用于诊断——请求制许可 + 明确禁诊断。

附录 A：条目信息速查卡

项目	内容
官方全称	ALL-IDB — Acute Lymphoblastic Leukemia Image Database for Image Processing
别名/变体	ALL_IDB（官网下划线）、ALL_IDB1/ALL_IDB2、IEEE Dataport 副题 “International Database”（与官网口径不符，见坑 8）
子集	ALL-IDB1（108 张整幅涂片，分类+计数+定位）；ALL-IDB2（260 张居中单细胞，仅分类）
机构	米兰大学（Università degli Studi di Milano）计算机科学系
关键人物	Fabio Scotti（proposer & maintainer）、Ruggero Donida Labati、Vincenzo Piuri
数据合作	M. Tettamanti Research Center（Monza）；致谢 prof. Andrea Biondi、Dr. Oscar Maglia
主论文	R. Donida Labati, V. Piuri, F. Scotti, ICIP 2011, Brussels, pp. 2045-2048. DOI: 10.1109/ICIP.2011.6115881
发布年	2011（ICIP）；采集年 2005 年 9 月；二次收录 2020-10-15（IEEE Dataport, DOI: 10.21227/pm77-2n23）
格式/规格	JPG 24-bit；IDB1 2592×1944，IDB2 约 257×257；放大 300-500×；Canon PowerShot G5
硬数字	IDB1 108（59 健康+49 ALL）；IDB2 260（130 ALL+130 健康）；约 39,000 血液元素；510 淋巴母细胞
命名规则	`ImXXX_Y.jpg`（Y=0/1 布尔标签）+ `ImXXX_Y.xyc`（母细胞质心，仅 IDB1）
任务	IDB1 三层（分类/计数/定位）；IDB2 一层（分类）
基准	Cell test（细胞级）+ Image level（图像级）；Sensitivity/Specificity/Classification error
获取	请求制：邮件 Fabio Scotti + 手填签名申请表扫描件
许可	公开免费、请求制、无标准 CC 协议名；明确禁诊断用途
官方主页	https://scotti.di.unimi.it/all/
库内互链	bccd(851)、lisc(852)、raabin-wbc(853)、acevedo-blood(722)

附录 B：DAIMS 评估全表

DAIMS 是千方 AI-Ready 体系对数据集"从发现到可持续"五个维度的评分框架（D 可发现性 / A 可获取性 / I 可互操作 / M 元数据质量 / S 可持续性），每维 1-10 分。ALL-IDB 的评分如下：

维度	评分（1-10）	依据
D 可发现性	8	官方主页 + 主论文（ICIP 2011, DOI）+ IEEE Dataport 二次收录 + 多篇综述引用，检索易命中；但官网用下划线 `ALL_IDB`、文献用连字符 `ALL-IDB`，存在两种拼写需双向检索
A 可获取性	3	最大短板：请求制获取，无公开直链，须邮件 Fabio Scotti 并手填、签名、扫描申请表附件；无标准 CC 许可；明确禁诊断用途——可获取性显著低于库内 MIT/公开许可条目
I 可互操作	7	图像为通用 JPG 格式，标注为文件名布尔位 + `.xyc` 纯文本质心坐标，无专有格式依赖；但缺少 COCO/YOLO 等通用标注格式与官方转换脚本，需自行解析 `.xyc`
M 元数据质量	8	相对突出：有官方论文（ICIP 2011）交代采集、放大倍数、设备型号、文件命名与标注流程；官网给出两层评测协议与 figures of merit；图像规格、采集时间明确
S 可持续性	6	官网长期维护（scotti.di.unimi.it）+ IEEE Dataport 二次托管，双点可达；但请求制依赖单一维护者邮箱，旧链接（dti.unimi.it）迁移历史存在，长期可用性依赖作者个人
综合评级	6.4/10（良）	元数据与可发现性表现好（有论文、有协议、多入口），但可获取性（请求制 + 无标准许可）严重拖累——典型"规程完整但门槛高"的基础研究型数据集

评分解读：ALL-IDB 的 6.4 分结构很典型——研究价值高、工程可用性低。它提醒：一个数据集的学术影响力与其"AI-Ready 可获取性"并不正相关；请求制 + 无标准许可会长期压制下游采用规模，尽管它被大量综述引用。

附录 C：逐项证据链自证

本条目所有硬数字均来自三源互证，逐项列出出处如下：

事实	数值	来源 1	来源 2	来源 3
ALL-IDB1 图像数	108	官网（“composed of 108 images collected during September, 2005”）	IEEE Dataport 元数据页	PMC8123151 Table 1 / Oxford GPB 综述
ALL-IDB1 类分布	59 健康 + 49 ALL	PMC8123151 Table 1	TechScience csse v45n1	Oxford GPB 综述
ALL-IDB2 图像数	260	官网	IEEE Dataport 摘要	PeerJ cs-460 / 多篇综述
ALL-IDB2 类分布	130 ALL + 130 健康	官网	IEEE Dataport 摘要	Sensors / Diagnostics 论文
血液元素总量	约 39,000	官网（“about 39,000 blood elements”）	AU Pure 综述（“approximately 39000”）	— （量级互证）
完整描述淋巴母细胞	510	官网	AU Pure 综述（“available 510 lymphoblasts”）	— （两源互证）
图像分辨率	2592×1944	官网	IEEE Dataport	PeerJ 综述
ALL-IDB2 尺寸	约 257×257	PeerJ 综述（“resolution of 257 × 257”）	—	— （单源，量级可采）
采集时间	2005 年 9 月	官网（“September, 2005”）	IEEE Dataport	—
放大倍数	300–500	官网（“ranging from 300 to 500”）	IEEE Dataport	PeerJ 综述
主论文	ICIP 2011, pp. 2045-2048	官网 Related publications	DOI 解析	IEEE Xplore

说明："—"表示该事实为两源或其量级互证，已足够采信；ALL-IDB2 的 257×257 为单源量级数字（约值），成稿按"约"表述，不做精确断言。

附录 D：硬数字总表（一屏核对）

指标	数值	口径说明
ALL-IDB1 图像总数	108	整幅外周血涂片；108 为准（109 为 PeerJ 单篇笔误）
ALL-IDB1 健康图	59	Y=0，无母细胞（来自健康个体）
ALL-IDB1 ALL 图	49	Y=1，至少一个母细胞（来自 ALL 患者）
ALL-IDB1 血液元素	约 39,000	全部血液元素（含 RBC/WBC 等）
ALL-IDB1 完整描述淋巴母细胞	510	专家逐一描述的 lymphoblast
ALL-IDB1 分辨率	2592 × 1944	JPG 24-bit
ALL-IDB2 图像总数	260	居中单细胞裁剪图
ALL-IDB2 ALL 图	130	中心细胞为母细胞
ALL-IDB2 健康图	130	中心细胞非母细胞
ALL-IDB2 尺寸	约 257 × 257	单源量级值
两子集文件合计	368	108 + 260（文件计数，非独立样本量）
采集时间	2005 年 9 月	ALL-IDB1
放大倍数	300–500×	显微镜
发布年	2011	ICIP 2011
二次收录	2020-10-15	IEEE Dataport

再强调一次：368 = 108 + 260 只是文件计数，不是独立样本量。ALL-IDB2 的 260 张来自 ALL-IDB1 中已出现细胞（见坑 1 与坑 4）。

附录 I：与同类血细胞数据集逐项对照

下表把 ALL-IDB 与库内/同域的主要血细胞数据集逐项对照，便于选型与撰写综述时的横向定位。规模量级仅作数量级对比，精确数字以各条目正文为准。

数据集	库内编号	对象/疾病	数据形态	规模量级	标注类型	获取方式	与 ALL-IDB 的关系
ALL-IDB	本条目	ALL 淋巴母细胞	整幅涂片 + 单细胞裁片	108 + 260	布尔标签 + 质心点	请求制	参考系
bccd	851	通用血细胞	单细胞/图	数百张	检测框（VOC）	MIT 公开	通用 vs 疾病特化
lisc	852	白细胞五类	单细胞裁片	数百张	类别标签	公开	正常形态 vs 恶性
raabin-wbc	853	白细胞（含异常）	单细胞裁片	万级	类别 + 分割	公开	大规模对照
acevedo-blood	722	外周血细胞	单细胞裁片	数百张	类别标签	公开	形态分析对照
C-NMC 2019	—	ALL	单细胞	上万	二分类	挑战赛	同病种、更大规模
Chula-RBC-12	—	红细胞	单细胞	738 图	12 类	公开	红细胞对照
AML-Cytomorphology	—	AML（髓系）	单细胞	18,365 细胞	类别	TCIA	同为白血病、不同谱系

选型提示：若要"疾病特化 + 两层协议"选 ALL-IDB；要"大规模白细胞分类"选 raabin-wbc；要"通用血细胞检测入门"选 bccd；要"ALL 更大样本"可对照 C-NMC 2019。ALL-IDB 的不可替代性在于它是同域中最早且唯一同时提供整幅涂片与中心单细胞两层的公开基准，且带官方评测协议。

附录 E：术语与缩写总表

术语/缩写	英文全称	中文说明
ALL	Acute Lymphoblastic Leukemia	急性淋巴细胞白血病（儿童最常见恶性肿瘤）
ALL-IDB	Acute Lymphoblastic Leukemia Image Database	本病案条目的数据集名称
ALL_IDB1 / ALL-IDB1	—	整幅外周血涂片子集（108 张）
ALL_IDB2 / ALL-IDB2	—	居中单细胞裁剪子集（260 张）
blast cell	—	母细胞/原始细胞，ALL 中异常增生的未成熟淋巴样细胞
lymphoblast	—	淋巴母细胞，blast cell 的一种
FAB	French-American-British classification	法美英协作组白血病形态学分型（L1/L2/L3）
L1 / L2 / L3	—	FAB 的 ALL 三种形态学亚型（本数据集不提供亚型标签）
WBC	White Blood Cell	白细胞
RBC	Red Blood Cell	红细胞
Cell test	—	官网建议的细胞级评测层级
Image level	—	官网建议的图像级评测层级
CE	Classification Error	分类错误，官网定义为 FP + FN
TP / TN / FP / FN	True/False Positive/Negative	混淆矩阵四量；FP=type I error，FN=type II error
Sensitivity	—	灵敏度 = TP/(TP+FN)，也称召回率/真阳率
Specificity	—	特异度 = TN/(TN+FP)，也称真阴率
figures of merit	—	品质因数，官网建议报告的一组指标
.xyc	—	ALL-IDB1 每图配套的母细胞质心坐标文本文件
request-based	—	请求制获取方式（邮件 + 签名申请表）
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability	千方 AI-Ready 五维评估框架

附录 F：来源 URL 清单

官方来源：

官网主页：https://scotti.di.unimi.it/all/
官网评测协议页：https://scotti.di.unimi.it/all/results.php
申请表 PDF：https://scotti.di.unimi.it/all/form_ALL-IDB.pdf
主论文 DOI：https://doi.org/10.1109/ICIP.2011.6115881
IEEE Dataport 二次收录：https://doi.org/10.21227/pm77-2n23
IEEE Dataport 页面：https://test.ieee-dataport.org/documents/all-idb-acute-lymphoblastic-leukaemia-international-database
旧链接（已迁移，IEEE Dataport 仍指）：http://www.dti.unimi.it/fscotti/all/

前序论文（算法基础）：

Piuri & Scotti, CIMSA 2004, DOI: 10.1109/CIMSA.2004.1397242
Scotti, CIMSA 2005, DOI: 10.1109/CIMSA.2005.1522835
Scotti, IMTC 2006, DOI: 10.1109/IMTC.2006.328170

第三方综述与基准（仅作生态参照）：

PMC8123151 Table 1（Sensors）：https://pmc.ncbi.nlm.nih.gov/articles/PMC8123151/table/sensors-21-02989-t001/
Oxford GPB 综述：https://academic.oup.com/gpb/article/23/2/qzaf021/8051907
TechScience csse v45n1：https://www.techscience.com/csse/v45n1/49319/html
PeerJ 综述 cs-460：https://peerj.com/articles/cs-460/
AU Pure 综述 PDF：https://pure.au.dk/ws/files/301637597/Automated_Diagnosis_of_Leukemia_A_Comprehensive_Review.pdf
Diagnostics 2023（PMC10047564）：https://pmc.ncbi.nlm.nih.gov/articles/PMC10047564/
MDPI Sensors 2022, 22(4):1629
ScienceDirect Bayesian CNN：S0010482525017731
ScienceDirect Hybrid DL-ML：S1526149223001224

来源纪律：官方来源（前两组）为准，第三方综述与基准仅供生态节参照；凡第三方数字（如 100% 准确率）均须标注来源论文，不得与官方协议混淆。

附录 G：引用模板

BibTeX（主论文）：

@inproceedings{donida2011allidb,
  title={ALL-IDB: the acute lymphoblastic leukemia image database for image processing},
  author={Donida Labati, Ruggero and Piuri, Vincenzo and Scotti, Fabio},
  booktitle={2011 IEEE International Conference on Image Processing (ICIP)},
  pages={2045--2048},
  year={2011},
  organization={IEEE},
  doi={10.1109/ICIP.2011.6115881},
  isbn={978-1-4577-1302-6}
}

GB/T 7714 格式（中文论文）：

DONIDA LABATI R, PIURI V, SCOTTI F. ALL-IDB: the acute lymphoblastic leukemia image database for image processing[C]//2011 IEEE International Conference on Image Processing (ICIP). Brussels: IEEE, 2011: 2045-2048.

数据集平台引用（若经 IEEE DataPort 获取）：

ALL-IDB: Acute Lymphoblastic leukaemia-International Database. IEEE Dataport, 2020. DOI: 10.21227/pm77-2n23.

使用声明模板（投稿时附）：

This work used the ALL-IDB dataset, obtained by written permission from the dataset maintainer (Prof. Fabio Scotti, Università degli Studi di Milano), under a request-based, non-diagnostic research license. The dataset is used solely for image processing research purposes.

附录 H：维护触发点

以下情况发生时，本条目应触发复核与更新：

触发点	复核内容	优先级
官网迁移或改版	检查 scotti.di.unimi.it/all/ 链接是否有效；核对获取流程与申请表 URL	高
维护者变更	Fabio Scotti 邮箱或维护状态变化；确认请求执收人是否更新	高
新增子集或版本	若官方发布 ALL-IDB3 或更新版本，补版本链与硬数字	中
第三方基准更新	有新的饱和级成绩或新评测协议，更新 §4.4 生态表	中
许可条款变更	若官网改为标准 CC 许可，须重写 §5 与 DAIMS 的 A 维评分	高
库内互链变化	bccd(851)/lisc(852)/raabin-wbc(853)/acevedo-blood(722) 条目增删或 rid 变更	中
IEEE Dataport 页更新	核对 DOI 10.21227/pm77-2n23 与副题口径（避免坑 8 复现）	低

维护纪律：本条目涉及的患者来源数据与请求制许可条款是易变项，每次官网改版或维护者变更都应触发一次全量复核，重点核对 §5 获取/许可与附录 B 的 A 维评分。

附录 J：检索关键词组合示范

由于 ALL-IDB 存在连字符/下划线两种拼写与 “Image/International Database” 两种副题，检索时建议用下列组合避免漏检：

目的	推荐关键词组合
找官方主页	`ALL-IDB` + `Scotti` + `unimi`；或 `all-idb acute lymphoblastic leukemia image database`
找原论文	`ALL-IDB` + `ICIP 2011`；或 DOI `10.1109/ICIP.2011.6115881`
找二次收录	`ALL-IDB` + `IEEE Dataport`；或 DOI `10.21227/pm77-2n23`
找综述提及	`ALL-IDB` + `peripheral blood smear` + `leukemia` + `survey`
找下游成绩	`ALL-IDB2` + `classification` + `accuracy`；`ALL-IDB1` + `blast` + `segmentation`
排除同名干扰	加 `lymphoblastic` 或 `unimi` 限定；避免只搜 `ALL`（歧义过大）
别名兼容	同时试 `ALL_IDB1` / `ALL_IDB2`（下划线）与 `ALL-IDB1` / `ALL-IDB2`（连字符）

检索纪律：连字符与下划线在多数检索引擎中不等价，务必两种都试；若结果稀少，把 ALL-IDB 拆成 ALL + IDB 分别限定也可能命中老文献的 OCR 变体。

尾注

本条目所有硬数字以官网（scotti.di.unimi.it/all/）为第一来源，IEEE Dataport 元数据页与关联论文（PMC8123151 等）为交叉验证源。
唯一数字冲突为 ALL-IDB1 图像数 108（官方与主流）vs 109（PeerJ cs-460 单篇），已按官方口径取 108（见坑 1）。
名称口径以官网 “Image Database” 为准，IEEE Dataport 的 “International Database” 副题不采（见坑 8）。
License 无标准协议名，全文统一表述为"公开免费、请求制、无标准 CC、禁诊断用途"，未臆造 CC-BY 等具体协议。
库内互链条目 rid 经核验：bccd=851、lisc=852、raabin-wbc=853、acevedo-blood=722。
本条目由接管代理 agent-a-allidb-v2 在前序实例 agent-a-allidb 的 FACTS.md 与 part1–part4 基础上补全成稿，研究结论沿用前序三源互证结果。

维度	内容
本质	外周血涂片显微镜图像上的 ALL 母细胞分割与分类基准数据集（非临床工具、非挑战赛）
全称	Acute Lymphoblastic Image Database for Image Processing（官网口径）
团队	米兰大学（Università degli Studi di Milano）计算机科学系；proposer & maintainer Fabio Scotti
主论文	ICIP 2011, Brussels, pp. 2045-2048（doi:10.1109/ICIP.2011.6115881）
子集	ALL-IDB1（108 张整幅涂片，分割+分类）｜ALL-IDB2（260 张居中单细胞，仅分类）
ALL-IDB1	59 张无母细胞 + 49 张含母细胞；约 39,000 血液元素；510 个完整描述的淋巴母细胞
ALL-IDB2	130 ALL + 130 健康（1:1 平衡），从 ALL-IDB1 的 blast/正常细胞裁剪
规格	JPG 24-bit，2592×1944（ALL-IDB1）/ 约 257×257（ALL-IDB2）；Canon PowerShot G5
采集	ALL-IDB1 采集于 2005 年 9 月；放大 300-500×
命名	`ImXXX_Y.jpg` + `ImXXX_Y.xyc`（质心文件）；Y=0/1 布尔母细胞标签
任务	ALL-IDB1 三层：图像分类 / 母细胞计数 / 母细胞定位；ALL-IDB2 仅图像分类
标注来源	M. Tettamanti 研究中心（Monza）专家肿瘤学家分类；感谢 prof. Andrea Biondi 与 Dr. Oscar Maglia
基准	官网建议分 Cell test 与 Image level 两层，报 Sensitivity/Specificity/Classification error
获取	请求制：邮件 Fabio Scotti + 手填签名申请表扫描件；无公开直链
许可	公开免费、无标准 CC 协议名；官方明确禁止诊断用途
库内互链	BCCD(851)、LISC(852)、Raabin-WBC(853)、Acevedo-Blood(722)