信息速览

数据集名称BBBC051 (Human kidney cortex cells) — AI-Ready Wikipedia

数据类型人工标注,影像数据,原始数据

规模三口径并存：BBBC 总表口径 690,000 images（细胞）｜论文口径 ~230,000 cells 完成八类分类｜TissueMNIST 衍生口径 236,386 样本；组织来源为 3 例

接入方式Broad Bioimage Benchmark Collection 官方直链 Images.zip（2.9 GB，data.broadinstitute.org/bbbc/BBBC051/）+ groundtruthlabels.txt；人肾皮质 DAPI 单通道共聚焦 z-stack（3 例 deceased donor nephrectomy 标本、50 μm 切片）+ VTEA 半自动流水线八类细胞标注

AI 就绪度

INFOBOX — BBBC051 一屏速览

维度内容

本质 3 例人体肾皮质组织的 DAPI 单通道共聚焦荧光显微图像集（3D 体积 / 2D 投影 / 2D 切片），附 8 类细胞类型 ground truth

归属 Broad Bioimage Benchmark Collection（BBBC）第 051 号，Version 1，Phenotype classification 分节

团队 Ashkar Lab（El-Achkar Lab），Indiana University School of Medicine；联系人/一作 Andre Woloshuk，通讯/末作 Seth Winfree

论文 Woloshuk et al., In Situ Classification of Cell Types in Human Kidney Tissue Using 3D Nuclear Staining, Cytometry Part A 2021;99(7):707-721（官方页 early view 口径 “Cytometry. 2020; 1–15”）

数据 Images.zip 2.9 GB 直链 + groundtruthlabels.txt；3 个 tissue samples；50 μm 切片

类别 8 类肾皮质细胞：集合管/连接小管、远曲小管、肾小球内皮、间质内皮、白细胞、足细胞、近端小管节段、髓袢升支粗段

标注 VTEA tissue cytometry 半自动流水线：LS Connect3D 核分割 + 多标记强度 X-means 无监督聚类 + 专家验证，~230,000 细胞

核心发现仅凭 DAPI 核染色即可原位区分 8 类细胞：NephNet3D balanced accuracy 80.26%，超经典机器学习（RF 42.20%）约 38 个百分点

结论方向 3D > 2D、with context > without context；免多重标记的分类范式可避免抗体标记对组织的耗竭

衍生 TissueMNIST（MedMNIST v2 第 6 号）：236,386 样本、28×28×1、7:1:2 切分、MD5 ebe78ee8b05294063de985d821c1c34b

获取官方直链无注册；图像 + ground truth 均为 CC BY 3.0 Unported（允许商用）

库内互链 bbbc（BBBC 总集概览）、medmnist（MedMNIST 系列总集）

BBBC051 是一个"用一种染料干八种细胞的活"的数据集：3 例人体肾皮质组织、一张 DAPI 核染色的共聚焦图像，配合一条半自动 tissue cytometry 流水线，硬是标注出了八类肾皮质细胞的 ground truth；再用自设计的 NephNet3D 网络证明——只看细胞核的形态与 DAPI 强度，深度学习就能在原位把八类细胞分到 balanced accuracy 80.26%。对肾脏数字病理与 3D 显微图像分析而言，它是"免标记分类"范式的公开基准起点之一；对 MedMNIST 生态而言，它是 TissueMNIST 的上游母体——一个 3D 组织分类数据集如何在轻量化改道后进入标准 benchmark 循环的完整案例。

这个案例的每一步都经得起拆开看：图像有明确的一手出处（BBBC 官方页）、标签有可追溯的生产线（VTEA，开源）、数字有可区分的口径（三套规模数字各归其位）、许可有清晰的边界（CC BY 3.0）、衍生有完整的链路记录（TissueMNIST 四步加工）。本条目剩余部分的全部任务，就是把这五个"经得起"逐一展开成可核查的细节。

导语读法三则：

只想下数据：直奔 §6 获取与许可——Images.zip 2.9 GB 官方直链无注册，CC BY 3.0 允许商用，ground truth 在 groundtruthlabels.txt，下载后按 §6.6 自查。
关心标注怎么来的：直奔 §3 注释流水线——八类标签不是人工逐个点的，是 VTEA 半自动流水线聚类出来的，理解这一点才能正确使用标签（§3.5 还列了失败模式）。
做模型评测：直奔 §5 Bench——注意论文的最强数字 80.26% 是 NephNet3D（3D 核体积输入），拿 2D 模型对标时别错配口径，评测协议建议见 §5.5。

§0 导读：这个数据集解决什么问题

0.1 问题：原位认细胞，为什么要付出"组织耗竭"的代价

肾脏组织由二十余种细胞类型构成，散布在肾小球、小管、间质三大结构中。要在原位（in situ）认出它们，传统做法是多重免疫荧光标记——每种细胞类型配一条抗体：白细胞要 CD45，内皮要 CD31，近端小管要 AQP1 或 LRP2，髓袢升支要 THP/uromodulin，远曲小管要 NCC（SLC12A3），足细胞与基膜要 Nestin……多重标记的限制是结构性的：

通道数上限：一台共聚焦显微镜能同时区分的荧光通道有限，"全谱标记"在一张切片上几乎不可能，只能分组、连续切片、分别染——切片之间的空间对应又引入新的对齐问题。
组织耗竭：抗体标记一轮下来，切片被消耗殆尽，同一组织无法再用于下游实验（原位杂交、激光显微切割、质谱成像等）。
抗体可得性与批次差异：稀有标志物的抗体未必可得，批次间滴度差异直接转化为假阴性。
专家瓶颈：即便标记完成，逐细胞的判读仍依赖组织学家，通量与一致性都受人力约束。

Indiana University School of Medicine 的 Ashkar Lab（肾内科，同时深度绑定 IUPUI 计算机科学系与 Richard L. Roudebush VA Medical Center）提出了一个反直觉的思路：细胞核的 3D 形态与 DAPI 染色强度本身，可能就携带足够的类型信息。直觉依据是肾组织学教科书级别的观察——近端小管上皮的核大而圆、密集排布成管状；足细胞的核贴在肾小球毛细血管丛外侧，形态特殊；两种内皮细胞的核都小而扁，但一个在肾小球内、一个在间质；白细胞的核小、致密、染色深。核的大小、形状、染色质纹理、染色强度、空间排布，合起来像一套"形态学指纹"。

0.2 回答：三步走的公开验证

BBBC051 就是这个思路的公开验证集，论文的论证结构分三步：

第一步，用传统方法"教会"流水线认细胞。 对 3 例肾皮质组织做三组多重标记实验（每例三套抗体组，覆盖 CD45/CD31/Nestin、AQP1/LRP2/THP、NCC/KRT8），让每个细胞核在"免疫表型空间"里有了精确坐标。

第二步，把多标记信息蒸馏成标签。 用团队的 VTEA（Volumetric Tissue Exploration and Analysis）tissue cytometry 平台：LS Connect3D 分割细胞核 → 按多标记强度做 X-means 无监督聚类 → 空间位置与形态交叉验证 → 专家把关，得到约 23 万个细胞的 8 类标签。

第三步，把标签"反绑"到单通道图像上做闭环验证。 训练 NephNet2D/NephNet3D 网络，输入只有 DAPI 通道，输出 8 类预测。结果 NephNet3D 达到 balanced accuracy 80.26%，比经典机器学习特征（Random Forest + Haralick 纹理 + PFTAS，42.20%）高出约 38 个百分点——DAPI 单染色确实携带可被深度网络利用的细胞类型指纹。这个数字同时给出了范式的边界：约五分之一的细胞仍会被误分类，它是"强证据"而非"临床级替代"。

这个"假设 → 代理标注 → 闭环检验"的论证结构，在科学方法论上属于典型的"利用更强信息源验证更弱信息源的充分性"：多标记是强信息（直接编码类型），DAPI 是弱信息（间接形态指纹），论文用强信息制造标签、用弱信息复现标签，复现成功即证明弱信息在此任务上"充分"。这种结构对一切"能否用便宜特征替代昂贵特征"的研究都有模板价值——它给出了证明充分性所需的全部组件与它们的最小配置。

0.3 这个数据集的三重价值

数据本身：带 8 类标注的人肾皮质 3D 荧光显微图像在公开数据集中极为稀缺——多数公开肾图像是 2D H&E 病理切片（如库内相关病理条目所覆盖），保留完整三维核结构的荧光体积数据几乎只此一家。BBBC051 提供体积、投影、切片三形态，可直接支撑 3D 显微图像分析研究。
方法论：论文完整披露了"多标记蒸馏 → 无监督聚类 → 单通道学习"的半自动标注范式，VTEA 平台开源（GitHub icbm-iupui/volumetric-tissue-exploration-analysis），整套流水线可迁移到任何"标签难得、图像易得"的组织成像场景（§8 展开五条可迁移经验）。
生态位：它是 MedMNIST v2 中 TissueMNIST 的上游母体——236,386 个 28×28 轻量样本让 3D 组织分类进入了标准 benchmark 循环，反过来又持续为 BBBC051 带来曝光与二手引用（§7）。
教学价值：一条流水线、四个消融口径、三个规模口径、两个年份口径——BBBC051 恰好把"数据集使用前该问的所有问题"都集中在一个案例里。它被用作数据集工程教学的案例素材时，本条目的坑点清单（§10）与证据分级表（附录 G）可以直接作为课程练习的对照答案。

三重价值还有时间维度上的互补：数据价值随使用即时兑现；方法论价值随团队复制逐步兑现；生态价值随 MedMNIST 循环长期兑现。评估 BBBC051 的投入产出时，三者应分别记账——只按"下载量/引用量"这类单一指标评估，会系统性低估后两者的慢变量。

0.4 §0 读法三则

这个条目是"图像集 + 标注流水线 + 分类基准"三合一：图像与标签可下载（§6），流水线方法论可复用（§3），基准数字可对标（§5）——三者参考价值各不相同。
全文统计数字均以 FACTS 存档与多源复核为准；规模存在 690,000 / ~230,000 / 236,386 三个口径（坑点 3），引用前务必分清。
检索时若把 BBBC051 当作"合成肾类器官数据"或"MCF7 乳腺癌数据"，都是踩了第三方聚合页的讹误（坑点 1、坑点 2）——它是真实 deceased donor 人体肾皮质组织。

0.5 本条目与一手资料的关系声明

本条目是二手整理与多源复核的产物，不是一手资料。效力顺位如下：

一手资料：BBBC 官方页（数据契约：文件、许可、推荐引用）与论文（方法契约：流水线、实验、基准数字）——冲突时以一手为准。
本条目：在一手资料之上做结构化、口径裁定（附录 C）与使用指导（§3.5、§5.5 等 D 级建议）；所有硬数字均标注来源（事实清单、附录 G 证据分级）。
第三方聚合页：不具效力；本条目记录的两处讹误（坑点 1、坑点 2）即来自该层级。

检索者引用本条目时，建议同时核对对应一手出处——本条目的复核日志（附录 E）记录了 2026-09-29 时点的一手状态，此后官方页或论文若有更新，以更新后为准。

0.6 如何报告本条目错误

发现本条目与一手资料不符时，按以下顺序处置：先确认自己看的是本条目最新版本；再核对坑点清单（§10）——八个已知口径问题都已存照，若你发现的是新问题，它就是有价值的反馈；最后通过库内条目维护流程提交（附一手出处链接）。特别欢迎对 D 级内容（工程建议类）的实践反馈——它们最依赖社区经验校准。

§1 数据集速览：十问十答

Q1：BBBC051 到底是什么？
Broad Bioimage Benchmark Collection（BBBC，Ljosa & Carpenter et al., Nature Methods 2012）的第 051 号图像集，官方页标题 Human kidney cortex cells：3 例人体肾皮质组织的 DAPI 单通道共聚焦荧光显微图像（z-stack 体积、最大强度投影、单层切片三形态），附 8 类细胞类型的 ground truth，定位任务为表型分类（phenotype classification）。BBBC 系列以"冻结即发布"著称：每个编号对应一个稳定的图像集合与明确的推荐任务，BBBC051 在总表中归入 Phenotype classification 分节。它不是合成数据、不是类器官（坑点 1），也不是乳腺癌数据（坑点 2）。

Q2：图像从哪来？
3 例 deceased donor nephrectomy（遗体捐献供体肾切除术）标本的肾皮质组织，切成 50 μm 厚切片——远厚于常规 3-5 μm 病理切片，为的是保留完整的三维核结构。Leica SP8 共聚焦显微镜整片 tile-scan 采集（硬件参数由兄弟论文 Ferkowicz et al., Lab Invest 2021 披露，见坑点 6），405 nm 激发 DAPI。供体的临床与人口学背景未随数据集公开——这是使用时需自知的数据边界（rai:dataLimitations 已存照）。

Q3：三种图像形态是什么关系？
同一批 z-stack 的三种导出：volumes（完整 3D 体积）、projections（沿 z 轴最大强度投影后的 2D 图）、slices（单层 2D 切片）。三形态服务于不同实验设计——3D 网络吃 volumes，2D 网络吃 projections 或 slices；论文证明 3D 输入的分类效果更好（§4.1），所以三形态的并存本身就是一组"内置消融实验"。选哪种形态取决于你的研究问题：做 3D 形态学选 volumes，做轻量 2D 基线选 projections，做极端信息下限测试选 slices。

Q4：8 类细胞是哪些？
集合管/连接小管（Collecting Duct/Connecting Tubule）、远曲小管（Distal Convoluted Tubule）、肾小球内皮细胞（Glomerular endothelial cells）、间质内皮细胞（Interstitial endothelial cells）、白细胞（Leukocytes）、足细胞（Podocytes）、近端小管节段（Proximal Tubule Segments）、髓袢升支粗段（Thick Ascending Limb）。BBBC 官方网页未逐条列出类名，类名经论文 SI Table S1 定义、并由 MedMNIST info.py 完整存档互证（坑点 5）；每类的解剖学位置与形态学预期见 §2.5 的逐类小传。

Q5：标签是怎么打的？
半自动：VTEA tissue cytometry 流水线先用 LS Connect3D 分割细胞核，再依据三组多重标记实验（DAPI+CD45+CD31+Nestin / DAPI+AQP1+LRP2+THP / DAPI+SLC12A3+KRT8）的荧光强度做 X-means 无监督聚类打簇标签，经空间位置与形态验证、专家把关后定稿。约 230,000 个细胞获得 8 类标签，导出为 NephNuc 系列训练集（5 种形态，§2.6）。理解"簇级半自动金标准"这个性质，是用好标签的前提（§3.3）。

Q6：规模到底多大？
三个口径并存、各有出处（坑点 3）：BBBC 总表在 Phenotype classification 分节计 690,000 images（细胞数口径）；论文摘要称 ~230,000 cells 完成八类分类（NephNuc 训练库口径）；衍生 TissueMNIST 为 236,386 样本（MedMNIST 切分后口径，165,466/23,640/47,280 对应 7:1:2）。三个数字都是"对的"，只是统计边界不同——引用时按用途选口径并注明来源，千万不要混用（例如把 236,386 说成"原始图像数"就是口径错配）。

Q7：官方推荐的任务和指标是什么？
用 DAPI 单通道图像预测 8 类细胞类型，评价指标为 balanced accuracy（平衡准确率，对类别不平衡稳健——肾皮质中近端小管上皮占大头，足细胞、白细胞稀少，普通 accuracy 会被多数类淹没）。ground truth 按 3 个 tissue samples 组织，天然支持留一法式的跨样本泛化实验（§5.5 的评测协议建议）。

Q8：目前最好的成绩是多少？
论文自报：NephNet3D（3D 核体积输入）balanced accuracy 80.26%；经典机器学习最优为 Random Forest（Haralick+PFTAS 特征）42.20%，SVM 41.54%；方向性结论为 3D 优于 2D、with context 优于 without context。第三方在 TissueMNIST 上的成绩属于 28×28 轻量口径，与 3D 原始口径不可直接比较（§4.5、§7.1）。

Q9：怎么获取、什么许可？
官方直链 Images.zip（2.9 GB）+ groundtruthlabels.txt，无需注册、无请求制；图像与 ground truth 均为 CC BY 3.0 Unported（允许商用），持有人 Andre Woloshuk。官方推荐引用语：‘We used image set BBBC051, available from the Broad Bioimage Benchmark Collection [Ljosa et al., Nature Methods, 2012].’（§6 全展开）

Q10：它和 TissueMNIST 什么关系？
TissueMNIST 是 MedMNIST v2 从 BBBC051 加工出的轻量衍生：取体积做 z 轴 7 层 32×32 裁剪，最大强度投影到 28×28×1，沿用 8 类标签，切成 165,466/23,640/47,280（7:1:2），MD5 ebe78ee8b05294063de985d821c1c34b，Zenodo record 5208230 分发。加工链路的逐步拆解见 §7.1——注意 MIP 压缩恰好丢掉了论文证明最有判别力的 z 轴 3D 信息。研究 3D 原始口径回本条目，研究轻量 benchmark 口径去 medmnist 条目（§7、§9）。

1.1 目标读者与使用地图

你是	最短路径	你会拿到什么
想立即下载使用的工程师	§6.1 → §6.6 → §2.7	直链、下载后自查清单、完整性核对步骤
关心标注质量的方法学审稿人	§3 全章 → §3.5 → 存照③	半自动标签的生产方式、失败模式审计清单、口径边界
复现论文基准的算法研究员	§5 全章 → §5.5	基准数字总表、指标口径、五变量评测协议
设计新标注流水线的团队负责人	§3.2 → §3.3 → §3.6 → §8	四步流水线、成本经济学、复现指引、五条可迁移经验
做 TissueMNIST 相关 benchmark 的用户	§7.1 → §7.2 → §4.5	加工链路四步拆解、口径差异警示
做许可合规/数据治理的专员	§6.2 → §6.3 → §6.8	许可条款、官方引用模板、四场景合规操作
图书馆员/数据管理员（元数据入库）	INFOBOX → 事实清单 → 附录 C	结构化速览、硬数字-来源对照、口径裁定汇总
检索中踩到讹误描述的普通读者	§0.4 → §10	三个最常见的讹误口径与实核（坑点 1-3）
教学设计者（数据集工程课程）	§0 → §8 → §10 → 附录 G	案例叙事、五条经验、坑点练习、证据分级方法
综述作者	事实清单 → §7.4 → 附录 B	数字口径、谱系引用、完整文献列表

1.2 十问速查表

问	答案浓缩
Q1 是什么	BBBC 第 051 号：3 例人肾皮质 DAPI 单通道图像 + 8 类标签，任务为表型分类
Q2 图像来源	deceased donor nephrectomy 标本，50 μm 切片，Leica SP8 共聚焦（参数归属兄弟论文）
Q3 三形态	volumes（3D）/ projections（MIP）/ slices（单层），同一 z-stack 的三种导出
Q4 八类	集合管/连接小管、远曲小管、肾小球内皮、间质内皮、白细胞、足细胞、近端小管节段、髓袢升支
Q5 标注方式	VTEA 半自动：Connect3D 分割 + X-means 聚类 + 专家验证
Q6 规模	690,000（BBBC 总表）/ ~230,000（论文）/ 236,386（TissueMNIST），三口径并存
Q7 任务与指标	DAPI → 8 类，balanced accuracy
Q8 最优成绩	NephNet3D 80.26%（3D）；RF 42.20% 为经典特征锚点
Q9 获取与许可	官方直链无注册；CC BY 3.0 允许商用
Q10 TissueMNIST 关系	轻量衍生母体；MIP 压缩丢 3D 信息，两口径不可互推

1.3 按主题的 FAQ 索引

文末 FAQ 共 28 问，按主题分组：

主题	覆盖问题
数据性质	是不是合成数据、是不是 H&E、8 类是什么、为什么单通道
规模口径	细胞总数、三口径分辨、样本量核对
获取与许可	注册、商用、引用模板、衍生发布、原始文件
基准与指标	80.26% 口径、为什么用 balanced accuracy、类别不平衡
标注方法	流水线复现、标签可靠性质疑、半自动 vs 全人工
口径互通	与 TissueMNIST 的换算边界、跨口径训练-测试、后续版本

§2 数据构成：三形态图像与八类标签的完整盘点

2.1 官方分发包结构

BBBC051 的全部分发物只有两个文件，均从官方页直链获取、无需注册：

文件	大小/格式	内容
Images.zip	2.9 GB，TIFF 图像包	全部 DAPI 荧光图像，按 3 个 tissue samples 分目录组织
groundtruthlabels.txt	纯文本标签	细胞核与 8 类标签的对应关系

官方页明确数据按 3 个 tissue samples 分目录，这一组织方式天然支持"跨样本泛化"实验设计——以两个样本训练、在第三个样本上测试，检验模型对供体间差异的鲁棒性。ground truth 标签同样按样本组织，与图像目录一一对应。与许多"一锅烩"式的图像集相比，这种按组织来源分目录的结构是 BBBC051 对严谨评测的隐性支持：样本内随机划分会因相邻核高度相似而高估性能，跨目录划分才是论文结论的可信复现方式（§5.5）。

两个文件、三个目录、八类标签——BBBC051 的全部复杂性都藏在"结构简单"的表象之下：图像是什么（三形态，§2.3）、标签哪来的（三组标记实验，§2.4）、类型有哪些（八类定义，§2.5）、训练库长什么样（NephNuc 五形态，§2.6）。以下四节逐一拆开。

2.2 标本来源与采集

组织来源：3 例 deceased donor nephrectomy（遗体捐献供体肾切除术）标本的肾皮质组织。注意这是真实人体组织，而非类器官或合成数据（坑点 1）；供体的人口学与临床背景未随数据集公开。
切片厚度：50 μm——远厚于常规 3-5 μm 病理切片，保留完整的三维核结构，这是 3D 分类可行性的物理前提。厚切片也意味着共聚焦的光学切层能力（排除焦外信号）成为成像质量的必要条件。
采集硬件：Leica SP8 共聚焦显微镜，HC PL APO 20×/0.75 IMM 油镜（折射率 1.51），405 nm 激发 DAPI，整片 tile-scan 过夜采集 10-14 小时/片，单卷 .lif 文件 40-50 GB。注意：这些硬件参数并非 BBBC051 论文正文披露，而是同团队的兄弟论文 Ferkowicz et al., Lab Invest 2021（doi:10.1038/s41374-020-00518-w）描述的完整 3D tissue cytometry 管线细节——引用时须注明归属（坑点 6）。
采集节奏的含义：过夜 10-14 小时/片的采集速度说明这是"以时间为代价换完整三维信息"的成像——每片组织一次只能做一种标记组合的扫描，这也是三组标记实验需要分组连续切片的技术根源。
官方披露程度：官方页对数据生成细节仅有一句 “Additional details on generation is the subject of an upcoming publication”——截至本条目复核日（2026-09-29），该"即将出版的出版物"对应关系未在官方页落实，采集与质控细节依赖论文与兄弟论文拼合（§10 坑点 8）。

2.3 三种图像形态

同一批共聚焦 z-stack 以三种形态导出，服务于不同网络架构与实验设计：

形态	内容	适用场景
volumes	完整 3D 体积（z-stack）	NephNet3D 等 3D 网络输入；保留核的三维形态指纹
projections	沿 z 轴最大强度投影（MIP）后的 2D 图	2D 网络输入；压缩深度信息换取处理速度
slices	单层 2D 切片	2D 网络输入；丢弃焦外信息，信息量最少的口径

三形态的并存本身就是论文核心论点的实验设计：同样一批细胞核，3D 输入比 2D 输入分类效果更好（§5），说明 z 轴形态信息（核的立体形状、沿深度的强度分布）携带类型判别力，投影或切片会损失这部分信息。MIP 的取舍值得展开：最大强度投影保留的是 z 轴上"最亮"的像素，对 DAPI 这类核染色而言大体等价于"取核最致密的焦平面"，因此投影图保留了核的平面轮廓与染色强度，但完全丢失核的立体形状与沿深度的纹理变化——后者恰是 spherical harmonics 特征（§5.2）在 3D 口径下能捕捉、投影后无法捕捉的部分。

从存储与算力视角看三形态：volumes 的体积约为 projections 的 z 倍量级，projections 又与 slices 同级；一次下载获得三种形态，意味着用户可以按"先 2D 立项、后 3D 深化"的节奏渐进投入，而不必为试点阶段预付全量 3D 处理成本——这也是 BBBC 分发设计里对下游友好的细节。

2.4 三组多重标记实验（标签的物理来源）

ground truth 的标签并非凭空而来，而是来自对 3 例标本（每例三套抗体组）的三组多重标记实验。每组均以 DAPI 为核染色，叠加不同细胞类型的标记抗体：

组别	标记组合	圈定的细胞类型
①	DAPI + CD45 + CD31 + Nestin	白细胞（CD45）、内皮细胞（CD31）、足细胞/基膜（Nestin）
②	DAPI + AQP1 + LRP2 + THP/uromodulin	近端小管（AQP1、LRP2）、髓袢升支（THP/uromodulin）
③	DAPI + SLC12A3/NCC + KRT8	远曲小管（NCC）、集合管/上皮（KRT8）

理解这张表就理解了 BBBC051 的方法学本质：多标记实验只用于"生产标签"，最终分发的图像只有 DAPI 通道。这是"蒸馏式标注"——把昂贵的多重标记信息蒸馏为标签，再让模型学习仅凭核染色复现该标签。8 类中的"肾小球内皮 vs 间质内皮"依赖空间位置（肾小球内 vs 间质）区分，"近端小管节段"则依赖核在管状结构中的排布——这也是 with context 版本输入存在的原因（§3.4）。

分组设计的逻辑也清晰可读：组①圈定"游离细胞"（白细胞、内皮、足细胞），组②圈定"近端小管系"（AQP1/LRP2 双阳性的近端小管与 THP 阳性的升支粗段），组③圈定"远端小管系与集合管"（NCC 阳性的远曲小管与 KRT8 阳性的集合管上皮）。三组合起来正好覆盖 8 类的判定所需的标志物证据。

2.5 八类细胞类型定义表与逐类小传

8 类类名在 BBBC 官方网页未逐条列出；论文 SI Table S1 给出定义，MedMNIST 官方代码库 info.py 将其完整存档（本条目 2026-09-29 复核直接证实），两源一致。中文名按标准肾解剖学译法：

标签	英文类名	中文	解剖学位置
0	Collecting Duct / Connecting Tubule	集合管 / 连接小管	皮质集合管系统
1	Distal Convoluted Tubule	远曲小管	肾单位远端
2	Glomerular endothelial cells	肾小球内皮细胞	肾小球毛细血管内
3	Interstitial endothelial cells	间质内皮细胞	肾间质毛细血管
4	Leukocytes	白细胞	间质浸润/巡游
5	Podocytes	足细胞	肾小球包曼囊
6	Proximal Tubule Segments	近端小管节段	肾单位近端
7	Thick Ascending Limb	髓袢升支粗段	髓放线/髓质外带

逐类小传（形态学预期基于标准肾组织学通识，供误差分析时对照）：

集合管/连接小管：集合管由主细胞与闰细胞构成，连接小管是远曲小管向集合管的过渡段；在皮质中走行较直、管腔较大，核圆形、大小均匀、排列相对疏松。KRT8 阳性是其在组③实验中的判定证据。
远曲小管：NCC（噻嗪类利尿剂敏感的钠氯共转运体）特异性标记；管壁相对薄、管腔清晰，核排列较近端小管疏松，细胞界限更分明。
肾小球内皮细胞：肾小球毛细血管丛内的 fenestrated 内皮；核小而扁，被限制在肾小球结构内部——"位于肾小球内"这一空间属性是其与间质内皮的核心区分，也是 with context 输入的价值所在。
间质内皮细胞：管周毛细血管与直小血管的内皮，CD31 阳性；核同样小而扁，但散布于肾间质、伴随小管走行，与肾小球无空间关联。
白细胞：CD45 阳性的免疫细胞，核小、圆形、染色质致密（DAPI 染色深）、胞质极少；在正常皮质中散在分布、丰度低——天然的少数类，balanced accuracy 指标选择的直接原因之一。
足细胞：位于包曼囊内侧、覆盖肾小球毛细血管丛外侧面的脏层上皮细胞；Nestin 阳性；核相对较大、染色质疏松，位置特殊（贴着肾小球但不在血管腔内），是 8 类中形态学与空间属性都最特殊的一类。
近端小管节段：AQP1/LRP2 双阳性；皮质中丰度最高的细胞类型，核大而圆、染色质常驻、密集排列成管状结构——天然的多数类。
髓袢升支粗段：THP/uromodulin 特异性标记；上皮核介于近端与远端小管之间，沿髓放线分布。

类别构成覆盖了肾皮质的四大功能系统：小管上皮（0、1、6、7）、肾小球（2、5）、间质血管（3）、免疫细胞（4）。文献另有"11 类压缩为 8 类"的第三方转述（Sci Rep 2026, s41598-026-55088-6），此说法与 BBBC/MedMNIST 两边的官方口径均无法核对，本条目仅存照不采信（§10 坑点 8）。

八类的区分难度分层（按 §2.5 小传推导，供误差分析预期）：

难度层	类对	区分依据
易	小管上皮 vs 内皮/白细胞	核大小、染色质密度差异显著
易	足细胞 vs 多数类	位置特殊（肾小球外缘）+ 核大疏松
中	集合管 vs 远曲小管	同为远端小管系上皮，靠 KRT8/NCC 标记与管腔形态
中	近端小管 vs 髓袢升支	核形态与排布有差异但同属管状上皮
难	肾小球内皮 vs 间质内皮	核形态几乎相同，区分几乎全靠空间语境（with context 增益的主要去向）

这个分层直接预测了混淆矩阵的形态：最重的混淆块应落在"难"层，"中"层次之——若实验中观察到相反模式，优先怀疑数据加载或标签对齐有 bug，而不是模型能力。

2.6 NephNuc 训练集：五种导出形态

论文将标注好的细胞核（含周边上下文与否、3D 或 2D）导出为五种训练库形态，统称 NephNuc：

导出形态	输入维度	是否含上下文
NephNuc3D	3D 核体积	否
NephNuc3D with context	3D 核体积 + 周边环境	是
NephNuc2D_Projection	2D（MIP 投影）	否
NephNuc2D_Projection with context	2D（MIP 投影）+ 上下文	是
NephNuc2D	2D（单层切片）	否

with context 指在细胞核本体之外附带周边像素/体素——邻居核的排布、管腔的位置等空间语境。"with context 优于 without"的消融结论（§5）说明：一部分细胞类型的判别力不在核本身，而在核所处的组织学语境。五种形态与三组标记实验、8 类标签共同构成完整的监督信号链：图像（DAPI）+ 标签（8 类）+ 判定证据（三组标记）全部可追溯。

2.7 下载后的完整性核对清单

从官方直链获取数据后，建议按以下顺序核对（各条均基于官方页描述的既定结构）：

压缩包完整性：Images.zip 约 2.9 GB——若下载体积显著偏离，优先怀疑传输中断而非版本变化（BBBC051 未见 v2，§6.5）。
目录结构：解压后应看到按 3 个 tissue samples 组织的目录；若只有单一平铺目录，说明拿到的不是 BBBC051 官方分发（警惕聚合站二次打包）。
标签文件：groundtruthlabels.txt 为纯文本；核对应关系按样本组织。加载后统计标签分布：8 类均应非空，且近端小管类应占大头（肾皮质细胞丰度的自然分布）。
图像模态：抽查若干文件确认单通道（DAPI）；若发现多通道图像或 RGB 合成图，同样说明来源有问题。
形态齐备：volumes / projections / slices 三形态文件均应在包内；缺形态时先检查子目录再怀疑下载完整性。

2.8 使用场景适配表

不同研究问题应取不同的数据子集与口径：

研究场景	建议取用	理由
3D 细胞核分类（复现论文主线）	volumes + NephNuc3D 口径标签	与 NephNet3D 80.26% 同口径，可直接对标
2D 轻量基线	projections（或 TissueMNIST）	与 RF 2D 口径对标；轻量场景直接用 TissueMNIST
空间/邻域建模（cell graph、neighborhood analysis）	volumes + with context 输入设计	语境特征是论文证明的增益来源（§4.1）
跨供体泛化研究	按 tissue sample 目录做 leave-one-out 划分	3 例供体是唯一的天然划分单位
免标记分类范式验证	全部图像 + 自选分类器	数据集的方法学卖点本身就是任务
弱监督/半监督方法研究	全量图像 + 部分标签	标签覆盖 ~23 万细胞，图像中未标注核可用作无监督素材
多通道/共定位研究	不适用	仅 DAPI 单通道，无第二通道可做共定位

2.9 数据边界与不适用场景

除上表的"多通道不适用"外，使用前还应知晓以下边界（均为事实性边界，非数据缺陷）：

无临床配对信息：供体的人口学、临床诊断、肾功能指标均未随数据集公开——不能做"基因型/临床表现 vs 细胞组成"类关联研究。
正常组织口径：标本为供体肾的肾皮质，非病变组织；做疾病模型（如糖尿病肾病、纤维化）外推时须自行验证适用性。
无时序/活细胞维度：静态固定组织的终末图像，不适合活细胞动力学研究。
供体数 = 3：供体层面的统计功效有限——任何"供体间差异"的结论都只有 3 个观测单位，做人群层面推断是不当使用。
单采样区域口径：每例组织的取材区域与面积以官方/论文描述为准，官方页未详述取材异质性控制（坑点 8 的生成细节真空在此处也有影响）。

这些边界不削弱 BBBC051 在"方法学验证"场景的价值，但把"肾皮质细胞分型基准"误用为"肾疾病队列"或"人群代表性样本"是检索中最常见的过度外推——引用时把"3 例供体的方法学基准"说全，可以避免九成误用。

边界的正确引用模板（两句版，可直接套用）：“BBBC051 是基于 3 例遗体捐献供体肾切除术标本、约 23 万个经半自动流水线标注为 8 类的肾皮质细胞核的 DAPI 单通道荧光显微图像集（Woloshuk et al., Cytometry Part A 2021），定位为原位细胞分型的方法学基准。”；“其规模与许可口径为：BBBC 总表计 690,000 幅细胞图像，图像与标注以 CC BY 3.0（允许商用）经官方直链分发。”——两句合用，数据性质、规模口径、许可状态全部落位。

2.10 图像加载与处理的工程注意

以下为处理 3D 荧光显微 TIFF 数据的通识性工程建议（具体规格以包内文件实际为准）：

读取库：Python 生态用 tifffile（支持 ImageJ/Zeiss 系 TIFF 与内存映射）；3D 数据建议先以"懒加载"方式检查维度顺序，确认 z 轴位置后再进入训练管线。
维度顺序：不同导出形态的维度语义不同——volumes 是 zyx（或 tzyx），projections/slices 是 yx（或 cyx）；混用而不检查维度是 3D 管线最常见的低级错误来源。
动态范围：荧光图像的位深与强度分布因采集增益而异；跨样本比较强度前先检查各样本的直方图，必要时做每样本归一化（注意：归一化策略会改变强度特征的物理含义，与论文的经典特征口径对照时须保持一致）。
内存预算：2.9 GB 压缩包解压后的 TIFF 总量会显著放大（TIFF 无损压缩比通常有限），加上训练时的 batch 复制与增强副本，建议按"解压体积 × 3-5"预估内存/磁盘需求；逐样本流式读取优于全量驻留。
标签对齐：ground truth 以核对象为单位，训练前需完成"核对象 → 图像裁块"的坐标关联；建议一次性把 NephNuc 五种形态的裁块预生成落盘，避免训练循环内重复做 3D 邻域取窗。
随机性与可复现：裁块、增强、划分的随机种子与日志建议随实验存档——本数据集的跨样本口径（§5.5）对划分方式敏感，可复现性要求比一般 2D 分类更高。
格式转换：若训练管线偏好 HDF5/zarr（支持分块读取与并行），建议一次性转换后以 MD5/SHA 存档转换产物——二次分发转换格式时须保留原始 TIFF 可回溯性（§6.8 再分发义务同样适用于转换产物），并在文档中写明转换时的维度重排与压缩选项，避免下游"转换即失真"的隐形成本。
最小加载示意（伪代码，占位符需按包内实际结构替换）：

# 依赖: tifffile, numpy
import tifffile, numpy as np

# volumes: 确认维度顺序后再进入管线
vol = tifffile.imread("<tissue_sample_dir>/<volume>.tif")   # 预期 (Z, Y, X) 或含通道维
assert vol.ndim >= 3, "unexpected dims -- check axis order first"

# projections / slices: 2D 路径
img2d = tifffile.imread("<tissue_sample_dir>/<projection>.tif")

# 标签: 按官方 groundtruthlabels.txt 的实际格式解析(先看文件头与分隔符)
# labels = parse_groundtruth("<path>/groundtruthlabels.txt")

示意代码只固定"先查维度、再写管线"的顺序，不预设任何未存档的文件名与格式细节（§附录 J 同口径）。

常见格式陷阱三则：其一，TIFF 页序即 z 序的假设并不总成立——部分导出器把 z 轴写成多页 TIFF，部分写成单页多通道，读取后先验证体积的各向异性比例再继续；其二，16 位强度直接除 255 转 8 位会截断高值——动态范围压缩应先查实际最大值再定映射；其三，标签文件与图像的核编号对齐依赖官方说明——任何"看起来对齐了"的假设都要用 §2.7 的分布核对来验证。

3.9 标签质量抽验的最小方案

对"簇级半自动金标准"建立信心，不需要全量人工重标，一个最小抽验方案即可：

抽样：按 8 类分层，每类抽 30-50 个核（稀少类如白细胞可全查），共 200-500 个。
双盲精标：两名熟悉肾组织学的人员仅看 DAPI 图像独立分类（不告知聚类标签）——这一步顺便检验"单染色人眼可分性"，与论文的机器可分性形成人机对照。
一致性计算：算两位标注者的一致率与 kappa；再分别与聚类标签比对。
结论解读：人工-聚类一致率 ≈ 人工-人工一致率 → 簇标签质量达到人工水平；显著低于 → 按簇定位系统性分歧，反馈到 §3.5 的审计。
存档：抽验结果随实验记录保存——任何下游用户问起"这标签多可靠"，你有一手答案而不是转述。

这个方案的全部成本是数百个核的双盲判读（数十小时级），换来的是对 23 万标签的量化信心——性价比远高于"全信"或"全疑"两个极端。

§3 注释流水线：VTEA tissue cytometry 如何炼成 23 万个标签

3.1 VTEA 是什么

VTEA（Volumetric Tissue Exploration and Analysis）是同团队（Winfree、El-Achkar 等）于 2017 年发表的 3D 组织定量分析平台（Winfree S, et al. J Am Soc Nephrol. 2017;28(7):2108-2118, doi:10.1681/ASN.2016091027, PMID 28154201；开源代码 GitHub icbm-iupui/volumetric-tissue-exploration-analysis）。它的定位是 3D 版的 tissue cytometry——像流式细胞仪对细胞悬液做逐细胞定量那样，对厚组织切片的 3D 共聚焦图像做逐细胞核的分割、特征提取与分群。2021 年团队又在 Lab Invest 发表了集成机器学习的完整 3D 管线（Ferkowicz et al.），并有 VTEA 扩展版预印本（bioRxiv 2021.12.27.474025，集成 ML + neighborhood analysis）。BBBC051 的标注流水线是这一方法谱系在"标签生产"场景下的应用。

tissue cytometry 这个词值得多说一句：它是流式细胞术（flow cytometry）思想在组织原位语境的移植——流式对悬液中的细胞按荧光强度分门别类，tissue cytometry 对组织图像中的细胞做同样的事，但额外保留了每个细胞的空间坐标。空间信息的加入使"细胞是什么"与"细胞在哪里"可以同时回答，这正是组①-③实验中"肾小球内皮 vs 间质内皮"这类依赖位置的类别能够成立的前提。

两种"细胞计量"的对照：

维度	flow cytometry（流式）	tissue cytometry（组织计量，VTEA）
输入	细胞悬液（解离后的单个细胞）	原位组织 3D 图像（细胞仍在组织中）
信号	逐细胞荧光强度	逐核荧光强度 + 3D 形态 + 空间坐标
空间信息	无（悬液已破坏组织结构）	完整保留
通量	极高（每秒数千事件）	受成像与分割约束（过夜采集/片）
形态学	前向/侧向散射（间接）	直接成像（核形、染色质可见）
组织语境	不可得	可得（context 类特征的来源）

VTEA 的三个能力支柱对应流水线的三个环节：分割（把连续组织切成离散核对象——LS Connect3D）、量化（把图像信号变成数值表——强度与形态特征矩阵）、分群（把数值表变成类别——X-means 聚类）。三支柱各自有替代品（任何 3D 分割器、任何特征提取器、任何聚类器），但三者的接口约定（“核对象 → 特征行 → 簇标签”）是流水线可替换性的来源——VTEA 是这个接口的一个开源实现，而非唯一实现。

3.2 流水线四步

BBBC051 的 8 类标签按以下步骤生产：

核分割：LS Connect3D 对 DAPI 通道做 3D 细胞核分割，得到约 23 万个核对象及其 3D 形态参数（体积、表面积、长短轴、球形度等）。分割质量是整条流水线的地基——厚切片中的核密度高、接触多，3D 分割比 2D 更依赖软件的分离能力。
多标记强度量化：对每个核提取三组多重标记实验中各抗体通道的荧光强度特征——每个核在"CD45 阳性？CD31 阳性？NCC 阳性？……"的免疫表型空间里有了坐标。强度量化以核对象为聚合单位（核内平均/总强度），将连续荧光值转化为可比的表型读数。
X-means 无监督聚类：在多标记强度特征空间上运行 X-means（自动确定簇数的 K-means 扩展），把免疫表型相近的核聚成簇；簇标签即"候选细胞类型"。X-means 的选择意图明确：不预设类数，让数据的表型结构自己说话——若组织里存在第 9 种可分辨的表型，聚类会提示出来。
验证与定稿：以空间位置（核是否位于肾小球内、是否贴管腔）与核形态做交叉验证，专家把关簇的生物学解释，最终归并为 8 类，写入 groundtruthlabels.txt。

每步的输入-产出对应关系：

步骤	输入	产出物
① 核分割	DAPI 3D 体积	~23 万个核对象（3D 形态参数齐全）
② 强度量化	核对象 × 三组标记通道	核 × 标志物的强度特征矩阵
③ X-means 聚类	强度特征矩阵	簇标签（自动定簇数）
④ 验证定稿	簇标签 + 空间位置 + 形态	8 类最终标签 → groundtruthlabels.txt

3.3 为什么是"半自动"而不是全人工

23 万个细胞若逐个人工分类，按每秒 1 个的不间断节奏也要 64 小时以上，且人会疲劳漂移。X-means 聚类把"分类 23 万个点"压缩为"解释十几个簇"——专家只需要看每个簇的标记谱与空间分布，判断它是哪类细胞。这是 tissue cytometry 的核心经济学：机器出候选，人出裁决。代价是标签质量受聚类质量约束：同一簇内的异质性无法完全排除（rai:dataLimitations 已存照），使用标签时应意识到这是"簇级半自动金标准"而非"逐细胞全盲人工金标准"。

与另一类常见方案——专家逐细胞划类——相比，半自动方案的误差结构也不同：人工标注的误差是随机的、逐点独立的；聚类标注的误差是结构化的、成簇出现的（一个簇错，簇内全部细胞跟着错）。这直接影响下游模型的验证设计：交叉验证时应按簇或按样本划分，而不能按细胞随机划分，否则验证集与训练集会共享同源误差，性能被虚高。

顺带一提，"聚类 + 专家裁决"在医学图像数据集谱系中并非孤例思路——凡是"特征空间中天然成团、团与生物学类目有对应"的场景（细胞分型、组织区域划分、病例分层），这个结构都成立。BBBC051 的贡献是把这条路的完整参数（多少标记组、什么聚类算法、多少人工裁决量）以可核查的方式留在了论文里，让后来者不必从零摸索。

把这个思路放回更大的一幅图：医学数据集的标注经济学正在从"全人工"向"模型辅助"演进，本数据集代表的"聚类辅助"是其中无监督的一支；今天的"模型预标 + 人工修正"是监督的一支。两支共享同一个风险——辅助系统的系统误差会被不察觉地写进金标准——也因此共享同一份解药：抽验审计（§3.9 的最小方案）。读懂 BBBC051 的标注经济学，等于读懂了此后十年医学标注流水线的基本矛盾。

3.4 标签到学习任务的"蒸馏"闭环

标注完成后，团队做了一个方向翻转：多标记信息退休，只保留 DAPI 通道图像 + 8 类标签，训练 NephNet2D/NephNet3D 从核染色预测类型。这个闭环的方法学含义是：

训练时的监督来自多标记，推理时只依赖 DAPI——新组织切片无需任何抗体标记即可被分类；
免除标记耗竭：同一组织在 DAPI 染色后仍可用于下游实验，抗体预算也大幅缩减；
可增量复制：遇到第 9 类细胞（如闰细胞、远端直小管）时，只需做一轮针对性多标记实验 + 聚类，扩展标签集，再重训网络。

蒸馏闭环还有一个容易被忽略的推论：标签的上界由标记实验的判别力决定。CD45/CD31/NCC 等标志物自身有表达的边界模糊带（表达强弱连续分布），聚类切在这些模糊带上的簇标签，会把这些不确定性原样传递给下游分类任务。换句话说，80.26% 的 NephNet3D 不只是"模型能力的度量"，部分反映的也是"8 类划分本身的固有边界"。

三个常见误设：其一，“蒸馏后多标记数据可以扔了”——不能，它是标签的判定证据，复核标签争议、扩展新类别时都要回到它（虽然它不随本数据集分发，理解其存在是理解标签性质的前提）；其二，“DAPI 图像里能直接看到 8 类”——不能，DAPI 视野里只有核，"类型"是监督信号赋予的抽象，可视化工具里看到的颜色是标签不是染色；其三，“80.26% 接近 100% 了，剩余误差是工程问题”——不是，§2.5 的形态近邻类对与 §3.4 的标签固有边界决定了剩余误差有信息论成分，不是堆算力就能消除的。

3.5 流水线的失败模式与审计建议

任何半自动流水线都有典型失败模式，BBBC051 的标签链路也不例外。使用者在做误差分析时，建议优先排查以下四类：

边界细胞：表达强度处于两簇模糊带的细胞（如 NCC 弱阳性的过渡段上皮），聚类归属可能摇摆。审计方式：按"到簇中心的距离"排序，抽查距离最近的样本对。
分割合并/过分裂：LS Connect3D 在高密度区可能把两个核并成一个（under-segmentation），或在弱染色区把一个核拆成两半（over-segmentation）。前者的标签会"张冠李戴"，后者会产生幽灵对象。审计方式：对体积/球形度离群的核对象做人工复看。
稀少类型欠聚类：白细胞等低丰度类型可能在聚类中被并入大簇（X-means 对簇大小不均敏感）。审计方式：核对 8 类各自的样本量分布，稀少类的数量级是否与组织学常识一致（正常皮质中白细胞远少于小管上皮）。
跨样本批次效应：三例标本的染色强度、成像批次若有系统差异，聚类可能在"样本维度"而非"类型维度"上切分。审计方式：分样本查看各类别的标记谱是否一致。

VTEA 开源意味着这些审计都是可执行的——这不是假设性的风险清单，而是复现者应当完成的尽调步骤。

3.6 复现指引

把这条流水线复用到自己的组织成像数据上，需要的组件与顺序：

成像：50 μm 级厚切片 + 共聚焦 z-stack（参考 Leica SP8 配置，坑点 6 归属口径）；若做多标记定标，按目标类型设计抗体组（每例多组、分组连续切片）。
分割：LS Connect3D（或任何 3D 核分割方案，如 Cellpose 的 3D 模式——注意这已偏离原流水线，需自行验证一致性）。
聚类定标：X-means（或 HDBSCAN 等可变簇数方案）在标记强度空间上聚类；专家逐簇解释并定类。
学习闭环：保留目标输入通道（原论文为 DAPI）+ 簇标签，训练分类网络；按 §5.5 的协议评测。
代码底座：VTEA 开源库（icbm-iupui/volumetric-tissue-exploration-analysis）提供 3D 分析的参考实现；扩展版思路见 bioRxiv 2021.12.27.474025。

复现的最小里程碑：把流水线在自己数据上跑通，建议按四个里程碑验收——M1 分割：随机抽 20 个视野，核分割的查全/查准双人目检通过；M2 量化：特征矩阵生成，每核一行、无空值、数值范围合理；M3 聚类：簇数在生物学预期量级（不要求等于目标类数），每簇能被专家用一句话解释；M4 闭环：单通道分类器的 balanced accuracy 显著高于随机基线且接近标注簇的纯度上限。四个里程碑都过，才谈得上"复现成功"；跳过任何一步的"跑通"都只是管道联通而非质量确认。

3.7 半自动 vs 全人工标注的权衡对照

维度	VTEA 半自动（BBBC051 采用）	逐细胞全人工
通量	23 万级可行	每秒 1 个也要 64 小时起
专家时间	解释十几个簇	逐细胞判读
误差结构	结构化、成簇出现	随机、逐点独立
一致性	簇内标准统一	人内/人间漂移
可扩展性	加类型 = 加一轮标记+聚类	加类型 = 全量重标
验证设计要求	按簇/按样本划分	常规随机划分即可
簇内异质性	无法完全排除	不适用
适用规模	大规模、类型数中等	小规模精标、金标准子集

这张表解释了 BBBC051 的一个根本性质：它不可能通过扩人力变成全人工金标——23 万细胞的全人工分类即使可行，也会失去"与聚类口径一致"的性质。正确的用法是把全人工精标当作"审计子集"：抽几百个细胞做双盲精标，量化半自动标签的簇级准确率，再决定下游任务对标签误差的容忍度。这是任何使用半自动标注数据集（在医学图像领域相当常见）的团队都值得建立的惯例。

3.8 VTEA 流水线在团队方法谱系中的位置

把 BBBC051 放回团队 2017-2021 的方法演化时间线，能看清它的"承上启下"角色：

2017（JASN）：VTEA 平台奠基。 Winfree 等发布 3D tissue cytometry 平台，解决"厚切片共聚焦图像的逐细胞定量"的工程问题——分割、特征、分群的工具箱成型。
2020-2021（Cytometry Part A，本条目主文献）：用平台生产公开基准。 平台第一次以"标签生产线"的身份运转，产出 BBBC051——从方法验证到公开基准的跃迁，同时回答了"DAPI 单染色可分性"的科学问题。
2021（Lab Invest）：管线完整化。 Ferkowicz 等把完整 3D 管线（含成像硬件细节，坑点 6 的归属源）正式发表，补齐了从采集到分析的端到端描述。
2021（bioRxiv）：扩展版。 VTEA 集成机器学习与 neighborhood analysis，把"邻居是谁"从消融变量升级为一等公民——与 BBBC051 的 with context 结论（§4.1）互相呼应。

这条时间线的启示是：BBBC051 不是孤立的"发布一个数据集"，而是方法谱系中"平台成型 → 基准公开 → 管线完整化 → 方法扩展"的中间枢纽。理解这一点，就能理解为什么它的官方页在生成细节上如此简略——细节分散在谱系的其他论文里，官方页的 “upcoming publication” 也应在这个语境下理解（坑点 8）。

§4 比较发现：同一批核，四种口径，差距 38 个百分点

4.1 消融矩阵：2D/3D × context

论文用同一套 8 类标签、同一批细胞核，对输入形态做了系统消融（经典机器学习口径，Random Forest + Haralick 纹理与 PFTAS 特征，balanced accuracy）：

输入	without context	with context
2D	36.05%	38.05%
3D	38.15%	42.20%

两条正交的规律同时成立：3D 输入优于对应 2D 输入（+2.10 / +4.15 个百分点），with context 优于 without context（+2.00 / +4.05 个百分点）。最优组合（3D + context，42.20%）比最差组合（2D no context，36.05%）高出 6.15 个百分点——这还只是经典特征的天花板。SVM 在同一特征族上为 41.54%，与 RF 最优口径相当，说明瓶颈在特征表示而非分类器本身。

这两个维度的增益各有明确的生物学解释。3D 增益来自核的立体指纹：核的三维形状（spherical harmonics 可展开的部分）与沿深度的染色分布，在投影中必然被压缩。context 增益来自组织学语境：肾小球内皮与间质内皮的核本身几乎无法区分，区分它们的是"邻居是谁"——前者被肾小球结构包裹，后者散布于小管之间；管腔的方向性信息同样只能从 context 中获得。换句话说，这两条增益是"数据里确实有这些信息、且这些信息可被利用"的实证，而非工程技巧。

4.2 经典机器学习 vs 深度学习

方法	输入口径	balanced accuracy
Random Forest（Haralick + PFTAS）	3D + context	42.20%
SVM（同特征族）	3D + context	41.54%
NephNet3D（自设计网络）	3D 核体积	80.26%

深度学习与经典特征之间的差距约 38 个百分点——不是渐进改进，而是量级差异。解释在于特征表示：Haralick/PFTAS 是人工设计的纹理与强度统计，只能捕捉显式模式；NephNet3D 直接以 3D 体素为输入，自行学出核形变、染色质分布、核周组织学语境等高维特征。8 类中大量类别差异是"细微形态差异 + 空间排布差异"（如肾小球内皮 vs 间质内皮），恰恰是手工特征最难表达的部分。

基准数字的记忆锚：36 → 38 → 42 → 80。前三个是 RF 消融阶梯（2D 无语境 36.05%、两个"中点"口径 38.05%/38.15%、3D + context 42.20%），最后是 NephNet3D 的 80.26%——记住"三个 4 字头 + 一个 8 字头"的结构，就不会把 80.26% 记成 2D 口径，也不会把 42.20% 当成深度学习成绩。

还有一个容易被读漏的对照价值：SVM 与 RF 在同特征族上只差 0.66 个百分点（41.54% vs 42.20%），而 NephNet3D 与 RF 差 38 个百分点——这意味着特征表示的改进空间（42% → 80%）远大于分类器的改进空间（41.54% → 42.20%）。对任何在"换分类器还是换特征表示"之间犹豫的团队，这个消融结构本身就是答案。

4.3 论文自设网络的两个梯队

深度学习侧，论文报告了自设计的 NephNet2D 与 NephNet3D 两个网络，外加 ResNet-31 finetune 作为迁移学习对照。方向性结论明确：NephNet3D（3D 核体积输入）为全场最优 80.26%，2D 版本低于 3D 版本——与 §4.1 经典特征的消融方向一致，说明"3D 信息有判别价值"这一结论在手工特征与学习特征两种表示下均成立。NephNet2D 与 ResNet-31 的具体数值以论文表格为准，本条目 FACTS 存档未收录、不予转写，对标者请查原文表格引用。

值得注意的方法学细节是"自设计 + finetune 对照"的双轨设计：NephNet 系列针对"单通道小体积"的输入特点设计（DAPI 单通道、核级小尺寸 3D 数据），而 ResNet-31 finetune 检验了 ImageNet 时代的迁移学习范式在这种非自然图像上的表现。这种"定制架构 + 通用架构"的并列报告，让结论不至于被"是不是恰好调好了自己的网络"的质疑稀释。

4.4 在 BBBC 生态内的定位

BBBC 总表把 BBBC051 归入 Phenotype classification（表型分类）分节，同节还有 BBBC018（人 IPF 与正常肺成纤维细胞，Ilastik 训练集）与 BBBC037（人类 iPSC 心肌细胞，多表型）等细胞分类集——这些同类集的横向对比由库内 bbbc 总集条目承担（§9 分工），本条目不重复展开。BBBC051 在该分节中的独特性有三：

3D 原生：多数 BBBC 分类集是 2D 图像，BBBC051 的 50 μm 厚切 z-stack 是 3D 分类研究的稀缺供给；
单通道极简：只有 DAPI 一个通道，把"信息下限"问题推到极致——这是它的方法学卖点，也意味着它不适合研究多通道共定位；
人体组织：BBBC 中人体原位组织的标注集占比很低，多数是细胞培养物；BBBC051 的 8 类直接对应肾组织学教科书分类，可解释性强。

从 BBBC 系列的任务谱系看，Phenotype classification 分节的数据集回答的都是"这批细胞是什么"，但 BBBC051 把问题又推进了一层：它问的是"只看染色质与核形，能不能知道这批细胞是什么"——这个问题在其他成员那里要么不成立（多通道数据集直接有标记信息），要么没有 8 类这种组织学深度的标签体系。

进入实验前的三个预期管理：其一，这是"方法学基准"不是"应用系统"，80.26% 的主要意义是证明信号存在，不是给出部署就绪的判读器；其二，这是"人体原位组织"不是"细胞培养物"，核形态的天然散布远大于对齐培养条件下的细胞系，实验里出现较大的类内方差是数据本性而非管线 bug；其三，这是"3 例供体"不是"大数据"，供体间的系统差异会被模型学成捷径，跨样本评测（§5.5）是唯一能暴露它的设计。

4.5 与 TissueMNIST 口径的对照警示

同一母数据在两个口径下的"难度"完全不同：BBBC051 原始口径（3D 核体积、真实分辨率）最优 80.26%；TissueMNIST 口径（28×28×1 的 MIP 压缩图）则是轻量 benchmark——在 TissueMNIST 上刷出的高分不能倒推为"BBBC051 任务已被解决"，因为 MIP 投影恰好丢弃了论文证明最有判别力的 z 轴 3D 信息（§7.3、§9）。两个口径各自有用途，但引用时必须注明。

更具体地说，两个口径回答的是两个不同的问题：TissueMNIST 回答"在算力受限、模型轻量的设定下，28×28 的组织小图能分到什么程度"——这服务的是 benchmark 循环与教学场景；BBBC051 原始口径回答"DAPI 单染色在信息上到底够不够"——这服务的是方法学验证。把 TissueMNIST 的高分当作后一问题的答案，是把"压缩后的残余信息"误当成"原始信息量"，这是本数据集最常见的一种二手引用错误。

4.6 从 42% 到 80% 的跃迁说明了什么

把 42.20%（经典特征最优）与 80.26%（NephNet3D）并置，这一跃迁在本数据集内可以归因到三个来源，且每个来源都有可检验的对应物：

表示学习替代手工特征：手工特征只能表达设计者想到的模式；端到端学习从数据中自行发现判别性模式。对应的检验：给深度模型喂 2D 输入，若仍显著超 RF 2D 口径，则表示学习本身贡献了增益。
3D 原生处理：网络直接消费体素，无需先压缩成手工特征。对应的检验：3D 口径的增益在 RF（+4.05，38.15→42.20）与深度模型中方向一致。
语境建模的容量：with context 输入给了模型核周空间，卷积网络天然擅长从空间排布中提取结构信息。对应的检验：with context 增益同样跨表示方式成立。

三条证据链都指向同一个方法论结论：当类别差异是"形态+语境"的复合函数时，端到端 3D 学习是当前最匹配的归纳偏置。这个结论对一切"组织原位细胞分型"任务（肺、肝、肿瘤微环境）都有参考价值——BBBC051 的价值不只在肾。

4.7 "单染色可分性"的外推边界

把"DAPI 单染色可分 8 类"外推到其他组织与其他通道设定时，有几条边界值得预先声明：

外推较稳的方向：核形态差异大、空间结构强的场景——管状/腺状上皮 vs 间质细胞 vs 免疫细胞这类"大类区分"，在其他实体组织（肝小叶、肺泡壁、肠隐窝）中同样有形态学依据，单染色可分性预期成立。
外推需谨慎的方向：同谱系、同形态带的细胞亚型（如小管的相邻节段、不同状态的免疫细胞亚群）——它们的差异更多写在分子标志物而非核形态里，单染色的信息上限会先在这些类别上触顶。
通道设定的边界：本数据集证明的是"DAPI（DNA 染色）单通道"的可分性，不能直接外推到其他单通道染色（如膜标记、细胞质标记）——染色对象不同，携带的形态信息维度完全不同。
病理状态的边界：BBBC051 标签来自正常供体皮质；病变组织（炎症浸润、异型核、坏死）中核形态偏离正常谱系，8 类划分的适用性需要重新验证。

这四条边界的共同逻辑是：可分性 = 信号存在性 × 学习器容量，BBBC051 只证明了前半段在特定设定下的存在性。任何外推都应从"目标场景的信号是否存在"这一步重新开始，而不是从 80.26% 直接推算。

把 §4.1-§4.7 连起来看，本章其实完成了一次"从数字到边界"的完整推导：4.1/4.2 给出数字，4.3 给出数字背后的结构，4.4/4.5 给出数字的坐标系，4.6 提炼数字的方法论含义，4.7 划出数字的适用边界。跳读的读者只需带走一句话：42% 与 80% 都是真的，但它们各自只属于自己那个口径。

§5 Bench：任务定义、指标与基准数字

5.1 任务形式化

输入：单个细胞核的 DAPI 图像（四种口径：3D 核体积 ± context、2D 投影/切片 ± context）。输出：8 类之一（§2.5 类别表）。官方 ground truth 按 3 个 tissue samples 组织，支持跨样本划分实验。核心评价指标为 balanced accuracy（各类别召回率的算术平均）——选择它是因为 8 类在肾皮质中的自然丰度高度不均（近端小管上皮占皮质细胞的大头，足细胞、白细胞稀少），普通 accuracy 会被多数类淹没。

balanced accuracy 的取值也值得校准直觉：8 类随机猜测的期望 balanced accuracy 是 100%/8 ≈ 12.5%（若按各等权类猜测）；而"全猜多数类"的策略在普通 accuracy 下可能很好看，在 balanced accuracy 下则会被稀少类的零召回拖到很低。RF 的 42.20% 意味着每类的平均召回在四成上下——对经典特征来说是有判别力但远未解决的水平；NephNet3D 的 80.26% 意味着平均每类能正确抓住八成——对"免标记分型"而言是强证据。

训练骨架示意（通用 PyTorch 风格伪代码，不预设任何 BBBC051 专属超参——超参以论文为准或自行调优）：

# 伪代码: 8 类核分类的训练骨架
model = build_backbone(input_dim="3D" or "2D", with_context=False)  # 口径自明(§5.5)
loss_fn = torch.nn.CrossEntropyLoss(weight=class_weights)           # 类不平衡(§5.1)
opt = torch.optim.AdamW(model.parameters())

for epoch in range(EPOCHS):
    for batch in loader:                     # loader 按 §5.5 协议划分
        x, y = batch                         # y ∈ {0..7}, 类别表见 §2.5
        logits = model(x)
        loss = loss_fn(logits, y)
        loss.backward(); opt.step(); opt.zero_grad()
    bal_acc = evaluate(model, val_split)     # 各类召回的算术平均

骨架只表达"类加权交叉熵 + balanced accuracy 监控"两个与数据集性质绑定的要点；网络结构、增强策略、学习率均属论文细节或工程自由度，不在本条目转写范围（附录 J）。

5.2 特征族（经典 ML 基线）

论文为经典机器学习基线提取的特征族覆盖五类人工特征：

特征族	捕捉内容	对应的生物学信号
pixel intensity statistics	核内 DAPI 强度分布（均值、方差、分位数等）	染色质致密度、核大小（总强度）
Haralick texture	灰度共生矩阵纹理（对比度、同质性等）	染色质纹理粗细（异染色质/常染色质分布）
PFTAS	参数化阈值面积统计（局部强度结构）	核内亮暗区域的比例与结构
spherical harmonics	3D 核形状的球谐展开系数	核的立体形态指纹（球形度、凹凸、椭偏度）
Zernike moments	2D 形状正交矩	投影后核轮廓的形状特征

这套特征族在 CellProfiler 生态中是标准配置，可复现性好——任何团队都能用同特征族在自己的数据上重建 36-42% 的基线，作为深度模型的对照锚点。五类特征与 §2.5 的类别小传对照还能看出基线的能力边界：核大小与染色质密度（intensity/texture）能区分"大类核 vs 小扁核"（如近端小管 vs 内皮），但难以区分"两个都小的扁核"（肾小球内皮 vs 间质内皮）——后者需要 context，正是 with context 增益集中在这些类别上的原因。

从历史语境看，这套特征族的选择本身就是一种"社区语言"：Haralick、Zernike、PFTAS 在生物图像分析社区有十几年的使用史，报告它们的成绩等于用社区共知的方言说话——审稿人可以立刻校准"42.20% 意味着什么"。深度学习成绩若不配这类公共锚点，就会变成无法对话的孤立数字；BBBC051 论文两套并报的做法，值得一切"新方法 + 旧基准"类论文借鉴。

5.3 基准数字总表（论文自报口径）

模型/特征组合	输入	balanced accuracy
Random Forest	2D, no context	36.05%
Random Forest	2D, with context	38.05%
Random Forest	3D, no context	38.15%
Random Forest	3D, with context	42.20%
SVM	3D + context（同特征族）	41.54%
NephNet2D	2D	论文表格给出（本条目存档未收录具体值）
NephNet3D	3D 核体积	80.26%
ResNet-31 finetune	—	对照口径，见论文表格

使用须知：80.26% 意味着约五分之一的细胞仍被误分类，且混淆大概率集中在形态学近邻类别（如两类内皮、小管各节段之间）。把它当作"DAPI 单染色分型的强证据"使用是恰当的；把它当作"可替代病理专家的自动判读"是不恰当的（rai:dataLimitations 已存照）。

读表的三个要点：其一，看行分组——前五行是同一特征族在不同输入口径下的家族内消融，后三行是深度学习梯队，两组之间才有"表示方式"的跨越；其二，看列的对称性——2D/3D 两行成对出现，每对内比较 context 增益、每对间比较维度增益；其三，看缺省值——NephNet2D 与 ResNet-31 的数值本条目未转写（§4.3），表中留白是刻意的信息边界声明，不是遗漏。

此外须记住这个数字的另一半语境：它是论文自报的最优口径，基于半自动生成的标签（§3.3）——标签误差与模型误差在这 80.26% 里是纠缠的。第三方在原始口径上的独立复现（若有）才是对 80.26% 的真正外部校验；目前最广为人知的第三方接触路径反而是 TissueMNIST 轻量口径（§7.1）。

5.4 复现与扩展建议

数据划分：官方按 3 个 tissue samples 组织，建议做 leave-one-sample-out 三折泛化，报告跨供体方差——仅做样本内随机划分会高估性能（同一肾小管的相邻核高度相似）。
类别不平衡：报告 per-class recall 与混淆矩阵，警惕"近端小管 + 集合管"多数类吸收小类（足细胞、白细胞）的假象。
3D 价值验证：任何新模型建议同时报 3D 与 2D-MIP 两个口径——若 3D 增益消失，大概率是模型容量或数据增强的问题而非信息不存在。
别与 TissueMNIST 榜单混比：28×28 轻量口径与 3D 原始口径的数字不可互换（§4.5）。
标签溯源：做误差分析时按 §3.5 的失败模式清单审计被误分类的样本——先分清"模型错"还是"标签结构性模糊"，再下改进结论。

5.5 评测协议建议（面向新基准提交者）

若把 BBBC051 当作新模型的评测场，一套自洽的协议应至少固定以下五个变量：

划分方式：跨 tissue sample（推荐，检验供体泛化）或样本内分层随机（仅作参考口径）；两者都报告时须分开列表，不得合并平均。
输入口径：从 3D±context / 2D±context 中选定并在标题中标明；NephNet3D 80.26% 只与 3D 口径可比。
指标：balanced accuracy 为主指标；辅以 per-class recall、混淆矩阵；若报告 macro-F1，须注明与 balanced accuracy 的差异来源（精确率项）。
参考锚点：至少纳入 RF 3D+context（42.20%）作为经典特征锚点，报告相对增益。
标签边界声明：说明已知标签为簇级半自动口径（§3.3），并对混淆矩阵中"标签模糊带"类别（两类内皮、小管近邻节段）的误差做定性讨论。

固定这五个变量后，不同团队的结果才在同一坐标系里。这五条不是官方法则，而是本条目依据论文实验结构与数据性质给出的工程建议——采用与否由评测者自定，但不声明口径的分数没有可比性这一点没有例外。

协议即元数据：把 §5.5 的五变量声明看作实验元数据的一部分——它们应与随机种子、软件版本一起进入实验记录与论文复现包。若干年后重看一个 BBBC051 实验，"3D with context + leave-one-sample-out + balanced accuracy + RF 锚点 + 标签性质已声明"这行元数据比分数本身更能告诉你这个实验可信到什么程度。数据集会留存几十年，口径声明是让分数在时间中保持可解读的唯一手段。

5.6 常见误读对照表

误读	实况	出处
“80.26% 是 accuracy”	是 balanced accuracy（各类召回等权平均），与 accuracy 不同口径	§5.1
“690,000 是带标签细胞数”	带标签细胞 ~230,000（论文口径）；690,000 是 BBBC 总表 images 口径	坑点 3
“TissueMNIST 上的高分说明 BBBC051 任务已解决”	TissueMNIST 丢了 3D 判别信息，两口径难度不同不可互推	§4.5、§7.1
“8 类类名来自 BBBC 官方页”	官方页未列名；类名经论文 SI Table S1 + MedMNIST info.py 存档	坑点 5
“BBBC051 是合成/类器官数据”	真实 deceased donor 人体组织	坑点 1
“成像参数是 BBBC051 论文披露的”	来自 Ferkowicz Lab Invest 2021	坑点 6
“标签是专家逐个点的”	簇级半自动（聚类 + 专家验证），误差成簇结构化	§3.3
“with context 是数据增强”	是输入信息量的扩展（核周体素），不是变换增强	§2.6、§4.1
“80.26% 可以直接临床落地”	约 1/5 细胞误分类，且标签含半自动误差；是方法学证据非临床工具	§5.3、rai:dataLimitations

这张表可作为组会/评审时的"快速纠偏卡"——九条覆盖了本数据集在二手传播中最常见的偏差形态。

4.8 如果只有 2D 管线怎么办

多数团队的现有基建是 2D 分类管线（ResNet/ViT 家族 + 常规增强），改造成 3D 的成本不低。务实的路径有三条，按信息保有量排序：

轻量 3D 改造：把 2D 骨干沿 z 轴堆叠成伪 3D（2.5D），或在 patch 级引入 z 向滑动窗口——改动小，能吃到部分 3D 增益；对照锚点是 RF 3D 口径（38.15-42.20%）。
MIP 2D + 诚实口径：直接用 projections 口径（对照 RF 2D：36.05-38.05%），论文标题写明 2D-MIP 口径；不要把 2D 成绩与 NephNet3D 80.26% 并排比较。
走 TissueMNIST 轻量生态：若目标就是轻量 benchmark，直接用 28×28 npz（去 medmnist 条目），与社区榜单可比。

三条路径的共同前提是口径自明：报告成绩时把"输入形态、context 与否、划分方式"三个变量写全——本数据集四种输入口径的数字差从 36% 到 80%，不写口径的分数没有意义（§5.5）。

路径选择速判：有 3D 管线且关心方法学 → 路径一；只有 2D 管线且要发方法论文 → 路径二（诚实口径 + RF 2D 锚点）；只是要跑通/教学/刷轻量榜 → 路径三。三者的共同禁忌只有一个：跨口径比较却不声明。

5.7 迁移到自有肾组织数据的注意事项

若目标是以 BBBC051 为起点、在自己的肾组织成像数据上落地分类，按风险从高到低有四条：

染色协议差异：DAPI 浓度、孵育时间、切片厚度都会改变强度分布与核形貌表现；先做小规模对照（同切片双协议染色），量化分布偏移。
显微镜/物镜差异：分辨率、点扩散函数、通道串扰不同——用本数据集预训练的网络在自采数据上做 fine-tune 比直接推理可靠；差异大时考虑风格迁移或域适应。
标签体系差异：若你的分类学更细（如把近端小管分 S1/S2/S3 段）或更粗（合并内皮两类），直接沿用 8 类标签做预训练、按自有分类学做输出头替换是成本最低的迁移结构。
标注缺口：自有数据没有多标记实验时，无法复制"蒸馏式标注"；可行替代是拿 BBBC051 模型的预测做伪标签 + 人工抽验（注意伪标签的误差继承问题，§3.5 的审计清单同样适用）。

这四条的公共底座是：把 BBBC051 当作"预训练域 + 方法论模板"，而不是"可以直接套用的封闭系统"——它的许可（CC BY 3.0）与开源管线（VTEA）也为这种迁移方式提供了完整自由度。

5.8 对审稿人的核查清单

评审使用 BBBC051 的投稿时，建议核查以下五点（对应本条目已梳理的口径）：

输入口径声明：论文是否写明用的是 3D±context / 2D±context 哪种输入？与 NephNet3D 80.26% 的比较是否同口径（§5.5）？
划分方式：是跨 tissue sample 还是样本内随机？跨供体泛化声称是否有 leave-one-sample-out 支撑（§5.4）？
指标口径：balanced accuracy 还是 accuracy？是否报告 per-class recall 与混淆矩阵（§5.1）？
锚点对照：是否与经典特征基线（RF 3D+context 42.20%）对比，增益幅度是否合理？
标签性质声明：作者是否意识到 ground truth 是簇级半自动口径，误差分析是否区分"模型误差"与"标签结构误差"（§3.3、§3.5）？

五点全过的投稿，其结论的可信度有扎实基础；缺任何一点，问题通常出在该点对应的环节——这张清单本质上是把本条目 §3-§5 的口径整理成了审稿操作项。

一条给作者的预防性建议：与其等审稿人问，不如在 Methods 末尾主动放一个"口径声明框"，把 §5.5 五变量各写一行——这在 BBBC051 类多口径数据集上正在成为好的发表惯例；声明框的成本是五行文字，收益是砍掉一半以上的方法学审稿往返。

§6 获取与许可：直链、引用与版本

6.1 获取方式

项目	内容
官方页	https://bbbc.broadinstitute.org/BBBC051（BBBC 第 051 号，Version 1）
图像直链	Images.zip，2.9 GB，data.broadinstitute.org/bbbc/BBBC051/ 下官方直链
标签文件	groundtruthlabels.txt，官方页直链
注册要求	无注册、无请求制、无申请流程
衍生轻量版	TissueMNIST 经 MedMNIST 官网与 Zenodo（record 5208230）分发，含 npz 与 MedMNIST+ 64/128/224 升级版

BBBC 的分发哲学是"页面即全部"：官方页上列出的一切（图像直链、标签、描述、许可、推荐引用）就是数据的完整契约，没有隐藏的补充条款。BBBC051 在这一点上是全系列中最简单的档位——两个文件、直链、即下即用。

6.2 许可条款

图像 + ground truth：CC BY 3.0 Unported（允许商用），权利持有人 Andre Woloshuk。允许任何用途（含商用）+ 署名。
衍生 TissueMNIST：MedMNIST 侧声明沿用 CC BY 3.0（与其母体许可一致，Zenodo record 5208230 页面载明）。
论文本体：© 2020 International Society for Advancement of Cytometry（ISAC）；作者声明无利益冲突。论文全文经 PubMed Central（PMC8382162）开放获取。

CC BY 3.0 在学术数据集许可中属于"最宽松档"：与 CC BY-NC（禁商用）相比，BBBC051 的许可覆盖商业研究与产品研发场景；与 CC0（公共领域）相比，它保留署名要求——使用时的最低义务是在成果中给出归属（§6.3 的官方推荐引用语即是官方给出的署名模板）。对人肾原位组织数据而言，"宽松许可 + 公开直链"的组合也值得注意：这类数据的分发通常受伦理审查约束更重，BBBC051 能以 CC BY 3.0 发布，说明其采集与分发流程已按供体组织数据的合规要求处理（细节以官方页与论文为准，官方页未展开伦理声明细节——使用者在涉及人体组织数据二次分发的场景下，应自行与维护方确认边界）。

6.3 官方推荐引用

BBBC 官方页要求使用者引用总集论文，推荐引用语原文：

We used image set BBBC051, available from the Broad Bioimage Benchmark Collection [Ljosa V, Carpenter AE, et al., Nature Methods, 2012].

BBBC 总集论文：Ljosa V, Carpenter AE et al., Nature Methods 2012, doi:10.1038/nmeth.2083, PMC3627348。使用 BBBC051 做方法研究时应同时引用方法论文（§6.4）。

一个实用的引用清单：数据集引 BBBC 总集 + 官方页编号，方法引 Woloshuk 2021（分类方法与流水线），标注平台引 Winfree 2017（VTEA），成像细节引 Ferkowicz 2021（Lab Invest）。四篇各管一段，混引或漏引都会造成溯源断链。

引用自检三问：我引的年份与卷期出自哪个口径（坑点 4）？我引的参数是不是把兄弟论文的内容算到了主文献头上（坑点 6）？我引的 DOI 是从期刊官网核过还是从聚合页抄的（坑点 7）？三问都过，引用链基本可靠。

6.4 论文引用（双口径并存）

同一篇论文在两个出处有不同的卷期表述，引用时按所投刊物要求选择其一并保持一致（坑点 4）：

口径	表述	出处
early view 口径	Cytometry. 2020; 1–15	BBBC 官方页（页面沿用早期在线版引用）
正式卷期口径	Cytometry Part A. 2021 Jul;99(7):707-721（online 2020-12-13；ISSN 1552-4930）	PubMed/PMC

完整引文：Woloshuk A, Khochare S, Almulhim AF, McNutt AT, Dean D, Barwinska D, Ferkowicz MJ, Eadon MT, Kelly KJ, Dunn KW, Hasan MA, El-Achkar TM, Winfree S. In Situ Classification of Cell Types in Human Kidney Tissue Using 3D Nuclear Staining. doi:10.1002/cyto.a.24274 · PMID 33252180 · PMCID PMC8382162。

双口径的成因是常见的时间线现象：论文 2020 年 12 月 13 日在线发表（early view 无卷期），2021 年 7 月正式归入第 99 卷第 7 期；BBBC 官方页长期沿用在线版引用格式。判别哪个口径"对"没有意义——判别"哪个出处写的是哪个口径"才有意义。

6.5 版本链与维护方

版本：BBBC051 Version 1，未见 v2。BBBC 以"冻结即发布"著称——同一版本的内容不变，修订通常以新编号或新版本页形式出现。
维护方：BBBC 隶属 Broad Institute 成像平台；BBBC051 条目内容由 Ashkar Lab（Indiana University School of Medicine）提供，联系人/一作 Andre Woloshuk（awoloshu@iu.edu，官方页载明）。
团队结构：13 位作者横跨四个机构——IUSM 肾内科（Ashkar/El-Achkar Lab 主体）、IUPUI 计算机科学系（Almulhim、Hasan，深度学习侧）、Richard L. Roudebush VA Medical Center（Kelly、El-Achkar、Winfree）、解剖与细胞生物学系。这个"肾内科 + 计算机系 + VA"的组合也解释了论文的双重身份：一半是肾脏病学的组织定量方法，一半是计算机视觉的基准构建。

6.6 下载后的自查步骤

按顺序执行（与 §2.7 完整性核对清单配合使用）：

校验文件体积（约 2.9 GB）与解压完整性（zip 无 CRC 错误）。
确认 3 个 tissue samples 目录结构与 groundtruthlabels.txt 同包存在。
抽查图像为单通道 DAPI、TIFF 格式可读。
加载标签，统计 8 类分布并留档（后续评测需要 per-class 口径）。
记录下载日期与来源 URL——BBBC 页面偶有链接迁移（data.broadinstitute.org 与 bbbc.broadinstitute.org 两个域名并存），留档避免溯源断链。

6.7 常见获取问题

镜像站可信吗？ BBBC 不经营官方镜像；任何第三方再打包（聚合站、网盘转存）都引入过"元数据错配"的实际案例（本数据集自身的坑点 1、坑点 2 即为第三方描述讹误）。一律以官方页直链为准。
TissueMNIST 能替代 BBBC051 吗？ 不能，两者口径不同（§4.5、§7.1）；需要 28×28 轻量数据时用 TissueMNIST，需要 3D 原始口径时必须回 BBBC051 本体。
想要未裁剪的原始 .lif 文件？ 官方分发的只有 Images.zip 处理后图像；40-50 GB/卷的原始采集文件不在分发范围内（且该细节来自兄弟论文口径，坑点 6）。需要原始数据时联系维护方（awoloshu@iu.edu）。

6.8 许可合规操作清单（四场景）

CC BY 3.0 的义务只有"署名"，但落到不同使用场景，操作细节不同：

场景	义务	建议操作
论文使用	署名	按 §6.3 官方推荐语引用 + 方法研究加引主文献
产品/商业使用	署名	许可为 CC BY 3.0（允许商用），在产品文档/关于页保留归属声明
再分发原数据	署名 + 保留许可声明	随数据包附 CC BY 3.0 声明与持有人信息（Andre Woloshuk）；建议同时附官方页链接以便溯源
发布衍生数据集（如 TissueMNIST 式加工）	署名 + 许可兼容	衍生品以同等或更宽松许可（CC BY 3.0 或 CC0）发布，注明母体与加工方式（MedMNIST 侧即为先例：CC BY 3.0 + 官网列明来源）

两个特别提示：其一，CC BY 3.0 已是 3.0 版本，若你的发布平台要求 4.0，须注意许可版本兼容规则（BY 3.0 授权的作品通常可按 4.0 兼容条款使用，具体以 CC 官方兼容性说明为准）；其二，再分发时不要剥掉 groundtruthlabels.txt 只发图像——标签与图像是一个整体口径，拆开发布会造成下游口径混乱（坑点 3 的传播土壤）。

最后提醒许可之外的另一层"合规"：涉及人体组织数据的成果，发表时通常还需满足所在机构的伦理审查与数据管理计划要求——BBBC051 的开放许可解决的是"数据权利人允许你用"，机构合规解决的是"你的组织允许你用"，两层都过才算合规闭环（§2.9 的伦理边界在此处再次相关）。

6.9 获取渠道对照表

渠道	拿到什么	适合谁	注意
BBBC 官方页直链	Images.zip 2.9 GB + groundtruthlabels.txt（全量、三形态、原始口径）	3D 研究者、方法复现者	唯一权威渠道；下载后按 §6.6 自查
MedMNIST 官网 / Zenodo 5208230	TissueMNIST npz（28×28，236,386 样本）+ MedMNIST+ 升级版	轻量 benchmark 用户、教学	衍生口径，MIP 已压缩 3D 信息
第三方聚合站	不建议	—	元数据讹误实例集中地（坑点 1、坑点 2）
联系维护方（awoloshu@iu.edu）	官方分发之外的疑问（原始采集文件等）	特殊需求者	请求制，说明用途与机构隶属

6.10 许可场景三问三答

改图后发表可以吗？ 可以。CC BY 3.0 允许演绎（裁剪、调色、拼接 figure），署名义务不变；建议在图注注明"图像来自 BBBC051, Broad Bioimage Benchmark Collection"。
教学课件/学位论文里用可以吗？ 可以。同属 CC BY 3.0 覆盖范围，按 §6.3 模板署名即可。
闭源产品内置模型（在 BBBC051 上训练）可以吗？ 可以。训练用途不构成"分发"，模型权重不属于数据集的演绎副本的通常口径；产品文档中保留数据来源致谢是稳妥做法。若直接打包分发数据集本体或其裁块，则回到 §6.8 再分发行的义务。

7.7 使用 TissueMNIST 的三条提醒

它测不了 3D 能力：28×28×1 没有 z 轴信息，任何"3D 组织分析"的结论都不能从它得出；需要 3D 请回 BBBC051 原始口径。
切分是固定的：train/val/test 7:1:2 由 MedMNIST 统一切分定版（MD5 定版即含此切分），自定义重切分会失去与社区榜单的可比性。
榜单成绩不可回推母体：轻量口径的高分与 BBBC051 原始任务的 80.26% 之间没有换算关系（§4.5）——两个榜单、两个问题。

8.5 想找同类数据集？

同系列（BBBC 其他成员）：库内 bbbc 总集条目按任务/模态索引 BBBC001-054；Phenotype classification 分节是 BBBC051 的直接邻居（BBBC018、BBBC037 等）。
同生态（MedMNIST 系）：库内 medmnist 总集条目覆盖 12 子集统一框架；若你的任务形态与 TissueMNIST 类似（显微镜、小图、多类），先在那里横向选型。
检索关键词建议：‘tissue cytometry’、‘nuclear morphology classification’、‘DAPI single-channel’、‘in situ cell type classification’、‘kidney cortex’——避开讹误关键词（‘organoid’、‘MCF7’、‘synthetic kidney’，坑点 1、坑点 2）。

找数据的通用三问（从本条目经验提炼）：一手出处在哪里（官方页/期刊，不是聚合站）？口径数字是谁说的（总表/论文/衍生方，边界不同）？许可允许我的用法吗（署名义务与商用条款）？三问在 BBBC051 上各有对应案例（§6.9、坑点 3、§6.8），可作为评估任何医学数据集的第一分钟尽调。

§7 生态：从 BBBC051 到 TissueMNIST 的衍生链

7.1 TissueMNIST：轻量化衍生基准

TissueMNIST 是 MedMNIST v2（Yang et al., Scientific Data 2023, 10(1):41）收录的第 6 号子集，官方描述为 “TissueMNIST: Kidney Cortex Microscope Multi-Class (8)”——直接从 BBBC051 加工而来，8 类标签沿用：

属性	值
样本总数	236,386
切分（7:1:2）	train 165,466 / val 23,640 / test 47,280
原始裁剪	32×32×7（z-stack 7 层）
降维方式	z 轴最大强度投影（MIP）→ 28×28×1
文件 MD5	ebe78ee8b05294063de985d821c1c34b
Zenodo	record 5208230
许可	CC BY 3.0
MedMNIST+	提供 64×64 / 128×128 / 224×224 升级分辨率版

TissueMNIST 与 BBBC051 原始口径的参数对照：

参数	BBBC051 原始口径	TissueMNIST 口径
数据形态	3D 体积 / 2D 投影 / 2D 切片	28×28×1（MIP 压缩）
原始裁剪	全视野 z-stack（50 μm 厚切）	以核为中心 32×32×7
样本总量	690,000（总表）/ ~230,000（标签口径）	236,386
切分	官方按 3 tissue samples 组织	train/val/test = 7:1:2 固定切分
类别	8 类（同源）	8 类（沿用）
分发	Images.zip 2.9 GB + txt 标签	npz（MD5 定版）+ Zenodo
论文最优成绩	NephNet3D 80.26%（balanced accuracy）	MedMNIST 榜单各模型成绩（轻量口径）
适用	方法学验证、3D 研究	轻量 benchmark、教学、快速迭代

MedMNIST v2 全库约 708K 张 2D 图、12 个子集，是医学图像分类的标准轻量 benchmark 生态；TissueMNIST 在其中承担"显微镜 + 3D 组织来源"的生态位。

7.2 加工链路逐步拆解

从 BBBC051 原始体积到 TissueMNIST 的 npz 文件，加工链路可拆为四步（每一步都有信息取舍）：

取自 3D 核对象：以 VTEA 分割出的细胞核为中心，从原始 z-stack 中裁出 32×32×7 的小块——x/y 方向 32 像素、z 方向 7 层。这是"以核为样本"的取样：TissueMNIST 的 236,386 个样本对应的是细胞核个体，不是整幅视野。
z 向 MIP 降维：对 7 层做最大强度投影，得到 28×28×1（x/y 方向同时从 32 降到 28）。z 向信息在此被压缩——§4 已证明这部分信息有判别力。
标签映射：沿用 BBBC051 的 8 类标签（0-7 与 §2.5 类别表对应）。
切分与分发：按 7:1:2 切为 train/val/test，npz 打包，MD5 ebe78ee8b05294063de985d821c1c34b 定版，Zenodo record 5208230 分发。

衍生关系中的责任分配：母体（BBBC051）对标签的生物学正确性负责——标签错了，一切衍生都错；衍生（TissueMNIST）对加工失真的声明负责——压了什么、丢了什么、切分怎么定，必须写清。这个责任划分提示母体文档的读者：母体条目（本条目）与衍生文档（MedMNIST 官网）各自只对半条链路负责，跨链路的问题（本条目 §4.5 反复警示的口径混淆）需要像本条目这样的"链路地图"来覆盖。

切分数值自洽核对：165,466 + 23,640 + 47,280 = 236,386，与样本总数严格吻合；比例上 165,466/236,386 ≈ 0.6999、23,640/236,386 ≈ 0.1000、47,280/236,386 ≈ 0.2001，与 7:1:2 名义比例一致（尾差来自整数取整）。这一核对可作为"TissueMNIST 文件是否为定版"的快速指纹检查之一（配合 MD5）。

npz 定版核验示意（伪代码）：

# 依赖: numpy, hashlib
import numpy as np, hashlib

raw = open("tissuemnist.npz", "rb").read()
assert hashlib.md5(raw).hexdigest() == "ebe78ee8b05294063de985d821c1c34b"

npz = np.load("tissuemnist.npz")
# MedMNIST npz 约定: train_images/val_images/test_images + 同名 _labels
# 各 split 样本数应为 165,466 / 23,640 / 47,280 (§7.1), 图像尺寸 28x28

核验顺序与 §6.6 一脉相承：先验哈希（文件级），再验形状与样本数（数组级）——两级都过才进入训练。

理解第 1 步尤其重要：TissueMNIST 的样本不是"随机裁块"而是"以已标注的核为中心取样"，因此它的 236,386 样本与 BBBC051 论文口径的 ~230,000 细胞在同一数量级上互相印证——两个数字的微小差异（236,386 vs ~230,000）来自取样边界与统计口径的细节，这正是坑点 3 中"三口径并存"的又一处注脚。

7.3 MedMNIST v2 论文口径（含 DOI 纠错存照）

MedMNIST v2 论文：Yang L, et al. MedMNIST v2: A large-scale lightweight benchmark for 2D and 3D biomedical image classification. Scientific Data, 2023, 10(1):41, ISSN 2052-4463；预印本 arXiv:2110.14795。

新增存照（坑点 7）：本条目前任研究存档曾记录 MedMNIST v2 DOI 为 10.1038/s41597-023-02683-x；本条目成稿前经 Dimensions、RWTH Publications、BibSonomy、University of Bamberg 四个独立来源交叉验证，正确 DOI 为 10.1038/s41597-022-01721-8（022 系列），023-02683-x 为讹传口径。本条目全文采用四源一致口径。这是继存照②（selectdataset.com 张冠李戴）之后第二个"第三方元数据传播讹误"案例——引用前用期刊官网或 PubMed 核验 DOI 应成为习惯。

7.4 姊妹论文与方法谱系

BBBC051 所属的方法谱系在团队内部持续演化，四篇关键文献：

文献	定位
Winfree et al., JASN 2017;28(7):2108-2118（doi:10.1681/ASN.2016091027, PMID 28154201）	VTEA 平台原始论文，3D tissue cytometry 方法奠基
Woloshuk et al., Cytometry Part A 2021（本条目主文献）	BBBC051 数据集 + DAPI 单染色 8 类分类论文
Ferkowicz et al., Lab Invest 2021（doi:10.1038/s41374-020-00518-w）	完整 3D tissue cytometry 管线论文（含 BBBC051 成像硬件参数披露，坑点 6）
VTEA 扩展版预印本 bioRxiv 2021.12.27.474025	集成 ML + neighborhood analysis 的扩展

开源代码：GitHub icbm-iupui/volumetric-tissue-exploration-analysis（VTEA）。论文 2021 年发表后被引约 35 次（Google Scholar 2026-09-29 口径），其中相当比例来自 TissueMNIST/MedMNIST 生态的间接引用——轻量衍生基准反哺了母体数据集的可见度。这个"母体发布 → 轻量化衍生 → 衍生引回母体"的循环，是当代医学图像数据集工程中最值得研究的传播模式之一：BBBC051 的直接使用者（3D 显微分析团队）规模有限，而经由 TissueMNIST 认识它的教学与 benchmark 用户规模大得多。

四篇文献的阅读顺序建议：要快适数据上手，读 BBBC051 官方页即可（§6）；要理解标签怎么来，按 Winfree 2017（平台）→ Woloshuk 2021（应用与基准）的顺序读；要完整复现端到端管线，再补 Ferkowicz 2021（采集与管线细节）与 bioRxiv 扩展版（最新方法）。直接从 Woloshuk 2021 单篇切入也可行——它的 SI 覆盖了理解本数据集所需的最小集合。

7.5 第三方口径存照

Sci Rep 2026（s41598-026-55088-6）转述 TissueMNIST "11 类压缩为 8 类"的说法，与 BBBC 官方页、MedMNIST 官方代码库两边的口径均无法核对（两边均为 8 类，未见 11 类原始标注的任何官方痕迹）。本条目仅存照不采信（§10 坑点 8）。

§8 方法学启示：BBBC051 对数据集工程的五条可迁移经验

蒸馏式标注破解"标签贵"困局。 多重免疫标记很贵、组织会被耗竭，但它只需做一次（每例三组）；蒸馏出的标签可以无限次喂给单通道模型。任何"标注手段昂贵、目标输入廉价"的场景（如：多序列 MRI 定标签、单序列 T1 做预测；多参数病理染色定标签、H&E 做预测）都可复制此结构。BBBC051 证明了这条链路在"23 万样本、8 类、人体原位组织"的规模上是跑得通的。
无监督聚类 + 专家裁决是 23 万级标注的性价比解。 X-means 自动定簇数，专家只解释簇而非逐点分类。代价是簇级异质性残留——这提示使用者在误差分析时按簇回溯，而非按个体细胞回溯。性价比的另一面是误差的结构化（§3.3）：半自动标签的验证设计必须考虑误差成簇出现的特性，否则任何"随机划分 + 高分"都有虚高嫌疑。
输入维度是被低估的自由变量。 同一批核，2D 与 3D 的差距在经典特征下 2-4 个百分点、在深度模型下被进一步放大（3D + context 42.20% → NephNet3D 80.26%）。做显微图像分类前先问：我的信号是 3D 的吗？MIP 是不是正在丢掉判别力？对数据集构建者的推论是：发布 3D 数据时同时提供三形态导出（体积/投影/切片），等于免费送给用户一组内置消融——BBBC051 的三形态设计值得作为发布模板。
context 是组织学的隐形特征。 with context 一致优于 without——内皮 vs 白细胞这类差异部分写在"邻居是谁"里。这对细胞图网络（cell graph）、邻域分析类方法是一个来自实证的背书。数据集构建者的对应动作：标注时顺手保存空间坐标（BBBC051 的标签按样本组织且与空间结构对应，这正是 context 实验可做的前提）。
衍生轻量基准是数据集的第二生命。 BBBC051 原始口径下载门槛高（2.9 GB、3D 处理链），TissueMNIST 让它进入标准 benchmark 循环、被大量轻量论文间接引用。母体数据集设计时预留"可压缩性"（干净标签、规则切分、许可兼容）会在衍生时获得复利。反过来，母体条目（如本条目）有义务把"衍生口径 ≠ 母体口径"讲清楚——否则轻量榜单的高分会持续制造对母体任务的错误预期（§4.5 的警示）。

8.1 BBBC051 在数据集工程谱系中的坐标

最后把本数据集放进"数据集工程"的坐标系收束本章：按"标注自动化程度"分，它处于"半自动（聚类+专家验证）“档——比纯人工贵、比全自动可靠；按"任务深度"分，它是"多类细粒度（8 类组织学类型）”——比二元分类深、比像素级分割浅；按"数据真实性"分，它是"人体原位组织"——比细胞系/合成数据更接近临床，比队列研究更受控于方法学。这个"中间档集合体"的定位，使它对大多数团队都有参考价值，也使它的每一个口径（规模、许可、标注性质）都必须精确到出处才能被正确使用——这正是本条目用三章篇幅（§5-§7）处理口径问题的原因。

自检定位是否用对了，只需三个问题：我是否把它当"3 例供体的方法学基准"而非"疾病队列"引用？我是否写明了所用口径（3D/2D、context、划分）？我的许可用法是否落在 CC BY 3.0 的署名义务内？三问皆"是"，坐标就是对的。

8.2 三个反常识结论的速记卡

本章五条经验中，有三条与常见直觉相反，单独速记：

“多标记是标签的脚手架，不是数据的一部分”——直觉上多通道数据更值钱，BBBC051 证明"多通道定标签 + 单通道发数据"的组合反而创造了新的研究价值（免标记分类）。
“3D 不是负担，是被浪费的存量”——直觉上 3D 数据处理贵，先压 2D；本数据集证明被压掉的 z 轴恰恰承载了最大判别增益。
“轻量衍生不是降级，是放大器”——直觉上 28×28 压缩版是"失真版"；TissueMNIST 用压缩换来了数量级的用户面，反哺母体引用。

8.3 关键时间线

时间	事件
2020-12-13	论文在线发表（early view，官方页沿用 “Cytometry. 2020; 1–15” 口径）
2021	论文正式归卷 Cytometry A. 2021 Jul;99(7):707-721；BBBC051 Version 1 挂线发布
2021	姊妹管线论文 Ferkowicz et al., Lab Invest 2021 发表（成像硬件细节归属源）
2021-12	VTEA 扩展版预印本（bioRxiv 2021.12.27.474025）
2023	MedMNIST v2 发表（Sci Data 10(1):41），TissueMNIST 进入轻量 benchmark 生态
2026-09-29	本条目复核日：五方向多源复核、新增存照⑦（DOI 纠错）

时间线上三个值得注意的节奏：其一，从在线发表（2020-12）到正式归卷（2021-07）相隔约七个月，这是坑点 4 双口径的时间根源；其二，VTEA 平台（2017）到 BBBC051（2020/2021）相隔三四年——公开基准的发布滞后于方法成熟，是"先磨刀后发布"的健康节奏；其三，TissueMNIST（2023）再滞后约两年——轻量衍生通常由第三方生态在母体沉淀后启动，这个节奏也是"衍生以母体稳定为前提"的例证。

8.4 五条经验的落地检查清单

把 §8 的五条经验转成可勾选的工程检查项：

[ ] 设计标注手段时：先问"昂贵的信息能否只用于生产标签，让目标输入保持廉价"（蒸馏式结构）
[ ] 标注预算固定时：优先评估"聚类 + 专家裁决"方案的簇级质量，而非直接压低人工单价
[ ] 采集 3D 数据时：同时导出体积/投影/切片三形态并打包发布（免费送用户一组内置消融）
[ ] 保存标注时：连同空间坐标与上下文信息一起存档（context 是隐形特征，§4.1）
[ ] 发布数据集时：检查标签干净度、切分规则性、许可兼容性三要素（为衍生预留可压缩性）
[ ] 引用规模数字时：写明口径与出处（三口径教训，坑点 3）
[ ] 被衍生时：在母体文档中明确"衍生口径 ≠ 母体口径"（§4.5）
[ ] 元数据管理时：DOI、年份、作者列表以期刊官网/PubMed 为准并留复核记录（坑点 4、坑点 7）

§9 库内关系：与 bbbc、medmnist 条目的分工

9.1 与 bbbc（BBBC 总集）条目的分工

库内 bbbc 条目（rid 34，约 48,593 字符）是 BBBC 全系图像集的总集概览，以表格清单方式覆盖 BBBC001 至 BBBC054 各集的一行式索引（含 BBBC051 行：Human kidney cortex cells、Fluorescent、690,000）。经成稿前复查，该条目对 BBBC051 仅停留于表格提及——mentions_woloshuk=false、mentions_tissuemnist=false、无 kidney 主题展开。

分工由此确立：总集条目管"全景与选型"（BBBC 系列怎么来的、Ljosa/Carpenter 总集论文、按任务/模态选集），本条管"单集深潜"（VTEA 标注流水线、8 类定义、NephNet 基准、许可细节、衍生链）。两条目互链不重复：检索者从总集条目按行索引跳入本条做深读，从本条沿 §4.4 回总集条目做横向比较。

这一分工也符合两个条目的自然访问模式：需要"在 54 个集合里挑一个"的用户进入总集条目，只需要"深挖某一个集合"的用户直达本条。总集条目的一行式索引保证广度（任何集合 10 秒内可定位），本条目的章节化深潜保证深度（任何工程问题 10 分钟内可查到口径）。广度与深度在各自条目内自洽，互链后形成完整的检索闭环。

9.2 与 medmnist（MedMNIST 系列总集）条目的分工

库内 medmnist 条目（rid 716）覆盖 MedMNIST v2 全库 12 个子集的统一框架（708K 图、npz 格式、MedMNIST+ 升级分辨率、v2 论文口径）。TissueMNIST 在该条目中是 12 行之一；在本条目中是 §7 的完整展开。

分工：medmnist 条目管"系列横向"（12 子集对比、统一 API、轻量 benchmark 生态），本条管"上游源头"——TissueMNIST 的 236,386 个样本从哪来（BBBC051 的 3 例肾皮质）、8 类标签的物理来源（三组多重标记实验）、MIP 压缩丢掉了什么（z 轴 3D 判别信息）。两条目互链后，"母体-衍生"的完整链路才闭合。

9.3 三条目互链速查

条目	rid	角色	与本条的关系
bbbc	34	BBBC 全系总集概览	母集合；本条为其 051 号成员的单集深潜页
medmnist	716	MedMNIST v2 系列总集	衍生宿主；本条为其 TissueMNIST 子集的上游源头页
本条	bbbc051	单集深潜	承上（bbbc 选型入口）启下（medmnist 衍生出口）

9.4 互链锚文本建议

为保证库内跳转的语义清晰，建议各条目互链时使用以下锚文本（而非裸 URL 或"参见"）：

从	到	建议锚文本
bbbc（BBBC051 行）	本条	BBBC051 单集深潜：DAPI 单染色 8 类细胞分类
本条 §4.4	bbbc	BBBC 总集条目（Phenotype classification 分节横向比较）
本条 §7.1	medmnist	MedMNIST v2 总集条目（12 子集统一框架）
medmnist（TissueMNIST 行）	本条	上游母体 BBBC051（3D 原始口径与标注流水线）

§10 避坑清单：八个必知坑点

以下坑点全部由本条目成稿过程中的多源复核确认，每条附证据、影响面与处置。阅读约定：坑点编号（坑点 1-坑点 8）是全文通用索引，正文任何位置引用坑点即指本清单对应条目；每个坑点的"影响面"描述它若被踩中会怎样误导工作，"处置"给出可执行的纠正动作。八个坑点中有七个对应附录 C 的编号存照①-⑦，一个（坑点 8）为双议题并置存照——存照机制与坑点机制的关系见附录 C 的使用规则。

坑点 1：聚合页称"肾皮质类器官合成数据"——错

部分数据聚合页/任务简报把 BBBC051 描述为合成 human renal organoids（肾皮质类器官合成数据）。实核口径：真实 deceased donor nephrectomy 人体肾皮质组织（FACTS 存照①，官方页与论文双证）。合成、类器官两词均不成立。影响面：数据性质认知全错——类器官数据与人体原位组织在供体异质性、组织结构完整性、伦理属性上完全不同，基于错误认知的研究设计（如"把它当合成数据用"）从一开始就偏航。处置：任何引用本数据集"数据性质"的文字，一律以官方页 “Human kidney cortex cells” 为准；发现下游文献沿用"类器官"口径时，按本条目存照①指正。

坑点 2：selectdataset.com 称"MCF7 乳腺癌药物筛选"——张冠李戴

第三方站点 selectdataset.com 把 BBBC051 页面与 MCF7 乳腺癌药物筛选数据混同，属张冠李戴（FACTS 存照②）。BBBC051 与 MCF7、药物筛选均无关系；BBBC 系列中确有乳腺癌细胞系数据集（归总集条目覆盖），可能是混淆来源。影响面：检索入口错误——按"MCF7"检索 BBBC051 的用户会落入完全无关的数据集合。处置：从官方页获取元数据，勿采信聚合页描述；库内检索关键词建议用 “BBBC051”、“human kidney cortex”、“kidney cortex cells”。

坑点 3：规模三口径 690,000 / ~230,000 / 236,386——各有出处

口径	数值	出处	指代
①	690,000	BBBC 总表 Phenotype classification 分节	images（细胞）总数
②	~230,000	论文摘要 “~230,000 cells were classified into eight different classes”	完成八类分类的细胞（NephNuc 训练库）
③	236,386	MedMNIST/TissueMNIST	衍生轻量样本总数

三口径并存非矛盾而是统计边界不同（FACTS 存照③；口径①经 2026-09-29 官方总表页复核直接证实）。影响面：引用错配——“236,386 张原始图像”、"690,000 个带标签细胞"这类表述都是口径错配的实例。处置：引用时注明口径与出处；需要"带 8 类标签的细胞数"时用论文口径 ~230,000，需要"衍生基准样本数"时用 236,386 并注明 TissueMNIST。

坑点 4：年份双口径 2020 vs 2021

BBBC 官方页引用为 “Cytometry. 2020; 1–15”（early view 在线版），PubMed/PMC 正式卷期为 Cytometry A. 2021 Jul;99(7):707-721（online 2020-12-13）（FACTS 存照④）。两口径都对，只是出处不同。影响面：引用不一致——同一团队成果在不同论文里被引成 2020 与 2021 两个年份，文献计量时会被拆成两条记录。处置：正文按正式卷期引 2021；转述官方页表述时保留其原样；同一文内勿混用。

坑点 5：8 类类名 BBBC 官方页未列名

BBBC 官方网页对 8 类只写"eight cell types"，未逐条列出类名（FACTS 存照⑤）。类名经论文 SI Table S1 定义、MedMNIST info.py 完整存档（2026-09-29 复核直接证实，两源一致）——本条目 §2.5 的类别表即据此构建。影响面：来源归属错误——把类名说成"BBBC 官方页列出"会让读者在官方页找不到出处，产生对条目可靠性的怀疑。处置：引用类名时注明来源为论文 SI/MedMNIST 存档口径，勿写成"BBBC 官方页列出"。

坑点 6：Leica SP8 成像参数的归属陷阱

共聚焦硬件参数（Leica SP8、20×/0.75 IMM 油镜、过夜 tile-scan、40-50 GB/卷）并非 BBBC051 论文正文披露，而来自同团队兄弟论文 Ferkowicz et al., Lab Invest 2021（FACTS 存照⑥）。影响面：溯源断链——引用者标注"BBBC051 论文披露"后，核查者在原文找不到对应内容，误判为编造。处置：引用这些参数时必须标注 Lab Invest 2021 出处，不能写成"BBBC051 论文披露"；本条目 §2.2 已按此口径标注。

坑点 7：MedMNIST v2 DOI 传播讹误

本条目前任研究存档曾记录 MedMNIST v2 论文 DOI 为 10.1038/s41597-023-02683-x；成稿前经 Dimensions、RWTH Publications、BibSonomy、University of Bamberg 四源交叉验证，正确 DOI 为 10.1038/s41597-022-01721-8（新增存照⑦，本条目全文采用）。023-02683-x 在多个第三方页面流传，属元数据传播讹误。影响面：链接失效与引文错误——DOI 错则解析 404 或解析到无关对象，文献管理软件批量导入时错误会扩散。处置：引用 MedMNIST v2 前经期刊官网/PubMed 核验 DOI；其他条目若引用该论文，建议同样自查。

坑点 8：生成细节未详述 + "11 类压缩为 8 类"无从核对

两个未决口径并置存照：其一，官方页对数据生成细节仅有 “Additional details on generation is the subject of an upcoming publication” 一句，该"即将出版的出版物"截至复核日（2026-09-29）未在官方页落实对应关系；其二，Sci Rep 2026（s41598-026-55088-6）转述 TissueMNIST “11 类压缩为 8 类”，与 BBBC/MedMNIST 两边官方口径均无法核对。影响面：细节真空易被二手填充——"upcoming publication"的真空期里，第三方对生成细节的转述（如 11→8 类说）会填补搜索结果，越晚核查纠错成本越高。处置：两说均只存照、不采信、不在正文展开推导；引用 BBBC051 生成细节时以论文 + Lab Invest 2021 拼合口径为准。

常见问题 FAQ

Q：BBBC051 是合成数据吗？
不是。它是 3 例遗体捐献供体肾切除术（deceased donor nephrectomy）标本的肾皮质真实人体组织，共聚焦显微镜采集（坑点 1）。"类器官合成数据"是第三方聚合页讹误。

Q：为什么只有 DAPI 一个通道？标签哪来的？
设计如此：三组多重免疫标记实验只用于生产标签（§2.4），经 VTEA 流水线蒸馏为 8 类标签后"反绑"到仅 DAPI 的图像上（§3.4）。分发图像只有 DAPI 通道。

Q：8 类细胞类型分别是哪些？
集合管/连接小管、远曲小管、肾小球内皮、间质内皮、白细胞、足细胞、近端小管节段、髓袢升支粗段（§2.5）。类名见论文 SI Table S1 与 MedMNIST info.py 存档，BBBC 官方页本身未列名（坑点 5）。

Q：数据集到底有多少个细胞？
按口径分：BBBC 总表 690,000（images）、论文 ~230,000（完成八类分类）、TissueMNIST 236,386（衍生样本）（坑点 3）。

Q：下载要注册吗？
不要。Images.zip（2.9 GB）与 groundtruthlabels.txt 均为官方直链，无注册、无请求制（§6.1）。

Q：可以商用吗？
可以。图像与 ground truth 为 CC BY 3.0 Unported（允许商用），持有人 Andre Woloshuk；署名即可（§6.2）。

Q：应该怎么引用？
按官方推荐语引用 BBBC 总集（Ljosa et al., Nature Methods 2012），方法研究加引主文献（Woloshuk et al., Cytometry Part A 2021;99(7):707-721, doi:10.1002/cyto.a.24274）；引用硬件参数时另加 Ferkowicz 2021（§6.3、§6.4、坑点 6）。

Q：NephNet3D 的 80.26% 是什么口径？
balanced accuracy，3D 核体积输入，论文自报。约五分之一细胞仍被误分类，不能当临床级自动判读用（§5.3）。

Q：为什么不用普通 accuracy？
8 类自然丰度极不均：近端小管上皮占皮质细胞大头，足细胞、白细胞稀少。普通 accuracy 下"全猜多数类"就能得高分，balanced accuracy 对各类等权计算召回，才能暴露小类性能（§5.1）。

Q：TissueMNIST 上的成绩能代表 BBBC051 原始任务的难度吗？
不能直接互推。TissueMNIST 是 28×28 的 MIP 压缩口径，丢掉了论文证明最有判别力的 z 轴 3D 信息（§4.5、§7.1）。

Q：想复现标注流水线，代码在哪？
VTEA 开源：GitHub icbm-iupui/volumetric-tissue-exploration-analysis；方法论文 Winfree et al., JASN 2017；扩展版思路见 bioRxiv 2021.12.27.474025（§3.1、§3.6）。

Q：BBBC051 有 Version 2 吗？
截至复核日未见。当前为 Version 1（§6.5）。

Q：为什么 3D 输入比 2D 好？
50 μm 厚切片保留了核的三维形态与沿深度染色分布的指纹，投影/切片会损失这部分信息；经典特征与深度模型两个口径下方向一致（§4.1、§4.3）。

Q：with context 是什么意思，为什么有用？
输入除核本体外附带周边像素/体素。部分类别（两类内皮、小管各节段）的判别信息写在空间语境里——核的邻居、管腔的位置——而不在核自身形态里（§2.5 逐类小传、§4.1）。

Q：标签可以直接当逐细胞人工金标准用吗？
要打折。标签是簇级半自动口径（聚类 + 专家验证），存在簇内异质性与结构化误差的可能；用它训练没问题（原论文即如此），用它当"绝对真值"做细粒度误差分析时要按 §3.5 审计。

Q：想要原始未裁剪的采集文件（.lif）怎么办？
官方只分发 Images.zip 处理后图像；原始采集文件不在分发范围。需要时联系维护方 Andre Woloshuk（awoloshu@iu.edu，官方页载明）（§6.7）。

Q：能把 BBBC051 用于疾病研究吗？
谨慎。标本是正常供体肾皮质，不是病变组织；疾病场景外推需自行验证适用性，且无临床配对信息（§2.9）。

Q：三例供体能支撑人群层面的结论吗？
不能。供体层面只有 3 个观测单位，BBBC051 是方法学基准而非人群代表性样本；"供体间差异"类结论的统计功效有限（§2.9）。

Q：论文发表后有没有官方的后续版本或扩展？
BBBC051 本体停留于 Version 1；团队方法谱系的后续演化见 §3.8（Lab Invest 2021 管线、bioRxiv 扩展版），但官方页标注的 “upcoming publication” 对应出版物截至复核日未落实（坑点 8）。

Q：类别不平衡严重吗？该怎么处理？
肾皮质的自然丰度决定了不平衡存在（近端小管多数类 vs 足细胞/白细胞少数类）。训练侧用类加权或重采样，评测侧坚持 balanced accuracy + per-class recall（§5.1）；不要用普通 accuracy 做模型选择。

Q：可以基于 BBBC051 发布自己的衍生数据集吗？
可以。CC BY 3.0 允许衍生，条件是署名 + 许可兼容（衍生品用同等或更宽松许可）。TissueMNIST 就是先例：注明母体、沿用 CC BY 3.0（§6.8）。

Q：它是 H&E 病理切片数据吗？
不是。BBBC051 是 DAPI 荧光显微图像（核染色通道），不是 H&E 透光病理切片；两者在染色原理、信息维度、分析管线上都不同。H&E 病理类数据由库内相关条目覆盖（§9）。

Q：可以直接用 BBBC051 训练、在 TissueMNIST 测试集上报成绩吗？
不建议。两者虽同源但预处理链不同（裁块方式、归一化、分辨率），跨口径训练-测试会引入未声明的分布差异；正确做法是各自口径内训练-测试，跨口径实验作为域适应研究单独声明。

Q：哪里能看到本条目所有数字的出处？
事实清单（每行标注来源）+ 附录 G 证据分级表（每章标注证据等级）+ 附录 E 复核日志（复核方向与结论）。三者合起来构成本条目的"可审计层"。

Q：本条目的工程建议（D 级内容）和官方结论怎么区分？
凡属本条目给出的建议（评测协议、抽验方案、迁移路线），正文均以"建议/示意/推论"措辞出现，并在附录 G 标为 D 级；官方结论（基准数字、许可、口径）标为 A/B 级且有出处可查。

Q：BBBC051 的图像能用于发表图版吗？
可以。CC BY 3.0 允许演绎与发表，署名即可；建议图注注明来源（§6.10）。

Q：三组标记实验的原始多通道图像在本数据集里有吗？
没有。分发物只有 DAPI 单通道；多通道信息已被蒸馏为标签。理解这一点的价值在于：任何"用 BBBC051 验证多通道方法"的实验设计都需重找数据源（§2.4、§2.9）。

Q：如果我要在论文里同时引用 BBBC051 和 TissueMNIST，注意什么？
分开口径引用：数据规模、任务难度、最优成绩各自标注（§7.1 对照表）；不要写"BBBC051（即 TissueMNIST）"——两者是母体与衍生的关系，不是同一对象的两个名字。

Q：本数据集支持基准榜单提交吗？
BBBC 本身不运营榜单（冻结发布、无官方 leaderboard）；TissueMNIST 侧的榜单运营归属 MedMNIST 生态（medmnist.com）。想在 BBBC051 原始口径上发布成绩，走论文/预印本自报 + 本条目 §5.5 协议声明即可获得可比性。

Q：五个 part 的成稿方式对读者有影响吗？
没有。五 part 拼接后即为单一连续文档，章节编号连续、锚点唯一；拼接口仅存在于生成过程，不出现在最终文件结构中（附录 D）。

事实清单：硬数字与来源对照

硬数字	内容	来源
2.9 GB	Images.zip 大小	BBBC 官方页（2026-09-29 复核）
3	tissue samples（nephrectomy 标本）数	官方页 + 论文
50 μm	切片厚度	论文（FACTS 存档）
8	细胞类型类数	论文 + MedMNIST info.py
690,000	BBBC 总表 images 口径	BBBC 总表页（2026-09-29 复核直接证实）
~230,000	论文口径完成八类分类的细胞数	论文摘要
236,386	TissueMNIST 样本总数	MedMNIST 官网/info.py
165,466 / 23,640 / 47,280	TissueMNIST train/val/test（7:1:2）	MedMNIST 官网
32×32×7 → 28×28×1	TissueMNIST 裁剪与 MIP 降维	MedMNIST info.py
ebe78ee8b05294063de985d821c1c34b	TissueMNIST npz MD5	MedMNIST info.py
36.05% / 38.05% / 38.15% / 42.20%	RF 消融（2D/3D × ±context）balanced accuracy	论文（FACTS 存档）
41.54%	SVM balanced accuracy	论文（FACTS 存档）
80.26%	NephNet3D balanced accuracy	论文摘要（复核证实）
707-721 / 99(7) / 2021 Jul	论文正式卷期页码	PubMed/PMC
2020-12-13	论文 online 日期	PubMed
33252180 / PMC8382162 / 10.1002/cyto.a.24274	论文标识符	PubMed/PMC
1552-4930	Cytometry Part A ISSN	PubMed
13	论文作者数	PubMed
35	论文被引（Google Scholar 口径）	Google Scholar（2026-09-29）
10.1038/s41597-022-01721-8	MedMNIST v2 正确 DOI（四源一致）	Dimensions/RWTH/BibSonomy/Bamberg
10.1681/ASN.2016091027 / 28154201	VTEA 原始论文 DOI/PMID	FACTS 存档
10.1038/nmeth.2083 / PMC3627348	BBBC 总集论文 DOI/PMCID	FACTS 存档
10.1038/s41374-020-00518-w	Ferkowicz Lab Invest 2021 DOI	FACTS 存档
5208230	TissueMNIST Zenodo record	MedMNIST 官网
CC BY 3.0 Unported	图像 + GT 许可（允许商用）	官方页（持有人 Andre Woloshuk）
awoloshu@iu.edu	官方联系人	官方页

术语表

术语	释义
BBBC	Broad Bioimage Benchmark Collection，Broad Institute 维护的公开生物图像基准集，总集论文 Nature Methods 2012
DAPI	4′,6-二脒基-2-苯基吲哚，DNA 嵌入型荧光染料，405 nm 激发，标记细胞核
tissue cytometry	组织细胞计量学：对组织切片（而非细胞悬液）做逐细胞定量分析与分群的方法学
VTEA	Volumetric Tissue Exploration and Analysis，3D tissue cytometry 开源平台（Winfree et al., JASN 2017）
X-means	自动确定簇数的 K-means 扩展聚类算法
LS Connect3D	商用 3D 图像分析与核分割软件，VTEA 流水线的分割组件
NephNuc	本数据集导出的细胞核训练库统称（5 种形态，§2.6）
NephNet2D/NephNet3D	论文自设计的 2D/3D 细胞核分类网络
balanced accuracy	各类别召回率的算术平均，对类别不平衡稳健的评价指标
nephrectomy	肾切除术；本数据集组织来自遗体捐献供体肾切除术标本
deceased donor	遗体捐献供体；区别于活体供体
z-stack	共聚焦显微镜沿 z 轴逐层采集得到的三维图像堆栈
MIP	Maximum Intensity Projection，最大强度投影：沿 z 轴取最大值压缩为 2D 的降维方式
tile-scan	显微镜分块扫描拼接大视野的采集方式
Haralick texture	基于灰度共生矩阵的纹理特征族
PFTAS	参数化阈值面积统计，CellProfiler 生态常用的局部强度结构特征
spherical harmonics	球谐函数展开，用于描述 3D 形状特征
Zernike moments	Zernike 正交矩，2D 形状描述子
in situ classification	原位分类：在组织内直接对细胞分类，而非分离后分类
with context	输入中包含目标核周边像素/体素的组织学语境（对照 without context）
MedMNIST v2	轻量医学图像分类基准集系列（Sci Data 2023, 10(1):41），含 TissueMNIST 等 12 子集
TissueMNIST	MedMNIST v2 第 6 号子集，BBBC051 的轻量衍生（28×28×1，236,386 样本）
early view	期刊正式组卷期前的在线先行发表版本
glomerulus（肾小球）	肾单位的血液滤过结构，毛细血管丛 + 包曼囊；肾小球内皮与足细胞所在
podocyte（足细胞）	包曼囊脏层上皮细胞，构成滤过屏障的关键组分
uromodulin（THP）	Tamm-Horsfall 蛋白，髓袢升支粗段特异性标志物
NCC（SLC12A3）	噻嗪类敏感钠氯共转运体，远曲小管特异性标志物
闰细胞	集合管的酸碱调节上皮细胞，本数据集未单列，归入集合管/连接小管类
under/over-segmentation	分割不足（两核并一）与过分割（一核拆二），§3.5 审计对象
cell graph	以细胞为节点、空间邻接为边的图表示，用于建模组织微环境
npz	NumPy 压缩数组格式，MedMNIST 系列的标准分发格式
per-class recall	每个类别各自的召回率，balanced accuracy 的组成单位
confusion matrix	混淆矩阵：行真实类、列预测类的错误分布表，误差分析的标准工具
immune phenotype space	免疫表型空间：以各标志物阳性强度为坐标的多维特征空间，X-means 在此聚类
包曼囊（Bowman’s capsule）	肾小球外侧的上皮性囊袋，足细胞贴附于其脏层
髓放线（medullary ray）	皮质中向髓质延伸的小管束，髓袢升支粗段的分布区域之一
异染色质/常染色质	染色质的致密/疏松形态，DAPI 强度纹理差异的分子基础
leave-one-out（留一法）	每折留出一个单位（此处为 tissue sample）做验证的交叉验证方式
MD5	消息摘要哈希，用于数据文件版本定版与完整性校验
RAI	Responsible AI 的缩写；rai: 前缀的 schema_org 属性用于声明数据责任信息（如 dataLimitations）
cr:RecordSet	Croissant 元数据规范中的记录集节点，描述数据集的记录结构与键
schema_org	结构化元数据规范（schema.org），本库 frontmatter 以 @graph 节点式内嵌

附录

附录 A：官方资源链接速查

资源	地址
BBBC051 官方页	https://bbbc.broadinstitute.org/BBBC051
BBBC 总表（image_sets）	https://bbbc.broadinstitute.org/image_sets
本条目页	https://www.qianfanghub.com/ai-ready-dataset/bbbc051/725
MedMNIST 官网	https://medmnist.com/
MedMNIST 代码库（info.py 类名存档）	https://github.com/MedMNIST/MedMNIST
Zenodo（MedMNIST 分发）	https://zenodo.org/record/5208230
VTEA 代码库	https://github.com/icbm-iupui/volumetric-tissue-exploration-analysis
PubMed 主文献	https://pubmed.ncbi.nlm.nih.gov/33252180/
PubMed Central 全文	https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8382162/

链接访问备注：BBBC 官方页存在 bbbc.broadinstitute.org 与 data.broadinstitute.org 两个域名口径（内容同源）；Zenodo record 编号访问地址为 zenodo.org/records/5208230；若任一链接失效，优先以 BBBC 官方页与 MedMNIST 官网的当前入口为准——两大官方页的互链是比本条目更新鲜的活性校验点。

附录 B：参考文献列表

Woloshuk A, Khochare S, Almulhim AF, McNutt AT, Dean D, Barwinska D, Ferkowicz MJ, Eadon MT, Kelly KJ, Dunn KW, Hasan MA, El-Achkar TM, Winfree S. In Situ Classification of Cell Types in Human Kidney Tissue Using 3D Nuclear Staining. Cytometry Part A. 2021 Jul;99(7):707-721. doi:10.1002/cyto.a.24274. PMID 33252180. PMCID PMC8382162.（© 2020 ISAC；官方页 early view 口径 “Cytometry. 2020; 1–15”）
Ljosa V, Carpenter AE, et al. Broad Bioimage Benchmark Collection（BBBC 总集论文）. Nature Methods. 2012. doi:10.1038/nmeth.2083. PMCID PMC3627348.
Winfree S, et al. Volumetric Tissue Exploration and Analysis（VTEA）. J Am Soc Nephrol. 2017;28(7):2108-2118. doi:10.1681/ASN.2016091027. PMID 28154201.
Ferkowicz MJ, et al. 完整 3D tissue cytometry 管线. Lab Invest. 2021. doi:10.1038/s41374-020-00518-w.（BBBC051 成像硬件参数的实际披露源）
Yang L, et al. MedMNIST v2: A large-scale lightweight benchmark for 2D and 3D biomedical image classification. Scientific Data. 2023;10(1):41. doi:10.1038/s41597-022-01721-8. ISSN 2052-4463. arXiv:2110.14795.（DOI 经四源验证，坑点 7）
VTEA 扩展版（集成 ML + neighborhood analysis）. bioRxiv 2021.12.27.474025.
Sci Rep. 2026. s41598-026-55088-6.（"11 类压缩为 8 类"转述来源，仅存照，坑点 8）

附录 C：存照与口径裁定汇总

存照	议题	裁定
①	任务书"合成肾皮质类器官" vs 实核	以磁盘 FACTS 为准：真实 deceased donor 人体肾皮质组织；冲突本身存照（坑点 1）
②	selectdataset.com"MCF7 乳腺癌药物筛选"	第三方张冠李戴，不采信（坑点 2）
③	规模 690,000 / ~230,000 / 236,386	三口径并存、各有出处，引用注明口径（坑点 3）
④	年份 2020（early view）vs 2021;99(7)（正式卷期）	双口径并存，正文正式卷期优先（坑点 4）
⑤	8 类类名公开程度	BBBC 官方页未列名；论文 SI Table S1 定义 + MedMNIST info.py 完整存档互证（坑点 5）
⑥	Leica SP8 成像参数归属	归属 Ferkowicz Lab Invest 2021，非 BBBC051 论文直接披露（坑点 6）
⑦	MedMNIST v2 DOI	023-02683-x 为讹传；四源一致裁定 10.1038/s41597-022-01721-8（坑点 7，新增存照）
—	生成细节"upcoming publication" / “11 类压缩为 8 类”	待核/无从核对，仅存照不采信（坑点 8）
—	前任研究存档 §8 记录的 MedMNIST v2 DOI	成稿采用四源裁定口径，错误口径降级为存照⑦的证据链

存照的使用规则：存照不是"正文免责声明"，而是口径裁定的公开证据链。三条使用规则：其一，正文凡涉及存照议题，须链接坑点编号（读者可一跳到底）；其二，存照内的"不采信"结论是终局性的——除非新证据（附录 I 触发点）出现，不得在正文复活讹误口径；其三，新增存照（如⑦）必须写明裁定方法（四源一致）与裁定日期，使后来者可以独立重跑验证。

附录 D：本条目编制信息

条目编码：bbbc051（库内 URL 占位 https://www.qianfanghub.com/ai-ready-dataset/bbbc051/725）
事实底座：writing/bbbc051/FACTS.md（前任代理 2026-09-29 存档，55 行 9 节），成稿前经五方向多源抽查复核（官方页/论文/TissueMNIST/DOI/BBBC 总表）
复核日期：2026-09-29；复核方向与新增存照⑦（DOI 纠错）详见附录 C 与附录 E
分类标签：category_tags 取自受控词表 92 词条（医学影像 / 病理图像 / 图像分类 / 评测基准）
编制流程：续写代理 agent-e-bbbc051ct 在租约锁（.lock）保护下完成；成稿方式为五 part 直写后拼接；校验以 scripts/check_md.py 与 scripts/preflight_check.py 双零为准
与 FACTS 的关系：成稿未删改 FACTS.md 任何行；FACTS §8 的 DOI 讹误经成稿期复核裁定后，修正口径入正文、原记录保留并入存照⑦

附录 E：成稿前复核日志（2026-09-29）

本条目成稿前对 FACTS 存档做了五个方向的抽查复核，均采用多源互证（≥2 独立来源），结论如下：

复核方向	核对点	结论
BBBC 官方页	标题 Human kidney cortex cells、Version 1、Images.zip 2.9 GB 直链、ground truth 按 3 tissue samples 组织、groundtruthlabels.txt、CC BY 3.0（Andre Woloshuk）、联系人 awoloshu@iu.edu、“Cytometry. 2020; 1–15” 引用口径、“upcoming publication” 句	全部与 FACTS 一致，无出入
BBBC 总表页	BBBC051 行位于 Phenotype classification 分节；“BBBC051 Human kidney cortex cells Fluorescent 690,000”	690,000 口径①从转述升级为官方页原文直接证实
论文（PubMed/PMC/Scholar）	Cytometry A. 2021 Jul;99(7):707-721、online 2020-12-13、ISSN 1552-4930、13 作者全名、PMID 33252180、PMCID PMC8382162、DOI 10.1002/cyto.a.24274、NephNet3D 80.26%、四机构、关键词、被引 35	全部与 FACTS 一致
TissueMNIST（MedMNIST 官网/info.py/GitHub）	236,386 = 165,466/23,640/47,280、32×32×7 → MIP → 28×28、MD5 ebe78ee8b05294063de985d821c1c34b、Zenodo 5208230、CC BY 3.0、MedMNIST+ 64/128/224、8 类类名全列	与 FACTS 一致；意外收获：info.py 完整列出 8 类类名，使存照⑤升级为"官方页未列名但两源存档互证"，本条目得以列出 §2.5 类别表
MedMNIST v2 DOI	FACTS §8 记 10.1038/s41597-023-02683-x；经 Dimensions/RWTH/BibSonomy/Bamberg 四源验证	FACTS 有误：正确 DOI 为 10.1038/s41597-022-01721-8；成稿采用四源口径，原记录入新增存照⑦

复核遗留（维持存照，未闭环）：官方页 “upcoming publication” 对应出版物未落实（坑点 8 前半）；Sci Rep 2026 “11 类压缩为 8 类” 转述无从核对（坑点 8 后半）。

附录 F：口径速查卡（最常被引用的 12 个数字）

供快速引用与校对的"一张卡"——每个数字附正确口径与常见错误用法：

数字	正确口径	常见错误用法
690,000	BBBC 总表 images（细胞）口径	误作"带标签细胞数"
~230,000	论文口径完成八类分类的细胞	误作"图像张数"
236,386	TissueMNIST 衍生样本总数	误作"原始图像数"
2.9 GB	Images.zip 体积	误作"全部数据量"（含标签文件）
3	tissue samples（供体标本）数	误作"3 种标记通道"
8	细胞类型类数	误信"11 类压缩为 8 类"转述
50 μm	切片厚度	误作"z-stack 步长"
80.26%	NephNet3D balanced accuracy（3D 输入）	误作 accuracy 或 2D 口径
42.20%	RF（3D + context）balanced accuracy	误作 2D 口径或 SVM 成绩
32×32×7 → 28×28×1	TissueMNIST 裁剪与 MIP 降维	误作 BBBC051 原始分辨率
2021;99(7):707-721	论文正式卷期	与官方页 2020 early view 口径混用
CC BY 3.0 Unported	图像 + GT 许可（允许商用）	误记为 CC0 或 BY-NC

附录 G：章节-证据映射表

本条目各章主要论断的证据来源分级：A = 论文/官方页原文直接证实（2026-09-29 复核）；B = FACTS 存档（前任代理多源核过，本轮抽查未见出入）；C = 标准学科通识（肾组织学/工程惯例，无 BBBC051 专属数字）；D = 本条目基于 A/B 事实的工程推论或建议（不新增事实）。

章节	主要内容	证据级
§0.1 问题背景	多重标记的四项限制	C + B
§0.2 三步论证	三组标记 → 蒸馏 → 单通道闭环	A/B
§1 十问十答	全部硬数字	A/B
§2.1-2.3 分发包、标本、三形态	文件结构、3 例、50 μm、三形态	A/B
§2.2 成像硬件	Leica SP8 参数	B（归属 Lab Invest 2021，坑点 6）
§2.4 三组标记实验	抗体组合表	B
§2.5 八类定义与逐类小传	类名（A：MedMNIST info.py 存档）；小传（C）	A/C
§2.6 NephNuc 五形态	导出口径	B
§2.7-2.10 自查/场景/边界/工程	核对清单、边界声明	D（边界基于 A/B 事实）
§3.1-3.4 VTEA 流水线	四步、成本经济学、蒸馏闭环	A/B/D
§3.5-3.8 失败模式/复现/权衡/谱系	审计清单、时间线	D（谱系时间点为 B）
§4 比较发现	消融矩阵、42.20% vs 80.26%	A/B；解读为 D
§5 Bench	特征族、基准数字、协议建议	A/B；协议为 D
§6 获取与许可	直链、CC BY 3.0、引用语、双口径	A/B
§7 生态	TissueMNIST 参数、加工链、DOI 纠错	A/B
§8 方法学启示	五条经验、时间线、检查清单	D（经验基于 A/B 事实）
§9 库内关系	rid34/rid716 分工	A（DB 复查）
§10 八个坑点	全部存照	A/B
FAQ/术语/附录	数字对照、裁定汇总、复核日志	A/B/D

任何第三方复核本条目时，可按此表定位每个论断的证据等级——C/D 级内容均不携带 BBBC051 专属新数字，争议空间被压缩到 A/B 级（皆可溯源）。

附录 H：与任务书的差异声明

本条目接受任务时，任务描述中曾将 BBBC051 概括为"合成 human renal organoids"（合成人肾类器官）。经对磁盘 FACTS 存档与一手来源（BBBC 官方页、论文）的多源复核，该概括与实核冲突：BBBC051 的图像来自 deceased donor nephrectomy 人体肾皮质组织，非合成、非类器官（FACTS 存照①）。按"磁盘为准、一手来源裁定"的铁律，本条目全文采用修正口径撰写，冲突本身不入正文推演、仅在本附录与坑点 1 存照。这一处理与本库其他条目处理任务书讹误的惯例一致：修正内容、保留冲突痕迹、不沉默改写。

附录 I：后续维护触发点

维护原则：本条目的可审计性依赖"事实有源、裁定留痕"——后续更新时应保持两条纪律：更新硬数字必须同步更新事实清单与坑点口径（三处一致）；触发存照议题的更新必须走附录 E 复核日志留痕（日期、来源、结论），不得静默修改正文口径。维护的判据永远是"与一手来源的一致性"，而非"与上一版的一致性"——版本延续性让位于事实正确性。

以下事件发生时，本条目应触发复核更新（按优先级）：

官方页发布 v2 或新增文件——更新 §6.1 获取表、§6.5 版本链、INFOBOX 数据行。
官方 “upcoming publication” 落地——即坑点 8 前半闭环：核实其与 BBBC051 生成细节的对应关系，更新 §2.2 官方披露程度与附录 E 复核日志。
BBBC 总表口径变动（如 690,000 修订）——更新坑点 3 三口径表与事实清单。
MedMNIST 侧更新（TissueMNIST 版本/MD5/MedMNIST+ 变化）——更新 §7.1 参数表，并核对许可声明是否仍与母体一致。
第三方出现新的可核对口径（如"11 类压缩为 8 类"找到原始出处）——按坑点 8 的存照流程更新裁定。
论文被引显著增长或出现重要独立复现——更新 §7.4 被引口径与 §5.3 的"外部校验"备注。

附录 K：检索关键词正误对照

目的	推荐关键词	避免关键词（及原因）
找本数据集	BBBC051；human kidney cortex cells；kidney cortex DAPI	organoid kidney（坑点 1）；MCF7 kidney（坑点 2）
找同类任务数据	tissue cytometry；in situ cell type classification；nuclear morphology classification	—
找轻量衍生	TissueMNIST；MedMNIST kidney	误把 TissueMNIST 样本数当 BBBC051 规模（坑点 3）
找方法论文	Woloshuk 2021；10.1002/cyto.a.24274；PMID 33252180	—
找标注平台	VTEA；volumetric tissue exploration analysis；Winfree 2017	—
找衍生论文口径	MedMNIST v2；10.1038/s41597-022-01721-8	10.1038/s41597-023-02683-x（坑点 7 讹传 DOI）

附录使用总图：A 找链接 → B 找文献 → C 找口径裁定 → D 看编制背景 → E 看复核日志 → F 查数字 → G 查证据等级 → H 看任务书冲突处理 → I 看维护触发 → K 查检索词 → L 看 DAIMS 评分。十一个附录按"引用一篇 BBBC051 相关成果"的典型顺序排列：先 A 定资源，再 B 定引文，再 C/F/E 校数字，L 给整体质量评级，其余按需。本条目正文（§0-§10）与附录的分工是：正文给叙事与判断，附录给可核查的骨架——两层互为索引，任一层发现的问题都能定位到另一层的对应条目。

附录 L：DAIMS 评估全表

DAIMS 五维（Discoverability 可发现性 / Accessibility 可获取性 / Interoperability 可互操作 / Metadata 元数据质量 / Sustainability 可持续性），按本库统一口径 1-10 分：

维度	评分（1-10）	依据
D 可发现性	8	BBBC 总表 + 官方页双入口、论文开放获取（PMC8382162）、衍生 TissueMNIST 在 MedMNIST 官网高频曝光；扣分项：官方页不列 8 类类名（坑点 5）、第三方聚合页讹误密集（坑点 1、坑点 2）干扰检索
A 可获取性	9	双文件（Images.zip 2.9 GB + groundtruthlabels.txt）官方直链、无注册无请求制、CC BY 3.0 允许商用——本维度近乎满分；微扣：仅整包下载无按需子集、无官方镜像
I 可互操作	6	TIFF + 纯文本标签为通用格式、三形态导出降低使用门槛；扣分项：无官方机器可读元数据（无 Dataset card/Croissant 实例）、标签与图像的关联格式需自行解析、无官方转换脚本
M 元数据质量	7	类名有论文 SI 定义 + MedMNIST info.py 存档双源互证、规模/许可/联系人在官方页齐备；扣分项：生成细节披露不全（“upcoming publication” 未落地，坑点 8）、规模三口径并存需读者自辨（坑点 3）
S 可持续性	7	Broad Institute 平台级托管、Version 1 冻结稳定、衍生生态（MedMNIST v2）持续活跃反哺；扣分项：内容维护联系人依赖个人邮箱（awoloshu@iu.edu，单点风险）、v2 无时间表
综合评级	7.4/10（中上）	获取性与可发现性是强项（直链 + 宽许可 + 双生态曝光）；互操作与元数据被"手工时代"发布方式拖低——2019-2020 年发布的 3D 数据集的典型画像，且其短板多数可由本条目这类二级文档部分补偿

DAIMS 评分为本库编辑部的标准化评估口径，依据为官方页、论文与本条目复核日志（附录 E）的可见事实；评分反映"当前时点"状态，附录 I 的触发点事件（如官方补齐生成细节或上线机器可读元数据）将直接抬升对应维度评分。

附录 J：本条目未覆盖、需读者自查的事项清单

以下信息 FACTS 存档未收录、本条目不予转写（避免转写失真），需用时请直接查对应一手来源：

事项	去哪查	说明
groundtruthlabels.txt 的内部字段格式	数据包内文件本身 + 官方页说明	加载前以实际文件为准
图像位深、逐文件像素尺寸、z 轴步长	数据包内 TIFF 元数据	建议脚本化批量提取并随实验存档
8 类各自的精确样本量分布	groundtruthlabels.txt 统计	论文可能另有表格，以 SI 为准
NephNet2D / ResNet-31 的具体成绩	论文结果表（§4.3、§5.3 已留口径说明）	本条目存档未收录
伦理审批与供体知情同意的具体机制	论文 ethics 声明 / 联系维护方	官方页未展开（§6.2 已提示）
每例标本的取材区域与面积	论文 Methods / Lab Invest 2021	生成细节真空的一部分（坑点 8）
TissueMNIST 裁块时的边界处理细节	MedMNIST 代码库（数据生成脚本）	本条目 §7.2 只描述链路主干
VTEA 扩展版的 neighborhood analysis 细节	bioRxiv 2021.12.27.474025	本条目 §3.8 仅定位其在谱系中的位置
官方页是否新增伦理声明或 FAQ	BBBC 官方页当前版本	本条目按 2026-09-29 时点记录
NephNet 网络的具体层数/通道配置	论文 Methods/SI 或代码	本条目只记录"自设计 2D/3D"的存在性与相对结论

这份清单与附录 G 的证据分级配合使用：表中各项在正文均无替代性转写——凡本条目未给出的数字，正文中也不会以模糊措辞冒充给出。

维度	内容
本质	3 例人体肾皮质组织的 DAPI 单通道共聚焦荧光显微图像集（3D 体积 / 2D 投影 / 2D 切片），附 8 类细胞类型 ground truth
归属	Broad Bioimage Benchmark Collection（BBBC）第 051 号，Version 1，Phenotype classification 分节
团队	Ashkar Lab（El-Achkar Lab），Indiana University School of Medicine；联系人/一作 Andre Woloshuk，通讯/末作 Seth Winfree
论文	Woloshuk et al., In Situ Classification of Cell Types in Human Kidney Tissue Using 3D Nuclear Staining, Cytometry Part A 2021;99(7):707-721（官方页 early view 口径 “Cytometry. 2020; 1–15”）
数据	Images.zip 2.9 GB 直链 + groundtruthlabels.txt；3 个 tissue samples；50 μm 切片
类别	8 类肾皮质细胞：集合管/连接小管、远曲小管、肾小球内皮、间质内皮、白细胞、足细胞、近端小管节段、髓袢升支粗段
标注	VTEA tissue cytometry 半自动流水线：LS Connect3D 核分割 + 多标记强度 X-means 无监督聚类 + 专家验证，~230,000 细胞
核心发现	仅凭 DAPI 核染色即可原位区分 8 类细胞：NephNet3D balanced accuracy 80.26%，超经典机器学习（RF 42.20%）约 38 个百分点
结论方向	3D > 2D、with context > without context；免多重标记的分类范式可避免抗体标记对组织的耗竭
衍生	TissueMNIST（MedMNIST v2 第 6 号）：236,386 样本、28×28×1、7:1:2 切分、MD5 ebe78ee8b05294063de985d821c1c34b
获取	官方直链无注册；图像 + ground truth 均为 CC BY 3.0 Unported（允许商用）
库内互链	bbbc（BBBC 总集概览）、medmnist（MedMNIST 系列总集）