信息速览

数据集名称CFB-GBM

数据类型影像数据,原始数据,临床数据

规模264 例（治疗前/后 MRI＋放疗计划纵向队列；时间点 t0 治疗前 / t1 治疗前 MRI 后 4 个月 / t2 6 个月）

接入方式TCIA 集合 cfb-gbm（https://www.cancerimagingarchive.net/collection/cfb-gbm/）：SIEMENS 1.5/3T 脑 MRI（T1Gd/T1/T1 GRE/T2/T2-FLAIR/T2*/DWI）+ 放疗 CT 与 RTDOSE 剂量分布，NIfTI 格式；附 GTV 分割、HD-BET 脑掩码、PyRadiomics 特征表、RANO 2.0 体评分级与临床/治疗/可用性 TSV

AI 就绪度

INFOBOX — CFB-GBM 一屏速览

维度内容

本质法国卡昂 Centre François Baclesse 的 264 例 GBM 治疗前后 MRI＋放疗计划纵向队列（回顾性、单中心）

机构 Centre François Baclesse（法国卡昂，Normandie）——不是联邦、不是众包（§10.0 消歧）

托管 The Cancer Imaging Archive（TCIA）集合页 cfb-gbm，CC BY 4.0 直链公开

DOI 10.7937/V9PN-2F72（使用必须引用）

规模 264 例；系列 v1-v2 3,089 / v3-v4 3,981；总大小 208.01 GB

模态/格式 MR + CT + RTDOSE；NIfTI

时间点 t0 治疗前 / t1 治疗后 4 个月 / t2 治疗后 6 个月（纵向）

入组窗 2017 年 11 月 – 2023 年 12 月

核心标注 GTV 从 35% 补到 97%（nnU-Net 预训练 BraTS 2021 微调 + 5 位放射肿瘤学家核验）、RANO 2.0 体评分级、HD-BET 脑掩码、PyRadiomics 特征

版本链 v1 2025/12/23 → v2 2026/02/03 → v3 2026/06/26 → v4 2026/09/11（当前，Complete）

主论文 arXiv:2608.17884（2026-08-18）；期刊版 DOI 10.59275/j.melba.2026-dd48

生存（本队列）中位 50.5 周（Mean 57.5）——特定单中心 Stupp 方案队列，勿与泛化 GBM 生存混引

许可 CC BY 4.0（署名即可自由使用/再分发/商用）；TCIA Data Usage Policy 约束

库内互链 UPenn-GBM(462)、TCIA(547)、BraTS(24)、BraTS-2026(931)、TCGA(566)、BraTS-MET(950)

CFB-GBM 是一个"把放射治疗日常留下的纵向脑 MRI 与剂量分布整理成 AI 可训练队列"的数据集：它来自法国卡昂的 Centre François Baclesse（缩写即 CFB）单个肿瘤中心，把 264 位胶质母细胞瘤（GBM）患者在**治疗前（t0）、治疗后 4 个月（t1）、治疗后 6 个月（t2）**三个时间点的多序列 MRI、放疗 CT 与剂量分布（RTDOSE）配对起来，并把原本只有 35% 覆盖的大体肿瘤体积（GTV）轮廓补齐到 97%。它的价值不在"规模最大"，而在"纵向＋放疗剂量＋治疗反应标注"这条在公开脑肿瘤数据里少见的组合线。

导语读法三则：

先纠一个名：搜"Crowdsourced Federated Brain GBM"会一无所获——CFB 是 Centre François Baclesse 的缩写，这是单中心集中托管数据集，与联邦学习、众包采集无关（§10.0）。
只想下数据：直奔 §6 获取与许可——208 GB 直链下载需 IBM-Aspera-Connect 插件，CC BY 4.0，引用必须带 DOI 10.7937/V9PN-2F72。
做治疗反应建模：直奔 §5 任务与标注（GTV＋RANO 2.0＋PyRadiomics 三件套）与 §7 评估基准。

§0 导读：这个数据集解决什么问题

胶质母细胞瘤（GBM）是成人最常见的原发性恶性脑肿瘤，标准治疗是最大安全切除＋放疗联合同步替莫唑胺（Stupp 方案）。治疗之后，医生要回答的关键问题是：肿瘤是稳定、退缩还是进展？ 这个判断直接影响是否继续化疗、是否二次手术、是否进入二线方案。而判断的依据，主要是治疗前后多个时间点的 MRI 对比——看增强区有没有长大、看 FLAIR 高信号范围有没有扩展。

问题在于，公开的脑肿瘤影像数据大多只给你"一个时间点 + 一个分割掩码"。BraTS 系列提供了高质量的多序列 MRI 与分割标注，但它是横断面的（每位患者一帧）；它把"肿瘤在哪、边界在哪"解决得很好，却回答不了"肿瘤怎么变"。要回答"怎么变"，你需要同一患者的纵向配对影像、需要放疗计划里的剂量分布（剂量落在哪里决定了哪里会变化）、还需要一套把影像变化翻译成临床结论的标注体系（如 RANO）。

CFB-GBM 填的就是这条缝。它的回答分三层：

纵向影像＋剂量：264 例患者，t0/t1/t2 三时间点的多序列 MRI，配上放疗 CT 与 RTDOSE 剂量分布——这是"治疗做了什么、影像怎么变"能对齐的前提。
把标注补齐：原始临床数据里 GTV 轮廓只覆盖 35%，团队用 nnU-Net（预训练于 BraTS 2021）在 CFB-GBM 真值轮廓上微调，把覆盖率提到 97%，并由 5 位放射肿瘤学家核验——这一步把"临床顺手勾的轮廓"升级成"可当训练集用的标注"。
把结论翻译成标签：对所有可得时间对推导 RANO 2.0 体评分级标签（Response Assessment in Neuro-Oncology），并交付 HD-BET 脑掩码与 PyRadiomics 预计算放射组学特征，让治疗反应预测、进展建模、放射组学复现都有现成入口。

§0 读法三则：

这个条目的第一消歧点是定性：CFB-GBM 是单中心回顾性集中托管数据集，不是联邦学习数据集、也不是众包采集数据集——"CFB"三个字母容易被误读（§10.0、坑点 1）。
全文规模数字有双口径（系列 3,089 vs 3,981）与版本号错位（TCIA v4 vs 论文 v2.0），引用前务必看 §4 与坑点 2、3。
本队列生存中位 50.5 周是特定单中心 Stupp 方案队列的数值，不等于泛化 GBM 生存，混引会出统计学事故（§9 与坑点 6）。

§1 数据集速览：十问十答

Q1：CFB-GBM 的"CFB"是什么意思？是联邦学习吗？
不是。CFB = Centre François Baclesse，法国诺曼底卡昂的一家肿瘤（放射治疗）中心。这是该中心单一机构的回顾性队列，由 TCIA 集中托管为一份完整数据集——既没有联邦学习（federated learning）也没有众包采集（crowdsourcing）。"Federated/Crowdsourced"是对数据集名的误读（详见 §10.0 与坑点 1）。

Q2：一共多少例、多大？
264 例患者；总大小 208.01 GB。TCIA 系列（图像）数因版本而异：v1-v2 为 3,089，v3-v4 为 3,981——v3 一次加入了大量 GTV 与归一化掩码（§4、§6）。

Q3：为什么是"治疗前后"？有哪些时间点？
它是纵向（longitudinal）队列，核心是三个时间点：t0 = 治疗前；t1 = 治疗前 MRI 之后 4 个月；t2 = 6 个月。入组时间窗为 2017 年 11 月至 2023 年 12 月。

Q4：里面有哪些影像？
多序列脑 MRI（T1Gd（增强 T1）、T1 anatomical、T1 gradient echo、T2 anatomical、T2-FLAIR、T2*、DWI，按可得性）、放疗 CT，以及放疗剂量分布 RTDOSE。MRI 在 SIEMENS 1.5/3 Tesla、脑专用 16 通道线圈采集，造影剂 DOTAREM 0.2 mL/kg。

Q5：核心的"GTV 从 35% 到 97%"是什么意思？
GTV（Gross Tumour Volume，大体肿瘤体积）是放疗计划里必须勾画的肿瘤轮廓。原始临床数据里只有 35% 的病例有 GTV；团队用 nnU-Net（在 BraTS 2021 上预训练、再用 CFB-GBM 真值轮廓微调）自动补全，把覆盖提到 97%，并由 5 位放射肿瘤学家核验。这使数据集从"稀疏标注"变成"近全量标注"。

Q6：RANO 2.0 标签是干什么的？
RANO（Response Assessment in Neuro-Oncology）是神经肿瘤领域评估治疗反应的临床标准。团队对所有可得的时间对（t0→t1、t0→t2、t1→t2）推导出体评分级（volume-based）的 RANO 标签，让"影像变化"可直接对应到"稳定/部分缓解/进展"这类临床结论，服务进展追踪建模。

Q7：PyRadiomics 特征和 HD-BET 脑掩码是什么？
PyRadiomics 是从影像中批量提取的形状/纹理/强度等定量特征库；团队预计算了每患者、每时间点、每模态的特征，放射组学研究者无需自己重跑。HD-BET 是脑部 MRI 颅骨剥离工具，团队交付其生成的二值脑掩码，便于标准化与背景剔除。

Q8：许可与获取方式？
CC BY 4.0——署名即可自由使用、再分发、商用。通过 TCIA 集合页公开下载（https://www.cancerimagingarchive.net/collection/cfb-gbm/）；208 GB 影像建议用 IBM-Aspera-Connect 插件下载。使用须遵守 TCIA Data Usage Policy，引用必须含 DOI 10.7937/V9PN-2F72。

Q9：现在拿到的是第几版？会变吗？
当前为 Version 4（2026/09/11，Status Complete）。版本链为 v1 2025/12/23 → v2 2026/02/03（修正临床数据文件）→ v3 2026/06/26（加 347 GTV＋545 归一化掩码）→ v4 2026/09/11（修正 RANO 标准 TSV，无图像改动）。旧版含错误、不再可下载。

Q10：为什么它对 AI-Ready 重要？
因为它补上了公开脑肿瘤数据的"纵向＋剂量＋治疗反应"这条线：BraTS 回答"肿瘤在哪"，CFB-GBM 回答"肿瘤怎么变、放疗照到哪里、临床怎么判"。且它是 CC BY 4.0 直链开放——与库内多数"注册墙/请求制"条目不同，可直接进模型流水线（§7、§8）。

§2 论文与时间线：一个数据集怎么被"补齐"和"改版"

CFB-GBM 这个条目最容易被低估的一点是：它不是一个"一次发布、此后静止"的静态数据集，而是一条被持续修补的版本链。理解这条链，是理解"为什么网上关于它的数字说法不一"的前提。本节按时间轴把它讲清楚。

2.1 三份"身份文件"，别混为一谈

要引用 CFB-GBM，先分清三种"编号"落在一起会出错：

编号体系	是什么	当前值	常见误用
数据 DOI	TCIA 给这份数据集分配的持久标识	10.7937/V9PN-2F72	漏引、或用论文 arXiv 号代替
TCIA 集合版本号	TCIA 平台上这份影像集合的发布/修订序号	当前 Version 4（2026/09/11）	与论文版号混淆，写成"v4 论文"
论文版本号	主论文标题里的版本号	v2.0（arXiv:2608.17884）	误以为与 TCIA v4 一一对应

关键提醒：TCIA Version 4 与论文 v2.0 不是同一套编号，数值相近纯属巧合，不代表"论文更新到 2.0 时数据更新到第 4 版"的一一映射关系。写方法学复现时，正确的做法是同时写清"TCIA 集合版本 + 引用论文 + 访问日期"三个字段，而不是写一句"用 CFB-GBM v4"了事（另见 §9 存照第 3 条、坑点 3）。

2.2 版本链：从 v1 到 v4 逐版看

TCIA 侧记录的历次修订如下（每一版都会在集合页的 Version 历史里留痕，旧版含错误、一般不再提供下载）：

v1 — 2025/12/23

首次发布。给出 264 例患者的治疗前后多时间点 MRI、放疗 CT 与 RTDOSE 剂量分布，以及随数据集附带的临床/治疗/可用性 TSV 支持文件。
此阶段 GTV 轮廓覆盖率仍是临床原始水平（约 35%），并非后来广为引用的 97%。

v2 — 2026/02/03

主要动作：修正临床数据文件（提交方发现原文件存在问题）。
性质：数据更正版，非新增内容版。按 TCIA 惯例，含错误的旧版从下载入口移除。

v3 — 2026/06/26

这是内容增量最大的一版，也是"系列数跳变"的来源：
- 新增 347 个 Gross Tumour（GTV）文件；
- 对受试者 125 / 181 / 201 / 212 / 231，把此前各自标注的两个肿瘤体合并为单一二值 GTV（矫正体素级标注口径）；
- 新增 545 个二值掩码，用途是强度归一化（intensity normalization）；
- 同期把 RANO 评分与放射组学（radiomics）数据补入支持数据。
影响：TCIA 表里"Series / Images"由 3,089 变为 3,981。引用规模数字必须注明版本（§4、坑点 2）。

v4 — 2026/09/11（当前，Status: Complete）

主要动作：修正 RANO 标准 TSV（改用"增强肿瘤特异"的测量口径）并重新编号少量此前编号错误的文件夹。
性质：标注/元数据订正版，图像数据本身无改动。
状态标为 Complete，即集合作者视为当前稳定版本。

版本链一行速记：v1 2025/12/23 → v2 2026/02/03（修临床表）→ v3 2026/06/26（+347 GTV、+545 归一化掩码）→ v4 2026/09/11（修 RANO TSV，无图像改动）。

2.3 主论文：v2.0 与它的期刊落点

与数据集配套的主论文是：

标题：CFB-GBM v2.0: An Augmented Longitudinal Dataset for Multi-Modal Glioblastoma Segmentation, Radiomics, and RANO Progression Tracking
作者（节选）：Leclercq AG, Moreau NN, Audebert H, …, Corroyer-Dulmont A.
arXiv：arXiv:2608.17884（提交日期 2026 年 8 月 18 日，分类 cs.CV，约 9 页 2 图）
arXiv DOI：10.48550/arXiv.2608.17884
期刊版（Related DOI）：10.59275/j.melba.2026-dd48（MELBA 系列期刊体系）

论文标题里的三个关键词恰好对应数据集的三层增值工作，读标题就能抓主线：

Multi-Modal Segmentation（多模态分割）——把 GTV 从稀疏补到近全量；
Radiomics（放射组学）——交付 PyRadiomics 预计算特征；
RANO Progression Tracking（RANO 进展追踪）——派生体评分级治疗反应标签。

一个引用陷阱：论文题名带 “v2.0”，容易被读成"数据集第 2 版"，但 TCIA 侧此刻已是 Version 4。论文的 v2.0 描述的是内容增强的这一轮工作，与 TCIA 的发布序号是两个坐标系。若在论文里看到"v2.0 数据集"，指向的是这份内容的定稿，不是 TCIA 下载页上的 Version 4（§9 存照第 3 条）。

2.4 时间线总表

时间	事件	类型
2017-11 – 2023-12	患者入组时间窗（单中心临床常规）	数据来源期
2025-12-23	TCIA Version 1 发布	数据发布
2026-02-03	TCIA Version 2（修正临床数据文件）	数据更正
2026-06-26	TCIA Version 3（+347 GTV、合并双肿瘤体、+545 归一化掩码、补 RANO/放射组学）	内容增量
2026-08-18	主论文 arXiv:2608.17884 提交	论文
2026-09-11	TCIA Version 4（修正 RANO TSV、重编号少量文件夹，无图像改动）；Status = Complete	标注订正
2026-10-09	本条目的抓取/核实时点	存照

致谢线索：数据集的资助致谢中出现 Région Normandie（诺曼底大区）——这条线索本身再次印证"区域性单中心来源"的定性判断（§10.0）。

2.5 为什么值得单列一节讲版本

三个实际后果，直接决定下游研究会不会做错：

可复现性：若论文写"补充的 347 个 GTV"，你必须下载 v3 或 v4；用 v1/v2 会找不到那批文件，复现失败不是你的代码问题，是版本问题。
数字一致性：3,089 与 3,981 两个系列数都"正确"，区别只在版本。混引会让审稿人以为数据源不一致（§9 存照第 2、4 条）。
标注口径：v3 把 5 例的双肿瘤体合并为单二值 GTV，v4 又调整了 RANO 测量口径——跨版本比较分割/RANO 结果时必须锁定同版本，否则是"苹果比橘子"。

§3 机构与人物：谁做的，为什么可信

3.1 主机构：Centre François Baclesse

全称：Centre François Baclesse，位于法国诺曼底大区卡昂（Caen, Normandie）。
性质：一家肿瘤放射治疗机构（综合癌症中心），数据集即来自该中心的临床常规诊疗数据，而非专门设计的前瞻性研究留取。
缩写来源：数据集名 “CFB-GBM” 中的 CFB 就是 Centre François Baclesse——这是本条目第一消歧点，也是"联邦/众包"误读的根源（§10.0、坑点 1）。

3.2 合作方：都在同一区域，不是跨国联盟

据 v2.0 论文的机构署名，参与方包括 Normandie Univ / UNICAEN、ENSICAEN、GREYC（卡昂）、ISTCT（卡昂）、CHU de Caen（卡昂大学医院）等。共同点是都属诺曼底/卡昂本地科研生态。

这一点是定性判断的关键证据：一个由单一区域机构群合作产出的、托管在 TCIA 的单一数据集，与"多机构联邦学习（federated learning）"在方法论上是完全不同的东西——前者是合作署名，后者要求数据不出本地、只交换模型参数/梯度。CFB-GBM 属于前者中的"集中托管"（§6、§10.0）。

3.3 主导人物

Aurélien Corroyer-Dulmont、Alexandre G. Leclercq、Noémie N. Moreau：v2.0 论文的共同主导/通讯作者群，也是数据加工（GTV 补全、RANO 派生）工作的核心。
TCIA 数据引用（Version 4 口径）作者列表覆盖更广，含 Moreau N.、Leclercq A.、Desmonts A.、Poirier Y.、Dubru A.、Guillemette L.、Lecoeur P.、Lemasson K.、Jaudet C.、Brunaud C.、Valable S.、Geffrelot J.、Stefan D.、Leleu T.、Raboutet C.、Le Henaff L.、Batalla A.、Lacroix J.、Rouzier R.、Corroyer-Dulmont A. 等——正式引用应以 TCIA 集合页给出的作者列表为准（§6 引用规范）。

3.4 临床验证环节：5 位放射肿瘤学家

分割质量的可信度锚点：nnU-Net 生成的 GTV 由 5 位放射肿瘤学家（radiation oncologists）核验。这一环把"模型自动生成"升级为"专家复核过"，是数据集敢于把 GTV 完成率标到 97% 的底气来源——但要注意，“97%” 是覆盖率（多少例有了轮廓），不是分割精度（Dice 有多高），两者不能混为一谈（§5、坑点 4）。

3.5 机构层面的三个定性结论

单中心：数据源自 Centre François Baclesse 一家，非多中心聚合——机构间泛化性需使用者自行验证。
集中托管：通过 TCIA 下载完整影像，无联邦训练、无权重共享机制。
回顾性：入组为已故患者、未纳入临床试验的临床常规队列，非前瞻性试验，选择偏倚需使用者评估（§9 存照第 6 条）。

§4 数据规模硬数字：264 例背后的每一张表

本节把 CFB-GBM 可以被引用的硬数字逐项钉死，并标注每个数字的版本适用性与来源口径。凡有"双口径"的地方都并列呈现，避免读者在别处看到不同数字时误以为其中一个错了（§9 存照第 2、4 条）。

4.1 规模总表（TCIA 集合页三源互证）

维度	数值	口径/备注
受试者（Subjects）	264 例	v1–v4 一致，是最稳的引用数字
系列/图像数（v1–v2）	3,089	v3 之前的口径
系列/图像数（v3–v4）	3,981	v3 加入 347 GTV + 545 归一化掩码后的口径
总大小	208.01 GB	TCIA Image Collection 行（下载标注 208 GB）
模态	MR, CT, RTDOSE	RTDOSE 即放疗剂量分布
格式	NIfTI	影像与分割掩码；支持数据为 TSV
癌症类型	Glioblastoma（GBM）	单一瘤种
许可	CC BY 4.0	各子表逐行标注
状态	Complete（2026/09/11）	当前稳定版
入组时间窗	2017-11 – 2023-12	约 6 年
时间点	t0 / t1 / t2	治疗前 / 治疗后 4 个月 / 6 个月

引用建议：正文类文档可写"约 264 例、约 208 GB"；方法学与表格必须写清"系列数取哪一版"，否则复现时对不上账。

4.2 人口学与生存（对应 TCIA Table 1 口径）

变量	数值
生存中位（Median OS）	50.5 周（Mean 57.5 周）
性别	女 106（40.1%） / 男 158（59.9%）
年龄 Mean	67.0
年龄 Median	70.0
年龄范围	25 – 90 岁

三条读表纪律：

生存数字不能外推。50.5 周的中位生存是这一特定单中心 Stupp 方案队列的实测值，不等于泛化 GBM 的生存基线。文献常用"15 个月左右"的口径（≈65 周），与本队列数值不可直接互换引用——它们的分母人群、治疗年代、入排标准都不同（§9 存照第 6 条、坑点 6）。
性别接近 6:4，男性偏多，符合 GBM 的流行病学常识，可用于检查数据是否被抽样扭曲。
年龄跨度大（25–90），适合做年龄分层分析，但高层（≥75）样本量需自行核查，避免小组过度解读。

4.3 放疗剂量与分次（对应 TCIA Table 2 口径）

变量	类别	例数（占比）
放疗剂量	40.05 Gy	62（23.5%）
	60.00 Gy	123（46.6%）
	其他	9（3.4%）
	未知	70（26.5%）
分次数	15 次	63（23.9%）
	30 次	124（47.0%）
	其他	7（2.7%）
	未知	70（26.5%）

读表要点：

60 Gy / 30 次是标准 Stupp 方案剂量分次的主力（约 47%），40.05 Gy / 15 次对应短程大分割方案（约 23%），两者并存反映了真实临床里"标准 vs 短程"的分流。
约 26.5% 的病例放疗剂量/分次字段缺失——这是使用本数据集做放疗变量分析时必须先处理的缺失，不能默认补全为 60 Gy（§4.6、坑点 5）。
"其他"类别占比很小（3.4% / 2.7%），但确实存在个体化方案，分箱时要保留这一层而不是合并进主类别。

4.4 时间点设计：为什么是 t0 / t1 / t2

时间点	定义	临床意义
t0	治疗前	基线肿瘤负荷与放疗计划靶区来源
t1	治疗前 MRI 之后 4 个月	早期治疗反应窗口（含假性进展的判别区间）
t2	治疗前 MRI 之后 6 个月	定标后评估点，常对应 RANO 判定

注意措辞：t1、t2 的锚点是"治疗前 MRI 之后 4 / 6 个月"，不是笼统的"治疗后 4/6 个月"。这个细微差别在复现时很重要——锚定事件不同，时间窗就会错位（§5 RANO 派生、坑点 7）。

4.5 图像构成：每例都有什么

多序列脑 MRI：T1Gd（增强 T1）、T1 anatomical、T1 gradient echo、T2 anatomical、T2-FLAIR、T2*、DWI——按各病例可得性提供，不是每例都齐全。
放疗 CT：经**去面部（defacing）**处理。
RTDOSE：放疗剂量分布。
分割与派生：GTV 轮廓、HD-BET 脑掩码、PyRadiomics 特征表、RANO 2.0 标签、各可用性/临床/治疗 TSV。

采集参数：SIEMENS 1.5 T 或 3 T，脑专用 16 通道线圈，仰卧位；造影剂 DOTAREM 0.2 mL/kg。"按可得性提供"是硬约束——任何按序列数做的统计（如"每例 7 个序列"）都会被缺失序列打破，务必先查 MRI Availability 表。

4.6 支持数据文件与规模

支持数据以多个 TSV 交付（临床/人口学与诊断、治疗、治疗影像可用性、CT 可用性、MRI 可用性、RANO 标准、PyRadiomics 特征、数据字典等），体量从数千字节到 6.78 MB 级（放射组学特征）不等。放射组学特征表是其中最"重"的支持文件，因为它是每患者 × 每时间点 × 每模态 × 多特征的笛卡尔积展开。

4.7 五个"看起来矛盾但其实都对"的数字

为便于速查，把本节所有可能引起困惑的成对数字集中列表：

264 例 vs 3,981 系列——不是矛盾："例"是患者数，"系列"是影像序列/文件数（§4.1）。
3,089 vs 3,981——版本口径不同（v1–v2 vs v3–v4），都对（§4.1）。
TCIA Version 4 vs 论文 v2.0——两套编号体系，无对应关系（§2.1）。
50.5 周 vs 约 65 周（15 个月）——本队列实测 vs 泛化文献口径，不可互引（§4.2）。
26.5% 未知剂量 vs 46.6% 标准 60 Gy——缺失与实测并存，分析前须显式处理缺失（§4.3）。

§5 任务与标注：GTV、RANO 2.0 与放射组学三件套

CFB-GBM 的 AI 价值，几乎全部压在"标注"这一层。原始临床数据只是"影像 + 稀疏轮廓"，而团队做的工作是把标注补齐、口径统一、并翻译成临床可解释的标签。本节把这条流水线拆开讲。

5.1 入组条件：先看清队列边界

据数据集说明，入组条件为：

(a) 年龄 ≥ 18 岁；
(b) 已故患者（deceased）——这解释了为什么生存数据可以公开且相对完整；
© 未纳入临床试验——纯临床常规，不是试验队列；
(d) 影像在本科室采集。

四条合起来定性：这是一个回顾性、单中心、临床常规队列。使用它做前瞻性结论外推时，必须显式声明这一边界（§9 存照第 6 条）。

5.2 采集与预处理规范

MRI：SIEMENS 1.5 / 3 T，脑专用 16 通道线圈，仰卧位；造影剂 DOTAREM 0.2 mL/kg（500 μmol/mL）。
序列：T1Gd、T1 anatomical、T1 gradient echo、T2 anatomical、T2-FLAIR、T2*、DWI（按可得性）。
预处理：MRI 经颅骨剥离（skull-stripping）+ 配准（co-registration）；CT 经去面部（defacing）。
为什么这些预处理重要：颅骨剥离让强度归一化与脑区分析不被颅骨/头皮干扰；配准让跨时间点、跨模态体素可比；去面部是公开共享的伦理合规动作。三者共同构成"拿去就能训练"的前提。

5.3 核心任务一：GTV 轮廓从 35% 补到 97%

**GTV（Gross Tumour Volume，大体肿瘤体积）**是放疗计划中必须勾画的肉眼可见肿瘤范围。事实链条：

起点：原始临床数据里只有约 35% 的病例带有 GTV 轮廓——因为"勾轮廓"是放疗计划的一部分，不是每个病例每个时间点都留下数字文件。
方法：用 nnU-Net（一种自配置的医学分割网络，在 BraTS 2021 数据上预训练）在 CFB-GBM 的真值轮廓上微调（fine-tune），然后对所有缺轮廓的病例/时间点做推断。
质量关：生成的分割由 5 位放射肿瘤学家核验。
结果：GTV 完成率提升到 97%。

三个必须讲清的点：

"97%"是覆盖率，不是精度。它说的是"97% 的病例现在有 GTV 轮廓了"，不等于 “分割 Dice 达到 0.97”。把覆盖率当精度引用是常见硬错（坑点 4）。
BraTS 2021 是"预训练来源"，不是"评测基准"。nnU-Net 在此借了 BraTS 的通用脑肿瘤先验，但 CFB-GBM 的分割真值来自本队列放射肿瘤学家的勾画，二者任务与标注体系不同。
v3 对 5 例做了口径矫正。受试者 125/181/201/212/231 的两个肿瘤体被合并为单一二值 GTV——跨版本比较分割结果时必须锁版本（§2.2）。

5.4 核心任务二：RANO 2.0 体评分级标签

**RANO（Response Assessment in Neuro-Oncology）**是神经肿瘤领域评估治疗反应的临床标准。团队做的是：

对所有可得的时间对（t0→t1、t0→t2、t1→t2）推导 体评分级（volume-based）的 RANO 标签；
让"影像上的体积变化"直接映射到"稳定 / 部分缓解 / 进展"这类临床结论；
v4 进一步修正 RANO 标准 TSV，改用增强肿瘤特异（enhancement-specific）测量口径。

为什么"体评分级"重要：传统 RANO 依赖二维径线（如 SPD，双垂直直径乘积），受测量者影响大；体评分级直接用分割体积，与 CFB-GBM 已补全的 GTV 天然契合，也让"分割 → 反应判定"成为一条端到端可训练的任务链。

使用提醒：RANO 标签的版本间口径有过调整（v3 加入 → v4 修正），做进展建模时必须固定版本并记录所用 RANO 条目，否则标签定义漂移会污染结论（§2.2）。

5.5 核心任务三：HD-BET 脑掩码与 PyRadiomics 特征

HD-BET 脑掩码：HD-BET 是脑部 MRI 颅骨剥离工具；团队交付其生成的二值脑掩码，便于使用者做强度归一化、背景剔除与跨扫描对齐，无需自行复跑工具链。
PyRadiomics 预计算特征：PyRadiomics 是从影像中批量提取形状 / 一阶强度 / 纹理等定量特征的库。团队预计算了每患者、每时间点、每模态的特征表，放射组学研究者无需从零提取——这大幅降低了复现门槛，也让放射组学结论更容易被独立验证。
配对价值：脑掩码（限定分析区域）＋放射组学特征（定量读数）＋ GTV/RANO（标签）三者合起来，构成一个"特征—标签"齐全的可直接建模数据集。

5.6 核心任务四：WHO 分类口径双标（2016 vs 2021）

数据集对每例诊断同时标注 WHO 中枢神经系统肿瘤分类的两个版本（2016 与 2021）。这不是冗余，而是必要：

WHO 2016 主要基于组织学形态；
WHO 2021 引入分子标志物（如 IDH、1p/19q 等）作为分型依据，GBM 的定义边界随之移动（原"IDH 突变型 GBM"在 2021 体系中被重新归类）。
后果：跨版本直接混用诊断标签会产生"同一例在两个体系里归属不同"的问题。数据集提供双口径，正是让使用者能显式选择对齐口径，而不是被迫二选一。

5.7 支持数据表清单（TSV）

表	内容
Clinical / Demographic / Diagnosis	人口学与诊断（含 WHO 2016/2021 口径）
Treatment	治疗方案
Treatment Imaging Availability	治疗相关影像可用性
CT Availability	CT 可用性
MRI Availability	各序列 MRI 可用性
RANO Criteria	RANO 体评分级标签
Pyradiomics Features	预计算放射组学特征（最大支持文件）
Data Dictionary	字段字典

用表纪律：任何"每例有几张影像"、"某序列是否齐全"的统计，都应从 Availability 表求得，而不是默认全齐（§4.5）。

5.8 上游任务与下游任务一览

层次	任务	数据支撑
上游	多序列 MRI 分割（GTV）	GTV 轮廓 + HD-BET 脑掩码
上游	图像配准 / 归一化	已配准 MRI + 归一化掩码
中间	纵向变化量化	t0/t1/t2 配对 + RTDOSE
中间	放射组学特征提取	PyRadiomics 预计算表
下游	治疗反应分类 / 进展预测	RANO 2.0 体评分级标签
下游	生存建模	生存字段（中位 50.5 周口径）+ 临床/治疗表
下游	剂量—反应关系	RTDOSE + 放疗剂量/分次字段（注意 26.5% 缺失）

§6 坑点清单：十二个会把结论做错的细节

以下是使用 CFB-GBM 时最容易踩的坑，按"踩中后果"排序。每一条都可在前文对应章节找到依据。

坑点 1 — 把它当成"联邦学习 / 众包"数据集
“CFB” 不是 “Crowdsourced Federated Brain”。这是 Centre François Baclesse 的缩写，数据集是单中心集中托管。若在论文里把它描述为"多机构联邦学习数据集"，等于方法学定性错误（§2.1、§10.0）。

坑点 2 — 混用 3,089 与 3,981 两个系列数
两个数都对，区别在版本：v1–v2 为 3,089，v3–v4 为 3,981。混引会被读成数据源不一致（§4.1、§9 存照第 2 条）。

坑点 3 — 把 TCIA Version 4 与论文 v2.0 当成同一编号
这是两套编号体系，数值相近纯属巧合。正确写法是"TCIA 集合版本 + 引用论文 + 访问日期"三字段并列（§2.1、§9 存照第 3 条）。

坑点 4 — 把 GTV"97%"当成分割精度
97% 是覆盖率（多少例有了 GTV），不是 Dice/精度。当成精度引用是硬错（§5.3）。

坑点 5 — 无视 26.5% 的放疗剂量/分次缺失
约四分之一的病例缺放疗剂量与分次字段。做剂量分析前必须显式处理缺失，不能默认补 60 Gy（§4.3）。

坑点 6 — 把队列生存 50.5 周当泛化 GBM 生存
这是特定单中心 Stupp 方案队列的实测值，与文献"约 15 个月"口径不可互引（§4.2、§9 存照第 6 条）。

坑点 7 — 把 t1/t2 的锚点记成"治疗后"
t1/t2 的锚点是"治疗前 MRI 之后 4 / 6 个月"，不是笼统的"治疗后 4/6 个月"。锚点错，时间窗就错位（§4.4）。

坑点 8 — 默认每例序列齐全
MRI 序列是按可得性提供的，不是每例都齐。任何按序列数的统计都先查 MRI Availability 表（§4.5、§5.7）。

坑点 9 — 跨版本比较分割或 RANO 结果
v3 合并了 5 例的双肿瘤体，v4 调整了 RANO 测量口径。跨版本直接比会引入口径差异（§2.2、§5.3）。

坑点 10 — 忽略 WHO 2016/2021 分类口径差异
两套分类体系对同一例的诊断归属可能不同。混用前先选定并对齐口径（§5.6）。

坑点 11 — 低估 208 GB 的下载成本
影像包 208.01 GB，大体积下载需 IBM-Aspera-Connect 插件，直连常规下载体验差。立项前先评估带宽与存储（§4.1、FACTS §6）。

坑点 12 — 忘记引用 DOI
使用须遵守 TCIA Data Usage Policy，引用必须含 DOI 10.7937/V9PN-2F72。漏引则不符合数据集许可要求。

6.1 DAIMS 数据资产度量表

维度	评估	说明
D — Discoverability（可发现性）	高	TCIA 集合页 + 数据 DOI + arXiv 论文，三处可检索；“CFB-GBM” 命名明确
A — Accessibility（可获取性）	高（有门槛）	CC BY 4.0 直链公开，无注册墙；但 208 GB 影像需 Aspera 插件，构成实际获取门槛
I — Interoperability（互操作性）	中高	NIfTI 影像 + TSV 支持数据，通用格式；RTDOSE 与放射组学表需对应工具链
M — Metadata（元数据）	高	提供 Data Dictionary，明列人口学/临床/治疗/可用性/RANO/放射组学各表
S — Sustainability（可持续性）	中高	TCIA 长期托管 + DOI 持久标识；版本链活跃（v1→v4），旧版可追溯但不再提供下载

综合：Discoverability / Accessibility / Metadata 三项是本数据集的强项；Accessibility 的短板是体积与下载工具，Interoperability 的短板在 RTDOSE 与放射组学表的工具链门槛。对 AI-Ready 而言，它最突出的是"标注齐全 + 许可开放"——这两点决定了它能否直接进模型流水线。

§7 获取与许可：零注册门槛 + 单一 CC BY 4.0

CFB-GBM 的获取结构在库内所有 GBM 条目里属于最简单的一档：没有注册墙、没有数据使用协议（DUA）审批、没有"申请—评审—授予"的等待期，只有一份 208 GB 的影像包和一张统一的许可。本节把"怎么拿、以什么义务拿、拿到后怎么引用"讲透。

7.1 单一入口、单一许可

与库内许多"多资产多许可"（例如影像一套许可、临床表另一套许可、衍生特征又一套）的条目不同，CFB-GBM 的获取结构异常干净：

资产	入口	许可	门槛
全部影像（208.01 GB）	TCIA 集合页 → Download	CC BY 4.0	无注册；须 IBM-Aspera-Connect 插件
8 张支持表（TSV）	TCIA 集合页 → 逐表 Download	CC BY 4.0	无
主论文（v2.0）	arXiv:2608.17884 / MELBA DOI	arXiv 开放获取	无

一句话：一个入口、一个许可（CC BY 4.0）、零注册门槛。这是可获取性接近满分的结构——在库内"注册墙型（LMC2 等）"与"请求制型（掩码 upon request 等）"的对照光谱上，CFB-GBM 稳稳站在最开放的一端（§6.5）。

7.2 CC BY 4.0 的含义与义务

CC BY 4.0 是最宽松的知识共享许可之一：署名后即可自由使用、修改、再分发，包括商业用途。使用者的义务只有两条：

署名（Attribution）：必须按 TCIA 要求的格式引用数据集，且必须包含 DOI 10.7937/V9PN-2F72。
遵守 TCIA Data Usage Policy：TCIA 平台层面的使用约束（例如不得尝试重新识别患者、不得将数据用于试图识别个体的用途）。

这两条义务都很轻——尤其与"仅限非商业研究"“需二次审批”"不得再分发"等更严许可相比。做商业化模型训练时，CFB-GBM 在许可层面不构成障碍（但仍须处理单中心代表性带来的泛化问题，见 §10）。

7.3 标准引用格式（TCIA 口径，当前 Version 4）

TCIA 给出的标准引用文如下（引用时逐字照抄作者列表与 DOI）：

MOREAU, N., LECLERCQ, A., DESMONTS, A., Poirier, Y., Dubru, A., Guillemette, L.,
Lecoeur, P., Lemasson, K., Jaudet, C., Brunaud, C., VALABLE, S., Geffrelot, J.,
STEFAN, D., Leleu, T., Raboutet, C., Le Henaff, L., BATALLA, A., LACROIX, J.,
Rouzier, R., CORROYER-DULMONT, A. (2025). Pre and post treatment MRI and
radiotherapy plans of patients with glioblastoma: the CFB-GBM cohort (CFB-GBM)
(Version 4) [dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/v9pn-2f72

三个引用伏笔：

必须写 (Version 4)——因为存在 v1/v2/v3 的历史版本，且规模数字不同；不写版本号，读者无法判断你用的是 3,089 还是 3,981 的系列数（坑点 2）。
必须核对作者列表——TCIA 引用口径的作者列表（20 人）比 v2.0 论文的节选作者列表更全，正式引用应以 TCIA 页为准（§3.3）。
DOI 大小写不敏感——10.7937/V9PN-2F72 与 10.7937/v9pn-2f72 等价，但习惯上正文可大写、URL 可小写。

7.4 下载实操：208 GB 与 IBM-Aspera-Connect

影像包 208.01 GB 的下载有一个技术门槛：需要 IBM-Aspera-Connect 插件。这意味着：

浏览器直接点击下载或简单 wget 可能不适用（取决于 TCIA 是否为该集合同时提供 HTTP 路径）；
大规模传输推荐 Aspera（基于 UDP 的高速传输协议，针对跨洲、大文件、高丢包链路优化）；
环境受限（无法安装插件、或在 HPC 登录节点上无 GUI）的使用者，应先确认 TCIA 是否提供替代传输路径（HTTP/S3），或分批下载。

小体积替代路径：8 张 TSV 支持表（最大 6.78 MB）无需插件即可直接下载。建议流程：先下小表做队列理解与研究设计（确认 264 例的临床/治疗/可得性分布是否支撑你的研究假设）→ 确认可行后再下 208 GB 影像。这样能避免"下完 208 GB 才发现队列不匹配"的沉没成本。

7.5 AI-Ready 评估：一个"高开放度"的样本

以 AI-Ready 检查单逐项过一遍 CFB-GBM：

机器可读元数据：TCIA 集合页结构化列示（Subjects/Series/Images/License/大小）+ 8 张 TSV + Data Dictionary——优秀。
公开直链：CC BY 4.0 直接下载，无注册墙、无请求制——满分档。
许可明确性：单一 CC BY 4.0，逐表标注，义务清晰——优秀（对比多资产多许可的数据集，这一点是显著优势）。
可复现性：预处理管线明确（颅骨剥离/配准/去面部），派生数据用标准工具（nnU-Net/HD-BET/PyRadiomics）——良好。
文档自洽性：主要扣分项是版本编号体系混淆（TCIA Version vs 论文 v2.0）与系列数版本差异（3,089 vs 3,981）——需人工对齐。

综合：CFB-GBM 的 AI-Ready 等级为"高"——可获取性与许可明确性接近满分，文档完整；扣分集中在版本编号的混淆与单中心代表性（后者影响泛化，但不影响"能否直接进流水线"）。

7.6 与库内可获取性光谱的对照

档位	库内参照	本条目
注册墙	LMC2 型	—
请求制	掩码 upon request 型	—
平台托管	Zenodo 型	—
公开直链（开放许可）	TCIA / CC BY 型	本条目（CC BY 4.0）

CFB-GBM 位于这条光谱最开放的一端。与库内多数 GBM 条目相比，它的获取摩擦最小；主要使用摩擦不在"能不能拿到数据"，而在"208 GB 怎么下"（工程问题）与"版本怎么对齐"（引用问题）。

§8 评估与基准：没有 leaderboard，但能测什么很清楚

8.1 先定性：数据集本身不是挑战赛

需要先明确一点，否则容易误判：CFB-GBM 不是一个挑战赛（challenge）。它没有官方 leaderboard、没有固定的训练/测试划分、没有提交服务器。它是一个"供研究使用"的开放数据集，v2.0 论文把自己定位为"支持可复现计算方法的数据底座"。这一点与 BraTS 系列（有正式挑战赛、有年度排名、有固定 evaluate 集）截然不同。

这个定性有两个直接后果：

你不能引用"CFB-GBM 上的 SOTA 分数"——因为没有官方榜，任何"排名"都是使用者自建的。
它的价值在于支撑你自己设计评测，而不是"提供一个现成的比赛平台"。

8.2 可支撑的评测任务

尽管无官方基准，CFB-GBM 的结构（纵向 + 多模态 + 放疗 + 临床）天然支撑以下几类评测任务：

任务	输入	输出/标签	依赖数据
纵向肿瘤分割	t0/t1/t2 多序列 MRI	GTV 二值掩码	GTV 轮廓（97% 覆盖率）
治疗反应预测	t0 影像 + 临床	RANO 反应类别	RANO Criteria 表
疾病进展建模	t0→t1 变化	t1→t2 进展	纵向 GTV + RANO
生存预测	影像 + 临床/治疗	总生存	Clinical + Treatment 表
放射组学建模	PyRadiomics 特征	上述任一结局	Pyradiomics 特征表（6.78 MB）
分割方法评测	多序列 MRI	与真值轮廓比对	手工轮廓 + nnU-Net 补全轮廓
多模态融合	MRI + CT + RTDOSE	剂量/反应关联	三模态齐全子集

任务设计的通用建议：把 t0 当"基线"，t1/t2 当"随访"，这样能自然把"横断面分类"和"纵向预测"拆开——前者用单时点影像即可，后者必须用时间差，这恰好是 CFB-GBM 相对单时点数据集的不可替代之处（§10.1）。

8.3 nnU-Net 作为"参照方法"

v2.0 的 GTV 补全工作本身，构成了一个可复现的分割方法参照：

基础架构：nnU-Net（医学图像分割的强基线，自适应地配置网络结构、预处理与训练策略）；
预训练：BraTS 2021（脑肿瘤分割的经典基准，提供多区标签的预训练权重）；
微调：CFB-GBM 的手工真值轮廓；
验证：5 位放射肿瘤学家逐一核验生成的分割。

对使用者的双重含义：

若你要做 GTV 分割，那么"nnU-Net + BraTS 2021 预训练 + 本数据集微调"是一条已被论文验证过的路线，可直接作为强基线。
若你要评测分割方法，必须意识到交付的 97% GTV 中有相当部分是 nnU-Net 生成的——用它当"金标准"去评测别的模型，会有循环论证风险（用 A 生成的标注去评价 B 或 A 本身，胜之不武）。

稳妥做法：仅用原始手工轮廓（约 35% 那批，或论文明确标注的真值子集）作为评测金标准，把 nnU-Net 补全的轮廓只当训练数据用。这条界线若划不清，评测结论的可信度会大打折扣（§10.2）。

8.4 与库内 GBM 基准的定位对比

数据集	定位	时间结构	标注	库内 rid
CFB-GBM	单中心纵向治疗反应队列	t0/t1/t2 三时间点	GTV 二值 + RANO + 放射组学	本条目
BraTS / brats-2026	多机构脑肿瘤分割挑战赛	治疗前单时点（多模态）	多区分割标签（增强/瘤周/坏死）	24 / 931
UPenn-GBM	TCIA 托管 GBM 影像集合	治疗前为主	分割（部分）	462
brats-met	脑转移瘤分割挑战赛	治疗前	多区分割	950
brats-meningioma	脑膜瘤分割挑战赛	治疗前	多区分割	949

定位一句话：若说 BraTS 是"治疗前切片的分割奥林匹克"，CFB-GBM 就是"治疗全过程的随访纪录片"——它不追求分割标签的精细分区，而是提供纵向随访链与放疗链路，适合治疗反应与进展建模。二者互补：可在 BraTS 上预训练分割，再到 CFB-GBM 上做纵向反应研究。

8.5 使用评测时的三条卫生守则

别把补全轮廓当独立金标准——97% 覆盖率含 nnU-Net 生成成分，评测需用真值子集（§8.3）。
别忽略缺失率达 26.5% 的治疗字段——生存/反应建模时把 Unknown 当显式类别处理，而非静默丢弃或默认填充（§4.3、坑点 5）。
别混用 RANO 版本——用 v4 的 RANO 表（增强肿瘤特异测量口径），旧版含错误（坑点 7）。

§9 与库内条目的关系：一张家族图谱

9.1 家族图谱

库内脑肿瘤/MRI/TCIA 相关条目众多，CFB-GBM 与它们的关系可以按"平台线、癌种线、方法论线"三条来梳理。

平台线（同属 TCIA）：

tcia（rid 547）：TCIA 平台本体条目。CFB-GBM 是 TCIA 上的一个集合（collection），检索时应从平台条目导向具体集合。
upenn-gbm（rid 462）：同样托管于 TCIA 的 GBM 影像集合，是本条目最直接的同类对照——两者共享平台与癌种，差异在 CFB-GBM 的纵向结构 + 放疗链路。

癌种线（同为 GBM / 脑肿瘤）：

brats（rid 24）/ brats-2026（rid 931）：脑胶质瘤分割的旗舰基准。CFB-GBM 的 nnU-Net 用 BraTS 2021 预训练，二者是"预训练镜像—下游纵向任务"的关系；BraTS 是多机构治疗前单时点，CFB-GBM 是单中心纵向三时点。
brats-meningioma（rid 949）/ brats-met（rid 950）：BraTS 家族的脑膜瘤与脑转移瘤分割任务，肿瘤类型不同、时间结构不同、任务不同（详见 §9.3）。
tcga（rid 25 / rid 566）：TCGA 的基因组学条目。CFB-GBM 是纯影像 + 临床队列，不含组学数据；两者的互补点在"影像—分子"关联研究（需外部配准 IDH、MGMT 等分子标志，本数据集本身不提供）。

方法论线（同为 MRI 大集合）：

fastmri（rid 23）/ big-mri（rid 932）/ mrixfields（rid 920）：MRI 类大集合。CFB-GBM 在序列覆盖的纵向性上更专（T1Gd/T2-FLAIR/DWI 等多序列 × 三时间点），在绝对规模上更小（264 例 vs 这些集合的数千例）。它们是"宽而浅"（多部位、单时点、规模大），CFB-GBM 是"窄而深"（单癌种、多时点、含治疗链路）。

9.2 检索路径建议

精确检索词："CFB-GBM"、"Centre François Baclesse glioblastoma"、DOI 10.7937/V9PN-2F72、arXiv:2608.17884。
勿用检索词："federated glioblastoma"、"crowdsourced brain GBM"——不会命中本条目（坑点 1，详见 §10.0）。
若目标是纵向 GBM 反应建模：TCIA 集合页下载 → 用 v4 的 RANO 表 → 结合 PyRadiomics 特征表起步。
若目标是分割预训练：先拿 BraTS（rid 24 / 931），再用 CFB-GBM 的 GTV 做纵向微调。

9.3 与 brats-meningioma（949）/ brats-met（950）的具体区别

主会话特别要求说明本条目与 brats-meningioma（949）、brats-met（950）的区别，逐项对照如下：

维度	CFB-GBM（本条目）	brats-meningioma（949）	brats-met（950）
肿瘤类型	原发胶质母细胞瘤（GBM）	脑膜瘤（meningioma）	脑转移瘤（metastasis）
性质	开放研究队列	挑战赛数据	挑战赛数据
时间结构	治疗前/中/后三时点纵向	治疗前单时点	治疗前单时点
机构	单中心（Centre François Baclesse）	多机构	多机构
标注体系	GTV 二值 + RANO 2.0 + 放射组学	多区分割标签	多区分割标签
核心任务	治疗反应 / 进展建模	肿瘤分割	肿瘤分割
放疗链路	含 CT + RTDOSE 剂量分布	无	无
评测形式	无官方 leaderboard	挑战赛排名	挑战赛排名

一句话区别：脑膜瘤与脑转移瘤条目回答"其他类型脑肿瘤怎么分割"，CFB-GBM 回答"原发 GBM 治疗全程怎么演变"——肿瘤类型、时间维度、机构结构、任务类型四项全不同。三者在"脑肿瘤影像"大类下互补而非竞争，服务于不同的临床问题：949/950 服务于"不同组织学类型的术中/术前分割"，CFB-GBM 服务于"治疗反应与疾病进展的纵向追踪"。

9.4 库内互链价值

CFB-GBM 在库内的互链枢纽作用在于：它是少数同时连接 TCIA 平台（547）+ GBM 癌种（24 / 462 / 931）+ 纵向治疗反应 三者的条目。检索上述任一条目时，本条目都能提供"纵向随访"这一其他条目普遍缺失的视角；反过来，检索本条目时，上述条目分别提供"MIR 来源平台"“同癌种对照”"预训练基座"三条外延路径。

§10 方法学启示与核心消歧

10.0 核心消歧：CFB-GBM 不是"联邦"、不是"众包"

这是本条目第一消歧点，必须放在方法学讨论的最前面。

错误说法：把 CFB-GBM 描述为"Crowdsourced Federated Brain GBM"、“多机构联邦学习（federated learning）数据集”、“众包（crowdsourcing）采集的脑肿瘤数据”。

事实核验（三源互证）：

TCIA 集合页：数据集全称为 “Pre and post treatment MRI and radiotherapy plans of patients with glioblastoma: the CFB-GBM cohort”，来源机构为单一中心，数据以集中托管方式发布（一份完整 bundle 供下载），集合描述中无任何联邦学习、参数交换、数据不出本地的表述。
v2.0 论文（arXiv:2608.17884）：机构署名为 Centre François Baclesse 及诺曼底/卡昂本地科研生态（UNICAEN / ENSICAEN / GREYC / ISTCT / CHU de Caen），均为同一区域协作方，非跨国多机构联盟；方法学部分不涉及联邦训练。
缩写还原：CFB = Centre François Baclesse（法国卡昂的一家肿瘤放射治疗中心）。它不是 “Crowdsourced Federated Brain”。

三种数据组织方式的定性边界（这是消歧的关键）：

模式	定义	CFB-GBM 是否符合
联邦学习（federated learning）	数据不出本地，各机构仅交换模型参数/梯度，由聚合器汇总	否。CFB-GBM 的全部影像作为单一数据集集中托管于 TCIA，可一次下载全量（§7.1），不存在数据分区与权重共享机制
众包采集（crowdsourcing）	通过开放平台向不确定的广泛贡献者征集数据或标注	否。数据来自单一机构的临床常规诊疗记录，标注由5 位放射肿瘤学家在机构内完成（§3.4），不是开放征集
集中托管的单中心队列	单一机构产出，集中发布于一平台供下载	是。这正是 CFB-GBM 的真实定性

为什么这个消歧重要：若把 CFB-GBM 误当联邦数据集，会触发一系列基于错误前提的工程决策——搭建联邦聚合框架、协商多机构数据主权协议、设计隐私不出域的通信机制、按"客户端数"估算样本量。这些工作在 CFB-GBM 上全部不成立，因为根本不存在多机构数据分区。反过来，正确理解它是"集中托管的单中心队列"后，工程重点应转为"如何下载 208 GB"“如何处理单中心代表性与缺失值”，这才是真问题。

注：库内确实可能另有"联邦/众包"主题的医学影像条目（其检索命中不属于本条目，本条目在库内查重时对 cfb%、federated%、crowdsourced% 的命中数均为 0）。不要因为数据库里存在联邦学习主题条目，就把 CFB-GBM 归入该类。

10.1 "纵向 + 全链路"比"规模"更能定义独特价值

CFB-GBM 只有 264 例，在 GBM 数据集里规模平平（BraTS 的规模远大于此）。它的差异化不来自规模，而来自结构：三个时间点 + 放疗剂量 + 治疗信息。

对数据集建设者的启示：当规模拼不过"巨无霸"时，用"时间维度"和"链路完整性"制造不可替代性是另一条路——尤其对于"治疗反应"这类本质上是时间序列的问题，单时点数据集无论多大都回答不了。你可以有 100 万张治疗前 MRI，但它们加起来也回答不了"肿瘤在放疗后第 4 个月如何变化"，因为那需要同一个体的纵向配对。

10.2 用模型补全标注是双刃剑

v2.0 用 nnU-Net 把 GTV 覆盖完成率从 35% 补到 97%，极大提升了数据可用性；但代价是真值与生成值之间的边界变得模糊。可迁移的经验是：标注来源必须可追溯。

交付时应明确区分"手工真值"与"模型生成"（CFB-GBM 的可追溯性依赖论文说明与原始轮廓的保留）；
评测金标准应只用真值，训练数据可用生成值；
补全模型本身（nnU-Net + BraTS 微调）应公开，以便复现与审计。

这套"生成 + 专家核验 + 来源标注"的三件套，是任何"用 AI 补标注"的项目都该照搬的范式——它把"模型生成"从"黑箱污染"转化为"可审计的增强"。

10.3 单中心数据的价值与边界要同时声明

单中心 = 采集一致（可比性强、扫描参数统一、临床流程统一）+ 代表性受限（人群构成、治疗规范、设备型号都可能偏离总体）。

CFB-GBM 的做法是在文档里显式承认偏差（自述"可能带有代表性偏差"）而非掩盖。这对两方都有启示：

使用者：用单中心数据训练的模型，在跨中心部署前必须在外部数据上验证；本队列的生存中位数（50.5 周）与缺失模式（放疗字段缺 26.5%）都应视为"本中心特征"，不可默认外推（坑点 6）。
建设者：把"单中心"当作一个必须写明的属性，而不是一个需要回避的缺陷。承认边界反而提升数据的可信度与可用性。

10.4 版本迭代方向是"降低使用门槛"

（承接 §2.2 版本链）CFB-GBM 的版本演进呈现清晰模式：v1 给基础数据 → v3 补全标注与派生标签 → v4 修正标签口径。每一步都在减少使用者需要自己动手的环节——从"给你影像，分割你自己做"到"给你分割 + RANO + 放射组学，拿来就用"。

这是 AI-Ready 理念的工程体现：数据集的价值不只是"有数据"，而是"拿到就能用"。任何数据集的维护计划，都应把"减少使用摩擦"作为版本迭代的核心目标之一。

§11 术语表与速查

为便于快速查阅，本节把条目中反复出现的关键术语集中列出。

术语	全称 / 含义	在本条目中的意义
CFB	Centre François Baclesse	法国卡昂的肿瘤放射治疗中心，本数据集唯一来源机构（非联邦、非众包，§10.0）
GBM	Glioblastoma（胶质母细胞瘤）	WHO IV 级原发脑肿瘤，本数据集唯一瘤种
GTV	Gross Tumour Volume（肿瘤总体积）	放疗计划的照射靶区结构；本数据集提供二值 GTV 掩码
RANO	Response Assessment in Neuro-Oncology	神经肿瘤学治疗反应评估标准；本数据集用 RANO 2.0 体评分级标签
RTDOSE	Radiotherapy Dose	放疗剂量分布（DICOM 模态），以 NIfTI 交付
nnU-Net	no-new-Net	自适应医学图像分割框架，v2.0 用于 GTV 补全
HD-BET	HD Brain Extraction Tool	基于深度学习的颅脑提取工具，用于生成脑掩码
PyRadiomics	Python Radiomics 库	影像组学特征提取库，本数据集提供预计算特征表
DAIMS	Data Asset Interoperability Maturity Score	数据资产互操作性成熟度模型（§6.1 有逐维度评分）
AI-Ready	面向 AI 就绪的数据集标准	强调机器可读、许可明确、可直接进模型流水线
t0 / t1 / t2	三个时间点	治疗前 MRI / 治疗后 4 个月 / 治疗后 6 个月（锚点为治疗前 MRI，§4.4）
Stupp 方案	Stupp protocol	GBM 标准放化疗方案（放疗 60 Gy + 替莫唑胺），本队列治疗背景
WHO CNS 分类	WHO Classification of CNS Tumours	中枢神经系统肿瘤分类；本条目涉及 2016 与 2021 两版口径（§5.6）

11.1 数字速查（最常被引用的硬数字）

数字	含义	出处
264	患者例数	TCIA 集合页（v1–v4 一致）
208.01 GB	影像包总大小	TCIA Image Collection 行
3,089	系列/图像数（v1–v2 口径）	TCIA 版本历史
3,981	系列/图像数（v3–v4 口径）	TCIA 版本历史
35% → 97%	GTV 覆盖完成率变化	v2.0 论文
50.5 周	生存中位（本队列）	TCIA Table 1 口径
26.5%	放疗剂量/分次字段缺失率	TCIA Table 2 口径
10.7937/V9PN-2F72	数据集 DOI	TCIA 集合页
arXiv:2608.17884	主论文编号	arXiv（2026-08-18）

§12 使用前检查单（Checklist）

落到实操，使用 CFB-GBM 前建议逐项确认：

[ ] 定性对齐：已确认它是"单中心、集中托管、回顾性"队列，不是联邦/众包数据集（§10.0）。
[ ] 版本锁定：已确认使用的是 TCIA Version 4（或明确的某一版），并在方法学中写清版本号（§2.1、坑点 2）。
[ ] 数字口径：系列数引用的是 3,089 还是 3,981，已与版本对应（§4.1）。
[ ] GTV 性质：已确认 GTV 是二值、且 97% 中含 nnU-Net 生成成分，评测金标准选用真值子集（§8.3、坑点 4）。
[ ] RANO 版本：使用 v4 修正后的 RANO 表（§8.5、坑点 7）。
[ ] 缺失处理：对 26.5% 的放疗字段缺失已显式定义处理策略（§4.3、坑点 5）。
[ ] WHO 口径：已选定 2016 或 2021 分类口径并保持一致（§5.6、坑点 10）。
[ ] 许可与引用：已遵守 CC BY 4.0 署名义务，引用含 DOI 与版本号（§7.2、坑点 12）。
[ ] 下载规划：208 GB 的存储与 Aspera 插件已就绪，或已先用 TSV 小表评估可行性（§7.4）。
[ ] 泛化声明：任何结论已注明"本单中心队列"边界，未默认外推至 GBM 总体（§10.3、坑点 6）。

§13 高频问答（FAQ 30 问）

A. 基础认知

Q1：CFB-GBM 是联邦学习数据集吗？
不是。它是法国 Centre François Baclesse（卡昂）单中心、集中托管于 TCIA 的回顾性队列。"CFB"是机构名缩写，与联邦学习/众包无关（§10.0、坑点 1）。

Q2：CFB 代表什么？
Centre François Baclesse——法国诺曼底卡昂的一家肿瘤中心，本数据集的唯一来源机构。

Q3：有多少患者？
264 例胶质母细胞瘤患者，入组于 2017-11 至 2023-12。

Q4：谁做的？
Centre François Baclesse 主导，v2.0 论文由 Alexandre G. Leclercq、Noémie N. Moreau、Aurélien Corroyer-Dulmont 等主导，合作方为法国诺曼底多家本地机构（UNICAEN / ENSICAEN / GREYC / ISTCT / CHU de Caen 等）——均为同一区域协作，非跨国多机构（§3.2）。

Q5：发表在哪里？
arXiv:2608.17884（2026-08-18，cs.CV）；关联期刊 DOI 10.59275/j.melba.2026-dd48（MELBA）。数据本体在 TCIA，DOI 10.7937/V9PN-2F72。

Q6：和 BraTS 什么关系？
互补。CFB-GBM 的 GTV 补全用 BraTS 2021 预训练的 nnU-Net。BraTS 是多机构治疗前单时点分割基准；CFB-GBM 是单中心纵向治疗反应队列（§9.1）。

Q7：和 UPenn-GBM 什么关系？
同为 TCIA 托管的 GBM 影像集合。UPenn-GBM 以治疗前为主，CFB-GBM 独有纵向三时点 + 放疗链路（§9.1）。

Q8：最大的卖点一句话？
"纵向三时点 + 放疗剂量 + CC BY 4.0 公开直链"三件事同时齐备——多数公开 GBM 数据集只有治疗前单时点且常有下载门槛（§10.1）。

Q9：它自己有哪些局限？
单中心、回顾性、治疗字段缺失 26.5%、GTV 多为模型生成、208 GB 下载门槛、版本编号混淆——原始文档均已自曝或可从版本链读出（§10.3）。

Q10：开源吗？
完全开放：CC BY 4.0，TCIA 公开直链，无注册墙、无请求制。署名须含 DOI（§7.2）。

B. 数据与获取

Q11：数据是集中还是分布？
集中。全部影像作为单份数据集托管于 TCIA，一次下载即全量。无联邦、无分片（§10.0）。

Q12：有哪些模态？
MR（多序列）、CT（去面部）、RTDOSE（放疗剂量）。格式为 NIfTI。

Q13：有哪些 MRI 序列？
T1Gd、T1 解剖、T1 梯度回波、T2 解剖、T2-FLAIR、T2*、DWI（按各例可得性，非每例齐全）。

Q14：影像多大？怎么下？
208.01 GB，TCIA 公开下载，需 IBM-Aspera-Connect 插件（§7.4）。

Q15：小体积部分能先下吗？
能。8 张 TSV 支持表（临床/治疗/可得性/RANO/放射组学/字典，最大 6.78 MB）可直接下载，无需插件。

Q16：许可是什么？能商用吗？
CC BY 4.0，署名后可自由使用含商用。须遵守 TCIA Data Usage Policy 并引用 DOI 10.7937/V9PN-2F72（§7.2）。

Q17：怎么引用？
按 TCIA 给定格式，含 (Version 4) 与 DOI 10.7937/v9pn-2f72（§7.3 有全文）。

Q18：旧版还能下吗？
不能。TCIA 明确旧版含错误且不再提供下载，只能用最新版（当前 Version 4）。

C. 标注与任务

Q19：GTV 是什么？
Gross Tumour Volume（肿瘤总体积），放疗计划的核心结构，放射肿瘤学家据此划定照射范围。

Q20：GTV 覆盖完成率 35%→97% 是怎么做到的？
用预训练于 BraTS 2021 的 nnU-Net，以 CFB-GBM 真值轮廓微调，生成的分割由 5 位放射肿瘤学家核验（§8.3）。

Q21：GTV 是多标签还是二值？
二值。v3 特别把 5 例（受试者 125/181/201/212/231）的双肿瘤体标签合并为单一二值 GTV。与 BraTS 的多区标签不同（§5.3、坑点 4）。

Q22：RANO 2.0 标签是什么？
基于纵向 GTV 推导的体评分级治疗反应类别，覆盖 t0→t1、t0→t2、t1→t2 三个时间对。

Q23：RANO 表有版本差异吗？
有。v4 修正为"增强肿瘤特异测量"，旧版含错误已下架。使用 v4（坑点 7）。

Q24：脑掩码和放射组学怎么来的？
脑掩码用 HD-BET 计算；放射组学特征用 PyRadiomics 预计算，每患者每时间点每模态一份（6.78 MB TSV）。

Q25：WHO 分类标注是什么？
v2.0 显式标注每例适用的 WHO 中枢神经系统肿瘤分类指南（2016 vs 2021）。因入组时间横跨标准切换，同队列内患者可能适用不同版本（§5.6）。

D. 版本与工程

Q26：TCIA 有几个版本？
4 个：v1 2025/12/23、v2 2026/02/03、v3 2026/06/26（系列数升至 3,981）、v4 2026/09/11（当前，Complete）（§2.2）。

Q27：论文 v2.0 与 TCIA Version 4 是一回事吗？
不是。两套编号体系不对齐（坑点 3）。TCIA 是平台迭代号，v2.0 是论文版本号（§2.1）。

Q28：为什么系列数有 3,089 和 3,981 两个数？
版本差异。v1/v2 为 3,089；v3 加入 GTV/掩码后升至 3,981（§4.1、坑点 2）。

Q29：v3 具体加了什么？
347 个 GTV 文件、5 例双肿瘤体合并为二值、545 个强度归一化脑掩码，以及 RANO 与放射组学数据（§2.2）。

Q30：如果我只记住一件事？
CFB-GBM 是单中心、集中托管、CC BY 4.0 开放直链的胶质母细胞瘤纵向治疗反应队列——它不联邦、不众包，价值在纵向链路与零门槛获取（§10.0、坑点 1）。

§14 支持数据表逐表详解（8 张 TSV 的数据字典）

CFB-GBM 的"影像 + 8 张 TSV"结构里，真正决定下游能做什么的，往往不是那 208 GB 影像，而是这 8 张体积很小、却承载全部临床语义的表。本节逐表拆解——先读表，再决定要不要下影像，是使用本数据集最省成本的工作流（§7.4）。

14.1 Clinical（Demographic / Diagnosis）

内容：患者级人口学与诊断信息。包含性别、年龄、诊断、以及诊断所依据的 WHO 分类口径。

关键字段（概念级）：

字段	含义	使用注意
患者/受试者 ID	与影像文件夹对应的主键	跨表连接的唯一键，务必先核对 ID 命名规则
性别	女 106（40.1%）/ 男 158（59.9%）	性别比略偏男性，符合 GBM 流行病学
年龄	Mean 67.0 / Median 70.0 / 范围 25–90	中位 > 均值，说明分布左偏（有年轻长尾）
诊断	Glioblastoma	单一瘤种，已按 WHO 分类标准标注（2016 或 2021）
WHO 分类口径	2016 或 2021	同一队列内可能并存两种口径（§5.6、坑点 10）

实操提醒：这份表是生存建模与人群描述的基础。注意年龄中位大于均值这一点——意味着直接按均值做分层可能掩盖年轻亚组，分层分析时建议用中位数或分位数切分。

14.2 Treatment（治疗信息）

内容：每一例的治疗方案信息，重点是放疗剂量与分次。

关键分布（本队列实测）：

放疗剂量	例数	占比
40.05 Gy	62	23.5%
60.00 Gy	123	46.6%
其他	9	3.4%
未知（Unknown）	70	26.5%

分次	例数	占比
15 次	63	23.9%
30 次	124	47.0%
其他	7	2.7%
未知（Unknown）	70	26.5%

两个必须处理的问题：

剂量两个主峰（40.05 Gy 与 60.00 Gy）：这两个数字对应不同的照射策略——60 Gy / 30 次是标准 Stupp 方案的分割（约 1.8–2 Gy/次），而 40.05 Gy / 15 次是**大分割（hypofractionated）**方案（约 2.67 Gy/次），通常用于老年或一般状况较差的患者。这意味着队列内部存在治疗异质性，做剂量—反应建模时不应把两种方案混为一谈。
26.5% 的 Unknown：约四分之一的病例剂量/分次缺失。这 70 例不能简单丢弃（会引入选择偏倚，且可能与"转诊至外院完成放疗"等临床因素相关），建议把 Unknown 作为显式类别纳入模型，或做敏感性分析（坑点 5、§8.5）。

14.3 Treatment Imaging Availability / CT Availability / MRI Availability

内容：三张"可得性"表，回答"某一例在某一时间点有没有某种影像"。

为什么这三张表值得先读：

本数据集的 MRI 序列、CT、RTDOSE 不是每例在每时间点都齐全（坑点 8）；
任何"按模态/时间点统计"的研究，都必须先查可得性表确定实际可用子集；
否则你会在训练到一半时才发现某时间点某序列只有 60% 的病例有，被迫返工。

建议做法：把三张可得性表与 Clinical 表连接，先画出"病例 × 时间点 × 模态"的可得性热力图，据此确定研究的有效样本量（effective N），再规划实验。

14.4 RANO Criteria

内容：RANO 2.0 体评分级治疗反应标签，覆盖全部可得的时间对：t0→t1、t0→t2、t1→t2。

RANO 2.0 的意义：RANO（Response Assessment in Neuro-Oncology）是神经肿瘤学界评估治疗反应的标准框架。RANO 2.0 相对早期版本的关键改进之一，是把评估口径调整为增强肿瘤特异的测量——这也是 v4 版本专门修正这张表的原因（坑点 7）。

标签的三种用法：

分类目标：直接预测"某时间对上的反应类别"；
中间监督：用 RANO 类别作为中间标签，辅助生存预测；
临床对齐：把模型输出翻译成临床可读的"进展 / 稳定 / 缓解"，便于与真实临床决策对接。

注意：RANO 覆盖的是"可得时间对"，不是全部三个时间点都齐全——某些病例可能只有 t0→t1，没有 t1→t2。使用前先统计每个时间对的样本数。

14.5 Pyradiomics Features

内容：预计算的放射组学特征，每患者 × 每时间点 × 每模态一份，是 8 张表里最大的一张（6.78 MB）。

为什么是"预计算"：放射组学特征对提取参数极度敏感（bin width、重采样体素、归一化方式、插值方法等稍变，特征值就变）。不同团队各自提取会得到互不可比的数字。CFB-GBM 由发布方统一提取并交付，等于做了一次特征口径的标准化——这是它作为"AI-Ready"数据集的实用价值之一。

对使用者的三条建议：

优先用预计算特征做基线，避免"我的特征和别人不一样"的可比性陷阱；
若你必须自行提取（例如要用新的特征族），记录完整提取参数并在论文中披露；
放射组学特征对分割掩码质量敏感——由于 97% 的 GTV 含 nnU-Net 生成成分，用补全掩码提取的特征与用手工掩码提取的特征可能有系统性差异（§8.3）。

14.6 Data Dictionary

内容：数据字典，逐字段解释各表的列名、类型与含义。

用法：这是"先读字典再读表"的入口。任何跨表连接（尤其是 ID 匹配）之前，先看字典确认主键与外键命名，可以避免大量连接错误。

14.7 八张表的一览与推荐阅读顺序

#	表	大小	优先读	用途
1	Data Dictionary	4.09 kb	★★★	字段释义，连接前必读
2	Clinical（Demographic/Diagnosis）	12.4 kb	★★★	人群与诊断基线
3	Treatment	6.86 kb	★★★	剂量与分次（含 26.5% 缺失）
4	MRI Availability	19.7 kb	★★☆	MRI 序列可得性
5	CT Availability	5.47 kb	★★☆	CT 可得性
6	Treatment Imaging Availability	14.3 kb	★★☆	治疗期影像可得性
7	RANO Criteria	4.1 kb	★★★	治疗反应标签
8	Pyradiomics Features	6.78 MB	★★☆	预计算特征

推荐顺序：字典 → 临床 → 治疗 → 三张可得性 → RANO → 放射组学。先用小表确认"我的问题在这份数据里是否有足够样本"，再决定是否投入 208 GB。

§15 复现管线实操：从下载到第一个基线

本节给出一条端到端的最小可行路径，帮助使用者在最短时间内得到第一个可运行的结果。

15.1 环境准备

存储：预留 ≥ 250 GB（影像 208 GB + 解压/中间产物缓冲）。
传输：安装 IBM-Aspera-Connect 插件（TCIA 大体积下载走 Aspera）；或用 TCIA 提供的替代传输路径（§7.4）。
工具链：
- NIfTI 读写：nibabel / SimpleITK；
- 深度学习分割：nnU-Net（若做分割）；
- 脑提取：HD-BET（若需重算脑掩码）；
- 放射组学：pyradiomics（若需重算特征）；
- 表格处理：pandas（读 TSV）。
计算：分割训练建议 ≥ 1 张现代 GPU（nnU-Net 全量训练对显存有一定要求）；纯表格/放射组学建模 CPU 即可起步。

15.2 最小可行流程（MVP）

只下小表：下载 8 张 TSV，用 Data Dictionary 对齐字段。
建队列画像：连接 Clinical + Treatment，统计例数、性别、年龄分布、剂量/分次分布、缺失率。
定有效样本：用三张可得性表画出"病例 × 时间点 × 模态"可得性热力图，确定研究可用的子集。
选一个轻任务起步：例如"用 t0 的临床 + 放射组学特征预测 RANO 反应类别"——无需下影像，用 Pyradiomics 特征表即可跑通全流程。
跑通后再上影像：确认表格侧管线无误、研究假设成立后，再下载 208 GB 影像做分割或影像—临床融合。

这条路径的核心思想是：用最小的数据代价验证研究可行性，把"要不要下 208 GB"这个高价决策推到最后一刻。

15.3 一个具体的基线设计（示例）

以"t0 预测 RANO 反应"为例：

输入：Clinical（年龄、性别）+ Pyradiomics（t0 各模态特征）+ Treatment（剂量/分次，注意 Unknown 处理）；
标签：RANO Criteria 中 t0→t1 的反应类别；
划分：患者级划分（同一患者的所有数据必须落在同一侧，避免泄漏）；
基线模型：先跑逻辑回归 / 梯度提升树，再考虑深度模型——特征表任务上树模型常常足够强；
评价：报告 AUC、准确率、以及各 RANO 类别的混淆矩阵；
必做的 sanity check：把"性别、年龄"单变量基线也算出来，确认模型不是靠人口学变量"作弊"。

15.4 若要做分割（进阶）

预训练：用 BraTS 2021 预训练的 nnU-Net 权重（与发布方同源，便于对齐）；
微调：用 CFB-GBM 的手工真值轮廓微调（不要用补全轮廓，见 §8.3）；
评测：如要报告 Dice，务必在真值子集上评，并说明评测集构成；
纵向一致性：做纵向分割时，注意 t0/t1/t2 的配准状态，跨时间点比较体积变化前确认配准口径一致（§4.4）。

§16 与其它 GBM / 脑肿瘤数据集的数字对照大表

为方便横向选型，本节把 CFB-GBM 与库内及主流 GBM 数据集在关键维度上并列对照。

维度	CFB-GBM	BraTS（24/931）	UPenn-GBM（462）	brats-met（950）	brats-meningioma（949）
瘤种	GBM	胶质瘤（含 GBM）	GBM	脑转移瘤	脑膜瘤
例数	264	数千	数百	挑战赛规模	挑战赛规模
机构	单中心	多机构	多机构	多机构	多机构
时间结构	t0/t1/t2 纵向	治疗前单时点	治疗前为主	治疗前单时点	治疗前单时点
模态	MR + CT + RTDOSE	MR（多模态）	MR	MR	MR
标注	GTV 二值 + RANO + 放射组学	多区分割	分割（部分）	多区分割	多区分割
放疗链路	有（CT + 剂量）	无	无	无	无
官方榜	无	有	无	有	有
许可	CC BY 4.0	各自规定	TCIA 许可	各自规定	各自规定
平台	TCIA	多平台	TCIA	多平台	多平台

选型建议：

要做分割 → BraTS：多机构、大样本、有官方榜，是分割研究的首选；
要做治疗反应/进展 → CFB-GBM：唯一同时具备纵向 + 放疗 + RANO 的公开选择；
要不同瘤种 → 949/950：脑膜瘤/转移瘤的专属任务；
要同癌种影像对照 → UPenn-GBM：同为 TCIA 托管的 GBM 集合。

组合策略：在 BraTS 上预训练分割骨干，迁移到 CFB-GBM 做纵向微调；用 CFB-GBM 的放射组学特征做治疗反应建模，用 UPenn-GBM 做外部影像验证。

§17 数据集建设方法论：CFB-GBM 给建设者的六条

CFB-GBM 不只是一个可用的数据集，它的建设过程本身就是一套可借鉴的方法论。

17.1 用"结构差异化"弥补规模劣势

264 例在 GBM 数据集里并不突出，但它通过纵向三时点 + 放疗链路 + 治疗反应标签建立了不可替代性（§10.1）。建设者的启示：先问"我能不能提供别人提供不了的维度"，再问"我的数据够不够大"。对时间序列本质的问题，纵向设计比堆样本更有效。

17.2 标注补全要用"生成 + 专家核验 + 来源标注"三件套

从 35% 到 97% 的覆盖补全，价值巨大但引入了真值/生成边界问题。CFB-GBM 的做法——用标准模型（nnU-Net）生成、请领域专家（5 位放射肿瘤学家）核验、并在文档中说明来源——是可用且可审计的方案（§10.2）。反对的做法是：用模型补完后不说明来源，让使用者误以为是纯手工标注。

17.3 预计算派生数据，降低使用门槛

交付 PyRadiomics 预计算特征、HD-BET 脑掩码，等于替使用者做完了口径易变、易出错的预处理（§14.5）。建筑者应识别"使用者十有八九会做、但各自做法不一致"的环节，统一预计算并交付。

17.4 显式声明边界，而不是掩盖

CFB-GBM 在文档中承认单中心代表性偏差、承认治疗字段 26.5% 缺失（§10.3）。承认边界提升而非降低数据的可信度——因为使用者能据此正确评估适用性。相反，隐藏边界会在下游造成误用与"数据不实"的印象。

17.5 用版本链管理数据质量，并让旧版不可下载

CFB-GBM 的 v1→v4 迭代修正了临床表、RANO 口径与文件夹编号，并移除含错误的旧版下载入口。这既保证使用者拿到"当前最正确的一版"，又通过版本历史保留了可追溯性（§2.2）。建设者应建立明确的版本策略：什么改动触发新版本、旧版是否保留、如何通知使用者。

17.6 引用规范与许可清晰度是"最后一公里"

单一 CC BY 4.0 + 明确 DOI + 逐表标注许可，让 CFB-GBM 在合规层面几乎零摩擦（§7）。再好的数据，若许可含糊或引用要求不清，都会在使用者的合规审查环节卡住。把"怎么引用、能不能商用、要不要再分发授权"写清楚，是数据集真正可用的最后一步。

§18 失败模式与反例：五件不要做的事

本节把最容易出错的做法集中列出，作为使用前的"负面清单"。

18.1 不要把它当联邦数据集来设计工程

这是最严重的错误（§10.0）。若按联邦学习规划——搭聚合框架、协商数据主权、按客户端数估样本——所有工作都建立在错误前提上，且不会有任何产出。先确认定性，再动工。

18.2 不要把补全的 97% GTV 当独立金标准

97% 是覆盖率，且含 nnU-Net 生成成分。用它当金标准评测分割方法，会出现"用 A 生成标注去评价 B（或 A）"的循环论证（§8.3、§10.2）。

18.3 不要混用两个系列数

3,089（v1/v2）与 3,981（v3/v4）都正确，区别在版本。混引会让审稿人/同事误判数据源不一致（§4.1、坑点 2）。

18.4 不要把本队列生存中位当泛化 GBM 生存

本队列生存中位 50.5 周，与文献常见的 GBM 中位生存口径不可直接互引（本队列为单中心、特定治疗背景）。引用时注明"本队列"（§10.3、坑点 6）。

18.5 不要忽略 26.5% 的治疗字段缺失

剂量/分次缺失约四分之一。直接丢弃或默认填充（如默认 60 Gy）都会引入偏倚，应把 Unknown 作为显式类别处理（§14.2、坑点 5）。

§19 存照与待核：六条双口径逐条记录

本节把抓取时点（2026-10-09）发现的所有数字口径冲突与待核事项逐条存照，供后续使用者核对。凡有双口径的地方都在正文对应章节并列呈现，此处集中索引。

19.1 定性纠正：数据集不是联邦/众包

存照：任务简报曾以 “Crowdsourced Federated Brain GBM” 描述本数据集。经三源互证（TCIA 集合页 + 数据集摘要 + v2.0 论文），确认 CFB = Centre François Baclesse，为单中心、集中托管的回顾性队列，无联邦学习、无众包采集。本条目按实核结果成稿，"为何不是联邦/众包"构成核心消歧点（§10.0、坑点 1）。

19.2 系列/图像数双口径：3,089 vs 3,981

存照：3,089 为 v1–v2 口径；3,981 为 v3–v4 口径。差异来自 v3 新增 347 个 GTV、545 个归一化掩码等（§4.1、§2.2）。引用规模数字必须注明版本。

19.3 版本号错位：TCIA Version 4 vs 论文 v2.0

存照：TCIA 当前为 Version 4（2026/09/11），论文题为 v2.0（arXiv:2608.17884）。两者不是同一编号体系，数值相近纯属巧合。论文 v2.0 描述的内容大致对应 TCIA v3 前后（§2.1、坑点 3）。引用时须同时写清"TCIA 集合版本 + 引用论文 + 访问日期"。

19.4 序列数版本适用性

存照：若严格按 v2.0 论文口径引用，可能对应 3,089 或需说明；若按当前 TCIA 下载（Version 4），则为 3,981（§4.1）。同一篇论文内不要混用两个数字。

19.5 待核：v1 原始论文出处与期刊卷期

存照（待核）：

TCIA 页面未列出"数据集作者推荐的原始论文"，并有 “No other publications were recommended by dataset authors” 之类表述——v1 的初始发布论文出处未见；
关联期刊版（MELBA，DOI 10.59275/j.melba.2026-dd48）的正式卷期页码未见（截至抓取时点可能仍在出版流程中）。

后续使用者若发现上述两项已公开，应补入本条目。

19.6 生存口径双口径

存照：本队列生存中位 50.5 周（Mean 57.5），高于一般 GBM 文献常引的中位生存下限口径。原因可能是本队列为单中心规范治疗（含大分割与标准方案）且 WHO 状态偏轻（§4.2、§10.3）。切勿与泛化 GBM 生存混引（坑点 6）。

19.7 存照的用法

以上六条不是"数据有问题"，而是任何被多次修订、跨平台（TCIA + arXiv + 期刊）发布的数据集都必然出现的口径分叉。正确做法不是回避，而是在每条引用处注明你用的是哪一个口径。本条目在正文各处（§2、§4、§7、§10）均已按此原则并列呈现。

§20 延伸阅读与一手来源

本条目所有关键数字均以三源互证为准，一手来源如下（按可信度排序）：

TCIA 集合页：https://www.cancerimagingarchive.net/collection/cfb-gbm/——数据集全称、版本链、规模数字、许可、引用格式的权威出处。
数据 DOI：10.7937/V9PN-2F72——TCIA 持久标识，引用必含。
主论文：CFB-GBM v2.0: An Augmented Longitudinal Dataset for Multi-Modal Glioblastoma Segmentation, Radiomics, and RANO Progression Tracking，arXiv:2608.17884（2026-08-18，cs.CV）——方法论、标注流程、GTV 补全、RANO 口径的出处。
期刊版：MELBA 系列，DOI 10.59275/j.melba.2026-dd48（卷期待核，§19.5）。

核验方法建议：任何对本文数字存疑的读者，应回到上述三源逐一比对；优先相信 TCIA 集合页的版本化数字（因为它是数据本体所在），论文用于理解方法论口径，两者冲突时以"明确标注版本口径"的方式并列呈现，而非择一。

库内互链入口：tcia（547）、brats（24）、brats-2026（931）、upenn-gbm（462）、brats-met（950）、brats-meningioma（949）、tcga（566）、fastmri（23）、big-mri（932）、mrixfields（920）。

§21 TCIA 平台关系：本条目在平台生态中的位置

CFB-GBM 是 The Cancer Imaging Archive（TCIA）上的一个集合。理解 TCIA 的运作方式，有助于使用者正确预期"从这里能拿到什么"。

21.1 TCIA 是什么

TCIA 是一个集中式的公开癌症影像归档平台：研究机构把去标识化的影像集合（collection）连同临床/影像元数据发布上来，供全球研究者下载。它的定位是"影像数据的公共图书馆"，而不是"计算平台"或"竞赛平台"。

对本条目的三点含义：

集中托管：数据以集合为单位存储于 TCIA，下载即全量获取——这与联邦学习"数据不出本地"的模式在架构上根本不同（§10.0）。
平台级许可约束：所有集合都受 TCIA Data Usage Policy 约束（不得重新识别患者等），并在集合级别标注各自的许可（CFB-GBM 为 CC BY 4.0）。
DOI 持久标识：每个集合分配独立 DOI（CFB-GBM 为 10.7937/V9PN-2F72），保证长期可引用。

21.2 TCIA 上与 GBM 相关的集合

TCIA 上不止 CFB-GBM 一个 GBM 集合。主要的还有：

集合	与本条目的关系
CFB-GBM（本条目）	单中心纵向 + 放疗 + RANO
UPenn-GBM（rid 462）	同为 TCIA 托管的 GBM 影像集合；治疗前为主，无本条目式的纵向链
TCGA-GBM 相关集合	与 TCGA 基因组学配套的影像；偏"影像—基因组"关联，非治疗反应

选型建议：若研究重点是治疗反应与疾病进展，选 CFB-GBM；若重点是治疗前影像的组学对照或更大样本，选 UPenn-GBM 或 TCGA 相关集合；若需要纵向 + 剂量链路，CFB-GBM 在 TCIA 上是少数提供该结构的集合。

21.3 在 TCIA 上检索本集合的正确姿势

在 TCIA 站内搜索 CFB-GBM 或 Centre François Baclesse；
或用 DOI 10.7937/V9PN-2F72 直达；
不要用 federated / crowdsourced 作为检索词——这些词在 TCIA 上不会命中本集合（§10.0）。

§22 附录：本条目编写口径说明

为避免读者误用，本节说明本条目在事实呈现上遵循的几条口径。

22.1 三源互证原则

本条目所有关键数字（例数、规模、版本、许可、时间线）都以三源互证呈现：TCIA 集合页（数据本体）+ 数据集摘要/元数据 + v2.0 论文（方法论）。当三者口径不一致时，并列呈现并标注各自适用的版本或来源，而非择一隐去（§19）。

22.2 版本优先原则

凡涉及会随版本变化的数字（系列/图像数、RANO 口径、GTV 覆盖），本条目一律标注版本。读者引用时，应同步标注自己使用的 TCIA 版本与访问日期。

22.3 定性优先原则

对数据集的方法学定性（单中心 vs 多中心、集中 vs 联邦、前瞻 vs 回顾），本条目以一手来源的实际描述为准，不受二手转述（包括任务简报）影响。当二手描述与一手来源冲突时，以一手来源为准并显式记录该冲突（§19.1）。

22.4 边界显式化原则

对数据集的局限（单中心代表性、缺失率、模型生成标注、下载门槛），本条目显式列出，而非淡化。这既是 AI-Ready 条目"降低使用摩擦"的要求，也是避免下游误用的必要前提。

22.5 本条目不做什么

不提供对研究结论的背书：本条目描述数据集"是什么、怎么用、有哪些坑"，不对任何具体研究结论负责；
不替代一手来源：所有数字以 TCIA 集合页与论文为准，本条目是"导览"而非"权威副本"；
不预测未来版本：§19.5 的待核事项随时可能被后续发布填补，读者应以一手来源为准。

维度	内容
本质	法国卡昂 Centre François Baclesse 的 264 例 GBM 治疗前后 MRI＋放疗计划纵向队列（回顾性、单中心）
机构	Centre François Baclesse（法国卡昂，Normandie）——不是联邦、不是众包（§10.0 消歧）
托管	The Cancer Imaging Archive（TCIA）集合页 cfb-gbm，CC BY 4.0 直链公开
DOI	10.7937/V9PN-2F72（使用必须引用）
规模	264 例；系列 v1-v2 3,089 / v3-v4 3,981；总大小 208.01 GB
模态/格式	MR + CT + RTDOSE；NIfTI
时间点	t0 治疗前 / t1 治疗后 4 个月 / t2 治疗后 6 个月（纵向）
入组窗	2017 年 11 月 – 2023 年 12 月
核心标注	GTV 从 35% 补到 97%（nnU-Net 预训练 BraTS 2021 微调 + 5 位放射肿瘤学家核验）、RANO 2.0 体评分级、HD-BET 脑掩码、PyRadiomics 特征
版本链	v1 2025/12/23 → v2 2026/02/03 → v3 2026/06/26 → v4 2026/09/11（当前，Complete）
主论文	arXiv:2608.17884（2026-08-18）；期刊版 DOI 10.59275/j.melba.2026-dd48
生存（本队列）	中位 50.5 周（Mean 57.5）——特定单中心 Stupp 方案队列，勿与泛化 GBM 生存混引
许可	CC BY 4.0（署名即可自由使用/再分发/商用）；TCIA Data Usage Policy 约束
库内互链	UPenn-GBM(462)、TCIA(547)、BraTS(24)、BraTS-2026(931)、TCGA(566)、BraTS-MET(950)