CoNIC 结肠细胞核识别与计数挑战赛 | AI-Ready 数据集

Q: 训练集到底有多少个细胞核？

两个口径并存。预印本在训练数据一节给出五类分项，相加为四十三万四千余；同一篇论文另一处与 Lizard 总表剔除 TCGA 部分得出的都是四十三万一千余，相差两千余。写论文时建议采用后者并注明来源小节。

信息速览

数据集名称CoNIC 结肠细胞核识别与计数挑战赛

数据类型人工标注,影像数据,原始数据

规模未按患者披露；图像区域来自 Lizard 的六个数据源（病理切片级联），训练发布剔除 TCGA 部分

接入方式Lizard 数据集派生的 4,981 张 256×256 结肠 H&E 切块（.npy 图像与双通道标注数组）+ counts.csv 六类计数表 + Lizard 原始 .mat 标注

AI 就绪度

CoNIC（Colon Nuclei Identification and Counting）是 2022 年随 ISBI 会议举办的一场细胞核识别挑战赛，同时留下了一份可长期使用的数据集：4,981 张 256×256 像素的结肠 H&E 染色组织切块，每张都带实例分割图与类别图，外加一张六类细胞核的计数表。数据由英国华威大学组织病理图像分析团队从自家 Lizard 数据集中切出，训练部分公开下载，测试部分永久封存。

它要解决的是一个老问题：病理医生想看肿瘤微环境里各类免疫细胞的比例，只能靠人工在显微镜下数，或者用只认轮廓不分类别、或者只在小样本上训练过的模型。CoNIC 把「找核、认类、数个数」三件事放进同一套评测，用统一的切块尺寸、统一的六类定义和统一的指标把不同团队的方法摆到一张榜上比较，并强迫所有提交以容器形式运行。

使用者的第一件事是核对版本：这份切块发布与 Lizard 原始数据不是同一批文件，训练集的核数在论文内部还有两个口径。接着要确认自己的用途落在非商业研究范围内，再决定是直接训练分割模型，还是只做计数回归。测试集拿不到，所有自评只能在训练集上做，这一点必须在方法描述里写明。

§1 它是什么：一场挑战赛与一份数据的复合体

1.1 名称与身份

CoNIC 的完整名称是「Colon Nuclei Identification and Counting Challenge 2022」，中文可直译为结肠细胞核识别与计数挑战赛。它同时指两样东西：一是 2022 年 3 月在 IEEE 国际生物医学成像研讨会（ISBI）上举办的一场国际竞赛；二是这场竞赛配套发放的数据集与评测代码。两者共用同一个名字，是因为数据本身就是赛事产出的主要公共品——比赛结束后榜单仍在接受提交，数据继续可下载。

赛事由华威大学组织病理图像分析中心（Tissue Image Analytics，TIA）与英国 PathLAKE 病理人工智能计划牵头，合作方包括考文垂与沃里克郡医院 NHS 信托的病理科。第一作者 Simon Graham，通讯作者为 Nasir Rajpoot，病理侧署名包括 David Snead。这一团队此前已经发布过 CoNSeP 与 Lizard 两个细胞核数据集，CoNIC 是这条线上的第三次发布。

需要先厘清一个容易混淆的地方：CoNIC 与 Lizard 不是同一个数据集的两个名字。Lizard 是完整版，保存的是原始图像区域与 .mat 格式的标注文件，里面同时装着实例图、类别标签、边界框和计数；CoNIC 是它的切块再发布，只取 256×256 的方形切块，图像与标注都压成 numpy 数组。更关键的是，CoNIC 只公开训练部分，测试部分永不发放。

1.2 两篇论文的分工

与这个数据集相关的正式文献有两篇，作用完全不同。第一篇是赛事预印本《CoNIC: Colon Nuclei Identification and Counting Challenge 2022》（arXiv:2111.14485，2021 年 11 月 29 日提交），讲的是赛制、数据构成、任务定义与提交方式，是赛前发布的技术说明书。第二篇是赛后综述《CoNIC Challenge: Pushing the frontiers of nuclear detection, segmentation, classification and counting》，2023 年 3 月以 arXiv:2303.06274 预印，2024 年 2 月正式刊于《Medical Image Analysis》第 92 卷，文章号 103047。

综述的贡献不在赛制，而在赛后复盘：组织方用表现最好的若干模型对 1,658 张结肠全切片图像（WSI）做了批量推理，每个模型检出约 7 亿个细胞核，再把核的形态与类别构成转成特征，用于异型增生分级与生存分析。摘要称这一改进带来了下游任务性能的显著提升，并指出嗜酸性粒细胞与中性粒细胞在肿瘤微环境中扮演重要角色。这条结论把一场分割比赛与临床结局指标接了起来，也是 CoNIC 区别于许多纯指标竞赛的地方。

引用上有一个硬性要求：官方页面明确写出，凡是将自己的方法与赛中任何方法比较、或使用了这份数据，必须同时引用 2024 年的《Medical Image Analysis》综述与 2021 年的 Lizard 会议论文。只引预印本不算。

1.3 时间线

时间	事件
2021-11-20	训练数据与评测代码发布
2021-11-29	赛事预印本提交至 arXiv
2022-02-13	初步测试集提交通道开启
2022-02-15	注册与组队截止
2022-02-28	两页方法说明截止
2022-03-02	最终测试集提交开启
2022-03-08	四页技术论文邀请通知
2022-03-09	最终测试集提交关闭
2022-03-20	四页论文截止
2022-03-28	ISBI 2022 现场举办 CoNIC 工作坊
2022-07-15	赛后提交通道开放，榜单长期运行
2023-03-11	赛后综述预印本提交至 arXiv
2024-02	综述刊于《Medical Image Analysis》第 92 卷

从训练数据发布到最终提交截止只有约四个月，初步测试阶段被压缩到两周。组织方把这段时间定义为「让参赛者熟悉容器提交流程、确认代码能在平台跑通」的窗口，正式排名只看最终测试集。这一节奏决定了参赛方法的性格：多数队伍不会在四个月里训练一个新模型，而是把已有架构（U-Net、HoVer-Net、StarDist 一类）迁移到新数据上，胜负更多取决于工程细节而非架构创新。

§2 数据构成与规格（含十二问十二答）

2.1 规模与数组形状

训练发布的核心是两个 numpy 数组，规格在预印本中写得非常具体：图像数组形状为 4981×256×256×3，数据类型为无符号 8 位整数；标注数组形状为 4981×256×256×2，数据类型为无符号 16 位整数，第一通道是实例分割图，第二通道是分类图。此外单独提供一份 counts.csv，每行对应一个切块，六列分别是六类核的计数，行序与数组的第一维严格一致。

维度	数值	说明
切块总数	4,981	训练发布全部内容，无官方划分
单块尺寸	256×256 像素	20 倍物镜下约 128 微米见方
计数有效区	中央 224×224	核与中心区域有任何重叠即计入
图像通道	RGB 三通道，uint8	H&E 染色
标注重数	双通道，uint16	通道一实例、通道二类别
类别数	6 类加背景	编码 1 至 6
空间分辨率	约 0.5 微米/像素	20 倍物镜

这个数不是整数除法得来的。预印本解释了多出来的原因：当原始图像区域的宽或高不能被切块边长整除时，程序会在边界处重新采样补足一块，因此相邻切块在边界上存在重叠。这意味着训练集中同一块组织可能出现两次，做严格的不重叠统计时需要注意。

（另见附录 A：关键数字速查。）

2.2 六类细胞核与编码顺序

六类核的定义直接沿用 Lizard，分别是中性粒细胞（neutrophil）、上皮细胞（epithelial）、淋巴细胞（lymphocyte）、浆细胞（plasma）、嗜酸性粒细胞（eosinophil）与结缔组织细胞（connective）。官方评分脚本读取的 counts.csv 表头顺序即为类别编码 1 到 6，这个对应关系没有第二份权威说明，只能从仓库样例代码反推。

这样一套类别体系是针对结肠组织设计的。上皮细胞对应腺体与表面上皮，结缔组织细胞填在腺体之间与黏膜下层，淋巴细胞与浆细胞反映慢性炎症浸润，中性粒细胞与嗜酸性粒细胞则主要在急性炎症、隐窝炎或隐窝脓肿时成簇出现。预印本特别指出，正因为后两类只在特定病理状态下常见，它们在数据中的数量才格外稀少。

值得注意的是，这套体系里没有单独的「肿瘤细胞」类。肿瘤性上皮与正常上皮在标注时同归上皮一类，异型增生或癌变的信息并不写在单核标签里，而是在全切片层面另行标注的。想用 CoNIC 训练肿瘤细胞识别的使用者，会在第一步就撞上这个边界。

2.3 类别分布的长尾

训练核的类别分布极度不均衡。按预印本训练数据一节的分项，上皮细胞逾二十一万个，占近半；淋巴细胞逾九万个，数量排第二；浆细胞约两万五千个；而中性粒细胞与嗜酸性粒细胞分别只有四千余个与不足三千个，两者合计不足训练核总量的百分之二。

类别	训练核数（预印本分项口径）	占比量级
上皮细胞	210,372	近半
淋巴细胞	92,238	约五分之一
浆细胞	24,861	约百分之六
中性粒细胞	4,116	约百分之一
嗜酸性粒细胞	2,979	不足百分之一
结缔组织细胞	与中性粒、嗜酸粒同属高难度少数类	预印本未单列

结缔组织细胞在预印本的分项里没有被写出，这是一个实在的缺口：上表五项相加已达四十三万四千余，与论文主口径的差距已无法由遗漏一类来解释。第三方研究对 Lizard 的描述是上皮、淋巴、结缔三类合计占九成以上，浆细胞约百分之六，中性粒与嗜酸粒合计约百分之一点七，与上表量级吻合。

长尾对评测的影响很直接。第六类（结缔组织）数量充足，第五类（嗜酸性粒细胞）在测试集里可能只有几百个，任何一个模型在这一类上多检出几十个假阳性，整类 PQ 就会大幅下滑；而 mPQ+ 对六类等权平均，稀有类的波动会直接传导到总分。这也是赛后不少队伍专门处理稀有类的原因。

2.4 与 Lizard 的边界

Lizard 的完整规模接近五十万个核，来自六个数据源：DigestPath、CRAG、GlaS、PanNuke、CoNSeP 与 TCGA。CoNIC 的训练发布只用前五个源，把 TCGA 那部分剔除了。Lizard 总表中 TCGA 部分为六万三千余个核，全集减去这一数正好等于预印本主口径。

源数据集	Lizard 核数	是否进入 CoNIC 训练	库内条目
CRAG	189,043	是	crag（rid 208）
DigestPath	168,510	是	digestpath（rid 338）
GlaS	55,364	是	glas（rid 196）
PanNuke（结肠部分）	12,978	是	pannuke（rid 218）
CoNSeP	6,018	是	consep（rid 228）
TCGA	63,266	否	tcga（rid 566）
合计	495,179	训练口径见 §2.3	—

（表中 Lizard 核数为 Lizard 论文总表口径，GlaS 一行分项与小计存在排版差 816，见 §4.5。）

PanNuke 在此只有一万二千余个核，是因为 Lizard 只取用了 PanNuke 的结肠部分图像，而非其全部 19 个器官。CoNSeP 只贡献六千余个，是六个源中最小的一个。CRAG 与 DigestPath 两个源合计贡献了训练核的八成以上，这意味着 CoNIC 的染色风格、扫描仪与标注习惯在很大程度上被这两个源主导。

（另见附录 C：六源逐类分布全表。）

2.5 十二问十二答

Q1：CoNIC 和 Lizard 是同一个数据集吗？
不是同一份发布。Lizard 是原始图像区域加 .mat 标注（实例图、类别、边界框、计数）的完整版；CoNIC 把 Lizard 切成 256×256 的切块，只公开训练部分的图像与双通道标注数组，测试部分永久保密。CoNIC 训练集是 Lizard 的子集，且不包含 Lizard 中来自 TCGA 的部分。引用时两者都要引。

Q2：训练集到底有多少个细胞核？
两个口径并存。预印本在训练数据一节给出五类分项：上皮 210,372、淋巴 92,238、浆细胞 24,861、中性粒细胞 4,116、嗜酸性粒细胞 2,979，相加为 434,566；同一篇论文另一处与 Lizard 总表减去 TCGA 部分得出的主口径（见 §2.3 表），两者相差 2,653。写论文时建议采用主口径并注明来源小节，分项数字作为分布参考。

Q3：为什么下载不到测试集？
这是赛制设计而非发放疏漏。官网明确写出参赛者不会拿到测试集的任何部分，提交物是打包好的 Docker 容器，由平台在服务器端对测试切块推理后回传分数。赛后提交通道长期开放，但仍然只接受容器。

Q4：两个任务的指标可以直接跨论文比较吗？
分割分类任务用的是 mPQ+，它在整个测试集上按类累计统计量之后再对六类取平均，而 PanNuke、MoNuSAC 与 Lizard 原论文用的是逐图算 PQ 再平均。两种做法在类缺失或小目标密集的图上结果不同，因此 CoNIC 榜单分数与旧论文表格里的数字不能直接比大小。

Q5：计数任务的 224 与 256 是什么关系？
切块边长 256 像素，但计数只在居中的 224×224 区域内进行。判定规则是核与这个中心区域有任何重叠就计入，这样保证被计入的核必然完整落在 256 的原图内，不会出现被切块边界截断的半个核。做回归任务时必须按同一规则统计标签，否则会系统性高估。

Q6：六类细胞核分别是什么？
中性粒细胞、上皮细胞、淋巴细胞、浆细胞、嗜酸性粒细胞、结缔组织细胞，外加背景。类别编码 1 到 6 与官方 counts.csv 的列顺序一致。中性粒细胞与嗜酸性粒细胞在结肠组织里本就稀少，主要在急性炎症条件下成簇出现。

Q7：为什么它被称作当时最大的核级公开数据集？
预印本给出的比较是 CoNIC 所用核数超过此前最大核识别挑战赛数据集十倍以上，并援引 Lizard 的约 49.5 万核作为同类已发布数据集的规模上限。这一说法出自挑战赛组织方自己的论文，属主办方口径，引用时应标明。

Q8：许可允许商用吗？
不允许。训练数据采用知识共享署名-非商业性使用-相同方式共享 4.0 协议，预印本也写作 non-commercial creative commons。赛事官方代码仓库未见独立的许可文件，仓库本身不能替代数据许可；商业用途需另行与主办方接洽。

Q9：比赛一共比幾個任务？
两个，可以只参加一个。任务一是核实例分割加分类，任务二是每张切块的六类核计数。任务一的输出可以直接派生出任务二的预测，但两者在榜单上分开排名，也可以把计数当成独立的回归问题直接做。

Q10：训练集有官方的训练与验证划分吗？
没有。这批切块是唯一公开的划分，官方不提供折号或验证集。预印本提到的三折交叉验证属于 Lizard 原论文的基线实验，CoNIC 没有沿用。社区做法多是按源数据集（例如留出 CoNSeP）或按图像来源切块号做交叉验证，但这属于自定协议，不同论文之间不可直接比较。

Q11：赛事结束后还能提交吗？
可以。2022 年 7 月 15 日起开放赛后提交，官网首页仍挂有「接受赛后提交」的公告，榜单另设 Post-Challenge 赛道，与当年的 Final Test 榜单分开列出。

Q12：CoNIC 的标注是全人工勾画的吗？
不是。标注来自 Lizard 的多阶段半自动流水线：先用模型对细胞核做预测，由病理医师在环精修不合格的预测，再用点标注工具细化边界，最后对最难分的中性粒与嗜酸粒做迭代细分。理解这一点对解读标注噪声很关键——它既不是纯人工金标准，也不是纯模型输出。

§3 怎么拿到：许可、注册与提交

3.1 获取路径

数据只通过赛事官网发放。流程是：在 grand-challenge 平台注册账号，回到赛事页面点击加入，填写参与申请并说明用途，审核通过后才能看到数据下载页与提交页。数据本身不设公开直链，也没有 Zenodo 或官方镜像托管。预印本脚注给出了数据页地址，但该地址对未获批准的账号不可见。

官方另有一个 GitHub 仓库，提供评测代码、数据读取示例 notebook 与 HoVer-Net 基线，但不含数据。第三方镜像在 HuggingFace 上有若干份，通常是社区把训练数组与计数表重新打包成 Parquet 的版本，规模标注为数百兆字节量级。使用镜像前应核对切块数与类别编码，并注意镜像的许可声明是否与原版一致。

3.2 许可的三重错位

围绕这份数据有三套许可表述，彼此不完全重合，引用时需要分清对象。

对象	许可	出处
训练数据本体	CC BY-NC-SA 4.0（非商业、相同方式共享）	预印本「non-commercial creative commons」；社区镜像卡明写
论文预印本（arXiv 版）	CC BY-NC-SA 4.0	arXiv 摘要页
论文正式版（HAL 存档）	CC BY-NC-ND 4.0（非商业、禁止演绎）	HAL 记录
赛事代码仓库	未见 LICENSE 文件	GitHub 仓库元数据

3.3 提交是容器，不是预测文件

这是 CoNIC 与多数医学图像挑战赛最大的不同。参赛者拿不到测试图像，也无法上传预测结果；提交物是按官方模板打包的 Docker 容器，平台在服务器端拉起容器、喂入测试切块、接收输出并计算分数。规则页对这一点表述得很直接：只有全自动方法可以参赛，因为提交物是容器，人工标注或交互式方法在物理上无法提交。

配套的硬约束有四条：初步测试阶段每队每天可提交一次，用于验证流程；最终测试阶段每队每任务只允许一次提交；提交必须附一份简短的方法说明，否则取消资格；进入前名次的前提是公开算法。奖励设置按任务分别颁发，前三名依次为现金加显卡、现金加开发板、现金与开发板。

3.4 一个必须先做的自检

拿到训练数组后，第一件事不是建模，而是确认数组能读、能对齐、能复现官方计数。具体做法是：读入标注数组的第一通道，按实例编号统计每张切块的非零标签数；再读 counts.csv 的对应行求和；两者应当只在边缘被截断的核上有差别，且差别方向一致。如果两张表的量级相差很大，多半是行列错位或把背景当成了一类。

第二步是核对背景值。实例图里 0 表示背景，类别图里 0 也表示背景，但类别图的取值上限是 6。把类别图当实例图用时，同一类的所有核会连成一片，评分的 PQ 会直接归零，而报错信息不会告诉你原因。

§4 质量与已知问题

4.1 标注来源决定误差结构

CoNIC 的标注不是一次性勾画出来的，而是 Lizard 流水线的产物。Lizard 的做法是：先用已有模型对新图像做分割与分类预测，由病理医师在环审阅，只对不满意的预测做修正；对只有点标注的区域，用点提示分割工具扩张出边界；对中性粒细胞与嗜酸性粒细胞这两个最难分的类别，专门做一轮迭代细分。最后在代表性样本上做多位病理医师的一致性分析，给出定量的一致性统计。

这条路径的收益是规模：近五十万个核不可能靠纯人工在合理时间内完成。代价是误差结构被模型的先验塑形——模型容易漏的边界、容易混淆的类间过渡，在「只改不满意处」的审阅模式下更容易被保留下来。Lizard 论文本身也承认，大规模标注与标注精度之间存在此消彼长。

4.2 假设、支持与反对

假设	支持证据	反对证据或边界
训练集足以支撑跨机构泛化	数据来自六个源、多个中心、三种国家，染色与扫描仪差异被有意纳入	六源中 CRAG 与 DigestPath 合计占八成以上，风格仍被少数源主导；全部为结肠
六类体系足以刻画肿瘤微环境	赛后分析用这些核特征做异型增生分级与生存分析，得到显著的下游提升	体系中没有肿瘤细胞类，肿瘤性上皮与正常上皮同归上皮；巨噬细胞等未单列
标注噪声在可接受范围内	有病理医师在环与多人一致性抽样	误差与模型先验相关，稀有类一致性最低；无独立的全人工金标准子集
两个任务可以解耦	官方明说计数可当作独立回归任务	计数任务若独立做，等于放弃空间信息；由分割派生的计数通常更稳

4.3 类别不平衡的实际后果

长尾在评测上表现为稀有类指标的方差。中性粒细胞与嗜酸性粒细胞在测试集里的绝对数量有限，一个模型在某一张图上把一群淋巴细胞误判成中性粒细胞，就可能让该类的 precision 出现两位数百分点的跳动。mPQ+ 对六类等权，因此总分里约六分之一的分量押在两个样本极少的类上。

这在工程上意味着两件事。第一，报告结果时应当分列六类，只报总分无法反映模型性格。第二，调参时若只看总分，容易得到在稀有类上几乎不作为的模型——它在常见四类上表现良好，总分也不会太难看。赛后分析之所以强调嗜酸性粒细胞与中性粒细胞在微环境中的作用，恰恰说明这两个「指标尾巴」在生物学上并不边缘。

4.4 一图一类的评测陷阱

mPQ+ 的统计口径是整集累计。预印本与评测页都指出，这样做是因为某些切块里根本不包含某一类核，逐图计算时该类会出现未定义值，只能跳过或置零，两种处理都会引入偏差。整集累计消除这个问题，代价是掩盖了「某张图上完全没有识别出稀有类」这类失败，因为只要其他图上有足够多的真阳性，累计指标仍然好看。

实践中建议做双重报告：榜单指标用 mPQ+，方法分析时补充逐图的分类型召回，尤其是稀有类在单图层面完全漏检的比例。这两组数字回答的是不同问题，前者用于排名，后者用于判断模型是否可用。

4.5 版本与口径的漂移

已确认的四类漂移：训练核数在预印本内部的两个取值相差两千余；「六个数据源」与「训练用五个」的表述在同一篇论文的不同小节并存；许可在预印本、镜像卡与 HAL 三处措辞不同；Lizard 原表中 GlaS 一行的小计与其分项相加不符（差 816）。这些都不影响数据可用性，但任何引用具体数字的论文都应当选定一个口径并写明来源小节。

（另见附录 D：口径冲突登记表。）

§5 能做什么：任务清单与最小可执行示例

5.1 任务清单

用途	输入	输出	备考
核实例分割加分类	256×256 RGB	双通道图（实例、类别）	榜单主任务，mPQ+ 排名
细胞构成回归	256×256 RGB	六列计数	可由分割派生，也可独立回归
分割骨干预训练	切块图像	编码器权重	与 Lizard、PanNuke 联合训练时须去重
半自动标注工具评测	模型预测加少量人工修正	修正后的掩码	需另建一致性评估协议
下游特征工程	核级掩码	密度、比例、形态统计	需接入自有切片与临床标签

5.2 最小可执行示例

下面的骨架假定已经把官方数组读到本地，只演示最关键的几步：读取、核对、切分、产出可被官方脚本评分的格式。示例不含模型实现，任何能输出双通道图的分割网络都可替换。

import numpy as np
import pandas as pd

// 读入官方数组，图像为 uint8 四维，标注为 uint16 四维
images = np.load("conic_train_images.npy")
labels = np.load("conic_train_labels.npy")
counts = pd.read_csv("conic_train_counts.csv")

assert images.shape[1:] == (256, 256, 3)
assert labels.shape[1:] == (256, 256, 2)
assert len(images) == len(labels) == len(counts)

inst  = labels[..., 0]     # 0 为背景，1 至 N 为核编号
klass = labels[..., 1]     # 0 为背景，1 至 6 为类别码

// 自检，逐图实例数应与计数表同量级
inst_per_patch = np.array([len(np.unique(inst[i])) - 1 for i in range(len(inst))])
print(inst_per_patch[:5], counts.iloc[:5].sum(axis=1).values)

// 按官方评分脚本的输入约定存盘
pred = np.zeros_like(labels)
pred[..., 0] = predicted_instance_map
pred[..., 1] = predicted_class_map
np.save("pred.npy", pred.astype(np.uint16))

评分脚本的调用方式在官方仓库 README 中给出，分割分类模式与回归模式分开运行。若只做计数任务，输出一张 CSV，表头六列的顺序必须与官方一致，行序必须与切块序号一致，否则分数会整体错位而不报错。

5.3 计数回归的最小基线

计数任务有一个非常好用的强基线：用分割模型的输出直接点数。对每张图，取中心 224×224 区域内的实例，按类别图确定每个实例的类别，统计六类个数。这一路径的优势是天然满足「核与中心区有重叠即计入」的判定规则，只要实例图正确，计数就正确。

纯回归基线（把切块送入网络直接回归六个非负整数）的优势是推理快、不受分割错误传播影响，劣势是空间信息被丢弃。预印本提到已有工作在核分割之外单独做计数预测，官方也允许把两个任务当作独立问题处理。选择哪条路，取决于下游是要核的形态特征还是要细胞比例——前者必须分割，后者回归可能更省。

5.4 下游分析可复用的部分

赛后综述的做法值得借鉴：用若干表现最好的模型对全切片做滑动推理，把核级输出汇总成切片级的细胞构成特征，再做异型增生分级与生存分析。这条链路上的关键不是模型本身，而是「核级输出如何聚合成临床可用的变量」。综述给出的特征包括各类核的比例与密度，并发现嗜酸性粒细胞与中性粒细胞相关特征具有信息量。

若要有样学样，需要额外注意三点：切片级推理必须做边缘重叠拼接，否则切块接缝处会重复计数或漏计；不同模型的绝对计数不可直接混用，应转换为比例后再合并；切片来源机构的染色差异会直接改变核的可分性，跨机构分析须分层。

5.5 计数回归的指标细节

计数任务的指标是分类型决定系数再取平均。对每一类，先把该类的真实计数与预测计数分别取方差与残差平方和之比，得到该类拟合优度，再对六类等权平均。这个定义有两个容易忽略的后果。

其一，决定系数对常数基线敏感。如果某类计数在测试集中几乎不变（例如嗜酸性粒细胞绝大多数切块为 0），那么一个永远预测 0 的模型在该类的决定系数会接近 1 或为负，具体取决于方差是否为零。这类边界情形在评分脚本里没有做特殊处理，报告结果时应说明稀有类的取值分布，否则数字会误导。

其二，等权平均使稀有类的权重被放大。六类之中，中性粒细胞与嗜酸性粒细胞的计数范围只有个位数，预测差 2 个与上皮类预测差 200 个在指标上可能等价。因此单纯追求榜单分数，会让模型倾向于在稀有类上保守输出（多为 0），而在常见类上激进输出。合理的做法是同时报告绝对误差的分类型中位数。

实际使用时还有一个工程细节：官方要求预测 CSV 的表头顺序与真实文件一致，行序也与切块序号一致。若不按这一顺序输出，评分脚本不会报错，只会给出一个看似合理但完全错位的分数。稳妥的办法是在提交前把自己的 CSV 与官方 counts.csv 各取前五行并排打印，肉眼确认列对得上、行对得上。

5.6 与下游切片级分析衔接时的三个接口

第一个接口是坐标。切块来自原始图像区域，每个切块在区域内的位置决定了它能否被拼回切片。CoNIC 的发布本身不含位置元数据，但上游 Lizard 的命名规则保留了源与序号信息，可以据此恢复大致位置。若要做切片级的热图，这一步不可省。

第二个接口是尺度。切块固定为 256 像素见方，对应约 128 微米。切片级分析常用的细胞密度单位是每平方毫米核数，换算时须用该切片的实际扫描分辨率，而不是套用 0.5 微米的标称值。不同扫描仪的像素尺寸差异可达百分之十，换算出错的量级与这个差异同阶。

第三个接口是批次。六个源的染色与扫描条件不同，同一类核在不同源里的颜色分布差异明显。把六个源的特征直接合并做切片级统计，会把来源差异当成生物学差异。可行的缓解是按源分层建模，或者在特征层面做源内标准化后再合并。

§6 常见误读与引用陷阱

常见说法	实际口径	证据位置
CoNIC 是 Lizard 的同义词	Lizard 是完整版（图像区域加 .mat 标注），CoNIC 是其 256 切块发布，只公开训练部分	§2.4；预印本数据节
训练集有五十万个核	训练发布为 43 万余核；49.5 万是 Lizard 全集，含被剔除的 TCGA 部分	§2.4；Lizard 总表
训练核数有一个可以放心引用的确定值	预印本分项相加与同文主口径相差两千余，引用须注明来源小节	§4.5；附录 D
测试集可以向作者申请	测试集任何部分都不发放，只接受容器提交	§3.3；官网说明
可以上传 csv 预测结果参赛	提交物必须是 Docker 容器，且只有全自动方法可参赛	§3.3；规则页
mPQ+ 与 PanNuke 的 mPQ 可以直接比	mPQ+ 整集累计后平均，旧口径逐图平均后平均，两者不可直接比较	§4.4；评测页
计数区间是整张 256 切块	计数只在中央 224×224 区域，判定规则是重叠即计数	§2.1；预印本
标注是病理医师逐个勾画的	半自动流水线：模型预测加医师在环精修加点标注细化	§4.1；Lizard 论文
六类里有肿瘤细胞	没有肿瘤细胞类，肿瘤性上皮与正常上皮同归上皮	§2.2；类别定义
数据可以商用	非商业许可，且改编后须相同协议共享	§3.2；预印本与镜像卡
仓库有开源许可，代码随便用	仓库未见许可文件，无许可默认保留权利	§3.2；仓库元数据
这个总数等于原始图像数	是切块数，边缘图像因不整除被重采样补块，存在重叠	§2.1；预印本
只引 MedIA 综述就够了	官方要求同时引用 MedIA 2024 与 Lizard 2021	§1.2；官网引用段

**技术陷阱一：双通道互换。**实例图与类别图都是 uint16 单通道，形状完全相同，存盘或转格式时极易对调。对调后的直接后果是评分为零且无报错。

**技术陷阱二：把类别编码当实例编号。**类别图里同一类的所有核取值相同，若误用类别图去算实例数，会得到「上皮 1 个」这类荒谬结果。判别方法是看非零值个数是否小于等于 6。

**技术陷阱三：忽略边界重采样。**训练切块里有相当一部分来自边界补块，与相邻切块重叠。做自建划分时若按切块随机切分，同一块组织的两个重叠区域可能同时出现在训练与验证中，验证分数虚高。正确做法是按原始图像来源分组切分。

**技术陷阱四：与上游数据集联合训练时不去重。**CoNIC 的图像来自 CRAG、DigestPath、GlaS、PanNuke 结肠部分与 CoNSeP。如果同时下载了这些原始数据集一起训练，同一块组织会以两种分辨率、两种标注形态重复出现，且验证集可能泄露。必须按源图标识做去重。

技术陷阱五：把预印本的倍数说法当独立结论。「超过此前最大数据集十倍」出自主办方论文的自述比较，比较对象是其认定的前一个最大核识别挑战赛数据集，与 Lizard 论文表格中的横向对比不是同一口径。

**技术陷阱六：在测试时段反复试探榜单。**最终测试阶段每队每任务只有一次提交机会，初步测试阶段才允许每天一次。把初步测试当作可无限试错的验证集，会导致对测试集分布的过拟合，而且这种过拟合无法从分数上看出来。

**技术陷阱七：把计数任务当成图像级分类的副产品。**六类计数是一个六维回归目标，不是六选一。有人把六类总数先求和再分配比例，这会丢掉绝对量信息，而绝对量恰是微环境分析最需要的变量（密度而非比例）。

**技术陷阱八：用测试阶段的提交频率做模型选择。**初步测试阶段每天可提交一次，很多人把它当作免费的验证集。这意味着模型实际上是在对初步测试集做选择，最终测试集上的表现会低于初步阶段的观察值。文献报告时若只引初步阶段分数，读者无从判断这种过拟合的程度。

§7 在生态中的位置

7.1 与上游数据集的谱系关系

把 CoNIC 放在计算病理学的细胞核数据谱系里看，它处在第三代的位置。第一代是单类别、小区域的分割集，典型如 MoNuSeg 与 TNBC，只给轮廓不给类别，规模在几千到两万余核之间。第二代引入类别标签与实例区分，MoNuSAC、CoNSeP、PanNuke 属于这一代，规模提升到数万核，覆盖多器官或单器官的多种病变。第三代以 Lizard 为代表，靠半自动流水线把规模推到数十万核，同时保持六类标签。

CoNIC 不是第四代，而是第三代的「再加工与竞技化」：数据母本是 Lizard，新增的是固定尺寸的切块格式、统一的评测协议与长期运行的榜单。因此讨论 CoNIC 的生态价值时，应当把它理解为「标准的载体」，而不是「新数据的来源」。同一批图像在不同论文里可能以 Lizard 的名字出现，也可能以 CoNIC 切块的形式出现，做元分析时必须先统一口径。

代际	代表数据集	规模量级	类别体系
第一代	MoNuSeg（rid 30）	万级以下	单类别轮廓
第二代	CoNSeP（rid 228）、PanNuke（rid 218）、MoNuSAC（rid 651）	数万	多类别
第三代	Lizard（rid 238）、NuCLS（rid 248）	数十万	多类别、多源
派生竞技版	CoNIC	切块化、训练 43 万余核	六类、固定切块

7.2 与库内条目的关系

库内与 CoNIC 关系最紧的是 Lizard 条目。两者的数据重叠达到百分之百的训练覆盖，差异只在发布形态与测试集是否公开。任何同时使用两者的研究都必须做源图去重，否则训练与测试之间会出现重叠样本。Lizard 条目本身已经说明，2021 年 11 月的挑战赛把该数据集重切为固定尺寸切块，CoNIC 就是那次重切的产物。

四个源数据集条目（CRAG、DigestPath、GlaS、PanNuke）与 CoNIC 的关系是部分重叠：它们在 CoNIC 训练集中各自贡献一部分核，但同时拥有独立的原始图像与更细或不同的标注。把它们和 CoNIC 一起训练很常见，问题是粒度不一致——原始数据集提供的是大尺寸图像区域，CoNIC 提供的是切块，同一块组织可能出现两种裁剪。

TCGA 条目与 CoNIC 的关系是「被排除的部分」：Lizard 用到了 TCGA 的结肠图像，CoNIC 训练发布没有包含。因此若论文声称「在 Lizard 全部源上训练」却使用了 CoNIC 切块，说法是不准确的。

7.3 与结直肠 H&E 数字化病理数据的关系

CoNIC 与结直肠相关的组织级数据集（例如 NCT-CRC-HE-100K）是互补关系：后者给出整块组织的类别标签（肿瘤、间质、肌肉等），粒度是图块级；前者给出细胞级的分割与类别。两者组合可以做「细胞构成如何决定组织表型」的研究，但需要自行对齐坐标，因为两者的图像来源与切块策略不同。

§8 方法学启示

8.1 评测协议本身就是公共品

CoNIC 留给社区最有用的东西，可能不是数据而是评测协议。它把「整集累计再平均」写成 mPQ+ 的明确定义，把计数任务的口径（中心区域重叠即计入）写进数据说明，把输出格式（双通道 uint16 数组）写进评分脚本的输入约定。这三点消除了大量隐性歧义，使得不同团队的结果至少在同一把尺子上量。

配套的容器提交同样是一种协议设计。它把「可复现」从软要求变成硬约束：如果代码不能在标准环境跑通，就拿不到分数。代价是参赛门槛提高，环境配置消耗的时间可能超过建模本身；收益是榜单上的每一个分数都可以被别人的容器复现。

8.2 两阶段测试的时间经济学

把测试拆成初步与最终两个阶段，且初步阶段允许每天提交，是一种刻意的时间分配：它让团队可以在不确定的环境中快速试错，但把真正的排名押在只有一次机会的最终阶段。这种设计的隐含假设是，初步测试集的分布与最终测试集足够接近，频繁试探不会导致过拟合。

从参赛者的角度看，这一设计制造了一个两难：反复试探可以提高对平台流程的把握，也可能把模型调成只适应初步测试集。官方对此没有提供检测手段，只能靠队伍自律。这一经验对后来者设计挑战赛有直接参考价值——若要允许高频提交，就需要准备独立的、从不反馈分数的隐藏集。

8.3 从分割指标到临床变量的桥

赛后综述做的事，是把核级指标的优势翻译成切片级的临床关联。这一步在方法学上有两层意义。第一层是验证：分割指标的提升是否真的对应下游任务的提升，很多挑战赛停在第一层，不再往下走。第二层是发现：综述报告嗜酸性粒细胞与中性粒细胞相关特征在微环境中具有信息量，这属于从数据里长出来的生物学假设，而非赛前设定。

这条桥的脆弱之处在于特征工程的选择自由度很大。从核级输出到切片级特征，可以选择密度、比例、邻域共现、形态统计等数十种表征，不同的选择可能给出不同的下游结论。综述给出的是一组特定的选择，其结论应按「在若干选择下观察到」来理解，而不是「唯一正确」。

8.4 与「大模型 + 零样本」路线的分工

近年的病理基础模型可以在不做任务特定训练的情况下给出细胞核的分割结果，这让人怀疑挑战赛形式是否还有意义。CoNIC 的位置在于它提供了统一口径下的定量参照：基础模型的零样本输出仍需要一个标准来确定它在六类、稀有类、边界密集区上的具体水平。挑战赛数据在这里充当尺子，而非训练材料。

这也解释了为什么赛后提交通道长期开放：新方法的入场需要有新的基线，而榜单纯粹是旧方法的排名。持续开放使新方法可以随时插入同一坐标系，不必等待下一次竞赛。

§9 使用建议与检查清单

9.0 一个可复用的复核脚本

复核数据口径最省事的办法是写一个小脚本，把三条事实一次性核完：数组维度、实例数与计数表的关系、类别码的取值范围。下面的骨架不依赖任何深度学习框架，只需 numpy 与 pandas，几十兆内存即可跑完。

import numpy as np
import pandas as pd

labels = np.load("conic_train_labels.npy", mmap_mode="r")
counts = pd.read_csv("conic_train_counts.csv")

print(labels.shape, labels.dtype)      # 期望 (4981, 256, 256, 2) uint16
codes = np.unique(labels[:50, ..., 1]) # 前 50 张出现过的类别码
print("类别码集合:", codes)            # 期望是 0..6 的子集
assert codes.max() <= 6

// 逐图实例数与计数表求和，两均值应接近
n_inst = [np.unique(labels[i, ..., 0]).size - 1 for i in range(0, 50)]
col_sum = counts.iloc[:50].sum(axis=1).to_numpy()
print(np.mean(n_inst), np.mean(col_sum))

三条断言各对应一个常见错误。第一行若 dtype 不是 uint16，说明文件被错误转换过，实例编号可能溢出。类别码最大值若超过 6，说明标注版本不一致或数组通道顺序被调换。实例数均值与计数表均值应当接近，若后者明显偏大，多半是计数表把中心区外的核也算进去了，或者实例图在转存时被二值化。

复核完这三件事，才值得投入时间做训练。跳过这一步直接建模的代价往往在提交后才显现，而那时只剩一次最终提交机会。

9.0.1 提交物打包的三条纪律

容器提交的门槛不在模型，而在环境。三条经验来自同类赛事的通行做法，规则页也给出了部分提示。

第一条是把推理入口写成单条命令，不依赖交互式输入，不写日志到标准错误以外的位置。评分平台只读取约定的输出文件，任何多余的控制台交互都会导致超时。

第二条是把预训练权重打进镜像，不要在运行时下载。平台侧网络策略不可预期，运行时下载失败会让整个容器在数十次推理后中止，而返回码可能仍然是零。

第三条是先用少量切块做冒烟测试，确认输出形状与 dtype 正确，再提交完整容器。初步测试阶段的每日提交额度适合做这件事，但不宜用来对比多个模型的微小差异，理由见 §6 的技术陷阱八。

9.0.2 与临床团队协作时的沟通要点

研究团队与临床方合作时，最容易出现的分歧不在于模型好坏，而在于对「计数」的理解。临床关心的是每平方毫米各类免疫细胞的密度与空间聚集程度，而数据给出的是每张切块的绝对个数。把后者直接汇报给临床方，会造成密度随视野大小变化而变化的错觉。

沟通时宜提前说明三点：切块代表约一百余微米见方的组织；计数只在中心区域进行，边缘的核被有意忽略；六类里没有肿瘤细胞类，肿瘤性上皮与正常上皮一并计入上皮。这三点说清楚，后续的指标解释会顺很多。

9.1 上手前的六项核对

确认用途落在非商业研究范围内，并准备好以相同协议共享任何改编版本。
确认下载的是训练切块而非 Lizard 原始数据，两者文件结构完全不同。
读入后先做实例数与计数表的一致性核验，再核对类别编码 1 至 6 的对应。
按原始图像来源做分组划分，不要按切块随机划分。
若与上游数据集联合训练，按源图去重并记录去重规则。
报告结果时分列六类，并单独统计稀有类在单图层面的完全漏检比例。

9.2 结果报告的最低要求

项目	必须写明	常见遗漏
指标定义	mPQ+ 整集累计口径，或说明改用逐图口径	直接写「PQ」而不说明累计方式
类别明细	六类分别的 PQ 与召回	只报总分
划分方式	按源图、按机构、还是按切块	只写「随机划分」
训练数据	是否包含 Lizard 原始数据或其他上游源	隐去联合训练事实
计数口径	中心区域重叠计入	按整块统计导致与榜单不可比
许可	非商业声明	未提及

9.3 与其他基准并报时的注意事项

当把 CoNIC 结果与 PanNuke、MoNuSAC 的结果放在同一张表里时，至少要做三件事：标注各自的指标口径、标注各自的类别集合差异、说明是否使用了相同的预训练权重。三件事缺一件，跨表的数字对比就失去了基础。这不是对任何一方的苛责，而是三种评测协议本身就不兼容的事实后果。

§10 总结

10.1 三句话

CoNIC 是把 Lizard 的结肠细胞核标注切块化、并配上一套容器提交评测协议的挑战赛，训练部分公开而测试部分永久封存。它最有价值的部分是统一的六类定义、mPQ+ 口径与长期开放的榜单，而不是数据本身的新增。使用它的前提是弄清它与 Lizard 的边界、接受非商业许可、并放弃对测试集的任何本地复查期望。

10.2 适合谁

角色	适合理由
细胞核分割与分类模型开发者	六类标签加统一指标，可与公开榜单对齐
病理图像标注方法研究者	半自动流水线产物，适合研究标注噪声与一致性
肿瘤微环境定量研究者	六类构成可转成切片级特征，赛后综述给出可参考的链路
挑战赛组织者	容器提交与两阶段测试的设计可直接借鉴

10.3 不适合谁

需要商业授权或需要将数据纳入闭源产品的团队；
需要肿瘤细胞与正常上皮严格区分的任务；
需要跨器官泛化的研究（数据全部为结肠）；
需要本地核验测试集表现的研究（测试集不可得）；
期望拿到大量稀有类样本做稀有细胞检测的研究（稀有类在训练集中不足两千个）。

10.4 30 秒决策卡

如果是做细胞核分割的方法研究，且能接受非商业许可，直接下载训练切块并先跑通官方评分脚本；如果是做临床特征提取，先确认自己需要的类别是否在六类覆盖范围内，否则换用别的数据；如果是做基准对比，必须先确认对方的指标口径与本榜一致，再比数字。

附录

附录 A：关键数字速查

项目	数值	口径
训练切块	4,981	官方训练发布
切块尺寸	256×256，计数区 224×224	预印本
训练核（主口径）	431,913	预印本与 Lizard 总表推算
训练核（分项合计）	434,566	预印本训练数据一节五项相加
测试核	约十万	二手来源，官方未在可及文本中给精确值
Lizard 全集	见附录 B 合计行	Lizard 论文总表
被剔除的 TCGA 部分	63,266	Lizard 论文总表
类别数	6 加背景	官方定义
空间分辨率	约 0.5 微米/像素（20 倍物镜）	Lizard 论文
赛后下游切片	1,658 张全切片	MedIA 摘要
每模型检出核	约 7 亿	MedIA 摘要

附录 B：六源逐类分布（Lizard 总表）

源	上皮	淋巴	浆	中性粒	嗜酸粒	结缔	合计
DigestPath	70,789	49,932	11,352	2,262	1,349	32,826	168,510
CRAG	99,124	27,634	9,363	1,673	1,255	49,994	189,043
GlaS	31,986	9,763	2,349	906	286	10,890	55,364
PanNuke	5,575	3,592	1,465	130	37	2,248	12,978
CoNSeP	2,898	1,317	332	70	26	1,389	6,018
TCGA	34,191	9,175	3,605	84	25	14,962	63,266
合计	244,563	101,413	28,466	4,824	3,604	112,309	495,179

本表转录自 Lizard 论文总表。GlaS 一行分项相加与其小计相差 816，判断为原表排版或转录误差；横算各行合计与论文给出的全表合计一致。

附录 C：缩写与术语表

缩写	全称或含义
CoNIC	Colon Nuclei Identification and Counting Challenge
TIA	Tissue Image Analytics，华威大学的组织图像分析中心
PathLAKE	英国病理人工智能与知识中心计划
ISBI	IEEE 国际生物医学成像研讨会
H&E	苏木精-伊红染色
WSI	全切片图像
PQ	Panoptic Quality，泛化质量，兼顾分割与实例区分
mPQ+	多类泛化质量，整集累计后对类别平均
R²	决定系数，计数任务指标
IoU	交并比，用于判定实例匹配
TP/FN/FP	真阳性、漏检、误检
Docker	容器化运行环境，本赛事的唯一提交形态
CC BY-NC-SA 4.0	知识共享署名-非商业-相同方式共享 4.0 协议
CC BY-NC-ND 4.0	知识共享署名-非商业-禁止演绎 4.0 协议
DAIMS	可发现性、可获取性、可互操作、元数据、可持续性五维评估

附录 D：口径冲突登记表

项目	口径一	口径二	判断
训练核数	主口径四十三万一千余	分项合计四十三万四千余	两者并存，差两千余；建议引用主口径并注明
数据源数量	Lizard 六源	CoNIC 训练五源	非冲突，是两个对象的属性
许可（数据）	预印本写非商业知识共享	镜像卡写 CC BY-NC-SA 4.0	实质一致，后者更具体
许可（论文）	arXiv 版 CC BY-NC-SA	HAL 版 CC BY-NC-ND	存档差异，以正式版为准
GlaS 核数小计	小计与分项相加相差 816	其余五源无此问题	原表排版误差，见附录 B
测试核数	约十万（二手）	官方可及文本未给精确值	按约数处理

附录 E：DAIMS 评估

维度	评分（1-10）	依据
D 可发现性	8	两篇论文、官方赛事页与代码仓库均可检索；数据页需注册可见
A 可获取性	6	训练切块注册后即可下载；但无直链、无 Zenodo 存档，测试集不可得
I 可互操作	7	numpy 数组与 csv 极易读入；但无 DICOM、无图像级元数据、上下左右朝向未文档化
M 元数据质量	7	形状、类型、计数口径写得清楚；训练核数一处自相矛盾，六类中一类在分项中缺失
S 可持续性	7	官方仓库自 2024 年后未更新，数据托管依赖赛事平台长期在线
综合	7.0	协议质量与数据规模是强项，获取通道与元数据自洽性是短板

附录 F：核模型训练检查清单

读入后用实例图统计每图核数，与计数表比对，量级不一致先停。
抽查十张切块，把类别图叠加到原图上，肉眼确认六类编码没有错位。
统计六类的像素占比，稀有类占比应远小于常见类；异常时检查是否把背景算进某一类。
按源图像标识分组划分训练与验证，同一源的不同切块不得跨折。
损失函数对稀有类加权时，先记录未加权基线，避免把调参收益当成架构收益。
验证阶段同时算 mPQ+（整集累计）与逐图 PQ，两者差距过大说明存在整图级失败。
计数任务单独评估时，核对标签是否只统计中心区重叠核。
输出保存为双通道 uint16，完成一次官方脚本的端到端跑通再进入大规模训练。
与上游数据集联合训练时，记录去重前后的核数变化。
论文写作时声明许可与划分方式，分列六类结果。

编辑说明

核验时间与方式：2026-10-17，由 agent-a-conic 执行。一手来源包括赛事官网（Home / Evaluation / Rules 三页）、赛事预印本 arXiv:2111.14485 摘要与正文摘录、赛后综述 arXiv:2303.06274 与《Medical Image Analysis》/HAL 摘要、Lizard 论文（ICCV 2021 Workshop）总表与正文、官方代码仓库 README 与评分脚本。

未覆盖内容：赛后综述全文所在期刊版本未开放本地抓取，因此正文未写任何参赛队伍名次、分数、参赛队伍数与提交次数；摘要层面的事实（下游切片数、每模型检出核量级、嗜酸性粒细胞与中性粒细胞相关发现）已采用。测试集核数的精确值未在可及文本中出现，正文按约数处理。赛后 WSI 级结果与各队模型的发布地址未核到。

双口径冲突：训练核数（主口径与分项合计）、数据源数量（Lizard 六源与 CoNIC 训练五源）、许可表述（数据本体与论文两版）、GlaS 行小计与分项相加，四项已逐条登记于附录 D。

版本日志：v1.0 2026-10-17 首稿。

下次复核触发点：官方仓库发布 LICENSE 文件；赛事页更新赛后提交状态；赛后 WSI 级结果公开地址公布；期刊版全文开放（届时补写名次与分数）。