信息速览

数据集名称CystoDS — 膀胱镜膀胱癌多分类图像数据集

数据类型真实世界采集,影像数据,医生标注

规模160 名患者（2016-2022 于 VAPAHCS 招募，IRB #29838/#36085 批准，签署知情同意）；8067 张图像

接入方式真实临床膀胱镜检查图像：TURBT 手术室 KARL STORZ Endoskope 硬镜（n=200）+ 门诊 Olympus 软性膀胱镜（n=8）；白光 WLC 7617 张 + 蓝光 BLC 450 张；PNG 格式、宽 252-5120 px、高 209-2880 px；含 5 大类 22 子类标签 + 768 张 ROI 分割 JSON + cystods.csv 元数据表（632,115 字节）

AI 就绪度

INFOBOX — CystoDS 一屏速览

维度内容

本质真实临床膀胱镜膀胱癌多分类图像数据集（非挑战赛、非重标注升级版，2016-2022 前瞻采集）

团队 Stanford University School of Medicine 泌尿外科 + 人工智能医学与影像中心 + 放射肿瘤科联合 Veterans Affairs Palo Alto Health Care System（VAPAHCS）

论文 Sci Data 13, 528 (2026)（doi:10.1038/s41597-026-06887-z；PMID 41741508；Open Access）

数据 8067 张图像 / 160 患者 / 5 大类 22 子类 + 768 张 ROI 分割标注

类别 Malignant / Non-malignant / Anatomical landmarks / Foreign bodies / Normal mucosa

模态白光 WLC 7617 + 蓝光 BLC 450（KARL STORZ 硬镜 n=200 + Olympus 软镜 n=8）

标签来源 病理确诊驱动——先确立临床与病理诊断，再据确诊 ROI 标注图像

基准任务 ROI 二分类（ROI vs non-ROI，将五类归并），患者级 70:15:15 划分无跨集泄漏

内部验证 Swin-Transformer-Large acc 0.831 / F1 0.856（四骨干中最佳）

外部验证 Swin 迁移至 Lazo et al. 独立膀胱内镜数据集（Zenodo 7741476）无微调 acc 0.873 / F1 0.862

获取 Open Science Framework 公开直链（osf.io/xvdhy，Download As Zip，无需申请）

许可 CC BY 4.0（数据与论文同源全链开放，本库少见）

代码 GitHub liaolabsu/CystoDS（MMPRETRAIN 实现，checkpoint 经 Google Drive）

库内互链 HyperKvasir（693）、PolypGen（183）、GastroVision（203）、gastroendonet（780）、polypdb（779）、panda-plus（640）

CystoDS 是泌尿肿瘤内镜领域少见的"全链开放"数据集：它把 160 名膀胱癌患者在 2016-2022 年间接受膀胱镜检查留下的 8067 张真实临床图像，按"恶性 / 非恶性 / 解剖标志 / 异物 / 正常黏膜"五大类、二十二子类体系全部标注，其中 768 张还附有专家泌尿科医师审阅的病灶区（ROI）分割；数据与论文双双以 CC BY 4.0 在公开平台上发布，无需申请即可下载。它要解决的核心问题是：膀胱镜下的病灶判读高度依赖术者经验，而公开可用的膀胱镜图像数据长期稀缺且规模偏小——CystoDS 用"病理确诊驱动标签"的方式给出了一份规模可观、标注可信、许可开放的训练底座。

导语读法三则：

只想下数据：直奔 §6 获取与许可——OSF 一键 Download As Zip，CC BY 4.0，无申请门槛，是全库最容易拿到的泌尿内镜数据集之一。
关心标注质量：直奔 §2 数据构成与 §3 标注流水线——病理确诊驱动标签与去标识流程是这份数据可信度的根基。
做模型选型或跨库评测：直奔 §5 基准结果——Swin 的内部 0.831/0.856 与外部无微调 0.873/0.862 是现成的对标锚点。

§0 导读：这个数据集解决什么问题

膀胱癌是全球高发泌尿系统恶性肿瘤，膀胱镜检查既是诊断金标准、也是术后随访的核心手段。但膀胱镜判读有三个老大难：一是病灶与非病灶高度相似——正常黏膜、炎症、瘢痕、手术床与真正的恶性病灶在视野里常常只有细微色差与血管纹理之别；二是数据稀缺——出于隐私与伦理，公开可用的真实膀胱镜图像数据集长期屈指可数，此前多数 AI 研究只能依赖小规模私有数据或非膀胱部位的内镜数据迁移；三是标注口径混乱——同一张图在不同研究里可能被切成"有癌/无癌"二分类、也可能需要细分到解剖标志与异物，缺少统一的多层级标签体系。

CystoDS 的回答分三层。第一层是数据规模与真实性：8067 张图像全部来自真实临床膀胱镜检查（不是合成、不是挑战赛模拟），覆盖 160 名患者、白光与蓝光两种成像模态，图像尺寸从 252×209 到 5120×2880 不等,完整保留了临床采集的多样性。第二层是标签体系与可信度：建立"5 大类 22 子类"的多层级标签，且标签不是事后凭图像硬标，而是先确立临床与病理诊断、再据确诊的 ROI 标注图像——这让"恶性"标签背后有病理依据，是本数据集可信度的关键设计。第三层是可用性验证：团队用四个主流骨干做了 ROI 二分类技术验证（Swin-Transformer 内部 acc 0.831 / F1 0.856），并进一步把它迁移到一份完全独立的膀胱内镜数据集上做无微调外部验证（acc 0.873 / F1 0.862），证明这份数据是真的"可训练、可泛化"，而非仅停留在标注层面。

§0 读法三则：

这个条目是"数据集+基准论文+开源代码"三合一：本体 8067 张图像在 OSF，技术验证结论与划分方案在论文，训练实现与 checkpoint 在 GitHub——三者许可统一为开放口径（§6）。
全文类别计数以论文 Fig.3 caption 口径（998/221/211/251/6386）为主，技术验证章节的 994/421/41 口径差异已在坑 2 与 §9 存照。
检索时若把"CystoDS"与"cysto-bladder"混为一谈需谨慎：后者是池内同源视频版条目（已 rejected），两者是独立条目、独立数据形态（本条目为静止图像+分割标注，见 §9）。

§1 数据集速览：十问十答

Q1：CystoDS 的"8067 张 / 160 患者"从哪来？
全部来自 2016-2022 年间在 Veterans Affairs Palo Alto Health Care System（VAPAHCS）接受膀胱镜检查的膀胱癌患者。研究通过 IRB #29838 与 #36085 批准，160 名受试者签署知情同意。图像由 TURBT 手术室的 KARL STORZ 硬镜（n=200）与门诊的 Olympus 软性膀胱镜（n=8）采集，另有部分静止图用 macOS 截屏配合 FFmpeg 从视频中提取。

Q2：图像是什么规格？
PNG 格式，属于原始临床采集范围：宽度 252–5120 px、高度 209–2880 px，单张文件大小 44–8787 KB，中位约 95 KB。分辨率跨度大说明数据未做强统一裁剪或缩放,保留了采集时的真实多样性，也意味着使用者需要自行设计预处理。

Q3：标签体系是什么？
两层：5 大类——malignant（恶性）、non-malignant（非恶性）、anatomical landmarks（解剖标志）、foreign bodies（异物）、normal mucosa（正常黏膜）；22 子类——malignant 4 个（LowGradePapillary / HighGradePapillary / CIS / PreMalignant）、non-malignant 8 个、anatomical landmarks 6 个、foreign bodies 4 个、normal mucosa 无子类（NA）。注意 22 子类对应的是后四个"非正常"大类，不包含 normal mucosa 的进一步细分。

Q4：标签可靠吗，谁标的？
标签设计是 CystoDS 的核心卖点：先有临床与病理诊断，再标注图像。即恶性/非恶性的图像标签来自经病理确诊的 ROI 区域,而非仅凭镜下目视判断;团队另经标准化重命名流程统一子类命名。768 张 ROI 分割由专家泌尿科医师审阅后以 JSON 保存。另有 12 个 ROI 属于"病理低级别伴局灶高级别"的复合标签。

Q5：白光和蓝光是什么关系？
膀胱镜有两种主流成像模态：白光膀胱镜（WLC）用普通白光观察，蓝光膀胱镜（BLC）借助荧光显影增强对某些病灶（尤其 CIS）的对比度。CystoDS 收录 WLC 7617 张 + BLC 450 张，比例约 17:1。蓝光子集规模偏小，适合分析但不适合单独训练稳健模型。

Q6：类别分布均衡吗？
不均衡。正常黏膜 6386 张约占 79%，而恶性 998、非恶性 221、解剖标志 211、异物 251 合计不到两成。这符合真实临床场景（大部分视野是正常黏膜），但对建模是挑战——直接训练会被多数学类主导，少数类需要重采样、加权或专门设计。

Q7：技术验证是怎么做的？
团队把五类归并为二分类问题——ROI（含恶性 994 + 非恶性 221）vs non-ROI（含解剖标志 421 + 异物 41 + 随机抽取的正常黏膜 540），按患者级 70:15:15 划分（train 1772 图/128 患者，val 226 图/15 患者，test 219 图/17 患者），保证同一患者不跨子集。四个骨干 ResNet-152 / ResNeXt / HRNet / Swin-Transformer-Large 中，Swin 最优。

Q8：外部验证又说明了什么？
团队把在 CystoDS 上训练的模型不做任何微调直接迁移到 Lazo et al. 的另一份独立膀胱内镜数据集（Zenodo 7741476）上测试，Swin 达到 acc 0.873 / F1 0.862——比内部验证还高。这条跨库泛化证据说明模型学到的不只是 CystoDS 的采集特异性，而具有可迁移的膀胱镜病理特征。

Q9：我现在能拿到什么？
一次性拿到全部：OSF 节点 osf.io/xvdhy 以公开直链提供 images/（8067 PNG）+ segmentations/（768 JSON）+ cystods.csv（元数据）+ 数据字典 + README，支持 Download As Zip，无需申请；代码在 GitHub liaolabsu/CystoDS。数据集与论文均为 CC BY 4.0。

Q10：为什么它对 AI-Ready 重要？
它是"真实临床 + 病理确诊驱动标签 + 多层级多分类 + 全链 CC BY 4.0 开放"的组合样本：标签可信度来自病理而非目视、许可开放度在医学影像数据集里属于第一梯队、且带有现成的跨库泛化基准。对做内镜 AI 的团队而言，它是一个可以直接下载、直接对标、并有意愿产出的高质量起点。

§2 数据构成与规格：8067 张图里装了什么

CystoDS 的目录结构极简，规模却横跨真实临床采集的全部变量：8,067 张膀胱镜图像、160 名患者、5 大类 / 22 子类标签、768 张 ROI 分割标注。理解这个数据集的关键，是把"有什么文件"与"每个文件带了什么临床语义"分开看——它的价值不在图像数量本身（8000 余张在医学影像里只算中等），而在于每张图背后挂着一条从患者到访视到病理诊断的结构化证据链。

2.1 一句话规格表

维度	规格
图像总数	8,067 张 PNG
患者总数	160 名（2016–2022 于 VAPAHCS 招募）
类别层级	5 大类 / 22 子类（子类不含 normal mucosa）
分割标注	768 张 ROI 分割（JSON，专家泌尿科医师审阅）
成像模态	WLC 白光 7,617 张 + BLC 蓝光 450 张
图像尺寸	宽 252–5,120 px、高 209–2,880 px
文件大小	44–8,787 KB，中位约 95 KB
访视次数	1–7 次/患者（1 访 83 人最多，7 访仅 1 人）
采集设备	KARL STORZ 硬镜 n=200 + Olympus 软镜 n=8
许可	CC BY 4.0（数据与论文同源）

这张表的每一行都在后文有展开。需要立刻记住的是三条反差：图像数量中等但语义密度高、尺寸跨度极大但未做强裁剪、类别严重不均衡（正常黏膜独占 79%）。

2.2 三类文件：images / segmentations / metadata

OSF 节点 osf.io/xvdhy 下的目录组织是"图像 + 掩码 + 元数据表"三件套：

images/：8,067 张 PNG，文件名经 R 的 ids 包随机化，不含任何患者标识；
segmentations/：768 个 JSON，每条记录对应一张图上的一个或多个 ROI 多边形，由专家泌尿科医师审阅确认；
cystods.csv：元数据主表（632,115 字节），每行 = 一张图，列携带全部临床与标注变量；
cystods_dictionary.csv：数据字典（1,400 字节），解释列含义；
README.txt：646 字节，说明目录结构与 CC BY 4.0 许可。

这条组织方式的含义是：图像、像素级掩码、结构化标签三者通过文件名一一对齐，使用者无需自行做图像与标签的匹配工程，下载解压后即可构建 (image, label, mask) 三元组。对 AI-Ready 而言，"标签与图像天然对齐"是最省成本的设计之一。

注意：cystods_dictionary.csv 的完整字段枚举未在本条目的抓取过程中取得（OSF 直链返回 403，按低中断纪律未反复重试），因此变量清单以论文 Table 1 与正文为准，见 §2.5 与 §9 存照。

2.3 图像规格：为什么尺寸跨度这么大

CystoDS 的图像没有做统一裁剪或缩放，保留了原始采集的像素多样性：

宽度 252–5,120 px，跨度约 20 倍；
高度 209–2,880 px，跨度约 14 倍；
文件大小 44–8,787 KB，中位仅约 95 KB。

尺寸差异来自采集路径的不同：TURBT 手术室的 KARL STORZ 硬镜输出与门诊 Olympus 软镜输出分辨率不同，且部分静止图是用 macOS 截屏配合 FFmpeg 从视频流中提取的，截取区域与帧质量各异。低分辨率图像多为视频抽帧的局部画面，高分辨率图像则来自设备直出的整数倍缩放画面。

这种"不规整"是双刃剑。好处是模型无法依赖固定的分辨率捷径，训练出的表示更接近真实临床的成像分布；代价是使用者必须自行设计预处理流水线——统一 resize 到固定边长、保持宽高比的 letterbox、还是多尺度训练，都需要按任务决定。CystoDS 把这个决策权留给了使用者，这也是它"原始性"的一个侧面。

2.4 模态构成：WLC 与 BLC 的 17:1

膀胱镜有两种主流成像模式，CystoDS 同时收录：

WLC（white light cystoscopy，白光膀胱镜）：7,617 张，占绝对多数；
BLC（blue light cystoscopy，蓝光膀胱镜）：450 张，占比约 6%。

蓝光膀胱镜借助荧光显影剂（如氨基乙酰丙酸）增强病灶尤其是**原位癌（CIS）**的对比度，让原本在白光下难以察觉的扁平病灶显现为红色荧光区。临床上 WLC 与 BLC 常配合使用，BLC 用于补充发现。

CystoDS 中 450 张 BLC 虽少，但价值不成比例地高：CIS 类样本本身就稀缺，而 BLC 恰是捕获 CIS 的主要手段。对做 CIS 检测或模态融合研究的团队而言，这 450 张是难得一见的真实 BLC 数据。需要注意的是，BLC 子集规模不足以单独训练稳健模型，更合理的用法是作为 WLC 主训练的增强或作为模态特异性的分析子集。

2.5 类别体系：5 大类与 22 子类的完整明细

CystoDS 的标签是两层结构：5 个大类提供粗粒度语义，22 个子类提供细粒度病理与解剖细节。完整清单如下。

大类一 · Malignant（恶性）— 4 子类

按 NMIBC（非肌层浸润性膀胱癌）指南组织：

LowGradePapillary：低级别乳头状尿路上皮癌；
HighGradePapillary：高级别乳头状尿路上皮癌；
CIS：原位癌（carcinoma in situ），扁平原位病灶；
PreMalignant：癌前病变，涵盖 UPUMP / PUNLMP 等。

大类二 · Non-malignant（非恶性）— 8 子类

涵盖炎症、退变、良性增生与良性肿瘤：

BenignNOS：良性病变，未另作分类；
InflammationNOS：炎症，未另作分类；
CCG：颗粒细胞瘤（clinical/cytologic granular 类病变的口径）；
Denuded：黏膜剥脱；
UrothelialPapilloma：尿路上皮乳头状瘤（良性）；
SquamousMetaplasia：鳞状化生；
NephrogenicAdenoma：肾源性腺瘤；
BenignRare：其他罕见良性病变。

大类三 · Anatomical landmarks（解剖标志）— 6 子类

这些是"正常解剖结构被器械或手术改变后"的标志物，本身非病变，但在膀胱镜中反复出现：

UreteralOrifice：输尿管口；
ResectionBed：电切床（TURBT 术后创面）；
ResectionScar：电切瘢痕；
ProstaticUrethra：前列腺部尿道；
Trabeculation：膀胱壁小梁化；
Diverticulum：憩室。

大类四 · Foreign bodies（异物）— 4 子类

这些是器械或操作引入的伪影与异物：

AirBubble：气泡；
ResectionLoop：电切环；
BiopsyForcep：活检钳；
Stent：输尿管支架。

大类五 · Normal mucosa（正常黏膜）— 无子类（NA）

正常黏膜不再细分，子类字段标记为 NA。

关于"22 子类"的口径澄清：4 + 8 + 6 + 4 = 22，正好等于论文所述 22 子类。这意味着 22 子类分布在 malignant / non-malignant / anatomical landmarks / foreign bodies 这四个大类之下，normal mucosa 因为不再细分而不贡献子类。阅读"CystoDS 有 5 大类 22 子类"时，不要误以为每个大类平均分配子类——normal mucosa 是单层结构。此点已在 §9 存照。

2.6 类别分布：79% 是正常黏膜

按论文 Fig.3 caption 口径，五类的图像计数为：

大类	图像数	占比	备注
Normal mucosa	6,386	≈79.2%	压倒性多数
Malignant	998	≈12.4%	临床最关心
Foreign bodies	251	≈3.1%	器械伪影
Non-malignant	221	≈2.7%	良性病变
Anatomical landmarks	211	≈2.6%	解剖标志
合计	8,067	100%	—

分布极度不均衡。正常黏膜 6,386 张独占近八成，而恶性 998、非恶性 221、解剖标志 211、异物 251 合计不到两成。这符合真实临床场景——膀胱镜视野下大部分画面确实是正常黏膜，病变是稀疏事件。但对建模而言，这种分布会带来典型的类别不均衡问题：若直接以全量数据训练，模型会倾向于把大部分图预测为正常黏膜以获得高准确率，而牺牲少数类的召回。

CystoDS 团队在技术验证中的应对方式是重采样：二分类归并时，从 6,386 张正常黏膜中随机抽取 540 张（约 10%）作为 non-ROI 组的一部分，以平衡两类规模。这是在不改变原始数据的前提下做类别平衡的标准做法，也暗示使用者若要直接做五分类，需要自行设计加权或重采样策略。

2.7 访视分布：同一患者被反复拍

160 名患者的访视次数分布揭示了这个队列的临床性质：

访视次数	患者数
1 次	83
2 次	57
3 次	14
4 次	3
5 次	2
7 次	1

近半数患者（83/160）只做了一次检查，其余患者被随访 2 次及以上，最多的一位被拍摄了 7 次。多次访视的根源是膀胱癌的高复发性——NMIBC 术后需要定期膀胱镜复查，一旦发现复发就要再次随访。因此同一患者在不同访视中的图像，可能反映疾病进展（从正常到复发、从低级别到高级别）或术后愈合过程（从电切床到瘢痕）。

这带来两个使用要点：

划分必须按患者，不能让同一患者的不同访视图像分散到训练集与测试集，否则会造成数据泄漏。CystoDS 团队的技术验证正是采用患者级 70:15:15 随机划分（§5 详述）。
同一患者的多访视图像天然构成时间序列，可用于研究病变演变，但本数据集并未显式提供纵向分析工具，访视字段（visit）是唯一的时序线索。

2.8 采集设备与去标识

采集设备：

KARL STORZ Endoskope（n=200，Tuttlingen, Germany）：用于 TURBT 手术室，属于硬性膀胱镜系统；
Olympus（n=8，Tokyo, Japan）：用于门诊软性膀胱镜检查；
部分静止图像由 macOS 截屏 + FFmpeg 从视频中提取。

去标识流程：

用 R 的 ids 包生成随机文件名，杜绝患者身份信息通过文件名泄漏；
分配随机患者 ID（pid），替代真实病历号；
原始文件名中的 PHI（受保护健康信息）被清除。

这套去标识是"发布前完成"的，意味着使用者拿到的 OSF 数据已经不含直接标识符。伦理层面，研究经 IRB #29838 与 #36085 批准，仅协议主任及其训练人员可访问原始可识别数据，公开版本是被净化后的子集。这是医学影像数据集合规发布的典型流程：原始可识别数据留在机构内，去标识后的图像与结构化标签开放共享。

2.9 本节要点

CystoDS = 8,067 张 PNG + 768 JSON 分割 + 结构化元数据表，三者以文件名对齐，无需自行匹配；
图像不做统一裁剪缩放，尺寸跨度大（252–5,120 px 宽），保留了原始采集多样性，但把预处理责任交给使用者；
WLC 7,617 + BLC 450，蓝光虽少但对 CIS 研究价值高；
标签是 5 大类 / 22 子类两层结构，22 子类不含 normal mucosa；
类别严重不均衡（正常黏膜 79%），直接训练需重采样或加权；
患者多访视（最多 7 次），划分必须按患者以避免泄漏；
采集设备以 KARL STORZ 硬镜为主，去标识用 ids 包 + 随机 pid，PHI 已清除。

§3 标注与流水线：标签为什么可信

如果 §2 回答的是"CystoDS 里有什么"，§3 要回答的是一个更关键的问题：这些标签为什么可信？ 医学影像数据集的常见痛点是标签来源模糊——谁标的、依据什么标的、标注者之间是否一致，往往语焉不详。CystoDS 的差异化在于它把标签的证据来源讲清楚了：不是"泌尿科医生看图判断"，而是"先有病理确诊，再据此标注图像"。

3.1 标注哲学：病理确诊驱动，而非目视判断

CystoDS 的标注流程有一条明确的主线：先确立临床与病理诊断，再标注图像。

这意味着：当一张图像被标为 HighGradePapillary 时，不是标注者"看图觉得是高级别"，而是该 ROI 区域已经过病理组织学确诊为高级别乳头状尿路上皮癌，图像标签是这一诊断的视觉对应。同理，CIS 标签对应的是经病理确认的原位癌区域，LowGradePapillary 对应病理确认的低级别病灶。

为什么这个顺序重要？因为在膀胱镜下，某些病灶的目视判断可靠性有限：

低级别与高级别乳头状病变在镜下可能外观相似，仅凭视觉难以稳定区分；
CIS 是扁平病灶，白光下常不易察觉，目视漏诊率高；
炎症与恶性在某些情况下外观重叠。

把标签锚定在金标准病理上，等于用组织学真相为图像标签背书，大幅提升了标签的临床可信度。这也是 CystoDS 区别于许多"医生目视打标"数据集的核心卖点。

3.2 标注流程：从 ROI 到标签

完整流程可抽象为四个环节：

临床采集：2016–2022 年间在 VAPAHCS 对 160 名患者做膀胱镜检查，记录 WLC/BLC 图像与访视信息；
病理确诊：对可疑区域取活检或手术切除，由病理科给出组织学诊断（决定该 ROI 的真实类别）；
ROI 标注：在对应图像上勾画感兴趣区域（ROI），把病理诊断映射为图像标签；
标准化重命名：统一子类命名口径（例如将各类炎症统一归入 InflammationNOS、各类良性罕见病变归入 BenignRare），保证标签体系的一致性。

流程的第 4 步常被忽视但很关键：真实临床的病理报告用词是自由文本且高度不统一，直接作为机器学习标签会引入噪声。CystoDS 团队通过标准化重命名把自由文本诊断收敛为受控的 22 子类体系，这是把临床数据转化为 AI-Ready 标签的必要一步。

3.3 元数据变量：每张图挂了什么

cystods.csv 中每个图像行携带的变量构成了这台数据集的"语义骨架"。根据论文 Table 1 与正文，主要变量包括：

变量	含义
`class`	大类（malignant / non-malignant / landmarks / foreign / normal mucosa）
`subclass`	子类（22 子类之一，normal mucosa 为 NA）
`subclass2`	二级子类（补充细分）
`stage`	肿瘤分期
`morphology`	形态（papillary 乳头状 / non-papillary 非乳头状）
`multifocal`	多灶性（“2-7” 或 “8+”，指示病灶数量）
`bca`	是否与膀胱癌（bladder cancer）关联（1/0）
`modality`	成像模态（WLC / BLC）
`JSON`	是否有对应分割标注（1/0）
`ROI`	ROI 编号
`visit`	访视序号

这套变量的设计值得细看。stage + morphology 让标签不止于"是不是癌"，还带有分期与形态信息，可用于研究分期相关的视觉特征；multifocal 记录病灶多灶性（2-7 个 / 8+ 个），反映膀胱癌"多中心发生"的临床特征；bca 是一个二值字段，明确标记该图是否与膀胱癌相关，便于快速构建癌症 vs 非癌症的子任务；JSON 字段是一张图是否有 ROI 掩码的开关，让使用者能一眼筛出 768 张有分割的图。

把这些变量组织起来，CystoDS 支持的下游任务至少有：五分类 / 二分类（癌 vs 非癌）/ ROI vs non-ROI / 分割 / 模态分析 / 分期与形态的关联分析。

3.4 分割标注：768 个专家审阅的 ROI

CystoDS 提供 768 张 ROI 分割标注，以 JSON 格式存储。这些分割有一个关键属性：由专家泌尿科医师审阅确认，而非众包或自动生成。

768 张相对 8,067 张总数约占 9.5%——并非所有图像都有像素级掩码。这个比例是合理的：像素级分割标注成本极高（每位专家逐图勾画），因此团队选择在代表性 ROI 上做精细标注，而非全量。

有分割的 768 张图的用途包括：

训练/评估病灶分割模型（自动勾画 ROI）；
作为弱监督或多任务学习的辅助信号（用分割掩码提升分类性能）；
分析病灶形态学（面积、边界不规则度与病理级别的关联）。

JSON 格式的分割便于程序化解析，可转为掩码图或 COCO / RLE 等常见格式。需要注意不同图像上的 ROI 数量可能不同，一条 JSON 记录可含多个多边形。

3.5 复合标签：12 个"低级别伴局灶高级别"

CystoDS 明确记录了一类复合病理标签：12 个 ROI 属于"病理低级别伴局灶高级别乳头状尿路上皮癌"。

这是真实病理中常见的复杂情况——整块病灶以低级别为主，但其中局灶区域已进展为高级别。临床上这种"混合级别"会影响治疗决策（高级别成分往往意味着更差的预后）。在标签体系中，这类 ROI 无法简单归入单一子类，因此需要复合标注来保留其双重性质。

对使用者而言，这 12 个 ROI 是一个提醒：真实病理标签存在边界模糊样本，任何追求 100% 标签纯净度的假设都不现实。同时，这也是研究"混合级别病灶视觉特征"的宝贵样本。

3.6 标注质控：可推断的质量保障

任务头与抓取材料未直接披露标注者间一致性（inter-annotator agreement）等定量质控指标，但从流程设计可推断出几层质量保障：

病理金标准背书：恶性/非恶性的图像标签锚定在组织学诊断上，而非标注者主观判断；
专家审阅：768 张分割经专家泌尿科医师审阅；
标准化重命名：用受控词表收敛自由文本诊断，降低标签噪声；
多机构数据：Stanford + VAPAHCS 联合，数据覆盖手术室与门诊两种采集场景。

这些设计共同支撑了 CystoDS "标签可信"的定位。当然，缺少量化的一致性指标是一个可讨论的局限，已在 §9 存照为待核项。

3.7 本节要点

标注核心是病理确诊驱动：标签来自经组织学确诊的 ROI，而非目视判断，这是可信度的根本；
流程四步：临床采集 → 病理确诊 → ROI 标注 → 标准化重命名；
元数据含 class/subclass/stage/morphology/multifocal/bca/modality/JSON/ROI/visit 等变量，支持多任务；
768 张专家审阅的 ROI 分割（JSON），约占总数 9.5%，用于分割与多任务；
12 个复合标签 ROI（低级别伴局灶高级别）体现了真实病理的边界模糊性；
质量保障来自病理金标准 + 专家审阅 + 标准化命名 + 双机构数据，但缺量化一致性指标（待核）。

§4 比较发现：CystoDS 在内镜图像数据集谱系中的位置

CystoDS 的价值，只有放进"内镜图像数据集家族"里才看得清。它既不是体量最大的，也不是类别最细的，而是在膀胱镜这一稀缺模态与多分类标注口径上填补了空白。本节用四个对照维度（模态、类别体系、规模、许可与获取）横向比对库内与论文直接引用的同类数据集，并显式标注可比与不可比之处。

4.1 为什么"膀胱镜"是稀缺模态

内镜影像数据集的绝大多数集中在下消化道（结肠镜息肉）与上消化道（食管、胃）。原因很直接：结肠镜筛查人群基数大、息肉标注相对标准化、公开挑战赛（如 Kvasir 系列、PolypGen）推动了大规模共享。相比之下，膀胱镜存在三重门槛：

患者量小：膀胱癌虽常见，但单中心能贡献的图像量远不及结肠镜筛查项目；
模态特殊：膀胱腔内为液态环境，白光反射与气泡干扰强，病灶边界模糊度高于息肉；
隐私敏感：泌尿生殖道图像的伦理与去标识要求更高，公开数据集罕见。

CystoDS 以 8067 张 / 160 患者的规模，成为库内少见的膀胱镜来源数据集，与结肠镜、胃镜、胶囊内镜条目形成互补而非竞争关系。这也是它最核心的差异化定位。

4.2 与库内内镜家族的横向对照

下表以论文直接引用或同模态近似为依据，列出 CystoDS 与库内主要内镜数据集的对照。数字均以各条目/论文公开口径为准，口径不完全可比之处已在末列标注。

数据集	rid	模态 / 场景	规模（标注）	分类体系	许可
CystoDS（本条目）	—	膀胱镜（WLC+BLC）	8067 图 / 160 患者 / 768 分割	5 大类 22 子类	CC BY 4.0
HyperKvasir	693	上下消化道内镜	10662 分类 / 1000 分割	多类（含解剖、病理、器械）	CC BY 4.0
PolypGen	183	结肠镜（多中心）	8037 检测 / 1537 分割	息肉检测/分割	CC BY 4.0
GastroVision	203	上下消化道内镜	8000 分类 / 0 分割	多类	CC BY 4.0
polypdb	779	结肠镜（三中心五模态）	大规模息肉图	息肉检测/分割	见条目
gastroendonet	780	胃镜/结肠镜	四分类内镜图	四分类	见条目
Kvasir-SEG	112	结肠镜	1000 分割	息肉分割	CC BY 4.0
Kvasir-Capsule	123	胶囊内镜视频	大规模视频帧	多类	CC BY 4.0
Kvasir-Instrument	213	内镜器械	590 器械分割	器械分割	CC BY 4.0
LDPolypVideo	163	结肠镜视频	大规模检测	息肉检测	见条目
BKAI-IGH NeoPolyp	84	结肠镜	息肉分割	息肉分割	见条目
EndoMapper	428	结肠镜（完整标定）	标定手术数据集	定位/重建	见条目
EndoSLAM	408	消化道 SLAM	定位建图	定位/重建	见条目
Endoscapes	353	腹腔镜	安全视野评估	视野评估	见条目

对照结论：

在规模上，CystoDS（8067 图）与 HyperKvasir（10662）、PolypGen（8037）、GastroVision（8000）同处"数千至一万量级"，属中大型；
在模态上，CystoDS 是上表中唯一以膀胱镜为唯一模态的数据集，其余全部集中于消化道或腹腔；
在分类体系上，CystoDS 的"5 大类 22 子类"是上表中层级最深的多分类结构（GastroVision、HyperKvasir 多为单层多类），这源于其"病理确诊驱动"的子类体系。

4.3 与论文直接引用数据集的定位差异

论文在对照与外部验证中明确引用了三个内镜数据集，CystoDS 与它们的关系需要逐一说清：

HyperKvasir（rid 693）：胃肠道内镜多类数据集，是"内镜多分类"范式最接近的同类项。差异在于解剖部位（消化道 vs 膀胱）与子类深度（CystoDS 更深）。二者适合作为"跨解剖部位多分类"的对照组。
PolypGen（rid 183）：多中心息肉检测/分割泛化基准，其"多中心"设计是 CystoDS 单中心局限的对照。二者共同点在于都关注泛化，但 PolypGen 用多中心内部分裂验证泛化，CystoDS 用跨库外部验证（见 §5）。
GastroVision（rid 203）：上下消化道多类分类数据集，与 CystoDS 的"多类分类"任务形态最一致，可直接作为"内镜多类分类"任务族的方法迁移参照。

4.4 与库内其它泌尿/肿瘤影像条目的关系

CystoDS 属于"泌尿系统肿瘤影像"，库内同域条目包括：

PANDA / PANDA-PLUS（rid 27 / 560 / 640）：前列腺癌 Gleason 分级，属数字病理而非内镜；与 CystoDS 共享"泌尿肿瘤 + AI"主题，但模态、任务、标注范式完全不同，属主题邻近、方法不可直接迁移。
Prostate158 / PROSTATEx（rid 703 / 704 / 554）：前列腺 mpMRI 病灶分类，属放射影像；与 CystoDS 的关系同 PANDA——同域不同模态。
UniToPatho（rid 701）：结直肠数字病理，跨癌种但同属"病理分类"方法族。

要点：CystoDS 与这些条目的互链价值在主题聚类（泌尿/肿瘤 AI 数据集）与方法对照（不同模态的分类范式差异），而非数据层面的直接可比。

4.5 一个容易被忽略的对照：cysto-bladder（同源视频版）

任务头特别提示池内存在 cysto-bladder（已 rejected，同源视频版）。本条目查重已确认（见 §9 与 FACTS.md §1）：CystoDS 与 cysto-bladder 是同源团队/同源数据的两个不同产物——CystoDS 是静止图像多分类数据集（OSF 发布，图像 + 分割 + 元数据），而 cysto-bladder 被描述为"视频版"。

二者的差异决定了它们不能合并为一条：

数据形态不同：图像 vs 视频帧/视频序列；
可获取性不同：CystoDS 为公开 CC BY 4.0 直链，cysto-bladder 未成条（rejected）；
命名独立：slug 不同，无双写风险。

在正文中明确这一区别，可避免读者误以为二者是同一数据集的重复收录。

4.6 本节要点

CystoDS 的核心差异化在膀胱镜这一稀缺模态 + 最深的 5 大类 22 子类层级；
与库内内镜条目是互补关系：消化道/腹腔数据集解决"肠、胃、胆"问题，CystoDS 补"膀胱"；
与 PANDA/Prostate158 等泌尿条目是同域不同模态，主链价值在主题聚类而非方法迁移；
与论文引用的 HyperKvasir/PolypGen/GastroVision 构成"多分类 / 多中心泛化 / 多类分类"三条对照线；
与 cysto-bladder（同源视频版，已 rejected） 必须显式区分，二者是图像 vs 视频的不同产物，不可合并。

§5 基准：从内部验证到跨库泛化

CystoDS 论文没有把自己定位成"挑战赛排行榜"，而是用一套自建二分类验证 + 一次跨库外部验证回答一个朴素问题：这个数据集能不能直接用来训练出可泛化的模型？ 本节按"任务定义 → 数据划分 → 模型与结果 → 外部验证 → 结论与边界"五步还原这条证据链，并逐条标注口径。

5.1 验证任务：为什么是 ROI vs non-ROI 二分类

CystoDS 原生是 5 大类 22 子类多分类。但论文用于技术验证的，是一个归并后的二分类任务：ROI（病灶/感兴趣区）vs non-ROI（非感兴趣区）。

这一设计选择的理由：

临床映射：膀胱镜 AI 的首要临床用途是"提示有没有可疑病灶"，这正是 ROI 检测的二分类问题；
类别平衡：5 类原生分布极不均衡（正常黏膜约占 79%），直接多分类会淹没少数类；归并成 ROI/non-ROI 后可做类别平衡；
可复现：二分类便于跨模型、跨库横向比较，也便于外部验证直接迁移。

需要强调：这是一个"技术验证任务"，而非数据集的全部用途。原生 5 类 22 子类标签仍然完整保留在 cystods.csv 中，研究者可自建多分类任务。

5.2 数据划分：患者级 70:15:15

论文采用 70:15:15 的患者级随机划分，关键点在于"患者级"——同一患者的所有图像只进同一个子集：

子集	图像数	患者数	占比
训练集 train	1,772	128	70%
验证集 val	226	15	15%
测试集 test	219	17	15%

为什么患者级划分至关重要：膀胱镜往往一次检查采集同一患者的数十张图像，若按图像随机划分，同一患者的相似图像会同时出现在训练与测试集，造成数据泄漏，使测试指标虚高。患者级划分从根本上阻断了这一泄漏路径，是本数据集方法学上的一个正面示范，值得库内其它内镜条目参照。

5.3 二分类的归并口径（务必留意双口径）

将 5 类归并为 ROI / non-ROI 时，论文正文给出的口径是：

ROI 组 n = 1,215：malignant 994 + non-malignant 221；
non-ROI 组 n = 1,002：anatomical landmarks 421 + foreign bodies 41 + 随机抽取 normal mucosa 540。

这里出现了一处双口径冲突（已存照，见 FACTS.md §9）：Fig.3 caption 记 landmarks 211 / foreign 251，而技术验证章节记 landmarks 421 / foreign 41。两组数字各自内部自洽（211+251 与 421+41），但互不相同，疑似正文笔误或不同筛选口径。

本条目处理原则：

类别主口径以 Fig.3 caption 的 998 / 221 / 211 / 251 / 6386 为准（这是数据集类别分布的权威描述）；
技术验证口径（1,215 vs 1,002）按正文陈述保留，并明确标注其与 Fig.3 的差异；
特别地，non-ROI 组中 normal mucosa 仅随机抽取 540 张（约占 6386 的 10%），是有意的类别平衡，不是数据缺失——这也解释了为何验证集数字小于全集。

5.4 模型与内部验证结果

论文用 OpenMMLab MMPRETRAIN 框架实现四种骨干网络，在患者级测试集上评估：

模型骨干	内部验证 Accuracy	内部验证 F1
ResNet-152	0.731	0.753
ResNeXt	0.767	0.794
HRNet	0.781	0.789
Swin-Transformer-Large	0.831	0.856

Swin-Transformer-Large 在内部验证上显著领先，其补充指标为：

Sensitivity（召回） 0.846；
Specificity 0.809；
Precision 0.866。

如何解读：Swin 的层次化窗口注意力机制能在不同尺度上捕捉病灶与周围黏膜的关系，这对膀胱镜这种"病灶边界模糊、上下文依赖强"的图像尤其有效；相比之下，ResNet/ResNeXt 的固定卷积感受野与 HRNet 的高分辨率保持策略，在此任务上略逊一筹。这一排序与内镜图像分类的普遍经验一致。

5.5 外部验证：跨库迁移的"压力测试"

内部验证只证明"能拟合与自测"，外部验证才证明"能泛化"。论文的关键实验是：把在 CystoDS 上训练好的模型，不做任何微调（fine-tuning），直接迁移到 Lazo et al. 的独立膀胱内镜数据集（Zenodo 7741476，1754 图 / 23 患者 / 无分割）上评估。

结果：

模型	外部验证 Accuracy	外部验证 F1
Swin-Transformer-Large	0.873	0.862

这一结果的意义：

外部指标（0.873 / 0.862）甚至高于内部测试集（0.831 / 0.856），说明模型学到的不是 CystoDS 的过拟合特征，而是可迁移的病灶表征；
迁移到完全独立的另一个数据源、另一批患者、另一套采集流程上仍保持高水平，是"数据集可用性"的最强证据；
Swin 在内外两次验证中均最优，交叉印证了其骨干选择的稳健性。

边界说明：外部验证仍是二分类 ROI/non-ROI 任务，不能直接外推到 22 子类多分类的跨库表现；且 Lazo 数据集仅 23 患者，外部验证样本量有限，指标置信区间较宽。

5.6 Lazo 外部队列：一个值得入池的空白

Lazo et al. 的独立膀胱内镜数据集（Zenodo 7741476，1754 图 / 23 患者 / 0 分割）是 CystoDS 外部验证的唯一来源，但经数据库查询确认：库内目前没有对应条目（url_name/title 全库检索 0 行）。这意味着：

CystoDS 与本数据集的互链关系无法在库内闭环；
建议主会话考虑将其纳入候选池（slug 候选：lazo-bladder / endoscopic-bladder-lazo），以补齐"膀胱内镜"这条互链缺环。

5.7 与库内内镜基准的横向参照

将 CystoDS 的验证范式放进库内内镜条目家族，可见几种不同取向：

HyperKvasir / Kvasir 家族（693 等）：以"数据集本身 + 多任务评测"为主，验证偏描述性；
PolypGen（183）：以"多中心泛化基准"为核心，与 CystoDS 的"跨库外部验证"理念最接近，差别在泛化来源（多中心 vs 跨库）；
GastroVision（203）：以"多类分类"评测为主，任务形态与 CystoDS 原生任务一致，但未见外部验证。

CystoDS 的独特贡献在于：它把"患者级划分 + 跨库无微调迁移"这套较严格的评测协议，应用到了一个新模态（膀胱镜）上，为库内"内镜分类数据集如何做可信验证"提供了一个可复制的模板。

5.8 本节要点

验证任务是ROI vs non-ROI 二分类（技术验证目的），原生 5 类 22 子类标签完整保留；
划分采用患者级 70:15:15（1772/226/219 图，128/15/17 患者），从根本上阻断同患者数据泄漏；
归并口径存在双口径冲突（Fig.3 的 211/251 vs 正文的 421/41），已存照，正文以 Fig.3 caption 为类别主口径；
四种骨干中 Swin-Transformer-Large 内部验证最优（Acc 0.831 / F1 0.856，Sens 0.846 / Spec 0.809 / Prec 0.866）；
外部验证（Lazo et al. 无微调迁移）Swin Acc 0.873 / F1 0.862，甚至高于内部，证明跨库泛化能力；
外部验证源 Lazo 数据集库内无对应条目，建议入池补齐互链缺环。

§6 获取与许可：一条少见的"全链开放"通路

6.1 三个资产、三种门，而这里是三扇全开的门

医学影像数据集的可获取性从来不是"有"或"没有"的二元问题，而是一条从"完全公开直链"到"申请—审批—签署数据使用协议"的光谱。多数内镜与膀胱癌相关数据落在光谱中段：要么挂在需要注册的机构门户，要么需要 IRB 证明或数据使用协议。CystoDS 的罕见之处在于，它的三类核心资产——数据、论文、代码——全部落在"开放"一端，且彼此可独立核验。

资产	承载平台	门的形式	许可
图像 + 分割 + 元数据	Open Science Framework（OSF）osf.io/xvdhy	公开直链 + Download As Zip，无需注册申请	CC BY 4.0
论文全文	Scientific Data（Nature Portfolio）	Open Access 直读	CC BY 4.0
训练与评估代码	GitHub liaolabsu/CystoDS	公开仓库	随仓库声明

三重门同时开放意味着：任何人可以下载 8067 张图像、768 份分割与 63 万字节的 CSV 元数据，读一篇未设墙的同行评审论文，再克隆一套可复现的训练评估代码——全程不需要给任何人发邮件。这在膀胱癌这一兼具隐私敏感与商业价值的病种上尤其少见。

6.2 OSF 节点构成与下载实操

OSF 节点 osf.io/xvdhy（DOI 10.17605/OSF.IO/XVDHY）的目录结构如下：

/images/                    # 8067 张 PNG 图像
/segmentations/             # 768 份 JSON 分割标注
/cystods.csv                # 632,115 字节主元数据表
/cystods_dictionary.csv     # 1,400 字节数据字典
/README.txt                 # 646 字节，明示 CC BY 4.0

实操要点：

首页提供 Download As Zip 一键打包，适合一次性拉取全部资产；若只要元数据，可单独下载 cystods.csv（约 617 KB）先摸清结构，再决定是否下图像。
OSF 节点创建于 2025-07-25，最后修改 2026-04-30，public=True，说明数据在论文见刊后仍有维护性更新——这对复现者是好消息，也提示引用时应记录访问日期。
与多数"论文先行、数据后补"的条目不同，CystoDS 的数据节点（2025-07 创建）早于论文正式见刊（2026-02），论文与数据的时间戳互相印证，降低"数据缺失"风险。

低中断纪律提示：本条目写作过程中，cystods_dictionary.csv 的直链下载返回 403 Forbidden（OSF 对部分文件的程序化直取有防护）。按低中断纪律不循环重试，变量完整枚举改以论文 Table 1 与正文为准。读者若需字典全文，应从 OSF 网页界面点击下载而非脚本直抓。

6.3 代码仓与 checkpoint 的坑

GitHub 仓库 liaolabsu/CystoDS（创建于 2025-04-30）提供 README 与 classes.png，模型基于 OpenMMLab 的 MMPRETRAIN 框架实现。README 内含一张评估结果表（即后文 §5 的内部验证数字来源）。

但需向复现者预警两点：

checkpoint 走 Google Drive，而非仓库内 Git LFS。Google Drive 链接存在配额与地域可用性问题，长期归档性弱于 Zenodo/OSF。
README 结果表中部分行（如 EfficientNet、HRNet 相关条目）的下载链接为占位符 #，且其中的模型清单与论文正文所述"四骨干"（ResNet-152 / ResNeXt / HRNet / Swin-Transformer-Large）并不完全对应——README 另列了 EfficientNet。这是文档与论文口径的轻微不一致，已在 FACTS.md §9 存照为遗留疑点。引用模型结论时应以论文正文的四骨干口径为准。

6.4 第三方镜像：可用但需标注来源

HuggingFace 上存在第三方镜像 milkyroad/C（标注 CC-BY-4.0，8067 行单 train split，约 1.53 GB，segmentation polygons 内联，近月下载量约 32）。

使用建议：

它把图像与分割内联进一个 HF 数据集，对习惯 datasets 库加载的用户更友好，加载路径短。
但它非官方托管（官方是 OSF + GitHub），其描述字段与论文口径存在细微出入（例如 segmentation labels 的列表）。任何引用、计数、许可声明都应以 OSF 节点与论文为准，镜像仅作便捷入口。
镜像的 train split 未做患者级划分，直接拿它训练会打乱 70:15:15 的患者级隔离，造成泄漏。若要做可比的内部验证，必须回到 OSF 原始元数据，按 pid 自行划分。

6.5 与库内可获取性光谱的对照

把 CystoDS 放回千方病案库的可获取性光谱，它属于最开放的一档：

全链开放档（数据 + 论文 + 代码均公开，CC BY）：CystoDS、panda-plus（rid 640）、HyperKvasir（rid 693）。
数据公开但代码分散档：kvasir-seg（rid 112）、polypdb（rid 779）。
注册/申请档：部分 TCIA 与欧盟基因组类条目。
受限档：需 IRB 或数据使用协议的临床队列。

对 AI-Ready 目标而言，CystoDS 的价值在于它把"能拿到"这件事做到了极致，让数据集本身的工程门槛降到接近零，从而把注意力全部留给方法与临床问题。

§7 生态与影响：一个膀胱镜数据集在景观中的位置

7.1 论文直接引用的三条对照线

CystoDS 论文并非孤立发布，它把自己的定位锚定在三类已发表的内镜数据集上，形成清晰的方法学对话：

HyperKvasir（rid 693）：跨解剖部位（上消化道 + 下消化道）的大规模内镜数据，含 10,662 张标注图像与 1,000 张分割。CystoDS 与它的对照意义是"跨解剖部位"——HyperKvasir 覆盖消化道全程，CystoDS 专注膀胱单一器官。
PolypGen（rid 183）：多中心息肉数据（8,037 图 / 1,537 分割），强调多机构来源。CystoDS 与它的对照意义是"多中心 vs 跨库泛化"——PolypGen 从采集端解决泛化，CystoDS 从迁移端验证泛化。
GastroVision（rid 203）：8,000 张、多类内镜分类。CystoDS 与它的对照意义是"多类分类方法迁移"——两者同为内镜多分类任务，是关键的方法论同侪。

这三条线共同说明：CystoDS 不是凭空而来的新模态，而是把一套已在消化道内镜验证过的多分类与迁移范式，首次系统搬到膀胱镜。

7.2 库内内镜家族的位置

在千方病案库的内镜条目群中，CystoDS 占据一个独特生态位：

模态唯一性：库内内镜家族（HyperKvasir、PolypGen、GastroVision、polypdb、kvasir-seg/capsule/instrument、gastroendonet、endomapper、endoslam、endoscapes 等）几乎都集中在消化道（胃、结肠、胶囊、手术器械），膀胱镜是其中唯一的泌尿内镜模态。这使 CystoDS 成为跨模态研究不可替代的对照。
分类层级最深：5 大类 22 子类的层级深度，在库内内镜分类数据集中属于最深一档，且唯一包含"异物"与"解剖标志"作为与病变并列的独立大类。
蓝光模态的稀有样本：450 张 BLC（蓝光膀胱镜）图像，是库内少见的窄带/荧光成像样本，对研究多模态融合（WLC+BLC）具有独特价值。

7.3 与前作族谱：从视频版到图像版

CystoDS 并非 Liao 实验室在膀胱镜数据上的首次尝试。同一课题组（Stanford Urology + VAPAHCS）此前有一版同源视频数据（池内以 cysto-bladder 命名，现状为 rejected），其与 CystoDS 的关系是"同源不同代"：

前代以视频片段为主体，标注粒度与划分协议与现今不同；
CystoDS 以静止图像 + 病理确诊驱动标签 + 患者级划分重新组织，规模与规格均已升级；
两者 slug 命名独立，CystoDS 是可复现的训练级数据，前代视频版因可获取性等原因未通过审查。

对检索者而言，务必以 cystods 条目的规格为准，勿把视频版数字与图像版数字混用。

7.4 外部验证源：Lazo et al. 膀胱内镜队列

CystoDS 论文的外部验证对象是 Lazo et al. 的独立膀胱内镜组织分类数据集（Zenodo 记录号 7741476，约 1,754 图 / 23 患者 / 0 分割）。它的角色是"跨库泛化试金石"：把一个在 CystoDS 上训练好的 Swin 模型，不做任何微调直接迁移过去，观察性能是否崩塌（详见 §5.5，外部 acc 0.873 / F1 0.862，甚至略高于内部）。

截至本条目写作时点，千方病案库内尚无该 Lazo 数据集的对应条目（DB 检索 lazo 返回 0 行）。这是一个明确的入池空白：建议主会话以 slug 候选 lazo-bladder 或 endoscopic-bladder-lazo 纳入，以补全"膀胱镜外部验证"这一检索链。

7.5 泌尿—肿瘤影像的横向聚类

若按"泌尿系统 + 肿瘤影像"而非"内镜模态"聚类，CystoDS 与库内以下条目构成主题邻域：

前列腺癌影像：panda（rid 560 / 27）、panda-plus（rid 640）、prostate158（rid 703 / 704）、prostatex（rid 554）——同为泌尿系统肿瘤，但模态为 MRI，属同域不同模态；
泌尿病理：unitopatho（rid 701）——同为泌尿系统，模态为 WSI（全切片病理）。

这一聚类提示：CystoDS 在库内的双重身份——既是内镜家族的泌尿代表，也是泌尿肿瘤影像家族的模态补充。检索"膀胱癌 AI"时，CystoDS 应向病种（膀胱）与模态（内镜）两个方向同时挂链。

7.6 本节要点

CystoDS 与 HyperKvasir、PolypGen、GastroVision 构成论文层面的三条对照线，分别对应跨部位、多中心、多类分类。
在库内，它是唯一膀胱镜模态、分类层级最深、唯一含 BLC 蓝光样本。
与前代 cysto-bladder（同源视频版）是"同源不同代"，数字不可混用。
外部验证源 Lazo 数据集库内空白，建议入池。
横向聚类上，它同时属于内镜家族与泌尿肿瘤影像家族。

§8 方法学启示：三条可迁移的经验

CystoDS 的价值不止于"又一个可用数据集"。它在数据构建的三个环节上给出了可迁移到其他医学影像数据集的方法学经验，值得独立成节记录。

8.1 病理确诊驱动的标签：标签跟着金标准走，而不是跟着图像走

CystoDS 的标签建立顺序是先确立临床与病理诊断，再据此标注图像——标签源自病理确诊的 ROI，而非让标注者对着一张图主观判定"这看起来像什么"。

这条经验的普适价值在于：

它把标签的权威性锚定在客观金标准上。图像形态可能模棱两可（一处淡红区域是炎症还是 CIS？），但病理诊断给出了裁决；以诊断为锚，图像标注只是"把已确定的病理映射到像素位置"，主观漂移被大幅压缩。
它天然支持临床任务的对齐。模型最终要服务的是"这块组织到底是不是癌"，而病理确诊正是那个终点标签；用确诊驱动标注，等于让训练目标与临床终点同构。
代价是数据构建成本高：需要病理科与泌尿外科的协作、需要把诊断与具体 ROI 对应起来。这也是为什么高质量的病理确诊驱动数据集（如 CystoDS、部分 WSI 数据）数量远少于纯图像形态标注数据集。

对任何做医学影像标注的团队，CystoDS 提出的问题是：你的标签是"看图说话"还是"跟着金标准走"？前者的天花板受限于标注者的一致性，后者才可能逼近临床真值。

8.2 患者级划分：防泄漏不是可选项，是及格线

CystoDS 的 70:15:15 划分是患者级随机：同一患者的图像只会落入 train、val、test 其中之一（train 128 患者 / val 15 患者 / test 17 患者）。

这条经验的必要性来自膀胱癌的一个临床事实：同一患者在多次随访中会采集大量图像（CystoDS 的访视分布为 1 访 83 人、2 访 57 人、3 访 14 人、4 访 3 人、5 访 2 人、7 访 1 人）。如果按图像级随机划分，同一患者不同访视的图像会同时出现在 train 与 test，模型可能"见过"该患者的病灶形态甚至同一处病变的不同角度——测试性能会被系统性高估。

CystoDS 用患者级隔离把这条捷径堵死，代价是 test 集只有 219 张图 / 17 名患者，统计方差偏大，但这正是诚实评估的必要代价。对任何含"同一受试者多次采集"结构的数据集（随访 CT、多次 ECG、连续的语音或 EEG 记录），患者级（或受试者级）划分都应作为默认设计，而非事后补丁。

8.3 跨库无微调外部验证：泛化要拿别人的数据来证明

CystoDS 最值得称道的方法学动作，是把模型不做任何微调地迁移到完全独立的 Lazo 队列上，并报告性能（Swin 外部 acc 0.873 / F1 0.862）。

这条经验针对的是医学影像机器学习的一个普遍软肋：内部验证的高分往往只是"记住了本院这台机器的成像习惯"。同一医院、同一设备、同一人群分布下的测试集，无法回答"换个医院还准不准"。CystoDS 用跨库迁移给出了一个可操作的回答：

无微调是关键设计——一旦在外部数据上微调，"泛化能力"就与"适应能力"混为一谈，测不出模型对新分布的真实鲁棒性；
外部性能不降反升（Swin 内部 0.831 → 外部 0.873）是一个强信号，说明该模型学到的不是过拟合的机构指纹，而是可跨库的特征；同时也提示 CystoDS 与 Lazo 队列在成像或病变分布上可能存在差异，需谨慎解读绝对数值；
它把"可泛化"从一句形容词变成了一个可比数字。

对数据集作者与模型评测者的启示是：若想让"泛化"主张站得住，就要主动寻找一个外部独立队列做无微调迁移测试，而不是在同一数据的不同 split 上刷分。这也是 CystoDS 被设计成"ROI 二分类技术验证 + 跨库迁移"两段式的底层动机。

8.4 三条经验的内在联系

这三条并非孤立的技巧，而是一条连贯的可信数据构建链：

标签可信（病理确诊驱动）→ 保证训练目标对齐临床真值；
评估可信（患者级划分）→ 保证内部指标不被泄漏高估；
泛化可信（跨库无微调）→ 保证性能主张能在新分布上成立。

三者依次回答"标签对不对"“分数真不真”“换个地方灵不灵”，共同构成一个医学影像数据集可以被严肃引用的信任基础。这也解释了为什么 CystoDS 虽然规模（8067 图 / 160 患者）不算巨大，却仍被 Nature Portfolio 的 Scientific Data 接收——它的价值在于把这条可信链走完整了。

8.5 本节要点

病理确诊驱动标签：标签锚定客观金标准，压缩主观漂移，代价是构建成本高。
患者级划分：对含多次采集的数据是防泄漏及格线，非可选项。
跨库无微调外部验证：把"泛化"从形容词变成可比数字，需外部独立队列。
三条经验构成"标签可信—评估可信—泛化可信"的完整信任链，是 CystoDS 的核心方法学贡献。

§6–§8 附：DAIMS 维度评估表（数据管理与互操作）

为便于与库内其他条目横向对照，下表按 DAIMS（Data Assimilation and Information Management System）常用维度对 CystoDS 打分（1–5，5 为最优）。评分依据均可在 FACTS.md 与本文 §6–§8 中回溯。

维度	评分	依据
数据发现性（Discoverability）	5	OSF 公开节点 + DOI，Google/学术检索可直接命中，论文与数据互链
数据可获取性（Accessibility）	5	公开直链 + Download As Zip，无需申请；HF 第三方镜像补充了便捷入口
数据互操作性（Interoperability）	4	标准 PNG + JSON + CSV，格式通用；但分割为自定义 JSON schema，未采用 DICOM-SEG 等标准
数据可重用性（Reusability）	5	CC BY 4.0 明确授权；含数据字典；含评估代码
元数据完备性（Metadata）	4	含 cystods_dictionary.csv 与丰富变量（class/stage/modality/visit 等）；字典全文因 403 未取到，扣一分
数据质量（Quality）	5	病理确诊驱动标签、专家审阅分割、患者级划分
版本与溯源（Provenance）	5	OSF 节点时间戳（2025-07 创建 / 2026-04 修改）+ 论文时间线完整
伦理与合规（Ethics）	5	IRB #29838 / #36085 批准，知情同意，去标识流程明确
可复现性（Reproducibility）	4	代码 + 评估表公开；checkpoint 走 Google Drive 且部分链接为占位，长期归档性折损
泛化验证（Generalization）	5	跨库无微调外部验证，库内少见
加权参考总分	4.7 / 5	扣分集中在分割格式标准化与 checkpoint 长期可获取性

评分说明：与库内同类条目相比，CystoDS 的综合得分处于最高档，主要得益于"数据 + 论文 + 代码"三重开放与患者级、跨库两重严谨验证。其两处扣分（分割非 DICOM-SEG 标准、checkpoint 非长效托管）均为可改进项而非缺陷，且不影响数据本身的可获取与可用。

§9 与库内条目的关系（家族图谱与检索路径）

CystoDS 不是一个孤立的膀胱数据集，而是"内窥镜影像 × 泌尿肿瘤"两个检索面交叉点上的节点。理解它在千方病案医数集库内的位置，需要同时看三条坐标轴：模态轴（它属于哪种成像）、任务轴（它做分类还是分割）、部位轴（它看哪个器官）。

9.1 强互链：论文直接引用的三个内镜对照数据集

CystoDS 论文在相关工作与讨论中直接引用了三个库内已收录的内镜影像数据集，作为"内窥镜多分类/病灶检测数据资源"的语境对照。这三个是最高优先级的互链对象——因为它们与 CystoDS 共享同一段学术叙事。

对照数据集	库内 rid	与 CystoDS 的关系
HyperKvasir	693	胃肠道内镜最大规模多标签数据集（10662 标注 / 1000 分割），是多分类内镜数据集的规模标杆，常被作为"跨部位内镜数据资源"对照
PolypGen	183	结肠息肉检测与分割（8037 / 1537），代表"病灶检测 + 分割"任务线，与 CystoDS 的 ROI 分割维度呼应
GastroVision	203	胃肠道内镜多类分类（8000 图 / 无分割），与 CystoDS 同为内镜多分类——是任务轴上的最近邻（详见 §9.2）

为什么 GastrolVision 是最贴近的同类：GastroVision 与 CystoDS 都是"内镜图像多类分类"数据集，都不以分割为核心（GastroVision 无分割标注，CystoDS 仅有 768 张 ROI 分割作为辅助）。二者的差异在部位（胃肠道 vs 膀胱）与类别体系（消化道病变分类 vs 膀胱癌恶性/解剖/异物分类）。对读者而言，"想找一个内镜多分类数据集"的检索查询，应当同时命中这两条。

9.2 内镜家族：同模态但不一定同部位

千方病案医数集库内已收录一批内窥镜影像数据集，构成"内镜家族"。CystoDS 加入后，这个家族在部位维度上从消化道、胶囊、器械扩展到泌尿系统。

库内条目	rid	部位/视角	与 CystoDS 的可比维度
polypdb	779	结直肠息肉数据库	同为病灶分类/检测，部位相邻（消化 vs 泌尿）
kvasir-seg	112	胃肠道分割	分割任务对照（CystoDS 768 张 ROI）
kvasir-capsule	123	胶囊内镜	模态差异大（胶囊 vs 硬镜/软镜），作模态轴远端参照
kvasir-instrument	213	内镜器械检测	"异物/器械"类别可对照 CystoDS 的 foreign bodies（含活检钳、切除环、支架）
ldpolypvideo	163	息肉视频	视频 vs 静止图差异
bkai-igh-neopolyp	84	息肉分割	分割任务对照
gastroendonet	780	胃肠道内镜（含分类/检测）	与 CystoDS 同为"多任务内镜"资源，可作方法学对照
endomapper	428	内镜建图/SLAM	空间重建视角，与 CystoDS 的静止图分类正交
endoslam	408	内镜 SLAM	同上，几何视角
endoscapes	353	腹腔镜手术场景	手术场景理解，与 CystoDS 的 TURBT 手术室场景可对照
slam-3d-endoscopic	82	3D 内镜重建	几何视角
endovis-challenges	79	内镜视觉挑战赛系列	任务集合，含分类/检测/分割，作"挑战赛模式"对照

内镜家族的关键差异矩阵：CystoDS 在家族中的独特性在于——它是库内唯一聚焦膀胱（泌尿系统）的内镜数据集，且是唯一以"病理确诊驱动标签"为方法学卖点的内镜数据集。其余内镜条目多来自消化道、腹腔镜或几何重建任务，部位与临床语境均不同。这为"跨部位迁移学习"的检索查询提供了天然的多节点答案面。

9.3 泌尿与肿瘤医学影像：纵向的器官对照

CystoDS 在器官维度上属于"泌尿系统"。库内泌尿/肿瘤影像条目构成纵向对照，其中 panda-plus 是最近的"兄弟条目"（同为医学影像 + 病理/肿瘤 + 千方病案医数集重点条目）。

库内条目	rid	器官/任务	与 CystoDS 的关系
panda-plus	640	前列腺病理（WSI 分级）	方法学姊妹条目：同属"千方病案医数集"重点医学影像数据集，同为病理驱动标签、同关注跨库泛化，但一个看前列腺切片、一个看膀胱镜图像
panda	560 / 27	前列腺病理	panda-plus 的前身，同族
prostate158	703 / 704	前列腺 MRI 分割	泌尿系统 + 分割任务双重对照
prostatex	554	前列腺 MRI	泌尿系统影像，模态不同（MRI vs 光学内镜）
unitopatho	701	泌尿病理组织学	"泌尿 + 病理"窗口，与 CystoDS 的病理确诊标签呼应

panda-plus 作为叙述锚点的作用：panda-plus 条目本身已经建立了"千方病案医数集如何写一个医学影像数据集"的范式。CystoDS 在体例上刻意与 panda-plus 对齐（同为九节 + FAQ + 事实清单 + 术语表 + 附录 + 尾注的骨架），使读者可以在两条条目之间做平行阅读：一个样本是切片（WSI），一个样本是内镜（光学）；一个任务是分级，一个任务是分类。这种"同体例、异模态"的并列，本身就是 AI-Ready Wikipedia 条目网络的价值所在。

9.4 与 cysto-bladder 的边界声明（重要）

任务背景特别提示：库内池中曾有 cysto-bladder（已 rejected），且该系统与 CystoDS 可能"同源"。这里必须做一次明确的边界声明。

cysto-bladder 的性质：已 rejected 条目，据任务背景为 同源视频版——即可能指向与 CystoDS 同一临床数据来源（Stanford/VAPAHCS 膀胱镜）的视频形态资源，而非 CystoDS 这个已发表的静止图数据集。
CystoDS 的独立性：CystoDS 是一篇独立的 Scientific Data 论文（Sci Data 13:528, 2026）配套的静止图数据集，拥有独立 DOI（OSF 10.17605/OSF.IO/XVDHY）、独立论文 DOI（10.1038/s41597-026-06887-z）、独立数据构成（8067 PNG + 768 JSON）。它与"视频版"在数据形态、许可链、引用对象上均不同。
查重结论：经 DB ai_ready_dataset 与 writing/ 目录双检索，cystods 无任何现存条目；cysto-bladder 处于 rejected 状态、未占用 cystods 命名。结论：cystods 是独立条目，与 cysto-bladder 非同一 slug、非同一数据形态，不构成重复收录。
给读者的判断尺：若未来同时出现"膀胱镜视频数据集"条目，应将其与 CystoDS 视为互补而非重复——静止图适合分类训练与基准评测，视频适合时序/动态分析，二者引用时应各自锚定自己的原始 DOI。

9.5 外部队列 Lazo 的库内空白（建议入池）

CystoDS 的外部验证依赖一个关键的外部独立队列：Lazo et al. Endoscopic Bladder Tissue Classification 数据集（Zenodo 7741476，1754 图 / 23 患者 / 0 分割）。这个数据集是 CystoDS"跨库无微调泛化"结论的证据基石——没有它，CystoDS 的泛化主张就无从验证。

库内现状：检索 lazo 在 DB 中返回 0 行，库内目前没有对应条目。
建议：主会话可考虑将 Lazo 数据集入池，作为 CystoDS 的配套外部验证条目。候选 slug：lazo-bladder 或 endoscopic-bladder-lazo。
互链价值：一旦收录，CystoDS ↔ Lazo 将构成"训练集 ↔ 外部验证集"的配对关系，是本库罕见的"验证依赖链"互链，检索价值高。

9.6 本节要点

三条坐标轴定位：模态轴（光学内镜）、任务轴（多分类 + 辅助分割）、部位轴（膀胱/泌尿）。
最近同类：任务轴 → GastroVision（203）；方法学 → panda-plus（640）；部位 → unitopatho（701）/ prostate158（703/704）。
最大空白：外部验证源 Lazo（Zenodo 7741476）库内无条目，建议入池以补齐验证链。
边界声明：cystods 与已 rejected 的 cysto-bladder（视频版）是独立条目，不构成重复。

§10 避坑清单（使用 CystoDS 前的十个提醒）

CystoDS 是一份质量很高但文档存在若干口径漂移的数据集。以下十条是实际动手前最容易被绊倒的点，每条都给出"坑在哪"和"怎么绕"。

10.1 坑点 1：类别计数有双口径，别直接引用任一个数字

坑：论文 Fig.3 caption 写 Malignant 998 / Non-malignant 221 / Anatomical landmarks 211 / Foreign bodies 251 / Normal mucosa 6386；但技术验证章节写 malignant 994 / landmarks 421 / foreign 41。两套数字不一致。
怎么绕：以 Fig.3 caption 口径（998/221/211/251/6386）为类别主口径，因为它是图表级、面向数据构成陈述的数字。技术验证段的 994/421/41 是"归并入 ROI/non-ROI 二分类后用于建模的可用子集口径"，或存在正文笔误。引用时明确标注你用的是哪套口径，不要静默混用。（详见 §5.3 与附录 D 双口径登记表。）

10.2 坑点 2：22 子类不等于 5 类的细分，normal mucosa 没有子类

坑：数据集号称"5 大类 22 子类"，容易误以为 5×若干=22 的均匀结构。
实际：22 子类全部来自 4 个非正常类（malignant 4 + non-malignant 8 + anatomical landmarks 6 + foreign bodies 4 = 22），而 Normal mucosa 的子类为 NA（不适用）。
怎么绕：做分层/多任务建模时，normal mucosa 只能作为"无子类"的单一类处理；不要把 22 子类除以 5 去反推每类子数。

10.3 坑点 3：模态极度偏斜，BLC 不足以单独训练

坑：白光 WLC 7617 张 vs 蓝光 BLC 450 张，比例约 17:1。
怎么绕：若研究目标是"蓝光膀胱镜 AI"，CystoDS 的 BLC 子集（450 张）规模不足以独立训练稳健模型，只适合做迁移学习的目标域微调或对照实验。宣布"训练了蓝光模型"前先看数据量。

10.4 坑点 4：类别极度不平衡，正常黏膜占近八成

坑：Normal mucosa 6386 张占约 79%，恶性 998、非恶性 221、解剖标志 211、异物 251 合计不足两成。
怎么绕：直接训练会严重偏向多数类。需重采样、类别加权或分层采样。注意论文自身的技术验证就做了下采样（从 6386 张 normal 中随机抽 540 张，约 10%）来平衡——这是个可借鉴的默认策略。

10.5 坑点 5：患者级划分是及格线，别用图像级随机划分

坑：数据来自 160 名患者，且膀胱癌患者常有多访视（1 访 83 人 / 2 访 57 人 / … / 7 访 1 人）。同一患者的多张图像高度相似。
怎么绕：必须按患者划分（论文用 70:15:15 患者级随机）。若按图像随机划分，同一患者的图像会同时落进 train 和 test，造成数据泄漏，指标虚高。

10.6 坑点 6：HF 第三方镜像的 train split 不是官方划分

坑：HuggingFace 上存在第三方镜像 milkyroad/C（1.53 GB，单 train split，8067 行）。它有"train split"这个名字，但它不是论文的患者级 70:15:15 划分。
怎么绕：镜像只用于快速加载预览；复现论文基准必须从 OSF 官方源取数并按患者重做划分。引用镜像时注明其为非官方第三方托管、原始源为 osf.io/xvdhy。

10.7 坑点 7：GitHub checkpoint 链接有占位符

坑：代码库 README 的模型表中，部分 checkpoint 下载链接为占位 #（无实际 URL），且 README 模型列表（含 EfficientNet）与论文正文四骨干（ResNet-152 / ResNeXt / HRNet / Swin）不完全对应。
怎么绕：以论文正文的四个骨干为准规划复现；下载 checkpoint 时逐个验证链接有效性，缺失的自行训练（代码与超参在仓库中）。

10.8 坑点 8：OSF 数据字典（cystods_dictionary.csv）可能下载失败

坑：cystods_dictionary.csv（1,400 字节数据字典）在本次抓取中返回 403 Forbidden，未能取到全文。
怎么绕：变量（class / subclass / stage / morphology / multifocal / bca / modality / JSON / visit 等）的完整枚举以论文 Table 1 与正文为准；字典文件本身在 OSF 节点上，正常浏览器访问通常可下载，遇 403 可尝试换网络或直接用 Download As Zip 整包。

10.9 坑点 9：分辨率跨度极大，需统一预处理

坑：图像宽 252–5120 px、高 209–2880 px、单图 44–8787 KB，跨度达数十倍。
怎么绕：训练前必须统一 resize/crop 到骨干网络输入尺寸（如 224×224 或 384×384），并在论文中报告预处理方式。直接喂原始尺寸会导致 batch 内尺寸不一致或显存爆炸。

10.10 坑点 10：单一中心来源，跨机构泛化别想当然

坑：160 名患者主要来自单一退伍军人医疗系统（VAPAHCS），人群构成可能偏斜（退伍军人群体）。
怎么绕：宣称"可直接临床部署"前，必须做外部验证。CystoDS 论文自己也诚实做了跨库外部验证（Lazo 队列），这是正确做法。若你的目标机构人群与该队列差异大，泛化性能需重新评估。

10.11 本节要点

数字坑：类别计数双口径（10.1）、22 子类结构（10.2）。
数据坑：模态偏斜（10.3）、类别不平衡（10.4）、分辨率跨度（10.9）。
方法坑：患者级划分（10.5）、预处理（10.9）、外部验证（10.10）。
工程坑：HF 镜像非官方划分（10.6）、checkpoint 占位（10.7）、字典 403（10.8）。

§11 总结（三句话与决策卡）

11.1 三句话认识 CystoDS

它是什么：CystoDS 是 Stanford + VAPAHCS 发布的真实临床膀胱镜膀胱癌多分类图像数据集——8067 张图像、160 名患者、5 大类 22 子类，外加 768 张 ROI 分割标注，白光蓝光双模态，标签由病理确诊驱动。
它为什么重要：它把"标签可信（病理确诊）—评估可信（患者级划分）—泛化可信（跨库无微调外部验证）"这条完整信任链走通了，是内镜影像数据集里少数**全链开放（数据与论文双双 CC BY 4.0）**且经过外部泛化验证的资源。
它适合谁：适合做膀胱癌/泌尿内镜 AI 分类、内镜多分类迁移学习、跨库泛化评测、以及医学数据集标注方法学研究的人；不适合只想找超大规模（十万级）或纯分割数据集的人。

11.2 谁适合用 / 谁不适合用

适合：

研究膀胱癌内镜 AI 分类（恶性 / 非恶性 / 解剖标志 / 异物 / 正常黏膜）。
做内镜影像的跨部位迁移学习（消化道 ↔ 泌尿）。
需要有病理金标准背书的标注数据做方法学研究。
需要跨库外部验证范式参考（CystoDS → Lazo 无微调迁移）。
教学场景：学习"真实临床数据如何做患者级划分与去标识"。

不适合：

找超大规模数据集（8067 图在深度学习中偏中小型）。
纯分割任务（仅 768 张有 ROI 分割，规模小）。
单独训练蓝光（BLC）模型（仅 450 张）。
需要多中心/多样本人群代表性（单一医疗系统来源）。

11.3 30 秒决策卡

你的问题	一句话答案
数据能免费拿到吗？	能，OSF `osf.io/xvdhy` 公开直链 + Download As Zip，无需申请。
许可是什么？	数据与论文均 CC BY 4.0，全链开放。
规模多大？	8067 张图 / 160 患者 / 5 类 22 子类 / 768 张分割。
主要用途？	膀胱镜膀胱癌多分类，辅助 ROI 分割。
有基准吗？	有，四骨干内部验证 + Swin 跨库外部验证（acc 0.873）。
最大的坑？	类别计数双口径 + 类别不平衡 + 必须患者级划分。
代码在哪？	GitHub `liaolabsu/CystoDS`（MMPRETRAIN 实现）。

FAQ（高频问答）

A. 基础认知

A1. CystoDS 是什么？
一个真实临床膀胱镜膀胱癌多分类图像数据集，8067 张图像 / 160 名患者，5 大类 22 子类，含 768 张 ROI 分割标注，配 Sci Data 论文。

A2. 它的全称和出处？
“CystoDS: a multiclass endoscopy image dataset for artificial intelligence-assisted bladder cancer detection”，发表于 Scientific Data 13:528 (2026)，DOI 10.1038/s41597-026-06887-z。

A3. 谁做的？
Stanford University School of Medicine 泌尿外科 + Center for AI in Medicine & Imaging + 放射肿瘤科，联合 Veterans Affairs Palo Alto Health Care System（VAPAHCS）。通讯作者 Joseph C. Liao。

A4. 名字里的 DS 是什么意思？
Dataset 的缩写。Cysto（膀胱镜）+ DS（数据集）= 膀胱镜数据集。

A5. 它和普通膀胱癌图像数据集有何不同？
标签由病理确诊驱动（先有病理诊断再标注图像），且做了跨库无微调外部验证——这两点是多数同类数据集没有的。

A6. 数据是真实临床还是合成/公开网络？
真实临床采集。2016–2022 于 VAPAHCS 招募，IRB #29838 / #36085 批准，签署知情同意，去标识后发布。

A7. 图像是白光还是蓝光？
两者都有。白光 WLC 7617 张（主）+ 蓝光 BLC 450 张（辅）。

A8. 5 大类分别是什么？
malignant（恶性）、non-malignant（非恶性）、anatomical landmarks（解剖标志）、foreign bodies（异物）、normal mucosa（正常黏膜）。

B. 数据与获取

B1. 在哪里下载？
OSF：https://osf.io/xvdhy/，DOI 10.17605/OSF.IO/XVDHY，Download As Zip 一键下载。

B2. 需要申请吗？
不需要。公开直链，无需数据使用协议、无需邮件申请。

B3. 许可是什么？
CC BY 4.0，数据集与论文同源双开放。

B4. 数据包有多大、包含什么？
images/（8067 PNG）+ segmentations/（768 JSON）+ cystods.csv（632,115 字节元数据）+ cystods_dictionary.csv（1,400 字节字典）+ README.txt。

B5. 有 HuggingFace 版本吗？
有第三方镜像 milkyroad/C（1.53 GB），但非官方，且其 train split 非论文划分；正式使用请以 OSF 为准。

B6. 代码在哪？
GitHub liaolabsu/CystoDS，用 OpenMMLab MMPRETRAIN 实现。

B7. checkpoint 能直接下吗？
部分链接有效、部分为占位 #；建议按论文四骨干自行训练或核验链接。

B8. 元数据里有哪些变量？
class / subclass / subclass2 / stage / morphology / multifocal / bca / modality / JSON / ROI 编号 / visit。

C. 统计与发现

C1. 一共多少张图？
8067 张。

C2. 多少名患者？
160 名。

C3. 类别计数是多少？
Fig.3 caption 口径：Malignant 998 / Non-malignant 221 / Anatomical landmarks 211 / Foreign bodies 251 / Normal mucosa 6386。

C4. 为什么强调计数口径？
因为技术验证章节写了另一套（994/421/41），存在双口径冲突，引用须注明来源。

C5. 有多少张有分割标注？
768 张，专家泌尿科医师审阅，JSON 格式。

C6. 比例是多少？
约 9.5%（768/8067）。

C7. 类别平衡吗？
不平衡。Normal mucosa 占约 79%，其余四类合计不足两成。

C8. 模态比例？
WLC:BLC ≈ 17:1。

D. 基准与评估

D1. 论文做了什么任务？
将 5 类归并为 ROI vs non-ROI 的二分类，作技术验证。

D2. 划分方式？
70:15:15，患者级随机（train 1772 图/128 患者，val 226/15，test 219/17）。

D3. 用了哪些模型？
ResNet-152、ResNeXt、HRNet、Swin-Transformer-Large。

D4. 内部验证最好的是哪个？
Swin，acc 0.831 / F1 0.856。

D5. 其他模型呢？
ResNet-152 acc 0.731 / F1 0.753；ResNeXt acc 0.767 / F1 0.794；HRNet acc 0.781 / F1 0.789。

D6. 有外部验证吗？
有。将 CystoDS 训练的模型无微调迁移到 Lazo et al. 独立膀胱内镜数据集（Zenodo 7741476）。

D7. 外部验证结果？
Swin 外部 acc 0.873 / F1 0.862，跨库泛化最优。

D8. 这说明了什么？
CystoDS 训练的模型具备跨机构泛化能力，不是过拟合单一来源。

E. 方法与生产

E1. 标签怎么来的？
病理确诊驱动——先确立临床与病理诊断，再据此标注 ROI 图像。

E2. 为什么要这样？
避免纯主观标注漂移，把标签锚定到客观金标准，代价是构建成本高。

E3. 为什么必须患者级划分？
同一患者多张图像高度相似，图像级划分会泄漏导致指标虚高。

E4. 去标识怎么做的？
R 的 ids 包生成随机文件名与随机 pid，原始文件名中 PHI 清除。

E5. 使用了什么设备？
TURBT 手术室 KARL STORZ 硬镜（n=200）+ 门诊 Olympus 软镜（n=8）；静止图用截屏 + FFmpeg 提取。

E6. 有多次访视吗？
有。1 访 83 患者 / 2 访 57 / 3 访 14 / 4 访 3 / 5 访 2 / 7 访 1，反映膀胱癌复发性随访。

E7. 复杂病例怎么处理？
12 个 ROI 为低级别伴局灶高级别乳头状癌（复合标签）。

E8. 归一化到多少？
论文未强绑单一时点；实际评测 resize 到所选骨干输入尺寸（如 224/384）。

F. 库内与维护

F1. 库内有相关条目吗？
有。GastroVision（203）、HyperKvasir（693）、PolypGen（183）为强互链；panda-plus（640）为方法学姊妹条目。

F2. 和 cysto-bladder 重复吗？
不重复。cysto-bladder 为已 rejected 的视频版，cystods 是独立静止图数据集，独立 DOI。

F3. 外部验证源 Lazo 库内有吗？
目前没有，建议入池（slug 候选 lazo-bladder）。

F4. 双口径怎么处理？
以 Fig.3 caption 为类别主口径，技术验证段口径差异显式存照（附录 D）。

F5. 条目后续会更新吗？
维护触发点：如 OSF 更新、checkpoint 补链、Lazo 条目入池、论文被引增长，将按附录 G 更新。

F6. 覆盖 22 子类的完整清单在哪？
见 §2 数据构成与事实清单。

事实清单（硬事实 40 条）

以下每条均为可在 FACTS.md、论文、OSF 或 GitHub 中回溯核验的硬事实。带口径冲突的条目已标注。

数据集成品名：CystoDS（Cysto + Dataset）。
配套论文：Scientific Data 13, 528 (2026)，DOI 10.1038/s41597-026-06887-z。
论文 PMID：41741508。
论文时间线：Received 2025-08-04 / Accepted 2026-02-10 / Published 2026-02-26 / Version of record 2026-04-07。
数据集许可：CC BY 4.0（OSF 节点 + README.txt 明示）。
数据集 DOI：10.17605/OSF.IO/XVDHY。
数据源：Open Science Framework https://osf.io/xvdhy/。
图像总数：8067 张（PNG）。
患者总数：160 名。
招募窗口：2016–2022，于 VAPAHCS。
伦理批号：IRB #29838 与 #36085。
类别体系：5 大类 / 22 子类。
五类名称：malignant / non-malignant / anatomical landmarks / foreign bodies / normal mucosa。
类别计数（Fig.3 caption 口径）：Malignant 998 / Non-malignant 221 / Anatomical landmarks 211 / Foreign bodies 251 / Normal mucosa 6386。
类别计数（技术验证段口径，存照）：malignant 994 / landmarks 421 / foreign 41。
Normal mucosa 占比：约 79%（6386/8067）。
子类结构：malignant 4 + non-malignant 8 + anatomical landmarks 6 + foreign bodies 4 = 22；Normal mucosa 子类为 NA。
Malignant 4 子类：LowGradePapillary / HighGradePapillary / CIS / PreMalignant。
Non-malignant 8 子类：BenignNOS / InflammationNOS / CCG / Denuded / UrothelialPapilloma / SquamousMetaplasia / NephrogenicAdenoma / BenignRare。
Anatomical landmarks 6 子类：UreteralOrifice / ResectionBed / ResectionScar / ProstaticUrethra / Trabeculation / Diverticulum。
Foreign bodies 4 子类：AirBubble / ResectionLoop / BiopsyForcep / Stent。
模态构成：WLC 白光 7617 张 + BLC 蓝光 450 张（≈17:1）。
分割标注数量：768 张 ROI 分割（JSON）。
分割占比：约 9.5%。
图像尺寸跨度：宽 252–5120 px，高 209–2880 px。
图像文件大小：44–8787 KB，中位 95 KB。
采集设备：KARL STORZ Endoskope 硬镜（n=200）+ Olympus 软镜（n=8）。
访视分布：1 访 83 患者 / 2 访 57 / 3 访 14 / 4 访 3 / 5 访 2 / 7 访 1。
去标识方法：R ids 包随机重命名 + 随机 pid + 清除原始文件名 PHI。
标注方法学：病理确诊驱动——先确立临床与病理诊断，再标注 ROI 图像。
OSF 构成：images/ + segmentations/ + cystods.csv（632,115 字节）+ cystods_dictionary.csv（1,400 字节）+ README.txt（646 字节）。
OSF 时间线：创建 2025-07-25 / 最后修改 2026-04-30 / public=True。
代码库：GitHub liaolabsu/CystoDS（创建 2025-04-30），MMPRETRAIN 实现。
评测划分：70:15:15 患者级随机（train 1772 图/128 患者，val 226/15，test 219/17）。
评测任务：5 类归并为 ROI vs non-ROI 二分类。
内部验证（Swin 最优）：acc 0.831 / F1 0.856 / sensitivity 0.846 / specificity 0.809 / precision 0.866。
外部验证（Swin，无微调迁移）：acc 0.873 / F1 0.862，外部源为 Lazo et al.（Zenodo 7741476）。
外部验证源规模：Lazo 数据集 1754 图 / 23 患者 / 0 分割。
作者数：10 名（Timothy J. Lee … Joseph C. Liao）。

术语表

为便于非泌尿科背景读者阅读理解本文与原文，以下术语按"基础解剖—病理—影像—AI 方法—数据工程"五组排列。

基础解剖与临床

膀胱（Bladder）：储存尿液的肌性囊状器官，膀胱癌原发部位。
膀胱镜（Cystoscopy）：经尿道插入内镜直视膀胱内壁的检查/治疗手段，本文数据即源于此。
膀胱镜检查术（Cystoscopy）：见上。
TURBT：经尿道膀胱肿瘤电切术（TransUrethral Resection of Bladder Tumor），既是诊断也是治疗手段，本文手术室图像来源。
NMIBC：非肌层浸润性膀胱癌（Non-Muscle-Invasive Bladder Cancer），膀胱癌主要分型之一，分期体系 TI/Ta/T1 等。
尿路上皮癌（Urothelial carcinoma）：膀胱癌最常见的组织学类型。
输尿管口（Ureteral orifice）：输尿管入膀胱的开口，属"解剖标志"类。
前列腺尿道（Prostatic urethra）：男性尿道穿过前列腺的段，属"解剖标志"类。
小梁化（Trabeculation）：膀胱壁因出口梗阻增厚成梁，属"解剖标志"类。
憩室（Diverticulum）：膀胱壁局限外凸，属"解剖标志"类。
切除床/切除瘢痕（Resection bed/scar）：既往电切后遗留区域，属"解剖标志"类。

病理与病变

恶性（Malignant）：本数据集中指确诊膀胱癌的病灶类。
非恶性（Non-malignant）：良性病变/炎性/化生等非癌类。
CIS（原位癌）：Carcinoma In Situ，高级别、平坦型、难辨认的癌，恶性子类之一。
低级别乳头状（LowGradePapillary）：恶性子类。
高级别乳头状（HighGradePapillary）：恶性子类。
癌前病变（PreMalignant）：含 UPUMP/PUNLMP，恶性子类。
尿路上皮乳头状瘤（UrothelialPapilloma）：非恶性子类。
鳞状化生（SquamousMetaplasia）：非恶性子类。
肾源性腺瘤（NephrogenicAdenoma）：非恶性子类。
炎症 NOS / 良性 NOS / 退变（Denuded）：非恶性子类（NOS = Not Otherwise Specified）。
CCG（Cystitis Glandularis）：腺性膀胱炎，非恶性子类。
乳头状 vs 非乳头状（papillary / non-papillary）：morphology 变量取值。
多灶性（multifocal）：病灶数量变量，取值"2-7"或"8+"。
bca：bladder cancer association，是否与膀胱癌关联（1/0）变量。

影像与设备

白光膀胱镜（WLC, White Light Cystoscopy）：常规白光下观察，占数据主体（7617 张）。
蓝光膀胱镜（BLC, Blue Light Cystoscopy）：借助荧光剂在蓝光下增强肿瘤显影，占 450 张。
硬镜（Rigid scope）：KARL STORZ Endoskope，手术室用。
软镜（Flexible scope）：Olympus，门诊用。
解剖标志（Anatomical landmarks）：正常/术后解剖结构，非病灶类。
异物（Foreign bodies）：气泡、切除环、活检钳、支架等非组织物。
正常黏膜（Normal mucosa）：无异常膀胱黏膜，占约 79%。
ROI：感兴趣区域（Region of Interest），本文分割标注对象。

AI 与任务

多分类（Multiclass classification）：在 ≥3 类中择一，本文原始任务为 5 类。
二分类归并：论文将 5 类归并为 ROI vs non-ROI，用于技术验证。
图像分类（Image classification）：本文核心任务。
ROI 分割（ROI segmentation）：像素级勾画病灶区，768 张。
迁移学习（Transfer learning）：预训练模型适配新任务/新域。
外部验证（External validation）：在独立队列测试泛化，本文用于 Lazo 数据集。
无微调迁移（Zero-finetune transfer）：直接使用模型不做再训练，检验泛化纯度。
Swin Transformer：层次化注意力骨干，本数据集内部/外部均最优。
ResNet-152 / ResNeXt / HRNet：对照骨干网络。
MMPRETRAIN / OpenMMLab：模型训练框架，代码库实现基础。
sensitivity / specificity / precision / F1：分类评测指标。
患者级划分（Patient-level split）：按患者而非图像划分数据集，防泄漏。

数据工程与开放科学

OSF（Open Science Framework）：开放科学数据托管平台，本文数据源。
DOI：数字对象标识符，数据与论文各有独立 DOI。
CC BY 4.0：署名即可自由使用的开放许可。
去标识（De-identification）：清除 PHI、随机重命名。
PHI：受保护健康信息（Protected Health Information）。
数据字典（Data dictionary）：变量定义表，本文为 cystods_dictionary.csv。
Download As Zip：OSF 整包下载功能。
DAIMS：数据管理与互操作评估维度框架，本文附录 A 使用。
AI-Ready：数据/条目达到可直接用于 AI 研发准备状态的质量标准。
HuggingFace Parquet / split：HF 平台的数据加载形态，本文仅作第三方镜像。

附录

附录 A：DAIMS 维度评估全表

（本表已置于 §6–§8 末"DAIMS 维度评估表"，此处不重复；检索时直接定位该表格：10 维度评分 + 加权参考总分 4.7/5。）

附录 B：条目信息速查卡

项目	内容
条目名	CystoDS (cystods) — 膀胱镜膀胱癌多分类图像数据集
slug	cystods
代理	agent-a-cystods
生产时点	2026-10-08
数据来源	OSF osf.io/xvdhy + Sci Data 13:528 + GitHub liaolabsu/CystoDS
核心规模	8067 图 / 160 患者 / 5 类 22 子类 / 768 分割
许可	CC BY 4.0（数据 + 论文）
互链条目	GastroVision(203)、HyperKvasir(693)、PolypGen(183)、panda-plus(640) 等
双口径	类别计数：Fig.3 caption vs 技术验证段（附录 D 登记）

附录 C：逐项证据链自证

断言	证据
8067 图 / 160 患者 / 5 类 22 子类	论文正文 + OSF 节点描述
768 张 ROI 分割	论文正文 + OSF segmentations/ 目录
WLC 7617 + BLC 450	论文 modality 变量统计
CC BY 4.0（数据）	OSF README.txt + 节点许可 + Download As Zip 页
CC BY 4.0（论文）	Sci Data 文章页许可声明
患者级 70:15:15 划分	论文方法节 + GitHub README 评估表
Swin 内部 acc 0.831 / F1 0.856	GitHub README 评估表
Swin 外部 acc 0.873 / F1 0.862	论文外部验证节（Lazo 队列）
病理确诊驱动标签	论文方法节 + 正文说明
采集设备 n=200/n=8	论文方法节

附录 D：双口径登记表

口径编号	变量	口径 A（采用为主）	口径 B（存照）	采用结论
D1	Malignant 计数	Fig.3 caption：998	技术验证段：994	以 A 为主，B 疑为建模子集/笔误
D2	Anatomical landmarks 计数	Fig.3 caption：211	技术验证段：421	以 A 为主，B 或为归并口径
D3	Foreign bodies 计数	Fig.3 caption：251	技术验证段：41	以 A 为主，B 或为归并口径
D4	Non-malignant 计数	Fig.3 caption：221	技术验证段：221（一致）	无冲突
D5	子类计数结构	22 子类分布于 4 非正常类	Normal mucosa 无子类（NA）	澄清：22 ≠ 5 类均匀细分

处理原则：凡涉"数据构成陈述"，一律用口径 A（Fig.3 caption）；凡涉"技术验证建模子集"，可用口径 B 并注明其为归并/筛后口径。全文不静默混用。

附录 E：数据获取决策树

需要膀胱镜膀胱癌数据？
├── 要官方原版 + 完整元数据
│   └── OSF osf.io/xvdhy → Download As Zip（无需申请，CC BY 4.0）
├── 要快速预览/加载
│   └── HuggingFace 镜像 milkyroad/C（注意：非官方，train split 非论文划分）
├── 要复现基准
│   └── OSF 取数 → 按患者重做 70:15:15 划分 → GitHub liaolabsu/CystoDS 代码
└── 要外部验证
    └── 另行获取 Lazo et al.（Zenodo 7741476），无微调迁移评测

附录 F：三类资产三种门（获取门槛对照）

资产	位置	门槛	备注
数据集	OSF osf.io/xvdhy	公开直链，Download As Zip	无需申请，CC BY 4.0
论文	Sci Data 13:528	Open Access	CC BY 4.0
代码	GitHub liaolabsu/CystoDS	公开仓库	checkpoint 部分链接为占位
镜像	HuggingFace milkyroad/C	公开	第三方，非官方

附录 G：维护计划与触发点

触发点	条件	更新动作
T1	OSF 节点内容/许可变更	改写 §6 获取与许可 + 附录 F
T2	GitHub checkpoint 补全链接	更新 §10.7 坑点与附录 F
T3	Lazo 数据集入池	新增 §9.5 互链 + 家族图谱补充
T4	论文被引/下载显著增长	更新 §1 期刊指标
T5	官方发布蓝光增强版/扩版	重写 §2 数据构成 + 存照
T6	cystods_dictionary.csv 403 解除	补全变量枚举 + 更新 §10.8

附录 H：本条目生产档案

成稿方式：五个 part 直写私有区后 cat 拼接（part1–part4 + part5a/5b/5c），断点友好，全程不用 Edit 追加，避免"标题吞噬"教训。
抓取时点：2026-10-08。
核验源：Sci Data 论文 HTML/PDF、OSF API v2 节点、GitHub README、HuggingFace 数据卡、远程 DB ai_ready_dataset。
低中断纪律：WebSearch/WebFetch 均在预算内；失败最多重试一次不 loop；单条 bash ≤60 秒；每 part 立即落盘。
禁止事项遵守：未改 scripts/、production_tracker.md、其他条目目录、DB、publish.sh。

附录 I：FAIR / AI-Ready 检查单

原则	达标	说明
Findable（可发现）	是	独立 DOI + 论文互链，检索可命中
Accessible（可获取）	是	OSF 公开直链，无需申请
Interoperable（可互操作）	基本	PNG/JSON/CSV 通用，但分割非 DICOM-SEG 标准
Reusable（可重用）	是	CC BY 4.0 + 数据字典 + 评估代码
AI-Ready：标签可信	是	病理确诊驱动
AI-Ready：评估可信	是	患者级划分防泄漏
AI-Ready：泛化可信	是	跨库无微调外部验证
AI-Ready：许可清晰	是	全链 CC BY 4.0

附录 J：缩写速查

缩写	全称
WLC	White Light Cystoscopy，白光膀胱镜
BLC	Blue Light Cystoscopy，蓝光膀胱镜
ROI	Region of Interest，感兴趣区域
CIS	Carcinoma In Situ，原位癌
NMIBC	Non-Muscle-Invasive Bladder Cancer，非肌层浸润性膀胱癌
TURBT	TransUrethral Resection of Bladder Tumor，经尿道膀胱肿瘤电切术
PHI	Protected Health Information，受保护健康信息
OSF	Open Science Framework
IRB	Institutional Review Board，机构审查委员会
DAIMS	数据管理与互操作评估框架
MMPRETRAIN	OpenMMLab 模型预训练/迁移库

附录 K：检索路径示范（关键词组合）

你的检索意图	建议关键词组合	期望命中
膀胱癌内镜分类数据	膀胱癌 + 膀胱镜 + 分类 + 数据集	cystods
内镜多分类数据集	endoscopy + multiclass + dataset	cystods + gastrovision(203)
病理驱动标注数据	病理确诊 + 标注 + 医学影像	cystods + unitopatho(701)
跨库泛化基准	external validation + endoscopy + transfer	cystods + hyperkvasir(693) + polypgen(183)
泌尿影像分割	bladder / prostate + segmentation	cystods + prostate158(703)
医学影像数据集写作范式	AI-Ready + 数据集 + 条目	panda-plus(640)

附录 L：22 子类完整清单速查

大类	子类数	子类清单
Malignant	4	LowGradePapillary, HighGradePapillary, CIS, PreMalignant
Non-malignant	8	BenignNOS, InflammationNOS, CCG, Denuded, UrothelialPapilloma, SquamousMetaplasia, NephrogenicAdenoma, BenignRare
Anatomical landmarks	6	UreteralOrifice, ResectionBed, ResectionScar, ProstaticUrethra, Trabeculation, Diverticulum
Foreign bodies	4	AirBubble, ResectionLoop, BiopsyForcep, Stent
Normal mucosa	0（NA）	—
合计	22	分布于 4 个非正常类

附录 M：与库内 panda-plus 条目的关系声明

CystoDS 与 panda-plus（rid 640）是同为"千方病案医数集"重点医学影像数据集的两条独立条目，无数据重叠、无机构重叠：

panda-plus：前列腺病理切片（WSI）分级，病理切片模态。
cystods：膀胱镜光学图像多分类，内镜模态。
二者的共同点在于方法学关注（病理驱动标签、跨库泛化、开放许可）与条目体例（九节 + FAQ + 事实清单 + 术语表 + 附录 + 尾注）。读者可将二者作为"同一编辑范式下的两个模态样本"平行阅读。

附录 N：维护触发点优先级

优先级	触发点	理由
高	Lazo 数据集入池（T3）	直接补齐外部验证链互链
高	OSF 内容/许可变更（T1）	影响获取与许可核心节
中	checkpoint 补链（T2）	影响复现体验
中	字典 403 解除（T6）	影响元数据完备性评分
低	期刊指标更新（T4）	锦上添花

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-08，抓取与核验时点见附录 B 与附录 H。事实陈述以 Sci Data 13:528 (2026) 论文、OSF 节点 osf.io/xvdhy 实测与 GitHub liaolabsu/CystoDS README 为源。

条目遵行"三源互证"原则：论文（学术权威）、OSF（数据本体）、GitHub（代码实现）三者交叉核验。所有存在口径漂移的数字（类别计数 998/221/211/251/6386 与 994/221/421/41；22 子类与 5 类的对应关系）已在 §10 避坑清单与附录 D 双口径登记表中逐条存照并给出处理口径，不静默混用。

条目与库内 GastroVision（rid 203）、HyperKvasir（rid 693）、PolypGen（rid 183）、panda-plus（rid 640）、unitopatho（rid 701）、prostate158（rid 703/704）等条目互链，构成"内镜影像 × 泌尿肿瘤"两个检索面的完整节面。

边界声明：本条目（cystods）与库内已 rejected 的 cysto-bladder（同源视频版）是独立条目，数据形态、DOI、许可链均不同，不构成重复收录。

遗留疑点：① 类别计数双口径的成因（正文笔误 or 归并口径）待论文作者澄清；② cystods_dictionary.csv 因 OSF 下载返回 403 未取到全文；③ Lazo 外部队列库内尚无条目，建议入池（slug 候选 lazo-bladder / endoscopic-bladder-lazo）；④ GitHub checkpoint 部分链接为占位 #。上述四点均已登记，将在对应维护触发点触发时更新。

致谢：CystoDS 由 Stanford University School of Medicine 泌尿外科与 Center for AI in Medicine & Imaging、放射肿瘤科，联合 Veterans Affairs Palo Alto Health Care System 团队构建（通讯作者 Joseph C. Liao）。团队将真实临床数据以 CC BY 4.0 完全开放并配套代码，是本条目得以完成的前提。

维度	内容
本质	真实临床膀胱镜膀胱癌多分类图像数据集（非挑战赛、非重标注升级版，2016-2022 前瞻采集）
团队	Stanford University School of Medicine 泌尿外科 + 人工智能医学与影像中心 + 放射肿瘤科联合 Veterans Affairs Palo Alto Health Care System（VAPAHCS）
论文	Sci Data 13, 528 (2026)（doi:10.1038/s41597-026-06887-z；PMID 41741508；Open Access）
数据	8067 张图像 / 160 患者 / 5 大类 22 子类 + 768 张 ROI 分割标注
类别	Malignant / Non-malignant / Anatomical landmarks / Foreign bodies / Normal mucosa
模态	白光 WLC 7617 + 蓝光 BLC 450（KARL STORZ 硬镜 n=200 + Olympus 软镜 n=8）
标签来源	病理确诊驱动——先确立临床与病理诊断，再据确诊 ROI 标注图像
基准任务	ROI 二分类（ROI vs non-ROI，将五类归并），患者级 70:15:15 划分无跨集泄漏
内部验证	Swin-Transformer-Large acc 0.831 / F1 0.856（四骨干中最佳）
外部验证	Swin 迁移至 Lazo et al. 独立膀胱内镜数据集（Zenodo 7741476）无微调 acc 0.873 / F1 0.862
获取	Open Science Framework 公开直链（osf.io/xvdhy，Download As Zip，无需申请）
许可	CC BY 4.0（数据与论文同源全链开放，本库少见）
代码	GitHub liaolabsu/CystoDS（MMPRETRAIN 实现，checkpoint 经 Google Drive）
库内互链	HyperKvasir（693）、PolypGen（183）、GastroVision（203）、gastroendonet（780）、polypdb（779）、panda-plus（640）