EMPIAR — 电镜公共图像档案：冷冻电镜原始图像的全球总库

INFOBOX — EMPIAR 一屏速览

维度	内容
本质	原始电镜图像归档库（基础设施，非单一数据集）——3DEM 原始二维图像的全球公共总库
运营	EMBL-EBI（欧洲生物信息学研究所），英国 Hinxton；隶属 BioImage Archive
论文	NAR 51(D1):D1503–D1511 (2023)，doi:10.1093/nar/gkac1062（勘误 51(7):3499）
规模（2026-10-16 实时）	3,196 条 / 9.42 PiB；论文时点（2022-10-18）>1,000 条 / >2 PB
收录内容	单颗粒原始帧、电子断层倾斜系列、粒子栈、体积 EM（vEM）、软/硬 X 射线断层、CLEM
数据格式	MRC / MRCS / TIFF / DM4 / SPIDER 等电镜专用格式
尺度分层	molecule（分子）/ virus（病毒）/ cell（细胞），早期条目常缺省
实验类型	EMDB（主体）、CLEM、SXT，及 volume EM 类
获取	公开直下（HTTPS）+ Volume Browser + REST API（POST /empiar/api/entry/）
许可	CC0（公共领域）——自由复用无任何条件或限制
标识	accession EMPIAR-#####；DOI 10.6019/EMPIAR-#####
引用	Iudin et al., NAR 51, D1503–D1511 (2023) + 具体 accession + 原始出版物
库内互链	EMDB(1060)、PDB(43)、AlphaFold(573)、UniProt(37)、CryoNuSeg(844，语义区分)

EMPIAR 是结构生物学"证据链最底层"的那一环：世界各地的冷冻电镜实验室把他们在显微镜里拍到的原始图像——成千上万张信噪比低到几乎看不出结构的单颗粒照片、一圈圈不同倾角的断层投影、漫长的粒子栈——沉积到这里，任何人无需注册、无需付费、不受任何条件约束（CC0）就能下载、再处理、训练模型。理解 EMPIAR，关键不是"它标注了什么"，而在于它把"原始证据"本身变成了可长期保存、可检索、可复现、可被 AI 直接消费的公共资产：它不生产结论，它保存结论赖以成立的那批像素。

导语读法三则：

一句话定位：EMPIAR 不是"一个数据集"，而是冷冻电镜原始图像的国际公共总库——它保存的是别人结论赖以成立的证据本身。截至 2026-10-16 已收录 3,196 个条目、9.42 PiB 数据，全部以 CC0 公共领域奉献，任何人无需注册即可下载、再处理、训练模型。它与 EMDB（三维图谱）、PDB（原子坐标）共同构成结构生物学"图谱—坐标—原始图像"三位一体的归档体系。

1. 想下原始数据跑处理流程：直奔 §2 数据构成与 §6 获取——注意格式是 MRC/TIFF 等专用格式，需 RELION/IMOD 等工具；全量镜像不现实，按条目选下。
2. 关心它在归档体系里站哪一格：直奔 §4 三方协作——EMPIAR（原始图像）→ EMDB（三维图谱）→ PDB（原子坐标），三者缺一不可。
3. 想用它做机器学习：直奔 §5 与 §7——EMPIAR 提供的是"未经标注的原料池"，标注得靠自己或改用带标注的 CryoET 语料。

§0 导读：这个归档库解决什么问题

冷冻电镜（cryo-EM）在过去二十年里取代 X 射线晶体学，成为解析生物大分子结构的主流手段。但电镜实验有一个反直觉的特点：成像过程本身是"用电子把样品轰成渣"的过程，单张图像的信噪比低到肉眼几乎无法判读，唯一出路是采集海量图像再计算平均——一个高分辨率结构背后，往往是几万到几十万张原始帧图像。这带来两个后果。第一，数据量惊人：一个单颗粒数据集动辄几百 GB 到数 TB，一个断层数据集更大。第二，结果对处理流程高度敏感——同样的原始数据，不同研究者选用不同的初始模型、参数和工作流，可能得到不同的三维重构。这使得"原始数据本身是否公开可查"成为科学可复现性的关键。

EMPIAR（Electron Microscopy Public Image Archive，电子显微镜公共图像档案）正是为回答这个问题而建。它的逻辑分三层。第一层是归档：为 cryo-EM 原始图像数据提供国家级/国际级公共仓库，使其可长期保存、可检索、可引用。第二层是验证与复用：结构生物学的公共归档传统由来已久——PDB 存原子坐标模型（1971 年至今），EMDB 存三维密度图——但"原始图像"这一层长期缺失，EMPIAR 补上了它，让任何人能拿原始数据重跑流程、检验结论。第三层是开放共享：全部数据以 CC0 公共领域奉献释出，无任何条件或限制，直接服务于方法开发、软件测试、机器学习训练、教学与社区挑战。

对 AI-ready 视角而言，EMPIAR 是"开放许可、规模巨大、结构化元数据、但未经标注的原始原料"的典型。它不是拿来即用的训练集——恰恰相反，使用者的全部工作（筛选哪些条目、如何生成标注、如何划分数据集）都还留在自己手里。本条目要做的，是把"这个原料库是什么、里面有什么、怎么拿、拿它做什么"这套隐性知识显性化，并厘清它与 EMDB、PDB、CryoET Data Portal 的层级关系。

§0 读法三则：

1. 这个条目讲的是一个归档库（archive）而非单一数据集：没有"N 个患者"“M 张标注"这类传统数据集指标，它的规模是"条目数 × 容量”。
2. 全文所有实时数字均以 2026-10-16 抓取时点为准（3,196 条 / 9.42 PiB），历史时点（论文 2022-10-18 的 >1,000 条 / >2 PB）单独标注。
3. 若把 EMPIAR 和 CryoET Data Portal 混为一谈会犯层级错误：前者是原始图像总库，后者是标准化+标注的断层语料（§9）。

§0 补充：本条目与其他"数据集"条目的写法差异

本库多数条目描述的是某个团队发布的一个数据集（有明确的患者数、图像数、标注类别、训练/测试划分）。EMPIAR 不同——它是一个基础设施型归档库，因此本条目在以下几个方面采用不同写法：

• 规模用"条目数 × 容量"而非"样本数"：因为归档库的原子单位是条目，不是样本。
• 重点讲"层级与边界"而非"标注与任务"：EMPIAR 的核心价值在于它在证据链中的位置，而非它提供了什么标注（它几乎不提供）。
• "获取与许可"占更大篇幅：对一个开放归档库，许可与访问方式是理解它的关键。
• "评估"一节指向它作为基准原料的角色：而非它自身的精度指标。

理解了这层差异，读者就不会用"这数据集有多少标注"的惯性去读它。

0.1 一句话认识 EMPIAR 的三个身份

EMPIAR 有三重身份，分别对应不同的读者群体：

• 对结构生物学家：它是"证据仓库"。发表结构时，原始数据沉积于此；质疑结构时，原始数据也在这里可查。它让"结论"可被追溯到"证据"。
• 对方法/软件开发者：它是"真实数据金矿"。CTF 估计、粒子挑选、去噪、分类、三维重构等算法的开发与基准测试，都需要真实、多样、有挑战性的数据，EMPIAR 提供了这个公共素材库。
• 对 AI 研究者：它是"开放原料池"。官方明述 purpose 含机器学习应用，但数据本身未经标注——它提供的是"从零构建数据集"的原材料，而非成品。

0.2 为什么这个条目值得单独写

本库（千方病案医数集）以医学影像、生物医学 AI 数据集为主。EMPIAR 看似离"医学"较远，实则是理解 AI-Ready 数据集谱系的关键锚点：

1. 它展示了"最开放"与"最难用"如何共存——CC0 是限制最少的许可，但专用格式 + 无标注 + 长尾容量使使用成本最高。这一张力对数据集选型极具启发（§8.2）。
2. 它是科学可复现性的制度化样本——"同数据不同结论"的现象使原始数据公开成为可复现科学的前提，EMPIAR 把这一原则落成了基础设施（§8.3）。
3. 它与 EMDB/PDB 构成完整证据链——理解了 EMPIAR→EMDB→PDB 的分工，就理解了结构生物学数据生态的骨架，也理解了本库 emdb(1060)、pdb(43) 条目的上下文。

§1 归档库速览：二十四问

Q1：EMPIAR 到底是什么？是数据集还是数据库？
是归档库（archive），准确说是国际级科学基础设施，不是某个课题组发布的数据集。它由 EMBL-EBI 运营，接收全球实验室沉积的电镜原始图像与三维数据集，永久保存并公开。把它当"数据集"来问"有多少患者、多少标注"会问错维度——它的规模单位是条目（entry，EMPIAR-#####）与容量（PiB）。

Q2：它收录哪些类型的数据？
官网原文：EMPIAR 是"支撑三维 cryo-EM 图谱和断层图的原始图像（raw images）的公共资源"（图谱本身归档在 EMDB），同时也接收**体积电镜（volume EM, vEM）和软/硬 X 射线断层（soft and hard X-ray tomography）**取得的三维数据集。API 实证的 experiment_type 包括 EMDB（主体）、CLEM（关联光镜电镜）、SXT（软 X 射线断层）。

Q3：规模有多大？
2026-10-16 实时：3,196 条条目、占用 9.42 PiB 存储。作为对照，参考论文（2022-10-18 时点）记录的是"超过一千条、超 2 PB"——四年间条目数翻了约三倍、容量翻了约四倍半。逐年数据见 §2.3。

Q4：数据有多大？会下不完吗？
条目容量是极端长尾：小条目仅数百 MB（如 EMPIAR-10087 软 X 射线断层 280.6 MB），大条目 10+ TB（EMPIAR-11777 达 15.3 TB、EMPIAR-11060 为 12.8 TB）。全量镜像 9.42 PiB 不现实，实践是按条目选择性下载——绝大多数使用场景只需少数几个相关条目。

Q5：数据是什么格式的？
以电镜领域专用二进制格式为主：MRC / MRCS（最主流，体积与图像通用）、TIFF（尤其 multiframe 帧序列）、DM4（Gatan DigitalMicrograph）、SPIDER。这些不是通用图像格式，需要用 RELION、IMOD、CCP-EM、EMAN2 等专用软件或专用库读取。

Q6：有标注吗？能直接训练模型吗？
基本没有标准化标注。EMPIAR 的定位是"原始图像"，主体是未处理的 micrographs、tilt series、粒子栈。部分条目含 segmentations（断层分割），官网的 Volume Browser 能显示标注叠加（如 empiar_10087_e64_tomo03），但这属少数、且不成体系。要做监督学习，需自行标注，或改用带标注的 CryoET 语料（如 CryoET Data Portal，§9）。

Q7：许可证是什么？能商用吗？
CC0（公共领域奉献）。官网 about 页原文：所有 EMPIAR 数据"可自由复用，无任何条件或限制"（CC0 license model）；policies 页重申"在 CC0 许可证下自由公开可用"。CC0 是限制最少的开放许可，理论上不禁止商用，但惯例仍要求学术引用（详见 §6）。

Q8：怎么拿数据？
三条路：① 官网表格浏览 + 网页下载（可按需选文件）；② EMDB 跨库搜索引擎（database:EMPIAR）；③ REST API（POST /empiar/api/entry/，传条目号数组返回 JSON 元数据，免认证）。大条目还支持 FTP/HTTPS 直下，另有 PDBj 日本镜像。

Q9：怎么引用？
引参考论文 Iudin A, et al. “EMPIAR: the Electron Microscopy Public Image Archive.” Nucleic Acids Res. 51(D1):D1503–D1511 (2023)，doi:10.1093/nar/gkac1062；引用具体条目时报 accession 号（EMPIAR-#####，DOI 格式 10.6019/EMPIAR-#####），并引用该数据的原始出版物（官网 API 的 citation 字段给出）。

Q10：它和 EMDB 什么关系？
上游与下游。同一次电镜实验产生三类数据：原始图像（归 EMPIAR）→ 三维密度图/断层图（归 EMDB）→ 原子坐标模型（归 PDB）。EMPIAR 是"因"，EMDB 是"果"。API 中每条 EMPIAR 条目的 cross_references 字段直接返回对应的 EMD-##### 编号（如 EMPIAR-10005 → EMD-5778），二者互链。详见 §4。

Q11：EMPIAR 什么时候上线的？经历了哪些里程碑？
2014 年 12 月正式上线（EMBL-EBI 新闻稿）。2016 年 4 月 Nature 以 “An archive for raw EM data” 报道。2019 年 7 月 2 日 EMBL-EBI 宣布启动 BioImage Archive，EMPIAR 成为其核心组成。2020 年 3 月 PDBj 建立日本镜像。2022 年 6 月与 EMDB 合办 YouTube 频道。2022 年 12 月首发 SPW（样品制备插件）。2022 年 11 月/2023 年 1 月发表参考论文。完整时间线见附录 E。

Q12：为什么叫"Public Image Archive"？"Public"体现在哪？
"Public"既指数据公开可查，也指面向公众无门槛：CC0 许可、无注册、无付费、无用途限制。这是 EMBL-EBI 作为公共资助科研基础设施的一贯立场——数据应回到公共领域。对比许多"名义开放"的数据集（需申请、限学术、需同意条款），EMPIAR 的公开是彻底的。

Q13：它和既往的 PDB/EMDB 传统有何承接？
结构生物学的公共归档传统由 PDB 开创（1971 年至今，存原子坐标），EMDB 延续（存三维图谱）。PDB 及其运营机构（现在的 wwPDB）在格式、数据模型、数据标准和验证等方面做了大量社区共识工作，并激励了其他领域解决公共归档问题。EMPIAR 正是在这一传统下，把归档延伸到"原始图像"这一更底层的数据。

Q14：EMPIAR 的数量和容量，哪个增长更快？
容量。条目数十年增长约 800 倍（4 → 3,181），容量增长逾千倍（7.24 TiB → 9,560.47 TiB）。原因是探测器与采集技术（直接电子探测器、自动化、多帧电影）使单个数据集帧数暴涨。详见 §2.3。

Q15：条目编号为什么不连续？
因为 accession 是分配制而非顺序使用——条目号在沉积时分配，偶有撤回或未公开的号段（如实测中 EMPIAR-11300 无返回）。因此"编号间隔"不代表"缺失数据"。

Q16：EMPIAR 每年新增多少？增长趋势如何？
2026-10-16 时点，最近完整年份 2025 年新增 678 条（历史峰值），2024 年 419 条，2023 年 402 条。累计条目从 2013 年的 4 条增至 2026 年的 3,181 条（统计页口径）。2020 年是分水岭——当年新增从两位数跃升至 210 条。详见 §2.3。

Q17：容量和条目数哪个增长快？
容量。累计容量从 2013 年的 7.24 TiB 增至 2026 年的 9,560.47 TiB，增长逾千倍；同期条目数从 4 增至 3,181，增长约 800 倍。原因是探测器与采集技术进步使单数据集帧数暴涨。

Q18：EMPIAR 里有临床/患者数据吗？
没有。EMPIAR 归档的是实验成像数据（分子、病毒、细胞尺度的电镜图像），不含患者队列或临床记录。它的 patient_count 概念不适用。库内 cryonuseg(844) 虽名字含 “cryo” 但是病理切片图像，与 EMPIAR 无技术关联。

Q19：它是"开放数据"吗？开放到什么程度？
是，且是开放程度的一极。CC0 许可意味着无需署名、可商用、可修改、可再分发；无 gated、无注册、无用途限制。这与许多"名义开放实则受限"的数据集形成鲜明对比。

Q20：为什么有独立的参考论文？不是官网就够了吗？
参考论文（NAR 2023）系统描述了 EMPIAR 的建设背景、数据模型、资源构成与未来挑战，是学术引用的标准锚点。官网提供实时数据与操作说明，论文提供方法论与历史脉络。二者互补——引用时官网给"现状"，论文给"出处"。

Q21：EMPIAR 是否支持按文件模式批量下载？
imageset 元数据提供 micrographs_file_pattern、picked_particles_file_pattern 等字段，标明文件的命名模式，便于脚本化批量下载。这是为自动化工作流设计的。

Q22：如果条目被标为 obsolete 会怎样？
obsolete 指条目移出活跃档案但依然可公开访问（区别于彻底移除）。官方政策是"已公开数据应保持公开"，移除属例外事件（§6.4）。使用者若发现某条目状态异常，应核对 update_date 与 version_history。

Q23：EMPIAR 和 BioImage Archive 是什么关系？
EMPIAR 是 BioImage Archive 的核心组成部分。2019-07-02 EMBL-EBI 启动 BioImage Archive，目标是让 EMPIAR 成长为可持续的多 PB 级资源，并最终整合光镜与电镜/ X 射线数据，支持关联成像模态（CLEM/CLXM）的统一沉积与检索（§4.3）。

Q24：普通读者最该记住 EMPIAR 的哪一点？
记住它在证据链的位置：EMPIAR 存原始图像，EMDB 存图谱，PDB 存坐标。想下哪种数据就去哪个库。这一个知识点的实用价值高于其他所有细节。
obsolete 指条目移出活跃档案但依然可公开访问（区别于彻底移除）。官方政策是"已公开数据应保持公开"，移除属例外事件（§6.4）。使用者若发现某条目状态异常，应核对 update_date 与 version_history。
因为 accession 是分配制而非顺序使用——条目号在沉积时分配，偶有撤回或未公开的号段（如实测中 EMPIAR-11300 无返回）。因此"编号间隔"不代表"缺失数据"。

§2 数据构成与规格

2.1 一个条目（entry）里装了什么

EMPIAR 的原子单位是条目，编号形如 EMPIAR-#####。一次电镜实验、一个研究项目通常对应一个条目。通过 REST API 可以拿到条目的完整元数据，其字段结构（2026-10-16 API 实证）如下：

字段	含义	实证示例
title	条目标题	“TRPV1 dataset taken on a K2 direct electron detector”
experiment_type	实验类型	EMDB / CLEM / SXT
scale	生物学尺度	molecule / virus / cell（早期条目常为空）
dataset_size	条目容量	“6.3 TB”、“117.8 GB”、“280.6 MB”
deposition_date	沉积日期	2013-10-25
release_date	发布公开日期	2013-12-04
status	状态	REL（已发布）
principal_investigator	首席研究者（含机构/地址）	University of California San Francisco 等
corresponding_author	通讯作者	—
authors	作者列表	—
cross_references	跨库引用	[{"name": "EMD-5778"}]（指向 EMDB）
empiar_references	EMPIAR 内部引用	EMPIAR-10003 → EMPIAR-10007/10008
biostudies_references	BioStudies 引用	—
idr_references	Image Data Resource 引用	—
citation	关联出版物	含作者、ORCID、DOI
version_history	版本历史	条目修订记录
imagesets	图像集合列表	见下

单个 imageset 又含一层结构：category（图像类别）、data_format（数据格式）、header_format（头部格式）、num_images_or_tilt_series（图像或倾斜系列数量）、frames_per_image（每图帧数）、pixel_width/pixel_height（像素尺寸）、voxel_type（体素类型）、image_width/image_height（图像尺寸）、micrographs_file_pattern/picked_particles_file_pattern（文件命名模式）、segmentations（分割标注，可为空）、details（说明）。

2.1b 元数据模型的设计逻辑

EMPIAR 的元数据模型为什么长这样？理解它的设计逻辑有助于正确使用。

电镜实验天然是分层的：一次实验（条目）→ 若干种数据角色（imageset）→ 大量具体文件。EMPIAR 的模型忠实反映了这一物理层次：条目回答"这是什么实验、谁做的、什么时候公开、对应哪个 EMDB 图谱"；imageset 回答"这批文件扮演什么角色（原始帧？粒子栈？断层？）、什么格式、多少张、像素尺寸多大"；文件才是实际下载对象。

这种分层设计的实践意义在于：它让使用者可以在不下载文件的情况下评估数据是否适合自己——先看条目元数据（实验类型、尺度、容量），再看 imageset 元数据（文件角色、数量、格式），最后才决定下载哪些。对 9.42 PiB 的库来说，这种"先看后下"的能力是刚需。

2.2 三类原始数据 + 一类三维数据集

EMPIAR 收录的数据按其技术来源可分为四类，与官方描述一致：

1. 单颗粒分析（SPA, single-particle analysis）原始帧：category 为 micrographs - single frame（单帧）或 micrographs - multiframe（多帧电影），format 多为 MRC/TIFF。这是 EMPIAR 数量最大的组成部分。例：EMPIAR-12900（RyR2-R420W 冷冻电镜，6,488 张 multiframe TIFF 帧，1.4 TB）。
2. 电子断层（cryo-electron tomography）倾斜系列：category 为 tilt series，是一组不同倾角拍摄的投影图。例：EMPIAR-10005（TRPV1，35,645 个 tilt series，6.3 TB）；EMPIAR-12050（ER-ER 连接，含断层图与原始二维倾斜系列，304.4 GB）。
3. 粒子栈（picked particles）：category 为 picked particles - single frame - unprocessed 或 picked particles - multiframe - unprocessed，是从显微图像中挑出的粒子小图集合。例：EMPIAR-10008（HIV-1 Env gp160，124,478 个 picked particles）。
4. 体积 EM / X 射线断层三维数据集：这不是"原始图像"的常规含义，而是 vEM（如 FIB-SEM、SBF-SEM）或 X 射线断层取得的三维体数据。例：EMPIAR-10087 的 experiment_type 为 SXT（软 X 射线断层，观察疟原虫感染红细胞，280.6 MB）；EMPIAR-11666 为 CLEM 类型（关联光镜电镜，HeLa 细胞 SBF-SEM 基准数据，scale=cell）。

2.3 规模增长：从千条到三千条的十年

参考论文（2022-10-18 时点）记录 EMPIAR 当时"超过一千条、超 2 PB"。而 2026-10-16 实时为 3,196 条、9.42 PiB。官方统计页给出的逐年数据（2013–2026）如下表：

年份	当年新增条目	累计条目	当年新增容量 (TiB)	累计容量 (TiB)
2013	4	4	7.24	7.24
2014	12	16	2.83	10.07
2015	22	38	10.51	20.58
2016	30	68	22.39	42.97
2017	38	106	7.12	50.09
2018	76	182	56.78	106.87
2019	85	267	150.24	257.11
2020	210	477	450.18	707.29
2021	273	750	788.0	1495.29
2022	379	1129	903.5	2398.79
2023	402	1531	1478.37	3877.16
2024	419	1950	1216.66	5093.82
2025	678	2628	2613.95	7707.77
2026	553	3181	1852.7	9560.47

这张表讲了三件事。第一，增长加速：2013–2017 年每年新增条目还是个位数到几十，2020 年后跃上百位数，2025 年单年新增 678 条创纪录。第二，容量增长远快于条目增长：条目数约十年增长 800 倍，而容量从 7 TiB 涨到 9,560 TiB，增长逾千倍——原因是直接电子探测器、自动化采集和连续多帧电影模式普及后，单个数据集的帧数暴涨。第三，双口径需存照：统计页累计容量 9,560.47 TiB（≈9.33 PiB）与累计条目 3,181，均与首页列示的 9.42 PiB / 3,196 有细微差异（统计页是图表快照，首页是实时汇总），引用时须注明来源（本条目以首页实时值为主口径，坑 2）。

2.4 格式生态与读取工具

EMPIAR 的数据格式是电镜领域的"行话"，与通用图像生态有明显隔阂：

格式	全称/来源	典型用途
MRC / MRCS	Medical Research Council（图像） / MRC stacked	单帧图像、断层体、粒子栈，最通用
TIFF	Tagged Image File Format（multiframe）	多帧电影序列、大图拼接
DM4	Gatan DigitalMicrograph 4	探测器原生输出
SPIDER	早期电镜图像处理软件格式	粒子栈、旧数据集

读取这些格式需要专用工具链：RELION（单颗粒处理）、IMOD（断层重建）、CCP-EM（英国电镜软件协作体）、EMAN2、Warp/RELION 生态，Python 侧常用 mrcfile、emfile 等库。这意味着把 EMPIAR 接入机器学习流水线，第一道坎不是模型而是数据加载——多数深度学习框架无法直接读 MRC。这是使用 EMPIAR 做 AI 时必须预先规划的工作量。

2.4b 实证条目一览（2026-10-16 API 实测）

为让读者对 EMPIAR 的内容有具体感知，下表列出本条目写作时通过 REST API 实测的条目样本（一手数据）：

条目	标题（节译）	类型	尺度	容量	发布
EMPIAR-10003	HIV-1 包膜糖蛋白三聚体显微图像	EMDB	—	586.8 GB	2013-08-26
EMPIAR-10004	HIV-1 包膜糖蛋白融合前结构数据	EMDB	—	117.8 GB	2013-10-30
EMPIAR-10005	TRPV1 数据集（K2 探测器）	EMDB	—	6.3 TB	2013-12-04
EMPIAR-10087	疟原虫感染红细胞软 X 射线断层	SXT	—	280.6 MB	—
EMPIAR-10800	大肠杆菌 MsbA 复合物	EMDB	—	307.0 GB	2021-11-30
EMPIAR-10989	RPE1 细胞冷冻电子断层	EMDB	molecule	32.9 GB	—
EMPIAR-11060	ω 病毒成熟中间体	EMDB	molecule	12.8 TB	—
EMPIAR-11112	酿酒酵母病毒单颗粒冷冻电镜	EMDB	virus	1.1 TB	—
EMPIAR-11666	HeLa 细胞 SBF-SEM 基准（CLEM）	CLEM	cell	39.2 GB	—
EMPIAR-11777	熊蜂飞行肌粗丝冷冻电镜	EMDB	molecule	15.3 TB	—
EMPIAR-12000	TAP 转运蛋白结合 7 肽	EMDB	—	5.5 TB	2025-06-07
EMPIAR-12050	ER-ER 连接断层图 + 原始倾斜系列	EMDB	cell	304.4 GB	—
EMPIAR-12500	CorA 复合物冷冻电镜结构	EMDB	—	3.3 TB	2026-02-04
EMPIAR-12900	RyR2-R420W 冷冻显微图像	EMDB	molecule	1.4 TB	2025-09-05

从这张表能读出几个模式：（1）主体是 EMDB 类型（单颗粒/断层，与 EMDB 图谱配套）；（2）尺度从 molecule 到 cell 都有；（3）容量跨度极大（280 MB 到 15.3 TB）；（4）2013 年的早期条目仍在库中活跃（EMPIAR-10003/10004/10005）。字段为 “—” 者表示该条目在 API 中该字段为空或缺省，正是 §2.3 提到的元数据不完整现象的实例。

2.5 条目容量长尾的量化

EMPIAR 的条目容量不是正态分布，而是极端长尾——理解这一点对规划下载与存储至关重要。从实测样本可见：

条目	内容	容量
EMPIAR-10087	疟原虫感染红细胞软 X 射线断层	280.6 MB
EMPIAR-10300	微管（GDP 态）冷冻显微图像	50.4 GB
EMPIAR-10004	HIV-1 包膜糖蛋白数据	117.8 GB
EMPIAR-10003	HIV-1 三聚体显微图像	586.8 GB
EMPIAR-10005	TRPV1 数据集	6.3 TB
EMPIAR-11060	ω 病毒成熟中间体	12.8 TB
EMPIAR-11777	熊蜂飞行肌粗丝	15.3 TB

跨度为 280 MB 到 15.3 TB，相差约 5.5 万倍。这意味着：全量镜像 9.42 PiB 对任何单一团队都不现实（需要 9.42 PB 存储 + 相应带宽）；实践策略必然是按条目、按需、选择性下载。好在 EMPIAR 的元数据（title/experiment_type/scale/imageset）足够支撑"先筛后下"——先通过 API 或网页确认条目的实验类型、尺度、容量、图像数量，再决定是否下载，避免盲目拉取 TB 级无关数据。

2.6 逐年增长的解读：2020 年是一道分水岭

回看 §2.3 的表，2020 年前后是明显分水岭：2019 年累计 267 条，2020 年当年激增 210 条、累计到 477 条；此后每年新增稳定在三百至六百量级。这一转折与两个因素吻合：一是冷冻电镜技术的普及（直接电子探测器、自动化采集成为标配，全世界电镜机时与产出暴增），二是 EMPIAR 作为归档基础设施被社区广泛接受（发表结构时沉积原始数据逐渐成为惯例）。容量维度上，2025 年当年新增 2,613.95 TiB，单年增量即超过此前所有年份的总和——这种加速既体现了领域繁荣，也正是参考论文所警告的"数据量极快增长"挑战的现实注脚。

§3 归档流程与数据模型

2.7 scale 与 experiment_type 的组合含义

两个字段交叉起来，能勾勒出 EMPIAR 覆盖的科学问题空间：

scale	典型内容	科学问题
molecule（分子）	蛋白复合物、核糖体、通道蛋白、淀粉样纤维	大分子结构与功能机制
virus（病毒）	HIV-1、SARS-CoV-2、噬菌体、病毒样颗粒	病毒结构与感染机制
cell（细胞）	HeLa 细胞、RPE1 细胞、神经元突起、细胞器	细胞超微结构与细胞器互作

experiment_type 补充"用什么手段"：

• EMDB：常规单颗粒分析（SPA）或电子断层（ET），产物为 EMDB 三维图谱。
• CLEM：关联光镜电镜，先用荧光定位再用电镜高分辨成像，常用于细胞生物学（如 EMPIAR-11666 的 HeLa 细胞 SBF-SEM 数据）。
• SXT：软 X 射线断层，利用 X 射线在"水窗"波段对含水样品的天然对比度成像完整细胞（如 EMPIAR-10087 的疟原虫感染红细胞）。

理解这个组合，就能用 API 精准定位所需数据——例如"我要病毒尺度的单颗粒数据"就筛 scale=virus + experiment_type=EMDB。

2.8 条目内部的文件组织

一个条目内的文件并非平铺，而是按 imageset 的 directory 字段分组。以 EMPIAR-10005（TRPV1）为例，其 imageset 的 directory 为 data/particles，说明该集合存放的是挑出的粒子图像（35,645 个 tilt series）。典型条目的目录结构反映数据处理阶段：

• data/ 或 data/micrographs/：原始显微图像或电影帧
• data/tilt_series/：断层倾斜系列
• data/particles/：挑出的粒子栈
• 分割标注单独组织

使用者下载前应先读 imageset 元数据确认每个集合的角色，避免把粒子栈误当原始帧，或用错目录导致流程错乱。

3.1 为什么需要专门的原始图像归档

结构生物学的公共归档体系此前已有 PDB（1971 年起，存原子坐标模型）和 EMDB（存三维密度图），但"原始图像"这一层缺失了很长时间。早在 cryo-EM 爆发之前，社区就表达过对"cryo-EM 实验图像数据公共归档"的需求——用于验证、软件开发、测试和培训。与此同时，用体积 EM（vEM）和 X 射线断层（XT）研究细胞、组织乃至完整生物体的三维成像技术迅速扩散，这些社区也呼吁公开归档其数据。EMPIAR 正是回应这两股需求而生：既做 cryo-EM 原始图像归档，也做 vEM 与 XT 三维重构的归档。

原始图像归档的价值在于三点：可复现（同一批图像跑不同流程，能检验结论稳健性）、可复用（方法开发者需要真实数据调试算法，无需自采）、可培训（教学与社区挑战需要公开的标准数据）。

3.2 沉积与发布流程

EMPIAR 的运营遵循 EMBL-EBI 的开放数据政策，流程骨架如下：

1. 沉积（deposition）：研究者通过 EMPIAR 沉积系统（Deposition）上传原始图像数据集与元数据。官网提供 SPW（Sample Preparation Widget，样品制备插件），2022-12 首发，与 volume EM 社区合作开发，用于辅助 vEM 数据的沉积标注。
2. 策展（curation）：EMBL-EBI 的 Cellular Structure and 3D Bioimaging Team 审核元数据、核对文件完整性、规范化注解（annotation）。
3. 发布（release）：条目获得 EMPIAR-##### accession 与 DOI（10.6019/EMPIAR-#####），公开可下载。状态字段变为 REL。
4. 版本与存续：条目带 version_history，可修订。官网遵循"已公开数据应保持公开"的总原则——移除已发布记录属例外事件，仅在数据完整性、正确性、所有权或来源存疑等极特殊情形下，运营方才可能将条目全部或部分标记为 obsolete（移出活跃档案但仍可公开访问）或彻底移除（详见 §6.4）。

3.2b 沉积侧的动机：为什么研究者愿意公开

EMPIAR 能积累三千余条目，前提是研究者愿意把原始数据公开。这背后的动机值得分析：

1. 期刊与资助方要求：结构生物学界逐渐要求发表结构时同步公开原始数据，EMPIAR 成为标准去处。
2. 可验证性诉求：作者主动公开数据能让结论更可信，抵御质疑。
3. 学术影响力：条目有独立 accession 与 DOI，可被引用，公开数据成为学术贡献的一部分。
4. 社区规范：EMPIAR 源于社区（OME/EMBL-EBI workshop）呼吁，公开数据逐渐内化为领域惯例。

反过来说，EMPIAR 的 CC0 政策降低了公开的顾虑——作者不必担心数据被"限学术用途"式的复杂条款束缚，也无版权纠纷之虞。简化的许可 + 稳定的基础设施 + 社区规范，三者共同促成了沉积的正循环。

3.3 数据模型的分层设计

EMPIAR 的数据模型反映了电镜实验的物理层次。最上层是条目（一次实验/项目），其下是imagesets（图像集合，按数据角色分组），每个 imageset 下是具体文件（micrographs、tilt series、particles、tomograms）。条目的 experiment_type 与 scale 两个字段是理解其内容的钥匙：

• experiment_type 描述"用什么实验方法取得数据"：EMDB（与 EMDB 三维重构配套的常规电镜数据，占绝大多数）、CLEM（correlative light and electron microscopy，关联光镜电镜）、SXT（soft X-ray tomography，软 X 射线断层），以及 volume EM 相关类型。
• scale 描述"数据对应什么生物学尺度"：molecule（分子，如蛋白复合物）、virus（病毒，如 HIV-1、SARS-CoV-2）、cell（细胞，如 HeLa 细胞、RPE1 细胞）。这是 EMPIAR 区别于"纯分子结构库"的重要标签——它同时服务于结构生物学与细胞生物学。

元数据覆盖的不完整性是使用中必须注意的现实：早期条目（2013–2015 年）的 experiment_type 与 scale 字段常为空或缺省（API 实测 EMPIAR-10087/10164 等的 scale 均为 null）。做跨条目聚合分析前，需要大量人工核对或回退到条目描述文本。

3.4 三种访问界面的分工

EMPIAR 为不同使用场景提供了三种界面：

界面	适用场景	特点
网页表格 + 下载页	人工浏览、按需下少量文件	可视化目录树、逐文件勾选下载
EMDB 搜索引擎	跨库检索（database:EMPIAR）	与 EMDB 条目联合搜索，官方有视频教程
REST API	程序化批量获取元数据	POST /empiar/api/entry/，传条目号数组，免认证返回 JSON
Volume Browser	三维可视化	可叠加显示 segmentations 标注，如 empiar_10087_e64_tomo03

REST API 是 AI-ready 场景的关键入口。其调用方式（2026-10-16 实测）为：向 https://www.ebi.ac.uk/empiar/api/entry/ 发 POST 请求，Content-Type: application/json，body 为条目号（不含 “EMPIAR-” 前缀）的裸 JSON 数组如 [10003,10004,10005]，返回以 EMPIAR-##### 为键的条目 JSON 对象。此外文档列出 GET/POST /empiar/api/emdb_ref/{id}（按 EMDB 号反查 EMPIAR 条目）与 GET /empiar/api/latest_citations（最新引用）。

3.5 与通用数据仓库的差异

EMPIAR 与 Zenodo、Figshare 等通用数据仓库都做"数据存档"，但定位截然不同：

维度	EMPIAR	通用仓库（Zenodo/Figshare）
领域	专精电镜/结构生物学	全领域
元数据	领域专用（experiment_type/scale/imageset/EMD 号）	通用（标题/作者/关键词）
数据量级	单条目可达 TB，全库 PiB	多面向小数据集
策展	专职团队规范化注解	多为自服务上传
互链	与 EMDB/PDB 结构化互链	无领域级互链
许可	统一 CC0	逐条可选
引用	accession + DOI + 参考论文	DOI

差异的本质是：通用仓库解决"存"，领域归档解决"存 + 互操作 + 可复用"。EMPIAR 的价值不在于它是一个"网盘"，而在于它用领域知识把杂乱的原始图像整理成了结构化、可检索、可与其他结构库联动的资产。这也解释了为什么原始数据归档需要专门机构而非丢给通用仓库——只有领域专家才能定义合适的元数据字段（如 scale、experiment_type）并维护跨库链接。

§4 三方协作归档体系：EMPIAR—EMDB—PDB

4.1 一条数据从显微镜到结构的旅程

理解 EMPIAR 的位置，最清晰的方式是跟着一次电镜实验的数据走一遍：

1. 显微镜采集：电子束穿过冷冻样品，探测器记录下成千上万张原始图像（显微图像、电影帧、倾斜系列投影）。这批数据体量最大、信噪比最低，是"证据的最底层"。
2. 原始图像归档 → EMPIAR：这批原始图像沉积到 EMPIAR，获得 EMPIAR-##### 编号。它们是后续一切重建的输入。
3. 三维重建 → EMDB：研究者用 RELION/IMOD 等软件对原始图像做运动校正、CTF 估计、粒子挑选、二维分类、三维重构，得到三维密度图或断层图，沉积到 EMDB，获得 EMD-##### 编号。
4. 原子模型 → PDB：在密度图基础上建模，得到原子的三维坐标（原子 xyz），沉积到 PDB，获得 PDB ID。

三个库各司其职，且官方口径强调它们是协作而非并列同级关系：EMPIAR 是"因"，EMDB 是"果"，PDB 是"释"。这一关系在数据中留下了物理证据——EMPIAR API 的 cross_references 字段直接返回对应的 EMD 编号。例如：

EMPIAR 条目	数据内容	对应 EMDB
EMPIAR-10003	HIV-1 包膜糖蛋白三聚体显微图像	EMD-5447
EMPIAR-10004	HIV-1 包膜糖蛋白融合前结构数据	EMD-2484
EMPIAR-10005	TRPV1 数据集（K2 探测器）	EMD-5778
EMPIAR-12000	TAP 转运蛋白结合肽数据	EMD-41032
EMPIAR-12500	CorA 复合物冷冻电镜结构	EMD-41385 等（多个）

4.2 为什么"原始图像"这一层不可替代

有人会问：既然 EMDB 已经有重建好的三维图谱，为什么还需要 EMPIAR 存原始图像？答案在于重建过程本身会引入研究者选择。参考论文明确指出：不同实践者拿到同一份原始数据，可能因为初始模型、参数和工作流的不同选择，得到不同的三维重构；样品制备和成像的差异会进一步放大这一问题。这意味着：

• 只存图谱 = 只存结论：无法检验"换一种处理方式，结论是否改变"。
• 存原始图像 = 存证据：任何人都能拿原始数据重跑流程，做真正的独立验证。
• 对方法开发至关重要：图像处理软件（CTF 估计、粒子挑选、去噪、分类）的开发者需要真实、有挑战性的原始数据来调试和基准测试，EMPIAR 提供了这种公共素材。

这也是为什么官方把 EMPIAR 的 purpose 明确写成"提供对最先进数据的便捷访问，以促进方法开发、验证和复用，例如用于机器学习应用"，并指出 EMPIAR 数据还被用于培训、教学和社区挑战。

4.2b 三方协作的实践意义：一次"打假"如何可能

EMPIAR 与 EMDB/PDB 协作的最实际价值，体现在独立验证上。设想一个场景：某团队发表了某蛋白的高分辨率结构（PDB 坐标 + EMDB 密度图）。若有研究者怀疑其中的密度解释，他可以：

1. 从 EMDB 找到该结构的密度图（EMD-ID）；
2. 用 emdb_ref API 反查对应的 EMPIAR 原始图像条目；
3. 下载原始图像，用自己的软件与流程重新跑一遍重建；
4. 比较结果是否一致——若一致，结论更稳健；若不一致，则暴露出原论文处理流程中的选择依赖。

这一流程之所以可行，正是因为原始图像被惯例性地公开归档在 EMPIAR。若只有 EMDB 图谱而无 EMPIAR 原始图像，第 3 步就无从做起，验证退化为"只能相信原作者"。因此 EMPIAR 的存在把结构生物学的可复现性从"信任"推进到"可检验"。这是三方协作体系最深远的科学意义，也是"原始图像归档"不可替代的理由。

4.3 BioImage Archive：更大的容器

2019-07-02，EMBL-EBI 宣布启动 BioImage Archive（生物图像档案），EMPIAR 是其核心组成部分。BioImage Archive 的目标是把 EMPIAR 扩展为一个可持续的多 PB 级资源。借助英国研究与创新战略优先基金（UKRI Strategic Priorities Fund），EMBL-EBI 构建了支撑 BioImage Archive 的 IT 基础设施，包括可扩展的存储架构（对象存储），EMPIAR 已经在使用这套架构。

长远看，BioImage Archive 将整合光镜数据与电子/ X 射线显微镜数据，从而实现关联成像模态（如 CLEM、CLXM）的透明沉积、检索与可视化，并把不同模态、不同长度尺度、多样化的生物成像数据集连接起来。EMPIAR 的 scale 字段（molecule/virus/cell）正是这一"跨尺度"愿景的雏形。此外，PDBj 于 2020-03 在日本建立 EMPIAR 镜像，提升了亚太地区的访问速度。

§5 用 EMPIAR 做 AI：原料、流程与落差

5.1 EMPIAR 是"原料池"而非"训练集"

对机器学习研究者而言，第一件要认清的事：EMPIAR 不是开箱即用的数据集。它提供的是未经标准化标注的原始数据，官方明述其用途包括"机器学习应用"，但这个"用途"意味着你来构建数据集，而不是"下载即有标注"。具体落差体现在：

• 无监督/自监督友好，监督学习不友好：原始图像可用于去噪、重建、自监督预训练；但要训练分类/分割模型，标签得自己造。
• 标注零散：仅部分条目含 segmentations，且格式与类别体系不统一。官网 Volume Browser 能显示标注叠加，说明标注确实存在，但不成规模。
• 划分（split）需自建：EMPIAR 不提供 train/test 划分，需按条目、按实验自行划分，且要警惕同一条目内的图像高度相关（数据泄漏风险）。

5.2 电镜原始数据的信噪比挑战

冷冻电镜原始单帧图像的信噪比极低——单张图像通常无法肉眼辨认结构，因为电子剂量必须严格受限（剂量过高会辐照损伤样品）。这带来一系列对 AI 方法的特殊要求：

• 运动校正（motion correction）：帧间存在样品漂移，需先对齐。
• CTF 估计与校正：对比度传递函数（contrast transfer function）随离焦变化，影响高频信号。
• 粒子挑选（particle picking）：从低信噪比图像中定位成千上万个相同粒子的位置——这是机器学习在 cryo-EM 中最成功的应用方向之一（如 crYOLO、DeepPicker、Topaz 等），而这些算法的训练正需要 EMPIAR 这样的真实数据。
• 去噪与平均：通过大量的二维分类和三维平均把信号从噪声中"堆"出来。

理解这套流程，才知道 EMPIAR 的数据为什么"看起来全是噪点"——它们是尚未被计算平均的原始证据，其信息藏在统计意义上，而非单张像素里。

5.3 与带标注语料的互补关系

EMPIAR 与标准化标注语料（如 CryoET Data Portal）是互补而非竞争的关系：

维度	EMPIAR	CryoET Data Portal（同批候选）
层级	原始图像总档案	标准化+标注的断层语料
内容	原始帧、倾斜系列、粒子栈、三维体	精选断层图 + 结构化标注
标注	零散、不统一	系统化的粒子/结构标注
规模表述	3,196 条目 / 9.42 PiB	392 datasets / 60,438 tomograms / 179,862 annotations
适用	方法开发、验证、自监督、再处理	监督学习、基准评测
许可	CC0	门户 CC BY 4.0

简言之：EMPIAR 提供"从零开始处理"的原料，CryoET Data Portal 提供"已经处理好、带标注"的成品。做方法开发、去噪、重建，用 EMPIAR；做监督学习、分割基准，用 CryoET Data Portal。本库分设两条目正是为了保留这一层级差异（勿合并）。

5.4 从 EMPIAR 到数据集：一条典型工作流的六步

若真要用 EMPIAR 构建一个 AI 数据集，典型工作流如下，每一步都有对应的坑：

1. 确定科学问题：先明确要训练什么模型（去噪？粒子挑选？分割？重建？），才知道需要哪类数据。
2. 筛选条目：用 API 按 experiment_type、scale、title 关键词筛出候选条目，核对 dataset_size 与 imageset 的 num_images_or_tilt_series。
3. 下载与格式转换：选下条目文件（MRC/TIFF/DM4），用 mrcfile/RELION 等转为框架可读的数组格式（如 NumPy/NIfTI/PNG）。
4. 预处理：运动校正、CTF 估计与校正、归一化——这步通常借用 RELION/IMOD 的标准流程，产出"干净"的图像或粒子栈。
5. 标注/弱监督信号构造：分割任务需自建掩码；去噪任务可用"高剂量 vs 低剂量"或"多次曝光平均 vs 单帧"构造自监督对；重建任务可用已知结构做对照。
6. 划分与防泄漏：最关键的一步。必须按条目（甚至按实验/样品）划分 train/val/test，绝不能按图像随机划分——同一数据集内的图像高度相关，随机划分会导致严重的数据泄漏，测试分数虚高。

这套工作流说明：EMPIAR 的"AI-ready"是个动词而非形容词——它ready 的是原料，把原料变成可用数据集的工作量，全部留给使用者。

5.5 EMPIAR 在 AI 生命周期中的四类角色

具体到 AI 研发的各个环节，EMPIAR 可以扮演四种角色：

环节	EMPIAR 的角色	示例任务
数据准备	原始素材源	提供真实低信噪比图像用于训练/测试
算法开发	基准测试床	粒子挑选、去噪、分类算法的标准数据
模型评测	泛化压力测试	跨样品/跨实验的鲁棒性检验
可复现研究	证据锚点	复核已发表结构的处理流程

这四类角色对应不同使用深度：最浅只需下载少数条目做测试，最深需要系统性地跨条目采样、构建划分、复现流程。EMPIAR 的开放性使四类使用都无需许可成本，但后三类的技术门槛显著高于第一类——这是"开放 ≠ 易用"的又一体现。

5.6 与医学影像 AI 的交叉点

EMPIAR 虽是结构生物学资源，但与医学影像 AI 有若干交叉点：

1. 图像处理方法的迁移：去噪、超分辨、分割的算法思想在电镜图像与医学影像间可迁移，EMPIAR 提供了极端信噪比场景的试验场。
2. 细胞/组织尺度的断层数据：vEM 与 X 射线断层数据（如 HeLa 细胞、感染疟原虫的红细胞）与数字病理、细胞形态学分析有方法学交集。
3. 开放式基础设施的范式：EMPIAR 的 CC0 + accession + API + 跨库互链模式，是医学影像数据集（如本库的诸多条目）在设计开放策略时的参照样本。

需要强调：EMPIAR 本身不是医学数据集，它服务的是基础结构生物学与细胞生物学。把它的数据直接当"医学影像"使用会犯领域错配——但作为"开放基础设施的方法论样本"与"极端成像条件的试验场"，它对医学影像 AI 仍有借鉴价值。

§6 获取与许可

6.1 许可：CC0——最彻底的开放

EMPIAR 的许可模式是 CC0（Creative Commons Zero，公共领域奉献），这是限制最少的开放许可。官方两处原文可互证：

• About 页：“All data archived in EMPIAR can be re-used freely without any conditions or restrictions (‘CC0’ license model)”——所有归档数据可自由复用，无任何条件或限制。
• Policies 页：“All data in EMPIAR is freely and publicly available to the global community under the CC0 licence”——全部数据在 CC0 许可下自由公开可用。

CC0 意味着使用者无需署名、无需许可、可商用、可修改、可再分发（从法律层面）。这与许多生物医学数据集常见的"仅限学术用途"“请求制”"CC BY-NC"形成鲜明对比——EMPIAR 是开放数据光谱上最开放的一极。作为 EMBL-EBI 的一部分，EMPIAR 承诺把所有原始与衍生数据置于公共领域，这与 EMBL-EBI"为科学界提供自由可用的数据和生物信息学服务"的使命一致。

重要区分：CC0 是数据的许可。参考论文本身（NAR 期刊文章）另有其出版许可，二者不可混淆。学术惯例上，使用 EMPIAR 数据仍应依官方要求引用参考论文与原始出版物——这不属法律义务，而是学术规范。

6.2 获取途径

EMPIAR 数据无 gated、无注册门槛，获取方式有四条：

1. 网页下载：在条目页的目录树中逐文件勾选下载，适合按需取小额数据。
2. HTTPS 直下：大条目支持直接 HTTPS 下载完整数据集。
3. REST API：POST https://www.ebi.ac.uk/empiar/api/entry/（JSON 数组 body）获取元数据；GET/POST /empiar/api/emdb_ref/{id} 按 EMDB 号反查；GET /empiar/api/latest_citations 取最新引用列表。全部免认证。
4. 镜像与跨库检索：PDBj 日本镜像；EMDB 搜索引擎支持 database:EMPIAR 跨库检索。

6.3 标识与引用规范

• accession 格式：EMPIAR-#####，如 EMPIAR-10009（版本号从 10000 起编）。
• DOI：每条目分配 10.6019/EMPIAR-#####（如 10.6019/EMPIAR-10016），解析到 https://doi.org/10.6019/EMPIAR-10016。
• ORCID 认领：研究者可把自己沉积的条目认领到 ORCID 记录。
• 引用要求（官方明述）：① 引参考论文 Iudin A, Korir PK, Somasundharam S, Weyand S, Cattavitello C, Fonseca N, Salih O, Kleywegt GJ, Patwardhan A (2023). “EMPIAR: the Electron Microscopy Public Image Archive.” Nucleic Acids Res., 51, D1503–D1511; ② 引用具体条目时报 accession 号（也可用 DOI 提供直链）；③ 引用该数据对应的原始出版物。
• Logo 使用：EMPIAR 标识不得未经许可用于公开网站；演示/报告可免版税使用。

6.4 数据存续政策

EMPIAR 遵循"已进入公共领域的数据应保持公开"的一般原则。移除已发布记录属例外事件，仅在数据完整性、正确性、所有权或来源受到质疑等极特殊情形下，运营方才可能将条目全部或部分标为 obsolete（移出活跃档案但依然公开可访问）或彻底移除。官方同时声明：EMBL-EBI 无法控制第三方已公开分发的数据的下游使用——这既是对开放数据的诚实交代，也提示使用者：一旦下载，数据即在你手中，请自行确保使用合乎伦理与法律。

6.5 CC0 在实际使用中的三点提醒

CC0 的法律宽松度容易被误读，实际使用有三点需要留意：

1. 法律自由 ≠ 学术免责。CC0 允许不署名，但学术共同体的规范仍要求引用。不引用参考论文与原始出版物，在同行评议、投稿、基金申报中可能被视为不当使用开放数据。官方要求（§6.3）是学术惯例的最低标准。
2. 数据是 CC0，但"数据里的内容"可能另有限制。EMPIAR 归档的是实验图像，本身不含个人信息（非人类受试者临床数据），但某些条目可能涉及样品来源机构的具体协议。在归档层面 EMPIAR 已确保数据可公开，使用者仍应对具体科学用途负责。
3. 再分发的溯源礼仪。既然 CC0，你可以自由再分发、打包进自己的数据集。但若你的数据集声称"自采"而实际来自 EMPIAR，会构成学术不诚信——溯源（provenance）标注是使用者的责任。这也是本条目反复强调 accession 与 DOI 的原因。

§7 应用、影响与生态

7.1 谁在用 EMPIAR，用它做什么

EMPIAR 的再复用价值在结构生物学与图像处理社区有大量实例。官方专门维护了数据复用案例页（/empiar/reuse/）。典型用途可分为五类：

1. 方法开发与软件测试：cryo-EM 图像处理软件（RELION、cryoSPARC、IMOD、CTFFIND、crYOLO 等）用 EMPIAR 的真实数据进行算法验证和基准测试——这是 EMPIAR 最核心的价值主张。
2. 独立验证：对已发表的结构，用同一批原始数据重跑处理流程，检验结论的稳健性。
3. 机器学习训练/测试：粒子挑选、去噪、分类、重建等任务的模型训练素材；官方明述 purpose 包含"Machine Learning applications"。
4. 教学与培训：结构生物学课程用 EMPIAR 数据教授数据处理；官方与 EMDB 合办 YouTube 频道，提供讲座与教程。
5. 社区挑战（community challenges）：官方明述 EMPIAR 数据被用作社区挑战的组成部分——以公开原始数据为基准，公平比较不同团队的方法。

7.2 结构生物学数据基础设施的完整图景

把 EMPIAR 放进更大的生态，可以看到一个清晰的"证据链 + 预测层"结构：

数据类型	归档库	说明	库内条目
原始图像（帧/倾斜系列）	EMPIAR	生成图谱的底层原始数据	本条目
三维密度图/断层图	EMDB	实验测定的重建结果	emdb (rid 1060)
原子坐标模型	PDB	实验测定的原子结构	pdb (rid 43)
蛋白质序列	UniProt	序列资源	uniprot (rid 37)
AI 预测结构	AlphaFold DB	非实验，预测模型	alphafold (rid 573)

这套"原始图像 → 图谱 → 坐标 → 序列 / 预测"的链条，构成了结构生物学数据的完整检索面。EMPIAR 位于最底层——它保存的是别人结论赖以成立的证据本身。对 AI-ready 而言，这个位置有独特价值：预测模型（如 AlphaFold）的上游监督来自 PDB 坐标，而坐标的解释依赖 EMDB 图谱，图谱的重建依赖 EMPIAR 原始图像——任何一环的偏差都会向下游传播。理解 EMPIAR，也就理解了这条链的起点。

7.3 生长压力与长期挑战

参考论文坦承：EMPIAR 的成功本身也带来挑战——数据量的极快增长与如何提升可复用性是其未来的两大难题。从 §2.3 的容量表可以看出容量增长远快于条目增长（十年逾千倍），这对存储基础设施、下载带宽和用户端的"如何从 9.42 PiB 里找到我需要的几十 GB"都构成压力。EMPIAR 应对这一压力的方向，一是依托 BioImage Archive 的可扩展对象存储架构，二是通过更丰富的元数据（experiment_type、scale、cross_references）和跨库检索提升可发现性。

7.4b 与其他公共归档的联动

EMPIAR 不是孤岛。它的条目与多个外部资源建立引用关系，形成科研数据的"互联网络"：

• EMDB：每条 EMPIAR 条目的 cross_references 指向对应 EMD 号（核心联动）。
• BioStudies：biostudies_references 字段链接到 BioStudies 中的相关研究记录。
• IDR（Image Data Resource）：idr_references 链接到图像数据资源。
• PDB / EMDB：通过 EMD 号间接关联原子结构。
• EMPIAR 内部：empiar_references 支持条目间引用（如 EMPIAR-10003 → EMPIAR-10007/10008）。

这种"多库互链"是开放科研基础设施的成熟标志——数据不再是孤立的文件包，而是可沿引用关系漫游的知识网络。对 AI 数据工程而言，这类结构化互链是自动化数据获取与溯源的基础：给定一个 EMD 或 PDB 号，可以程序化地回溯到原始图像、关联研究、乃至其他相关条目。

7.5 社区挑战与基准建设中的角色

官方明述 EMPIAR 数据被用作社区挑战（community challenges）的组成部分。这是 EMPIAR 从"被动归档"走向"主动赋能"的体现：社区挑战需要一个所有人可获取、可比较、公平的数据基准，而 EMPIAR 的 CC0 + 稳定 accession + 可引用 DOI 正好满足这些条件。当一个挑战组织者把 EMPIAR 条目定为评测基准，全世界的参赛者都能拿到完全相同的数据，评测的公平性由此得到基础设施层面的保证。

这与本库诸多"评测基准"类数据集（如各类 segmentation challenge）逻辑一致，区别在于 EMPIAR 本身不组织挑战，只提供原料——组织挑战的是外部社区，EMPIAR 的价值在于让"共同的起跑线"成为可能。

§8 方法学启示：三条可迁移的经验

8.1 基础设施型数据集的"AI-ready"是分层的

EMPIAR 提醒我们："AI-ready"不是单一状态，而是一个光谱。同一条数据链上，不同层级的开放程度和可用程度不同：EMPIAR（原始，CC0，但需大量处理）与标注语料（CryoET Data Portal）代表了光谱两端。做 AI 数据集选型时，必须问清楚："我要的是原料还是成品？"错配会导致大量无用功——从 EMPIAR 找现成标注会一无所获，从标注语料做方法开发又失去了原始灵活性。

8.2 最开放许可与最大处理成本往往同时出现

EMPIAR 是许可最开放的一极（CC0），却也是使用门槛最高的一极（专用格式、极低信噪比、无标注、长尾容量）。这不是巧合：越靠近原始证据，越开放，也越"生"。这一规律对数据集选型有实践意义——不要只看许可标签就以为"开放=容易用"，要把"开放度"与"处理成本"作为两个独立维度来评估。

7.4 从"档案"到"社区资产"：EMPIAR 的社会性

EMPIAR 的价值不仅在技术层面，也在社区层面。参考论文指出 EMPIAR 的诞生本身是社区驱动的产物——EMBL-EBI 与 Open Microscopy Environment（OME）在 2012 年和 2014 年合办的两场 workshop（“Data Management Challenges in Three-dimensional EM” 与 “A 3D Cellular Context for the Macromolecular World”）直接催生了建设需求。这提示一个规律：顶级科研基础设施往往是"社区需求 → 机构承接 → 长期运营"的产物，而非纯自上而下的规划。

EMPIAR 的社会性还体现在它对科研诚信与效率的贡献：当原始数据成为公共品，重复采集得以避免（一个已沉积的病毒数据集可服务于全世界的方法开发者），"数据孤岛"被打破。EMPIAR 与 EMDB 共办的 YouTube 频道、官方复用案例页、SPW 插件，都是把"档案"经营成"社区资产"的努力。

8.3 可复现性依赖原始数据的公开

EMPIAR 存在的理由，本质上是一个方法论命题：如果只公开结论（图谱、坐标）而不公开证据（原始图像），那么处理流程中的研究者选择就无法被检验。同数据不同结果的现象在 cryo-EM 中真实存在，这使得原始数据公开成为可复现科学的前提条件。任何"从原始数据到模型"的 AI 流水线都面临同样的问题——EMPIAR 是这一原则在结构生物学领域的制度化样本。

8.4 元数据的"最后一公里"问题

EMPIAR 提供了相当丰富的结构化元数据（title、experiment_type、scale、imageset 的格式与像素信息、cross_references、citation），这在归档类资源中已属优秀。但它的元数据仍有一个"最后一公里"问题：早期条目字段常缺省、条目描述颗粒度不一。这意味着"用元数据自动构建数据集"在当前阶段仍需大量人工核对。对数据基础设施的启示是：元数据规范化的价值会随时间放大——越早强制结构化字段，后期的自动化收益越大。EMPIAR 的 scale/experiment_type 字段正是后期补上的规范化努力，但历史遗留的缺省值需要长期回填。

8.5 "证据公开"作为 AI 时代的可复现基石

在 AI 席卷结构生物学的当下（AlphaFold 等预测模型），EMPIAR 的意义出现了新的层次。预测模型的能力上限，最终受制于其训练标签的质量——而标签来自 PDB 坐标，坐标的解释来自 EMDB 图谱，图谱的重建来自 EMPIAR 原始图像。这意味着：如果原始图像层不可查，整条证据链的可信度就无法被检验。EMPIAR 因此不仅是"历史数据的仓库"，更是 AI 结构预测时代验证实验证据的锚点。

对任何"从原始数据到模型"的 AI 流水线，这一原则都适用：只公开模型与结论，不公开原始数据与处理流程，就等于要求他人无限信任。EMPIAR 用 CC0 + accession + API + 跨库互链把这种信任变成了可检验性——这是它超越"数据仓库"定位的真正价值。

§9 与库内条目的关系

9.1 家族图谱

• EMDB（rid 1060）：直接姊妹库（下游）。EMPIAR 存原始图像，EMDB 存由这些图像重建的三维图谱。API 中每条 EMPIAR 条目的 cross_references 直接指向对应的 EMD 编号。两稿互链、口径一致（EMDB 稿已 34 次引用 EMPIAR）。
• PDB（rid 43）：三方协作第三极，存原子坐标模型。EMPIAR→EMDB→PDB 构成"原始图像—图谱—坐标"完整证据链。
• AlphaFold（rid 573）：AI 预测结构库，非实验。与 EMPIAR 构成"实验原始数据 vs 预测模型"的对照——预测模型的训练标签最终可追溯至 PDB，而 PDB 的坐标解释依赖 EMDB 图谱与 EMPIAR 原始图像。
• UniProt（rid 37）：蛋白质序列资源，结构生物学检索面的顶层入口。
• cryonuseg（rid 844）：语义需区分——此处的 “cryo” 指冷冻切片（frozen section）的 H&E 病理图像，用于细胞核实例分割，与冷冻电镜（cryo-EM）无技术关联。互链时须注明差异，避免混淆。
• cryoet-data-portal（同批候选，尚未入库）：标准化+标注的 CryoET 语料，是 EMPIAR 数据的下游再加工层。建议本条目入库后与之互链，共同构成"原始图像—标注语料"的两层阶梯（勿合并为一个条目）。

9.1b 与 EMDB 稿的互链约定

EMDB 稿（rid 1060）已 34 次引用 EMPIAR，本条目与其保持口径一致，关键约定如下：

1. 三方协作表述统一：EMPIAR（原始图像）→ EMDB（三维图谱）→ PDB（原子坐标），"图谱—坐标—原始图像"三位一体。
2. 分工不混淆：凡涉及"原始图像/帧图像"归属，一律指向 EMPIAR；"三维密度图/断层图"指向 EMDB；"原子坐标"指向 PDB。
3. 常见误区呼应：EMDB 稿列出的"想下原始图像却去 EMDB"误区，正是本条目 §1/§4 强调的对照点，两稿互补。
4. 实时数字各自维护：EMDB 稿的 6.3 万条密度图与本条的 3,196 条原始图像条目，是同一实验生态的两个侧面（原始数据条目数通常少于图谱条目数，因一个条目常对应多个 EMD）。

9.2 检索路径建议

• 想找某个结构背后的原始数据：先在 EMDB/PDB 找到 EMD 或 PDB ID，再用 GET /empiar/api/emdb_ref/{id} 反查对应 EMPIAR 条目。
• 想找某类实验的原始数据：用 experiment_type（EMDB/CLEM/SXT）与 scale（molecule/virus/cell）组合筛选。
• 想找可直接训练的标注语料：EMPIAR 不是终点，转向带标注的 CryoET 语料库。
• 引用 EMPIAR 本身：引 Iudin et al. NAR 2023 参考论文 + 具体 accession + 原始出版物；注意论文有勘误（NAR 51(7):3499）。

§10 避坑清单：八个已踩过的坑

坑 1：把 EMPIAR 当"数据集"来问"多少患者/多少标注"。它是归档库（archive），规模单位是条目（3,196）与容量（9.42 PiB），没有患者队列概念。用数据集指标衡量它会问错维度。本条目 patient_count 字段依实写"不适用"。

坑 2：实时容量与条目数存在双口径。2026-10-16 同时点：首页列 9.42 PiB / 3,196 条，统计页累计序列给出 9,560.47 TiB（≈9.33 PiB）/ 3,181 条。两者差异源于首页实时汇总 vs 统计页图表快照。引用须注明来源与时点——本条目以首页实时值为正文主口径。

坑 3：论文数字是历史快照，不是当前值。参考论文（2022-10-18 时点）写"over a thousand entries totalling over 2 petabytes"，是该论文截稿时的数据；当前已增至 3,196 条 / 9.42 PiB。转引论文数字时务必标注其历史时点，勿当作现状。

坑 4：EMPIAR ≠ EMDB ≠ PDB，别问错库。三者是"原始图像 / 三维图谱 / 原子坐标"三层，官方口径为协作而非同级。想下图谱去 EMDB、想下坐标去 PDB、想下原始图像才来 EMPIAR。EMPIAR 与 EMDB 常被并提（如 Twitter @EMDB_EMPIAR、域名 emdb-empiar.org），易被误当同一库。

坑 5：CC0 只是法律层面，学术引用仍是惯例要求。CC0 允许无署名无限制使用，但官方明确要求引用参考论文、accession 与原始出版物。把"法律不强制署名"理解成"不必引用"会在学术规范上失分，也可能被同行诟病。

坑 6：数据格式不是通用图像格式。MRC/MRCS/TIFF/DM4/SPIDER 是电镜专用二进制格式，通用图像库（PIL/OpenCV）无法直接读取，需 mrcfile/RELION/IMOD/CCP-EM 等专用工具。把 EMPIAR 接入 ML 流水线的第一道坎是数据加载，不是模型。

坑 7：许可标签"最开放"不等于"最好用"。EMPIAR 是 CC0 最开放许可，但使用成本最高（专用格式、极低信噪比、无标注、长尾容量）。选型时须把"开放度"与"处理成本"分开评估（§8.2）。

坑 8：CryoNuSeg 的 “cryo” 与冷冻电镜无关。库内 cryonuseg（rid 844）是冷冻切片 H&E 病理的细胞核分割数据集，“cryo” 指 frozen section（冷冻切片），与 cryo-EM（冷冻电镜）是不同技术。互链时须注明语义差异，避免读者误解为同域数据集。同理，CryoET Data Portal 是标注语料层，勿与 EMPIAR 原始图像层混同。

10.1 坑点的共性：三层错配

上述八个坑有一个共性——它们都是错配：把归档库当数据集（坑 1）、把历史快照当现状（坑 3）、把同一实验的两个归档层混为一谈（坑 4）、把语义相似的词当技术同义（坑 8）。使用任何大型科研基础设施时，先问三个问题能避开大部分坑：

1. 它是什么类型？（数据集 / 归档库 / 检索门户）——决定用什么指标衡量它。
2. 它的数字是什么时点的？（实时 / 快照 / 论文截稿）——决定引用的准确性。
3. 它与相邻资源的边界在哪？（EMPIAR vs EMDB vs PDB vs CryoET Portal）——决定去哪里找你要的数据。

§11 总结

11.1 三句话总结

1. EMPIAR 是结构生物学"证据链最底层"的国际公共归档库：存冷冻电镜原始图像、断层倾斜系列、粒子栈与体积 EM/X 射线断层三维数据，2026 年累计 3,196 条、9.42 PiB。
2. 它由 EMBL-EBI 运营，以 CC0 公共领域奉献（无任何条件或限制）、REST API 免认证开放，与 EMDB（图谱）、PDB（坐标）构成"原始图像—图谱—坐标"三方协作体系。
3. 它是"原料池"而非"训练集"：开放度最高、处理成本也最高——适合方法开发、验证、自监督与再处理，做监督学习应改用带标注的 CryoET 语料。

11.2 适合谁

• cryo-EM 图像处理/方法开发者：需要真实、有挑战性的原始数据调试算法，EMPIAR 是标准素材源。
• 结构生物学研究者：需要验证已发表结构的稳健性，或重跑流程做独立检验。
• 自监督/去噪/重建方向的研究者：原始低信噪比图像是天然的预训练素材。
• 科研数据基础设施与开放科学研究者：EMPIAR 是 CC0 开放归档 + 三方协作体系的活案例。
• 教学者：用公开的原始数据教授电镜数据处理流程。
• 开放科学/科研基础设施研究者：EMPIAR 是"社区需求驱动、机构承接、长期资助"的基础设施建设样本（§7.4）。
• 可复现性方法学研究者：EMPIAR 是"原始数据公开作为可复现前提"的制度化案例（§8.3）。

11.3 不适合谁

• 需要开箱即用标注数据集的团队：EMPIAR 几乎不提供标准化标注，请转向带标注的 CryoET 语料。
• 需要全量下载的团队：9.42 PiB 无法整体镜像，长尾容量决定只能按条目选下。
• 不熟悉电镜数据格式与流程的使用者：MRC 等专用格式与极低信噪比会构成较高门槛，需要专用工具链与领域知识。
• 想找患者队列/临床数据的团队：EMPIAR 是分子/病毒/细胞尺度的实验成像档案，与临床队列数据无关。

11.4 30 秒决策卡

你的情况	行动
想验证某已发表结构	从 EMDB/PDB 拿 EMD/PDB ID → emdb_ref 反查 EMPIAR 条目 → 下原始图像重跑
想开发图像处理算法	按 experiment_type/scale 筛选条目 → 网页或 API 定位 → 选择性下载真实数据
想做监督学习	EMPIAR 不是终点——转向 CryoET Data Portal 等带标注语料
想批量拿元数据	POST /empiar/api/entry/ 传条目号数组，免认证返回 JSON
想引用数据	引 Iudin et al. NAR 2023 + accession（EMPIAR-#####）+ 原始出版物；注意论文勘误
要找某结构对应的原始图像	用 GET/POST /empiar/api/emdb_ref/{EMD-id} 反查

11.5 与其他结构生物学资源的横向对比

资源	内容	规模（2026-10-16 附近）	许可	主要用途
EMPIAR	原始电镜图像	3,196 条目 / 9.42 PiB	CC0	方法开发、验证、再处理
EMDB	三维密度图/断层图	逾 6.3 万条	CC0	结构解释、图谱分析
PDB	原子坐标模型	逾 20 万结构	开放	结构建模、药物设计
CryoET Data Portal	标注断层语料	392 datasets / 60,438 tomograms	CC BY 4.0	监督学习、分割基准
UniProt	蛋白序列	逾 2.5 亿条目	CC BY 4.0	序列检索、注释
AlphaFold DB	AI 预测结构	逾 2 亿预测	CC BY 4.0	结构预测

（注：EMDB/PDB/UniProt/AlphaFold 的规模数字为公开常识性量级，非本条目一手抓取；EMPIAR 与 CryoET 数字为本轮实测/侦察口径。引用非 EMPIAR 数字请另行核验。）

这张对照表的读法是：EMPIAR 在"数据体量"与"许可开放度"上都处于前列，而在"即用性"上处于末位。它的独特价值不在规模宏大，而在位置——它是整条证据链的最底层，是其他所有资源的"因"。

§12 DAIMS 评估

DAIMS（Data Asset and Infrastructure Maturity/Management Standard，数据资产与基础设施成熟度评估）从五个维度评价数据资产。EMPIAR 作为基础设施型归档，评估如下：

维度	评分	说明
Discoverability（可发现性）	★★★★★	有 accession 体系（EMPIAR-#####）、DOI（10.6019）、REST API、跨库检索（EMDB database:EMPIAR）、Volume Browser；元数据结构化程度高
Accessibility（可获取性）	★★★★★	CC0 无任何条件限制，无 gated 无注册，网页/HTTPS/API/镜像四途径；PDBj 日本镜像
Interoperability（互操作性）	★★★☆☆	与 EMDB（EMD 号）、PDB、BioStudies、IDR 有明确互链；但数据格式（MRC/TIFF/DM4/SPIDER）为领域专用二进制，跨生态互通需专用工具；experiment_type/scale 早期条目覆盖不全
Metadata（元数据）	★★★★☆	元数据模型丰富（imageset 层含 category/format/pixel size/voxel type 等），有 version_history 与 citation；扣分项是早期条目字段缺省、条目描述颗粒度随沉积者而异
Sustainability（可持续性）	★★★★★	EMBL-EBI + Wellcome Trust + UKRI 长期资助；依托 BioImage Archive 可扩展对象存储；"已公开数据保持公开"的存续政策；2026 年单年新增 553 条仍在增长

综合：EMPIAR 在可发现性、可获取性、可持续性上表现卓越（CC0 + 开放 API + 稳定资助），是开放数据基础设施的标杆；相对短板在互操作性——数据格式的专业性与元数据的历史不全，决定了它虽"开放"却"不即用"，需要领域工具链才能充分消费。

§13 后续维护触发点

EMPIAR 是一个持续增长的活跃归档库，本条目中的实时数字会随时间变化。以下事件发生时，应触发条目更新：

1. 条目数与容量显著变化：2026-10-16 为 3,196 条 / 9.42 PiB；若突破 4,000 条或 12 PiB，应刷新 §1、§2.3 与 INFOBOX。
2. 参考论文更新或被新参考论文取代：当前锚点为 NAR 2023（doi:10.1093/nar/gkac1062）；若官方发布新参考论文，应更新引用规范与 §6.3。
3. 许可政策变化：当前为 CC0；若官方调整许可（可能性极低），须立即更新 §6 与 frontmatter license。
4. API 结构变化：当前条目 API 为 POST /empiar/api/entry/（JSON 数组 body）；若端点或字段变更，应更新 §3.4、附录 A/B。
5. CryoET Data Portal 等下游语料库入库：本条目与之构成"原始图像—标注语料"两层阶梯，下游入库后应建立互链（§9.1）。
6. experiment_type / scale 字段规范化完成：若官方补齐历史条目的缺省字段，§2.3 与 §2.7 的"元数据不完整"表述应相应修订。

维护原则：凡涉及实时数字，一律以抓取时点的官网/API 为准，并注明时点——这是本条目面对"活的"基础设施资源时必须坚持的纪律（坑 2、坑 3）。

13.1 本条目与库内条目协同维护

EMPIAR 与库内 EMDB（rid 1060）条目共享"三方协作"叙事框架，二者的实时数字各自独立维护、互不复制：

• EMDB 变（密度图条目数增加）通常也会带动 EMPIAR 变（对应原始数据条目增加），但两者不一一对应——一个 EMPIAR 条目可对应多个 EMD，也可能暂时不对应任何 EMD（如尚未重建的数据）。
• 若未来 CryoET Data Portal 入库，三者（EMPIAR / EMDB / CryoET）应交叉互链，构成"原始图像 → 图谱 → 标注语料"的完整链条。

维护者应定期核对三库口径的一致性，避免出现"EMPIAR 说 X、EMDB 说 Y"的矛盾表述。

FAQ（高频问答 36 问）

A. 基础认知

F1：EMPIAR 是什么的缩写？
Electron Microscopy Public Image Archive，中文常译"电子显微镜公共图像档案"或"电镜公共图像档案"。

F2：它由谁运营？
EMBL-EBI（欧洲分子生物学实验室—欧洲生物信息学研究所），位于英国 Hinxton 的 Wellcome Genome Campus，由其 Cellular Structure and 3D Bioimaging Team（细胞结构与三维生物成像团队）负责。

F3：它有官网吗？域名是什么？
有，empiar.org（重定向到 www.ebi.ac.uk/empiar/）。

F4：EMPIAR 是数据库还是数据集？
是归档库（archive / 数据库），属国际科研基础设施。它接收全球实验室沉积的数据，而非某个团队发布的数据集。

F5：它归谁资助？
2014–2021 年由 MRC（英国医学研究理事会）与 BBSRC（生物技术与生物科学研究理事会）两项拨款资助；2021 年起主要受益于 Wellcome Trust（惠康基金会）资助；IT 基础设施由 UKRI 战略优先基金、EMBL-EBI 及 EMBL 成员国支持。

B. 数据与规模

F6：现在有多少条目？
2026-10-16 实时为 3,196 条，占用 9.42 PiB。（注意：统计页图表快照给出 3,181 条 / 9,560.47 TiB≈9.33 PiB，双口径存照，见坑 2。）

F7：它收录什么类型的数据？
冷冻电镜原始图像（单颗粒显微图像/电影帧）、电子断层倾斜系列、粒子栈，以及体积 EM（vEM）和软/硬 X 射线断层取得的三维数据集。

F8：数据类型有几种分类方式？
两个关键字段：experiment_type（EMDB/CLEM/SXT 等，描述实验方法）与 scale（molecule/virus/cell，描述生物学尺度）。

F9：数据是什么格式？
以 MRC/MRCS、TIFF（multiframe）、DM4（Gatan DigitalMicrograph）、SPIDER 为主——都是电镜领域专用二进制格式。

F10：单个条目最大有多大？
实测样本中 EMPIAR-11777（熊蜂飞行肌粗丝）达 15.3 TB，EMPIAR-11060 达 12.8 TB。条目容量极端长尾。

F11：有没有标注（labels）？
基本没有标准化标注。部分条目含 segmentations，Volume Browser 可显示叠加，但不成体系。做监督学习需自行标注或改用标注语料。

F12：条目编号怎么读？
形如 EMPIAR-#####（五位数字，从 10000 起编），如 EMPIAR-10009。每个条目另有 DOI：10.6019/EMPIAR-#####。

C. 获取与许可

F13：要付费或注册吗？
不需要。CC0 许可，完全免费、无 gated、无注册门槛，任何人都能下载。

F14：许可证具体是什么？
CC0（Creative Commons Zero，公共领域奉献）——可自由复用，无任何条件或限制。这是限制最少的开放许可。

F15：能商用吗？
从 CC0 法律层面，可商用、可修改、可再分发、无需署名。但学术规范要求引用参考论文与原始出版物（§6.3）。

F16：怎么下载？
① 网页逐文件下载；② HTTPS 大文件直下；③ REST API 取元数据；④ PDBj 日本镜像。

F17：有 API 吗？怎么调？
有，免认证。POST https://www.ebi.ac.uk/empiar/api/entry/，Content-Type: application/json，body 为条目号裸 JSON 数组如 [10003,10004]，返回条目 JSON。另有 GET/POST /empiar/api/emdb_ref/{id} 和 GET /empiar/api/latest_citations。

F18：怎么引用？
引 Iudin et al. (2023) Nucleic Acids Res. 51, D1503–D1511，doi:10.1093/nar/gkac1062；报 accession 号；并引原始出版物。注意该论文有勘误（NAR 51(7):3499）。

D. 与其他库的关系

F19：EMPIAR 和 EMDB 什么关系？
上游与下游。EMPIAR 存原始图像，EMDB 存由这些图像重建的三维图谱。EMPIAR 条目的 cross_references 字段直接指向对应 EMD 编号。

F20：EMPIAR 和 PDB 什么关系？
同属三方协作体系：EMPIAR（原始图像）→ EMDB（图谱）→ PDB（原子坐标）。PDB 存建模得到的原子结构。

F21：EMPIAR 和 CryoET Data Portal 什么区别？
EMPIAR 是原始图像总档案，CryoET Data Portal 是标准化+标注的断层语料——前者是原料，后者是成品，互补不同层级，勿合并。

F22：库内的 CryoNuSeg 和 EMPIAR 是一回事吗？
不是。CryoNuSeg 的 “cryo” 指冷冻切片（frozen section）的 H&E 病理图像，用于细胞核分割，与冷冻电镜无技术关联（坑 8）。

E. 用法

F23：能用 EMPIAR 训练深度学习模型吗？
可以，但主要是自监督/去噪/重建方向。监督学习需要自建标注，或改用带标注语料。官方明述 purpose 包含机器学习应用。

F24：入门建议从哪开始？
先读 §4 搞清三方协作，再从 EMDB/PDB 已有结构反查对应 EMPIAR 条目（emdb_ref），下载一个小条目（如 EMPIAR-10087，280.6 MB）跑通格式读取与处理流程，再扩大规模。

F. 技术细节

F25：experiment_type 有哪些取值？
官方 API schema 未在文档页列全。实测到的取值包括 EMDB（常规电镜数据，与 EMDB 配套，占绝大多数）、CLEM（关联光镜电镜，如 EMPIAR-11666）、SXT（软 X 射线断层，如 EMPIAR-10087），以及 volume EM（vEM）相关类型。

F26：scale 字段有哪些取值？
实测为 molecule（分子）、virus（病毒）、cell（细胞）。早期条目常为空值（null），需回退到条目描述判断。

F27：imageset 的 category 有哪些？
实测包括：micrographs - single frame（单帧显微图像）、micrographs - multiframe（多帧电影）、tilt series（倾斜系列）、picked particles - single frame - unprocessed / picked particles - multiframe - unprocessed（粒子栈）、tomograms（断层图）、segmentations（分割）、Other。

F28：怎么判断一个条目有多大？
API 返回的 dataset_size 字段直接给出容量字符串（如 “6.3 TB”）；条目页面也显示。用 API 批量拉取可先按容量筛选再下载，避免拉取无关的 TB 级数据。

F29：同一个 EMPIAR 条目能对应多个 EMDB 条目吗？
能。一个电镜实验可能产出多个三维重构，因此 cross_references 可为多值。例：EMPIAR-12500 的 cross_references 含 EMD-41385 至 EMD-41390 等多个编号。

F30：条目会更新吗？
会。条目带 version_history 与 update_date 字段。API 实测中 EMPIAR-10003 的 release_date 为 2013-08-26 而 update_date 为 2022-01-24，说明条目可多年后修订（补充元数据、修复文件等）。

F31：什么是 SPW？
SPW = Sample Preparation Widget（样品制备插件），2022 年 12 月首发，由 EMBL-EBI 与 volume EM 社区合作开发，辅助 vEM 数据的沉积时记录样品制备参数，提升 vEM 数据的可复用性。

F32：Volume Browser 是什么？
EMPIAR 官网的三维可视化工具，能在线浏览断层体数据并叠加显示分割标注（论文举例 empiar_10087_e64_tomo03）。它是 EMPIAR 少数直接呈现"三维内容"而非仅文件列表的界面。

G. 选型与对比

F33：什么时候该用 EMPIAR，什么时候不该？
该用：方法开发、算法验证、独立复核已发表结构、自监督/去噪/重建研究、教学。
不该用：需要现成监督标注、需要全量下载、不熟悉电镜格式与流程、想找临床患者数据。

F34：EMPIAR 和 PDB 的"开放"有何不同？
两者都是开放的，但层级不同：PDB 存的是"结论"（原子坐标），EMPIAR 存的是"证据"（原始图像）。PDB 的条目更规整、更小、更即用；EMPIAR 的条目更原始、更大、更需处理。

F35：如果我只想下几十 GB，怎么快速定位？
用 API 批量拉元数据（POST 条目号数组）→ 按 dataset_size、experiment_type、scale、title 关键词筛选 → 锁定 1-2 个条目 → 网页或 HTTPS 下载。避免全量。

F36：EMPIAR 的数据可以直接转成通用图像格式吗？
可以（MRC→PNG/TIFF 用 mrcfile/IMOD 等），但转换会丢失元数据（像素尺寸、体素类型、剂量等），建议保留原始格式并另存转换副本。

事实清单（硬事实 32 条）

1. EMPIAR 全称 Electron Microscopy Public Image Archive（电子显微镜公共图像档案）。
2. 由 EMBL-EBI 运营，属 BioImage Archive 核心组成。
3. 官网 empiar.org（及 www.ebi.ac.uk/empiar/）。
4. 2026-10-16 实时：3,196 条条目，9.42 PiB 存储。
5. 参考论文时点（2022-10-18）：>1,000 条，>2 PB。
6. 参考论文：Iudin et al., Nucleic Acids Res. 51(D1):D1503–D1511 (2023)，doi:10.1093/nar/gkac1062。
7. 论文勘误：Nucleic Acids Res. 51(7):3499 (2023)，doi:10.1093/nar/gkad201。
8. 许可：CC0（公共领域奉献，无任何条件或限制）。
9. accession 格式：EMPIAR-#####。
10. DOI 格式：10.6019/EMPIAR-#####。
11. REST API 入口：POST /empiar/api/entry/（JSON 数组 body，免认证）。
12. 收录内容：单颗粒原始帧、电子断层倾斜系列、粒子栈、体积 EM、X 射线断层。
13. experiment_type 取值（API 实证）：EMDB、CLEM、SXT。
14. scale 取值（API 实证）：molecule、virus、cell。
15. 数据格式：MRC/MRCS、TIFF、DM4、SPIDER。
16. EMPIAR-10003：HIV-1 包膜糖蛋白三聚体显微图像，586.8 GB，2013-08-26 发布，xref EMD-5447。
17. EMPIAR-10005：TRPV1 数据集，6.3 TB，35,645 个 tilt series，xref EMD-5778。
18. EMPIAR-10087：疟原虫感染红细胞软 X 射线断层，280.6 MB，experiment_type=SXT。
19. EMPIAR-11666：HeLa 细胞 SBF-SEM 基准，39.2 GB，experiment_type=CLEM，scale=cell。
20. 逐年累计条目（2013→2026）：4, 16, 38, 68, 106, 182, 267, 477, 750, 1129, 1531, 1950, 2628, 3181。
21. 逐年累计容量（TiB，2013→2026）：7.24 → 9560.47。
22. 2025 年单年新增条目 678（历史峰值）。
23. 容量十年增长逾千倍（7.24 TiB → 9,560.47 TiB）。
24. 里程碑：2014-12 上线；2019-07-02 BioImage Archive 启动；2020-03 PDBj 日本镜像；2022-12 SPW 首发。
25. 资助：2014–2021 MRC+BBSRC；2021 起 Wellcome Trust。
26. 运营团队：EMBL-EBI Cellular Structure and 3D Bioimaging Team。
27. 引用要求：参考论文 + accession + 原始出版物。
28. 三方协作：EMPIAR（原始图像）→ EMDB（图谱）→ PDB（坐标）。
29. 访问界面：网页下载、EMDB 跨库检索、REST API、Volume Browser。
30. 数据存续：已公开数据一般保持公开，移除属例外事件。
31. logo 使用：公开网站需事先许可。
32. 库内关联条目：emdb(1060)、pdb(43)、alphafold(573)、uniprot(37)、cryonuseg(844，语义区分)。

术语表（28 条）

术语	英文/全称	释义
EMPIAR	Electron Microscopy Public Image Archive	电子显微镜公共图像档案
cryo-EM	cryo-electron microscopy	冷冻电子显微镜/冷冻电镜
cryo-ET	cryo-electron tomography	冷冻电子断层扫描
SPA	single-particle analysis	单颗粒分析
3DEM	three-dimensional electron microscopy	三维电镜
vEM	volume electron microscopy	体积电子显微镜
XT	X-ray tomography	X 射线断层
SXT	soft X-ray tomography	软 X 射线断层
CLEM	correlative light and electron microscopy	关联光镜电镜
FIB-SEM	focused ion beam scanning electron microscopy	聚焦离子束扫描电镜
SBF-SEM	serial block-face scanning electron microscopy	连续块面扫描电镜
micrograph	—	显微图像
tilt series	—	倾斜系列（不同倾角的投影集）
tomogram	—	断层图/断层重建体
picked particles	—	挑出的粒子（栈）
segmentation	—	分割标注
MRC	Medical Research Council (image format)	电镜通用图像格式
MRCS	MRC stacked	MRC 堆叠格式
DM4	Gatan DigitalMicrograph 4	Gatan 探测器原生格式
SPIDER	—	早期电镜图像处理格式
CTF	contrast transfer function	对比度传递函数
EMDB	Electron Microscopy Data Bank	电镜数据库（三维图谱）
PDB	Protein Data Bank	蛋白质数据银行（原子坐标）
accession	—	编号（EMPIAR-#####）
CC0	Creative Commons Zero	公共领域奉献许可
DAIMS	Data Asset and Infrastructure Maturity/Management Standard	数据资产与基础设施成熟度标准
EMBL-EBI	European Bioinformatics Institute	欧洲生物信息学研究所
SPA/SPW	Sample Preparation Widget	样品制备插件（volume EM 用）

附录

附录 A：EMPIAR 条目 API 字段速查

字段	类型	说明
title	string	条目标题
experiment_type	string	实验类型（EMDB/CLEM/SXT）
scale	string	生物学尺度（molecule/virus/cell）
dataset_size	string	容量（如 “6.3 TB”）
status	string	状态（REL=已发布）
deposition_date / release_date	date	沉积/发布日期
update_date / obsolete_date	date	更新/作废日期
principal_investigator	list	首席研究者（含机构/地址）
corresponding_author	—	通讯作者
authors	list	作者列表（含 ORCID）
cross_references	list	跨库引用（EMD-#####）
empiar_references	list	EMPIAR 内部引用
biostudies_references	list	BioStudies 引用
idr_references	list	Image Data Resource 引用
citation	list	关联出版物
version_history	list	版本历史
imagesets	list	图像集合列表

imageset 子字段：segmentations / name / directory / category / header_format / data_format / num_images_or_tilt_series / frames_per_image / frame_range_min / frame_range_max / voxel_type / pixel_width / pixel_height / micrographs_file_pattern / picked_particles_file_pattern / picked_particles_directory / details / image_width / image_height。

附录 B：API 调用示例

# 获取单个/多个条目元数据（POST，JSON 数组 body）
curl -X POST -H "Content-Type: application/json" \
  -d "[10003,10004,10005]" \
  "https://www.ebi.ac.uk/empiar/api/entry/"

# 按 EMDB 号反查 EMPIAR 条目
curl "https://www.ebi.ac.uk/empiar/api/emdb_ref/EMD-5778"

# 最新引用列表
curl "https://www.ebi.ac.uk/empiar/api/latest_citations"

附录 C：文件格式读取工具链

工具	用途	语言/生态
RELION	单颗粒处理全流程	C++/命令行
IMOD	断层重建与可视化	C/命令行
CCP-EM	英国电镜软件协作套件	Python/命令行
EMAN2	电镜图像处理	Python
mrcfile	读写 MRC 格式	Python 库
emfile	读写多种电镜格式	Python 库
Warp	实时采集与预处理	独立软件

附录 D：检索路径示范

目标	推荐做法	预期命中
参考论文	检索 “EMPIAR” AND “Public Image Archive” AND Iudin	Nucleic Acids Res. 51:D1503
某结构原始数据	EMDB 找到 EMD-ID → emdb_ref 反查	对应 EMPIAR-#####
某类实验数据	按 experiment_type（EMDB/CLEM/SXT）筛选	同类条目集合
某尺度数据	按 scale（molecule/virus/cell）筛选	同尺度条目集合
官方复用案例	访问 /empiar/reuse/	社区复用实例
反例（勿用）	把 EMPIAR 当"数据集"搜患者数	无命中，维度错误

附录 E：EMPIAR 增长关键节点

时间	事件
2014-12	EMPIAR 正式上线（EBI press release）
2016-04	Nature 报道 “An archive for raw EM data”
2019-07-02	BioImage Archive 启动，EMPIAR 为核心组成
2020-03	PDBj 建立日本镜像
2022-06	EMDB+EMPIAR YouTube 频道上线
2022-11/2023-01	参考论文发表（NAR 51:D1503）
2022-12	SPW（Sample Preparation Widget）首发
2023-04	参考论文勘误发表
2025	单年新增条目 678（历史峰值）
2026-10-16	累计 3,196 条 / 9.42 PiB

附录 F：EMPIAR 与相关库的层级对照

层级	库	内容	本库条目
原始证据	EMPIAR	原始图像/倾斜系列/粒子栈	本条目
重建结果	EMDB	三维密度图/断层图	emdb (1060)
原子模型	PDB	原子坐标	pdb (43)
序列	UniProt	蛋白序列	uniprot (37)
AI 预测	AlphaFold DB	预测结构	alphafold (573)
标注语料	CryoET Data Portal	标准化+标注断层	同批候选（未入库）

附录 H：基于 EMPIAR 构建数据集的检查清单（12 项）

1. 明确任务类型：去噪/重建/挑选/分割？不同任务需要不同 imageset（micrographs vs particles vs tomograms）。
2. 先筛后下：用 API 批量拉元数据，按 dataset_size 与 imageset 的 num_images_or_tilt_series 评估，再决定下载哪些条目——避免拉取 TB 级无关数据。
3. 格式预案：确认文件格式（MRC/MRCS/TIFF/DM4/SPIDER）并准备对应读取工具（mrcfile/RELION/IMOD）。
4. 预处理链：运动校正 → CTF 估计/校正 → 归一化，建议直接复用 RELION/IMOD 标准流程。
5. 标注策略：明确是自建标注（分割）还是构造自监督信号（去噪/重建）。
6. 防泄漏划分：按条目/实验划分 train/val/test，绝不按图像随机划分。
7. 类别/尺度平衡：跨条目汇总时注意 scale 与 experiment_type 的分布，避免偏向某类样品。
8. 元数据保全：保留 pixel size、voxel type、剂量等元数据，它们对物理量解释至关重要。
9. 复现引用：记录使用的每个 EMPIAR accession、下载日期、原始出版物。
10. 许可合规：CC0 无限制，但仍应在数据集文档中标注 provenance。
11. 存储规划：预估下载量与转换后体积，长尾条目的 TB 级数据需提前规划磁盘与带宽。
12. 版本留存：记录条目 update_date/version_history，因条目可能修订。

附录 I：常见误解速查

误解	事实
EMPIAR 是一个大数据集	它是归档库，含 3,196 个独立条目
EMPIAR 有现成标注	基本无标准化标注，需自建或用 CryoET Data Portal
EMPIAR 就是 EMDB 的别名	EMPIAR 存原始图像，EMDB 存三维图谱，是两个库
EMPIAR 数据有使用限制	CC0，无任何条件或限制
EMPIAR 数据是通用图像格式	是 MRC/TIFF/DM4 等电镜专用格式
EMPIAR 里全是小文件	容量长尾，大条目达 15+ TB
CryoNuSeg 是 EMPIAR 的标注版	CryoNuSeg 是冷冻切片 H&E 病理数据，与冷冻电镜无关
引用 EMPIAR 只需 DOI	官方要求引参考论文 + accession + 原始出版物

附录 J：EMPIAR 与 EMDB 分工对照（速记）

问题	去哪个库
我要原始图像/帧/倾斜系列	EMPIAR
我要三维密度图/断层图	EMDB
我要原子坐标模型	PDB
我要从图谱反查原始数据	EMPIAR（emdb_ref API）
我要标注好的断层语料	CryoET Data Portal
我要蛋白序列	UniProt
我要AI 预测结构	AlphaFold DB

附录 K：引用 BibTeX 模板

@article{iudin2023empiar,
  title   = {EMPIAR: the Electron Microscopy Public Image Archive},
  author  = {Iudin, Andrii and Korir, Paul K. and Somasundharam, Sriram and
             Weyand, Simone and Cattavitello, Cesare and Fonseca, Neli and
             Salih, Osman and Kleywegt, Gerard J. and Patwardhan, Ardan},
  journal = {Nucleic Acids Research},
  volume  = {51},
  number  = {D1},
  pages   = {D1503--D1511},
  year    = {2023},
  doi     = {10.1093/nar/gkac1062}
}

% 引用具体条目时的建议格式：
% EMPIAR-XXXXX, Electron Microscopy Public Image Archive,
% https://doi.org/10.6019/EMPIAR-XXXXX (accessed 2026-10-16),
% [并引用该数据的原始出版物]

附录 L：EMPIAR 关键事实速查卡

项	值
全称	Electron Microscopy Public Image Archive
运营方	EMBL-EBI（欧洲生物信息学研究所）
官网	empiar.org / www.ebi.ac.uk/empiar/
上线	2014 年 12 月
规模（2026-10-16）	3,196 条 / 9.42 PiB
accession	EMPIAR-#####
DOI	10.6019/EMPIAR-#####
许可	CC0（公共领域，无任何条件或限制）
API	POST /empiar/api/entry/（免认证）
参考论文	Iudin et al., NAR 51(D1):D1503–D1511 (2023)
引用要求	参考论文 + accession + 原始出版物
姊妹库	EMDB（图谱）、PDB（坐标）
上游/下游	承接沉积；供 EMDB/PDB 下游
库内互链	emdb(1060)、pdb(43)、alphafold(573)、uniprot(37)、cryonuseg(844)

附录 M：一页纸速览（给赶时间的读者）

EMPIAR 是什么：EMBL-EBI 运营的冷冻电镜原始图像国际公共归档库，与 EMDB（图谱）、PDB（坐标）构成"原始图像—图谱—坐标"三方协作体系。

有多少：2026-10-16 实时 3,196 条、9.42 PiB；2013–2026 持续增长，2020 年后加速。

有什么：单颗粒原始帧、电子断层倾斜系列、粒子栈、体积 EM/X 射线断层三维数据；格式 MRC/MRCS/TIFF/DM4/SPIDER；尺度 molecule/virus/cell。

怎么拿：CC0 免费、无门槛；网页/HTTPS/API/日本镜像四条路；API 为 POST /empiar/api/entry/。

能用来干嘛：方法开发、结构验证、自监督/去噪/重建研究、教学、社区挑战。

别指望它：有现成标注、有通用图像格式、能全量下载——这些它都做不到。

一句话：EMPIAR 保存的是别人结论赖以成立的证据本身；它最开放，也最"生"。

附录 G：本条目数据来源与时点

来源	类型	抓取时点
www.ebi.ac.uk/empiar/	官网首页实时统计	2026-10-16
/empiar/about/	官方说明/引用规范	2026-10-16
/empiar/policies/	官方许可/存续政策	2026-10-16
/empiar/api/documentation/	REST API 文档	2026-10-16
POST /empiar/api/entry/	条目元数据实测	2026-10-16
/emdb/statistics/empiar_entries_year	逐条目统计	2026-10-16
/emdb/statistics/empiar_size_increase_year	逐容量统计	2026-10-16
Iudin et al., NAR 51:D1503 (2023)	参考论文	历史时点 2022-10-18

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-16，抓取与核验时点见附录 G。事实陈述以 EMPIAR 官网（about/policies/API 文档）、REST API 实测条目元数据与官方统计页为一手来源；参考论文（Iudin et al., Nucleic Acids Res. 51(D1):D1503–D1511, 2023）的数字为其 2022-10-18 截稿时点，与当前实时值（3,196 条 / 9.42 PiB）已显著不同，正文两处口径并存。许可（CC0）经 about 与 policies 两页原文互证核实。实时容量与条目数存在首页/统计页双口径，已在坑 2 存照。条目与库内 EMDB（rid 1060）、PDB（rid 43）、AlphaFold（rid 573）、UniProt（rid 37）等条目互链，构成结构生物学"原始图像—图谱—坐标"的证据链检索面；与同批候选 CryoET Data Portal 构成"原始图像—标注语料"的两层阶梯（勿合并）。后续维护触发点：EMPIAR 条目数/容量持续增长（2025 年后加速），引用数字时须核对抓取时点。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• cryoet-data-portal — 共享标签：医学图像分割 / 蛋白质组学 / 评测基准 / 多模态
• microns — 共享标签：神经科学 / 评测基准 / 多模态
• adam-aneurysm — 共享标签：医学图像分割 / 神经科学 / 评测基准
• pathseg — 共享标签：医学图像分割 / 评测基准 / 多模态
• nfbs — 共享标签：医学图像分割 / 神经科学 / 评测基准
• xpress — 共享标签：医学图像分割 / 神经科学 / 评测基准
• 3dreasonknee — 共享标签：医学图像分割 / 评测基准 / 多模态
• wearable-exam-stress — 共享标签：神经科学 / 评测基准 / 多模态
• mavis — 共享标签：医学图像分割 / 评测基准 / 多模态
• precise-prostate-ihc — 共享标签：医学图像分割 / 评测基准 / 多模态

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。