Endo-Aid 子宫内膜癌 Pipelle 活检检测

Endo-Aid 是荷兰 Radboud 大学医学中心（Radboudumc）病理科发布的一个公开测试集与在线评测平台，主题是用深度学习在 Pipelle 子宫内膜活检的 H&E 全切片上检出子宫内膜癌。公开数据只有 91 张全切片图像，随 Zenodo 以 CC BY-NC 4.0 发布，配套的 grand-challenge.org 页面提供自动评分与排行榜。它的正式名称是 Endometrial Carcinoma Detection in Pipelle biopsies，平台域名为 endo-aid.grand-challenge.org，同步论文发表于 2024 年的 Modern Pathology。

它要处理的是一个工作量问题，而不是一个诊断难题。子宫内膜活检里约一成包含恶性或前驱病变，其余九成是良性或取材不足，病理医生逐张看片的时间大量花在这九成上。Pipelle 取样无创、便宜，被用得越来越多，良性样本随之堆积。Endo-Aid 的思路是先让算法把明显良性的片子筛掉，把医生的注意力留给困难病例。它提供的正是这条流水线所需的评测集，以及一套可复现的评测程序。

如果打算用它，第一件事是确认你要的是评测而非训练：91 张切片不足以训练出可用的模型，训练集不会公开。第二件事是核对标注口径，金标准是 15 位病理医生的多数票，六分类一致性只有中等水平。第三件事是读许可，NC 条款决定了它能进哪些项目、不能进哪些产品。

§1 它是什么

1.1 一句话定义与三个身份

Endo-Aid 同时是三个东西：一个数据集、一个评测平台、一篇论文的公开附件。三者不能混为一谈。

作为数据集，它是 91 张子宫内膜 Pipelle 活检的 H&E 染色全切片图像（whole-slide image，WSI），来自 Radboudumc 病理科 2013 年 10 月至 2021 年 4 月的日常诊断样本，扫描设备为 3DHistech P1000。作为平台，它是 grand-challenge.org 上的一个 evaluation 项目，参赛者下载切片、在本地跑模型、把每张切片的恶性概率写成 CSV 上传，平台自动算分并更新排行榜。作为论文附件，它是 Modern Pathology 2024 年第 37 卷第 2 期那篇可行性研究的测试集，用来证明「训练在未筛选的日常切片上，算法仍能区分良性与恶性／前驱」。

这三个身份决定了使用方式。若只看 Zenodo，会以为这是一个普通的数据集下载；若只看平台首页，会以为这是一个常规挑战赛；实际两者是互补的：数据在 Zenodo，评分在平台，方法在论文。

按时间顺序看，这件事的顺序是：先有临床研究的读片试验（15 位病理医生各自判读同一批病例），再有算法在相同病例上的对照，最后把病例与评测程序一起开放。开放的是第三层，前两层留在论文里。这种开放方式在计算病理圈并不常见，更常见的是把训练集与测试集一起放出，或者只放训练集、留一个隐藏测试服务器。Endo-Aid 选了最省事也最受限的一种：图像全放，评测全公开，训练全不给。

1.2 名字的来源与拼写分歧

「Pipelle」是采样器械的名字，不是解剖部位，也不是病理亚型。Pipelle de Cornier 是一支细长的塑料吸引式取样器，门诊即可完成子宫内膜取材，不需要麻醉和宫颈扩张，因此成为子宫内膜活检最常用的器械之一。Endo-Aid 的全称把三件事串在一起：部位（endometrial，子宫内膜）、疾病（carcinoma，癌）、器械（Pipelle）。理解这一点，检索时才不会被「Pipelle」误导到人名或药品。

拼写上有两套写法并存。grand-challenge 页面用 Endometrial Carcinoma，Zenodo 数据集条目用 Endometrium Carcinoma。前者是标准的形容词形式，后者把名词当定语用。两处指的是同一批 91 张切片：Zenodo 条目由 Gelton、Vermorgen、Ciompi 三人署名，grand-challenge 页面由同一团队维护，并直接链接到该 Zenodo record。检索时应两种写法都试，只查一种会漏掉一半结果。

「Endo-Aid」这个短名只出现在平台域名（endo-aid.grand-challenge.org）和页面 title 的前缀里。首页正文没有展开这个缩写的含义，也没有说明它是 Endometrial Aided Diagnosis 还是别的组合。把它当作项目代号使用即可，不要替发布方补全缩写——文献里没有这个展开。

1.3 团队的由来

Radboudumc 的计算病理组在欧洲数字病理圈有较长的积累，Francesco Ciompi 领导的团队长期做全切片弱监督分类与多实例学习，CLAM 系列工作流是他们的常用底座。Endo-Aid 的算法部分正是 CLAM（Clustering-constrained Attention Multiple Instance Learning）的一个针对性集成，作者把它托管在 grand-challenge 的算法页上，名为 Endometrial Carcinoma classification，输入一张 WSI，输出 0 到 1 的恶性风险和一个注意力热图。

论文的署名结构值得留意。一作是 Sanne Vermorgen，临床侧（妇科肿瘤）背景；共同作者 Thijs Gelton 负责算法与平台，也是排行榜上唯一的提交者；通讯层是 Michiel Simons（病理）与 Francesco Ciompi（计算病理）。作者名单长达 19 人，其中多数是参与读片研究的外部病理医生，分布在荷兰、捷克、比利时、挪威、科索沃、芬兰、加拿大、美国、葡萄牙等地的机构。这种「临床一作 + 算法共同一作 + 多国读片者」的结构说明研究重心在读片一致性，而不在模型架构。

1.4 与「子宫内膜癌 AI」文献中的其他条目如何区分

检索「endometrial cancer deep learning」会命中大量条目：经阴道超声的厚度测量、MRI 的肌层浸润分期、TCGA 分子分型、单细胞免疫微环境图谱、以及若干商品化的切片级分诊工具。Endo-Aid 只覆盖其中一个窄口：Pipelle 活检的 H&E 全切片、切片级二分类、以病理医生多数票为参考。它不涉及影像组学，不涉及分子分型，也不提供像素级肿瘤区域标注。

把这一点说清楚，可以避免三类常见误配：拿它去训练分割模型（没有像素标签）、拿它做 MRI 与病理的多模态对齐（没有配对影像）、拿它做分子分型研究（没有测序数据）。

§2 数据构成：十二问十二答

Q1：91 张这个数字是怎么来的？
它是论文读片研究的例数，也是公开测试集的全部内容。15 位病理医生对同一批 91 例各自给出六分类意见，多数票构成参考标准；算法在同一批切片上给出概率，两边比对得到 κ 与 AUC。不存在「训练集 91 张、测试集另算」的拆分——91 张全部是测试集。

Q2：训练集有多少、为什么不公开？
论文写训练使用了近三千例子宫内膜活检切片（精确值见 §2.1 规格表的训练集一行）。平台首页明确说明「训练数据不在本平台发布，且目前没有发布计划」。原因页面没有写，从上下文可推知与患者隐私、机构数据治理审批有关，但这是推断。

Q3：切片的物理规格是什么？
3DHistech P1000 扫描仪，原始扫描间距 0.25 μm/px，原始格式 MRXS。发布前转为 TIFF，并把最大间距放宽到 0.5 μm/px，目的是让文件能被更广的病理浏览器和接口读取，同时控制体积。公开版本因此大约是原扫描的一半线性分辨率。

Q4：体量多大？
Zenodo 记录显示压缩包 16.9 GB，格式 rar，内含 91 张 TIFF，另有一个 LICENSE.txt 文件。解压后的体量取决于 TIFF 的压缩方式，公开页面未给解压后数值。

Q5：染色与组织类型？
H&E（苏木精-伊红）。组织类型是 Pipelle 子宫内膜活检，样本常呈碎片状、组织量少，与手术切除标本的整块组织在形态上有明显差别。

Q6：标签有几个类别？
两层。表层是二分类：良性 vs 恶性或前驱（malignant or premalignant），这是平台提交与排行榜使用的口径。底层是六分类：无代表性（nonrepresentative）、正常（normal）、非肿瘤性（nonneoplastic）、无非典型增生（hyperplasia without atypia）、非典型增生（hyperplasia with atypia）、恶性（malignant）。六分类是病理医生读片时的完整意见，二分类由六分类合并而来。

Q7：金标准是谁定的？
15 位参与读片研究的病理医生，每人独立读过全部 91 例。参考标准取多数票。这是「集体判读」而非「单点确诊」，也是数据集最重要的性质之一。

Q8：病理医生之间一致性如何？
六分类下平均 Cohen κ 为 0.51，属中等一致；把六类合并为良性 vs 恶性／前驱后，平均 κ 升到 0.66，属较高一致。这两个数字说明：分歧主要发生在「前驱」与「良性」的边界以及「无代表性」的判定上，而「有没有癌」这件事专家之间的共识要好得多。

Q9：算法的一致性如何？
同一批切片上，算法六分类 κ 为 0.43，二分类 κ 为 0.65。把它和病理医生放在一起看，算法在六分类上略低于集体意见，在二分类上几乎持平。这一结果常被概括为「算法达到医生水平」，更准确的说法是「算法与多数票的一致性接近单个病理医生与多数票的一致性」。

Q10：AUC 0.9599 是怎么来的？
对 91 张切片的预测概率与多数票二分类标签计算 ROC 曲线下面积，得到 0.9599，排行榜与论文摘要一致（算法页写 0.960，为三位小数四舍五入）。这是单一的总体指标，没有报告置信区间。

Q11：数据里包含哪些字段？
公开页面确认的只有图像本身与一个许可文件。切片标识如何编码、是否附带逐例多数票标签、六分类逐人票型是否随包发布，在抓取到的页面中没有明确说明。使用前应先解压核对文件结构，若包内无标签，需要从论文补充材料或作者处补齐。

Q12：样本的时间跨度与来源单一性？
单中心：Radboudumc 一家医院，2013 年 10 月至 2021 年 4 月，约七年半。扫描仪单一型号。这意味着数据内部的机构与设备变异很小，跨中心泛化只能靠外部数据检验。

2.1 规格表

维度	取值	可靠性
切片数	91	三源一致（首页、Zenodo、论文摘要）
染色	H&E	三源一致
扫描仪	3DHistech P1000	Zenodo 正文
原始像素间距	0.25 μm/px	Zenodo 正文
发布像素间距	≤0.5 μm/px	Zenodo 正文（「maximum spacing of 0.5 μm/px」）
原始格式	MRXS	Zenodo 正文
发布格式	TIFF，rar 打包	Zenodo 正文与文件列表
体量	16.9 GB（压缩）	Zenodo 文件列表
机构	Radboudumc，荷兰奈梅亨	Zenodo 正文
时间跨度	2013-10 至 2021-04	算法页验证集栏
二分类标签	良性 vs 恶性或前驱	论文摘要（binary classification）
六分类标签	无代表性／正常／非肿瘤性／无非典型增生／非典型增生／恶性	论文摘要
参考标准	15 位病理医生多数票	首页、论文摘要
训练集	论文摘要数值，不公开	论文摘要（单源）
许可	CC BY-NC 4.0	Zenodo License 栏

「可靠性」一列的含义：写「三源一致」表示首页、Zenodo、论文三处说法相同；写「Zenodo 正文」表示只有发布方自述一处；写「论文摘要」表示只有论文一处。引用时按此判断证据强度。

2.2 六分类与二分类的关系

六分类不是二分类的细分标签那么简单，它包含一个「无代表性」类别，这个类别在二分类里如何归属，直接决定模型的评价口径。

从临床流程看，「无代表性」（nonrepresentative）意味着这次取材没有取到足够的子宫内膜组织，病理医生无法据此给出诊断。这类样本应该被退回重新取样，而不是判为良性。如果二分类把「无代表性」并入良性，模型学到的是「这张片子没有癌」，而非「这张片子不该判」。这种合并会掩盖模型在质量筛查上的能力。

论文摘要把二分类描述为「良性 vs 恶性或前驱」（benign vs premalignant/malignant），从措辞看，「非肿瘤性」与「正常」归入良性侧，「恶性」与「非典型增生」归入阳性侧。无代表性落在哪一侧，摘要未明说。这是一个需要在补充材料中确认的细节，也是引用这组 κ 时必须说明的口径。

为什么这个归属重要，可以用一个假想的分布说明。假设 91 例中「无代表性」占两成左右，而真实恶性约一成。若把它们并入良性，阳性侧只剩十来例，阴性侧膨胀到八成以上；若把它们并入阳性，阳性率会翻倍。同一条 ROC 曲线在两个假设下位置完全不同，AUC 的绝对值和上限都受影响。更麻烦的是，模型的行为会反过来被这种归属塑形：并入良性时，模型只要学会「识别组织量」就可能拿到不错的分数，因为组织量少的片子几乎都被归到了阴性侧。

因此，当引用论文中「二分类 κ 0.65」这一数字时，必须同时说明「无代表性」的处理方式。若要在自己的数据上复现同一口径，最稳妥的做法是向作者索取逐例六分类标签，按自己的需要重新合并，并把合并规则写进方法部分。

2.3 为什么是弱监督

91 张切片只有切片级标签，没有逐区域标注。这是成本的选择：Pipelle 活检的组织碎片多、边界不规则，逐像素标注一张可能耗时数小时，而切片级标签在常规诊断流程中本来就存在。弱监督（weakly supervised）和多实例学习（multiple instance learning，MIL）因此成为自然选择：把切片切成大量小块（patch），每块送入特征提取器，再用注意力机制聚合为一个切片级概率。

CLAM 是这个思路的代表实现之一。它在聚合时同时做聚类约束，让注意力集中在少数有判别力的区域，并把热图作为附带输出。Endo-Aid 团队在 CLAM 基础上做了针对 Pipelle 的调参：Pipelle 切片的组织面积小、背景多，patch 过滤阈值需要更保守；组织碎片之间常有空白，注意力容易分散到伪影上。

2.4 与同类妇科病理数据集的形态对比

数据集	器官	切片数	标签粒度	训练集是否公开
Endo-Aid	子宫内膜	91（测试）	切片级二分类/六分类	否
CAMELYON16	乳腺淋巴结	400	像素级转移灶	是
CAMELYON17	乳腺淋巴结	1,000	切片级五分类	是
PANDA	前列腺	约 1 万	切片级 ISUP	是
HISTAI	多器官	约 11 万	切片级合计	是（分阶段）

这张表说明 Endo-Aid 在形态上是少数派：它把预算放在读片研究和评测程序上，而不是放在数据规模上。对需要大规模训练数据的使用者，它不是首选；对需要「一个固定的、有专家共识的考卷」的使用者，它填补了妇科病理方向的空白。

2.5 为什么同一份图像会出现两个不同的规模数字

在平台算法页上，验证集一栏写的是近三千例，论文摘要写的是另一个略小的数字。两处指的都是 Radboudumc 的开发数据，差别只在于是否把公开测试集算进去。

这类差异在数字病理的数据论文里很常见，原因通常在划分流程。开发集在建模阶段被切成训练与验证两部分，验证部分的切片在论文写作时可能被重新定义；到了算法页发布时，作者为了让性能描述与平台一致，把测试集并入总数重新报了一次。两种写法都不算错，但混用会导致「训练集有多大」这个问题出现两个答案。

对使用者的实际影响是：如果你要复现论文的训练规模，应取较小的那个数字；如果你要估计作者的模型看过多少数据，应取较大的那个。若只看到一个数字就下结论，容易低估或高估一个数量级左右的差别——在这个量级上，数据量的两三成差异对模型性能的影响是真实存在的。

2.6 图像层面的几个物理事实

像素间距从扫描时的四分之一微米放宽到公开版的最多半微米，是一个容易被忽略但影响直接的事实。放大率与像素间距是同一件事的两种表述：间距越小，同样物理面积里的像素越多，能看清的细胞核细节越细。放宽一档，意味着一平方毫米的组织在图上少了一半的线性像素数。

对分割类任务，这个差别是致命的；对切片级分类，影响相对温和，因为分类依赖的是组织架构与腺体排列，这些特征在半微米级别仍然清晰。但如果模型依赖核分裂象、细胞核大小这类细节，降采样会直接抹掉信号。

文件格式从 MRXS 转到 TIFF，改变的是读取方式而非图像内容。MRXS 是 MIRAX 的专有容器，一个切片对应一个文件夹，里面有多个分辨率层的图像块与元数据文件；TIFF 是单文件容器，很多病理库能直接读。转换的收益是兼容性，代价是元数据的完整性——MRXS 里的一些扫描参数在转换中可能丢失，包括每张切片的确切扫描倍率与部分采集设置。

体量方面，压缩包显示十几 GB，解压后通常是它的数倍，具体倍数取决于 TIFF 是否压缩、用的是什么压缩。如果按十 GB 压缩、四十 GB 解压来规划磁盘，多数情况够用；但对内存与临时空间紧张的容器环境，解压过程本身就可能失败。

§3 怎么拿到

3.1 两条路径，两种用途

取得 Endo-Aid 有两条路径，对应两种用途，不能混用。

第一条是 Zenodo 直链下载：https://zenodo.org/record/7372187 页面上的 endometrium-carcinoma-pipelle.rar，16.9 GB，无需注册、无需申请，点击即下。这条路径拿到的是图像本体，用于本地训练、推理、特征分析。

第二条是 grand-challenge 平台提交：注册账号，在 endo-aid.grand-challenge.org 的 submission 页按模板上传 CSV，每行一张切片一个概率，平台计算 AUC 并写入排行榜。这条路径拿不到额外数据，拿到的是与官方评测程序一致的分数。

注意两者不是「下载」与「申请」的关系，而是「数据」与「评分」的关系。数据永远公开，评分需要上传。

还有第三条路径，常被忽略：不下载、不上传，只读论文与排行榜。对于想了解妇科病理 AI 现状而不打算复现的人，这条路径的信息量其实不小——论文给了 κ，排行榜给了 AUC，两者配合已经能回答「这类任务难点在哪里」。缺点是无法验证，只能引用。

3.2 提交格式

提交文件是 CSV，内容为每张切片一个预测值。平台首页的说明只写到「把子宫内膜癌的概率存成 CSV，按提交页的细节操作」这一层，没有在首页列出列名、切片标识的写法与取值范围。实际操作前应打开 submission 页逐项核对：切片标识的字符串必须与数据包内的文件名或元数据一致，概率必须是 0 到 1 之间的浮点数，缺行或多行都会导致评测失败。

一个务实的做法是先下载数据、写一个全 0.5 的「哑提交」，确认平台接受文件格式并给出 0.5 的 AUC，再换真实模型。这样能把格式问题与模型问题分开排查。

3.3 许可：NC 的含义与边界

Zenodo 条目明确写的是 Creative Commons Attribution Non Commercial 4.0 International，即 CC BY-NC 4.0。这条许可有两个条件：署名（BY），非商业（NC）。没有禁止演绎（ND），所以可以修改、可以基于它训练模型、可以发表结果；也没有相同方式共享（SA），所以你的衍生作品不必沿用同一许可。

「非商业」的边界在学术语境下通常被理解为：不能用于直接产生收入的产品、不能用于商业竞标、不能作为收费服务的一部分。企业内部的方法研究是否算商业，取决于具体解读，严谨的做法是在商业用途前向 Radboudumc 申请书面许可。数据集的署名要求指向 Zenodo 条目的作者：Thijs Gelton、Sanne Vermorgen、Francesco Ciompi。

平台侧另有一层条款。grand-challenge 上的算法页（Endometrial Carcinoma classification）写着「为研究目的开发；作为免费使用的交换，我们要求使用者同意其样本可用于未来研究」。这是算法服务的使用条件，与数据集许可不是一回事：下载数据只受 CC BY-NC 约束，使用算法服务才触发那条同意条款。

3.4 引用方式

引用数据应使用 Zenodo 的 DOI：10.5281/zenodo.7372187（v2）。Zenodo 同时保留了 v1 的 DOI 10.5281/zenodo.7352051，两者同日发布（2022 年 11 月 23 日），v2 是当前版本，引用应指向 v2。

引用方法应使用论文：Vermorgen S, Gelton T, Bult P, 等. Endometrial Pipelle Biopsy Computer-Aided Diagnosis: A Feasibility Study. Modern Pathology. 2024;37(2):100417. DOI 10.1016/j.modpat.2023.100417。

引用平台成绩应同时给出口径：AUC 0.9599（91 张测试集，多数票参考标准，2022 年 11 月提交）。只说「AUC 0.96」而不说测试集大小与参考标准，使用方无法判断可比性。

3.5 解压与预处理建议

16.9 GB 的 rar 需要至少同等大小的临时空间，加上解压后的 TIFF，整机预留 60 GB 以上比较稳妥。rar 在 Linux 上需要 unrar 工具，部分发行版默认不装。

解压后先做三件事：一是清点文件数，应为 91 张图像；二是读一张的元数据，确认像素间距是否已是 0.5 μm/px，有些转换流程会把原始间距写进 TIFF 标签、有些会抹掉，需要按文件实际值设定 patch 的物理尺寸；三是统计每张的组织面积占比，Pipelle 切片差异很大，有的几乎全是背景。

§4 质量与已知问题

4.1 三个层级的问题

质量问题可以分三层看：数据层、标签层、评测层。

数据层的问题是规模与来源。91 张、单中心、单扫描仪，这三点叠加意味着任何「泛化」结论都超出数据本身能支持的范围。数据报告的症状是：模型在这 91 张上表现良好，换到另一家医院的切片上性能下降，而下降幅度无法从这份数据预判。

来源单一还带来一个更隐蔽的问题：样本的时间跨度与人群结构并不一定与外部一致。这批切片来自 2013 年到 2021 年，七年多的时间里，取材器械、固定流程、扫描软件都可能更新过，但更新没有被记录。若外部数据来自不同年代，性能差异里就混着设备与流程的变化，无法只归因于人群。

标签层的问题是参考标准本身有噪声。15 位病理医生的六分类平均 κ 只有 0.51，二分类 0.66。把多数票当金标准是对的，但多数票不是无噪声的真值，它是「多数人的判断」。当模型与多数票的 κ 是 0.65 时，它和单个医生的 0.66 几乎一样——这个对照只有在承认医生间也有分歧的前提下才有意义。

评测层的问题是单点指标。AUC 0.9599 没有置信区间，91 个样本的 AUC 置信带相当宽；排行榜只有一条提交，没有第三方对照；平台也不提供分层报告（按六分类、按组织质量、按年龄）。这些缺口需要使用者自己在本地补齐。

三个层级之间存在传导关系：数据层的偏斜会放大标签层的分歧，标签层的噪声又会抬高考评层的不确定性。只修一层无法解决问题。对一个要用它做外部测试的团队，可行的顺序是先做数据层的体检（切片质量、组织面积、染色一致性），再做标签层的复核（抽查若干例的票型分布），最后才是评测层的置信区间。跳过前两步直接报告 AUC，结论会漂亮但脆弱。

4.2 假设—支持—反对

假设	支持证据	反对证据
这 91 张能代表 Pipelle 活检的总体分布	数据来自连续七年半的日常诊断样本，非筛选	单中心单设备；良性样本占比高，阳性样本绝对数少
多数票是合适的金标准	15 人独立判读，六分类与二分类两套口径都报告了 κ	多数票会掩盖系统性偏差；无代表性类别的归属未明说
算法达到病理医生水平	二分类 κ 0.65 vs 医生 0.66，几乎持平	六分类 κ 0.43 vs 0.51，仍低一档；单中心测试
预筛能削减约七成工作量	首页给出 72.9% 的估计，即 FPR 10% 时的灵敏度 100%	该估计来自模型自身在同一测试集上的表现，未经前瞻验证；实际工作流还受检索、复核、报告环节制约
公开测试集足以复现结论	图像与评测程序都公开	训练集不公开，复现的是「在你的模型上评测」而非「复现论文模型」

这张表的用法是：引用任何一条结论时，同时引用它对面的证据。只引支持侧会夸大，只引反对侧会低估。

4.3 结论强度分级

A 级（三条以上独立证据）：91 张、H&E、15 位病理医生、CC BY-NC 4.0、Zenodo 公开。这些在首页、Zenodo、论文或平台三处互相印证。

B 级（两条证据）：训练集规模（论文一处，算法页另有相近数字，可视为间接印证）；AUC 0.960（排行榜与算法页）。

C 级（单一来源）：100% 灵敏度与 72.9% 工作量削减（首页与博士论文自述，无独立复核）；20-30% 取材不可用率（首页引用文献，未给具体出处）。

D 级（推断）：无代表性类别在二分类中的归属；训练集不公开的具体理由；Endo-Aid 缩写的展开。

4.4 与论文口径的两处漂移

第一处是训练集规模。论文摘要与平台算法页的验证集栏给出两个不同的精确数字，差额 92，接近测试集的规模，因此合理的解释是：2,911 是包含测试集在内的开发集总数，2,819 是去掉测试集后的纯训练数。但发布方没有写这句话，使用者引用时应同时给出两个数字并注明差额，而不是任选其一。

第二处是首页的时间戳。「Publishing of our methods and reader study is in progress」这句写在首页，但论文 2024 年 2 月已经正式刊出。页面没有更新。这句话会误导检索者以为方法尚未发表，实际上论文、博士论文都已公开。

§5 能做什么

5.1 任务清单

按可行性从高到低排列：

一、外部测试。在其他数据上训练切片级分类器，在这 91 张上测 AUC 与 κ，报告跨机构表现。这是数据集设计的原始用途。

二、评测方法研究。91 个样本的 AUC 方差有多大？不同 patch 尺寸、不同染色归一化方法对分数的影响是否超过样本噪声？这类问题在小测试集上反而容易说清楚。

三、读片一致性研究。使用 15 位病理医生的票型（若能取得），研究「哪些病例专家也拿不准」，把模型不确定性与人类不确定性对照。

四、注意力热图的可解释性研究。CLAM 系模型输出热图，可以看模型是否落在腺体、是否被血细胞或黏膜碎片误导。这需要病理医生抽查，样本量小反而是优点。

五、质量筛查子任务。把「无代表性」当作独立类别，训练一个「这张片子能不能判」的分类器，与「有没有癌」分开评估。

5.2 不适合的任务

不能做像素级分割（没有掩码）。不能做多模态（没有配对的超声、MRI、分子数据）。不能做大规模预训练（91 张太少）。不能做前瞻性临床验证（没有随访与结局）。不能直接商用（NC 许可）。

5.3 最小可执行示例

下面这段伪代码展示从下载到提交的最短路径，重点在流程而非具体库。

// step 1 数据：解压后得到 91 张 TIFF
slides = sorted(Path("endo_aid/tiff").glob("*.tif*"))
assert len(slides) == 91

// step 2 特征：用任一病理基础模型逐 patch 提特征
//    注意物理尺寸——0.5 μm/px 下 224 px 约 112 μm
feats = {s.name: extract_patches(s, patch_px=224, stride_px=224) for s in slides}

// step 3 聚合：MIL 或注意力池化，输出一个 0-1 概率
probs = {k: mil_forward(v) for k, v in feats.items()}

// step 4 提交：CSV，每张切片一行
pd.DataFrame({"slide": list(probs), "prob": list(probs.values())}) \
  .to_csv("submission.csv", index=False)

三步检查：patch 的物理尺寸是否与训练时一致；切片标识是否与平台要求的写法一致；概率是否在 0 到 1 之间且没有缺失。这三点任何一点错，都会得到看似合理实则无意义的分数。

关于物理尺寸，值得展开算一次。公开版的上限是 0.5 μm/px，若一张切片实际落在 0.5 μm/px，224 像素的 patch 对应 112 μm 见方的组织；若某张切片保留了更细的间距，同样 224 像素对应的物理面积会缩小。子宫内膜腺体的直径大致在几十到一百多微米量级，腺腔与间质的比例是判读的关键信息，patch 太小会把腺体切成两半，太大又会把整片碎片稀释成一个特征。常用的折中是 256 到 512 像素、配合 1.5 到 2 倍重叠，让聚合层有足够的选择余地。

对 Pipelle 切片还有一个与常规穿刺标本不同的细节：组织碎片常呈细条状，长宽比很大。按正方形网格切 patch 时，条带边缘的 patch 大部分是背景，若不剔除，注意力会被空白区域分走。一个务实做法是先做组织分割，只保留组织像素占比超过某阈值的 patch，阈值按这批数据的分布定，而不是照搬整块组织的数据集。

5.4 一个「不做也行」的替代方案

如果目标只是「验证我的模型在子宫内膜数据上是否退步」，其实不必提交排行榜，本地算 AUC 与 κ 即可。排行榜的价值在于与他人同口径比较，而这个排行榜只有一条记录，比较对象是作者自己。除非你要公开发表「在同一测试集上超过作者基线」的结论，否则本地评测足够。

§6 常见误读与引用陷阱

常见说法	实际口径	证据位置
Endo-Aid 是一个挑战赛，有训练集和测试集	只有测试集，训练集明确不公开	首页 Goal 段
数据集有近三千张，可以拿来训练	那个数字是未公开的训练集；公开的只有测试集	论文摘要 vs 首页
标签是病理确诊的金标准	15 位病理医生多数票，六分类 κ 仅 0.51	论文摘要
排行榜领先，击败了多少队伍	只有一条提交，即作者本人	排行榜页
AUC 0.96，说明准确率 96%	AUC 衡量排序，不代表准确率	指标定义
kappa 0.65 与 AUC 0.96 可以互相换算	两者量纲与参照都不同	论文 vs 排行榜
图像是 0.25 μm/px 的原始扫描	公开版已放宽到 0.5 μm/px	Zenodo 正文
这是一个多中心数据集	单一机构 Radboudumc	Zenodo 正文
可以直接用于商业产品	CC BY-NC 4.0，NC 即非商业	Zenodo License
名字里的 Endometrium 是笔误	是 Zenodo 条目的正式标题写法	Zenodo
训练集虽然不公开，但可以申请	首页写「目前没有发布计划」	首页 Goal 段
方法尚未发表	论文 2024 年已刊于 Modern Pathology	DOI 10.1016/j.modpat.2023.100417

技术陷阱一：切片标识。 提交 CSV 里的切片标识必须与平台内部一致，通常是文件名去掉扩展名，但大小写与分隔符要有实际核对。全 0.5 的哑提交能一次暴露这类错误。

技术陷阱二：分辨率换算。 Zenodo 只给「最大间距 0.5 μm/px」，不给每张的实际值。若你的模型按 0.25 μm/px 训练，直接套用会导致 patch 的物理视野减半，组织尺度错位。读 TIFF 标签后再决定 patch 像素数。

技术陷阱三：类别合并。 六分类转二分类时，「无代表性」归哪一侧，必须在论文补充材料里确认。归错会让阳性率变化，进而改变 AUC 的解释。

技术陷阱四：体量与磁盘。 16.9 GB 压缩包、91 张 TIFF，解压后的目录在部分文件系统上可能触及单目录文件数以外的 inode 与配额限制，尤其是共享集群的家目录。先看配额再解压。

技术陷阱五：重复引用同一数字。 论文的 κ 0.65 与排行榜的 0.9599 描述的是同一模型的两个侧面，同时引用时应写成「二分类一致性 κ 0.65，排序能力 AUC 0.96」，而不是把两个数并列当作两项独立成就。

技术陷阱六：把自述当验证。 72.9% 的工作量削减、100% 的灵敏度都是作者在同一测试集上的估计，没有前瞻性试验、没有外部验证。引用时应写明「作者估计」。

技术陷阱七：把 Zenodo 的两个版本当两份数据。 v1 与 v2 同日发布，v2 是修订版，不是新增 91 张之外的数据。

技术陷阱八：忽略伦理与合规。 数据来自真实患者，即使去标识化，仍受机构伦理约束。CC BY-NC 解决的是版权，不解决患者数据的二次使用合规问题；跨机构使用时应确认当地伦理审查要求。

技术陷阱九：用 AUC 高低替代临床效用。 AUC 是排序指标，把阈值移动就能换来不同的灵敏度与特异度。临床关心的是在给定工作量下漏掉多少癌，这需要固定假阳性率再读灵敏度，而不是只报一个面积。作者给出的 100% 灵敏度正是在假阳性率 10% 的条件下得到的，引用时不能把这句拆成「灵敏度 100%」。

技术陷阱十：把「单中心」当成可以忽略的细节。 单中心影响的不是数据量，而是形态分布。不同机构的取材习惯、固定液、切片厚度、扫描仪色调都会改变图像外观。在一家医院的切片上训练的模型，到了另一家，可能把染色深浅当成信号。这 91 张的内部一致性高，恰恰说明它无法暴露这类问题。

技术陷阱十一：把出版年份与数据年份混为一谈。 Zenodo 显示 2022 年 11 月发布，论文 2024 年 2 月刊出。引用数据时写 2022，引用方法时写 2024，两者不能互换。若写「2022 年的论文」，检索时会找不到文献。

技术陷阱十二：假定排行榜分数代表当前最佳。 排行榜是提交者的自报成绩，平台不要求提交代码或模型，也不要求说明是否用过测试集。唯一的提交是作者自己，可信度较高；一旦出现第三方提交，就应视为自报数据而非独立验证。

§7 在生态中的位置

7.1 妇科病理 AI 的窄口

计算病理的公开数据集大多集中在乳腺（CAMELYON）、前列腺（PANDA）、结直肠（NCT-CRC）、皮肤与淋巴瘤。妇科方向长期缺一个「有专家共识、有评测平台」的切片级数据集。子宫内膜癌的公开资源更少：TCGA 有子宫内膜癌的切片，但标签是分子分型与临床结局，不是「这张片子有没有癌」；单细胞图谱研究的是免疫微环境，不涉及 H&E 形态。

Endo-Aid 补的正是这个窄口。它的贡献不在数据量，而在评测协议：15 位病理医生、六分类、多数票、公开评测脚本。这套协议让「模型与人类专家的对比」有了可复现的口径。

7.2 与 CLAM 生态的关系

CLAM 是弱监督 WSI 分类的常用基线，相关代码在 GitHub 上广泛使用。Endo-Aid 的算法是 CLAM 的变体，托管在 grand-challenge 上，不提供源代码下载。这意味着使用者可以直接调用其推理接口，但无法查看具体调参。若要做方法对比，更实际的做法是用 CLAM 开源实现在这 91 张上自己跑一遍，作为基线。

7.3 与 RAD-AID / 分诊类工作的关系

「先筛掉良性、把困难病例留给医生」这个思路在宫颈细胞学、乳腺钼靶、胸片筛查里都有大量实践。Endo-Aid 把这套思路搬到子宫内膜活检，价值在于把「工作量削减」从口号变成可测的量：给定假阳性率上限，灵敏度是多少，对应的医生工作量是多少。这类曲线在别的数据集上也能画，但很少有这么明确的专家共识做参照。

7.4 库内可以互相参照的条目

HISTAI（11 万张全切片）提供规模参照：当需要「大数据训练 + 小数据评测」的组合时，可以用 HISTAI 训练表征、用 Endo-Aid 评测。CAMELYON16 与 CAMELYON17 提供像素级标注的对照范式：同样是淋巴结，一个给像素掩码，一个给切片标签，可以对照两种监督的评测差异。PANDA 提供弱监督切片级分类的规模样板，其训练集公开、测试集隐藏的协议与 Endo-Aid 正相反。PANDA-PLUS 讨论切片级标签噪声，与「多数票也是噪声源」的论点可互为印证。MIDOG 讨论域泛化，可用于理解单中心测试集的局限。BoneMarrowWSI-PediatricLeukemia 与 UniToPatho 提供小样本 WSI 分级任务的对照。Prostate CNB WSI 与 Endo-Aid 同属穿刺／活检类小组织切片。Endometrial Immune Cell Atlas 与 Endo-Aid 同器官、不同模态，可以组成「子宫内膜研究数据面」的互补。GLENDA 是同科室（妇科）不同任务（腹腔镜子宫内膜异位症）的对照。

§8 使用建议与判断口径

8.1 三条判断口径

第一，规模判断。91 张的 AUC 点估计的标准误大致在 0.02 到 0.04 之间，具体取决于阳阴性比例。两个模型在这份数据上相差 0.01，不能说明优劣。

第二，口径判断。引用 κ 必须注明六分类还是二分类，引用 AUC 必须注明测试集大小与参考标准。缺任一项，数字不可比。

第三，许可判断。NC 条款决定它能不能进商业项目；论文与 Zenodo 的署名要求决定引用格式。两者都不是「下载即用」那么简单。

还有一个常被忽视的判断：这份数据能不能回答「我的方法比现有方法好」。答案取决于对照组。若对照组是作者公开的 0.9599，你需要说明自己的预处理是否相同、输入是否相同、是否用了额外的外部训练数据。三项里有一项不同，差距就无法归因到方法本身。若对照组是你自己重跑的基线，那比较是内部自洽的，但无法与文献对齐。两种做法各有代价，写清楚比选对更重要。

关于标准误的粗估，可以给一个更具体的说法。二分类 AUC 的抽样方差在样本量一百左右、阳性比例一成上下的情形下，标准误大约落在 0.02 到 0.04 的区间；若阳性只有十来例，标准误接近上沿。这意味着两个模型的 AUC 相差 0.02，在统计上与零差异无法区分。论文报告 0.9599 时没给区间，引用者若需要做模型比较，应自行用自助法重估。

8.2 报告结果时应写什么

一份负责任的结果报告至少包含：模型架构与训练数据来源（说明是否用过 Endo-Aid）、patch 物理尺寸与染色归一化方法、测试集 91 张上的 AUC 与 95% 置信区间、二分类 κ 与六分类 κ、以及是否与作者的 0.9599 做过同口径比较。若没有分层结果，应写明「未做亚组分析」。

8.3 什么时候不该用

如果你需要的是训练数据，不该用；如果目标是分割，不该用；如果要做产品，不该用（除非取得商业许可）；如果要证明方法在真实临床流程里的价值，单靠这 91 张也不够，需要前瞻性研究。

8.4 如果一定要在这份数据上做更多

有几种做法可以在不违反评测原则的前提下榨出更多信息。

一是交叉验证式的自我诊断。把 91 张分成五折，在四折上训练一个极简分类器（例如用基础模型特征加逻辑回归），在余下一折上测，重复五次。这样得到的稳定性估计，比单次点估计更能说明「这份数据上的分数有多可信」。注意这不是在评测集上训练，而是评估数据的内部可分性，结论不能冒充外部泛化。

二是不确定性分解。同一个模型换不同的随机种子、换不同的染色归一化，重复十次，看每张切片的预测方差。方差大的那几张，往往正是病理医生意见也不一致的病例。把模型方差与医生票型对照，可以得到「机器与人类在同一批难例上是否同频」的观察。

三是把「无代表性」当作独立任务。不预测癌，而预测「这张片子能不能判」。这个任务的标签可以从六分类直接推出，与癌的判定解耦，训练与评测都更干净。

四是热图抽查。随机抽二十张，请病理医生看注意力热图落在哪里。样本小到可以人工完成，结论却是定性的：模型看的是腺体还是碎屑。这类观察在论文里通常被省略，但在实际部署前最有用。

§9 总结：适用与不适用

适合三类人。第一类是做切片级分类的研究者，手头有一个在别处训练好的模型，需要一个与外部机构同口径的考卷，这 91 张就是现成的。第二类是研究评测方法的人，小测试集恰好让统计不确定性成为可以量化、可以讨论的对象，而不是被大数据量掩盖的背景噪声。第三类是病理科与算法团队的联合项目，需要把「预筛能省多少工作量」变成一个可复现的数字，这里的读片研究与多数票协议提供了参照。

不适合四类人。需要训练数据的团队，这份数据不够，也不应该从中切出训练集。需要像素级标注的团队，这里没有掩码。需要跨机构泛化的团队，单中心数据无法支撑这个结论。准备做产品的人，NC 条款与平台的风险提示都指向研究用途，商业路径需要另行授权。

三句话概括：这是一个小而有共识的测试集，不是一个可以用来训练的语料；它的价值在读片协议与评测程序，不在数据量；用它的正确姿势是把结论说小——说得越具体，越经得起核对。

9.1 适用场景与不适用场景

临床上「筛查」指的是对无症状人群做检查，而子宫内膜癌目前没有公认的人群筛查方案，标准路径是对有异常子宫出血的女性做诊断性评估。Endo-Aid 语境里的「screening」是病理科的预筛（preselection），即在已经取到活检之后，先让算法排一遍，把可能的良性病例分流。这两个「筛查」不在同一环节，混用会造成误解。

9.2 与「液基细胞学」的区别

子宫内膜的细胞学检查（如液基细胞学）看的是脱落细胞，Endo-Aid 看的是组织切片。样本制备、形态学判读、诊断标准都不同，模型不能互通。

细胞学样本的制备是涂片或液基制片，细胞平铺在载玻片上，没有组织结构；组织学样本需要固定、包埋、切片、染色，保留了腺体与间质的空间关系。同一个病人，细胞学可能报「见非典型腺细胞」，组织学可能报「子宫内膜增生不伴非典型」。这两句话不是同一件事，也无法互相换算成同一个标签。

9.3 与「分子分型」的区别

子宫内膜癌的分子分型（POLE 超突变、错配修复缺陷、p53 异常、无特异分子特征）是预后与治疗决策的依据，需要测序。Endo-Aid 只有 H&E 图像，不涉及分子层面。近年有研究尝试从 H&E 预测分子分型，那是另一条技术路线，与这一数据集无关。

9.4 与「AI 辅助诊断」产品的区别

商业病理 AI 产品通常覆盖多器官、多任务，有监管审批路径。Endo-Aid 是研究工具，算法页明确写着「不要用于患者诊断，仍处于开发阶段」。把研究工具的性能数字当作产品性能引用，是常见且严重的误用。

9.5 与「预先筛除无代表性样本」的流程工具的区别

病理科还有一个独立于 AI 的需求：识别取材失败、需要重新取样的切片。这类工具的工作对象是组织的量与质，不是病变的有无。Endo-Aid 的六分类里包含「无代表性」，因此理论上可以做这件事，但它的评测口径是「癌的检出」，不是「取材是否合格」。把两者混为一谈，会让模型优化方向偏到组织面积上。

9.6 与「切片级分级」任务的区别

同样是切片级标签，分级（grade）与检出（detection）的目标不同。分级要在已知恶性的前提下判断级别，样本几乎全为阳性，难点在细分；检出要在大量阴性中找出少数阳性，难点在不平衡。Endo-Aid 是后者：九成左右是良性或取材不足，阳性是少数。这决定了它适合讨论灵敏度与假阳性率，而不适合讨论分级一致性。

§10 常见误读与引用陷阱（续）

本节承接 §6 的误读表，把使用中最容易踩到的工程与统计问题按流程顺序列出。

流程第一步：下载。 16.9 GB 的 rar 下载失败率高，断点续传后要核对 md5（Zenodo 文件列表给出 c333a8ef668cd2db609b69678261bd8d），不核对的常见后果是解压中途报错，误以为是文件损坏而重复下载。

流程第二步：清点。 91 张这个数字要自己数一遍。有些转换流程会附带缩略图或掩膜文件，直接 glob 全部图像会得到多于 91 的文件，导致提交行数不匹配。

流程第三步：预处理。 Pipelle 切片组织面积小，按 CAMELYON 那类大体组织的阈值（例如去除背景超过 50% 的 patch）会误删大量有效组织。阈值应在这批数据上先统计组织占比分布再定。

流程第四步：推理。 CLAM 系模型对 patch 数量敏感，切片太小可能导致聚合时的注意力几乎均匀。若发现热图没有集中区域，先检查 patch 数是否过少。

流程第五步：提交。 平台的评测是自动的，格式错误不会给出友好提示，常见表现为「提交成功但分数异常」。先哑提交再真实提交，能省下大量排查时间。

流程第六步：报告。 报告 AUC 时给出置信区间；报告 κ 时注明类别数；报告与作者基线的比较时，注明是否使用同一预处理。

§11 DAIMS 评估

DAIMS 是 Discoverability（可发现性）、Accessibility（可获取性）、Interoperability（互操作性）、Metadata（元数据）、Sustainability（可持续性）五个维度的缩写，用于评估数据资源的就绪程度。以下是逐项判断。

维度	评级	依据
可发现性	B	有 DOI、有 grand-challenge 页、有论文；但 Zenodo 与平台两套名称不一致，检索需试两种写法
可获取性	A	Zenodo 直链，无需申请、无需注册，许可明确
互操作性	B	TIFF 是通用格式，但无 DICOM、无统一元数据 schema；切片标识规则未公开说明
元数据	C	Zenodo 描述仅一段，未给逐例标签表；六分类票型是否公开未确认
可持续性	B	Zenodo 长期归档，DOI 稳定；但平台依赖 grand-challenge 运营，作者已多年未更新

综合判断：作为「可下载、可引用的测试集」，它的可获取性达到 A；作为「可复现的研究资产」，元数据与训练数据的缺口使它只能到 B 以下。这一差距正是使用时需要自己补齐的部分：拿到图像只是开始，标签口径与评测协议才是决定结论可信度的东西。

§12 附录

附录 A 关键数字速查

数字	含义
91	公开测试集切片数
15	参与读片研究的病理医生数
6	诊断类别数
近三千	训练集切片数的量级（不公开；精确值见规格表）
0.51	病理医生六分类平均 κ
0.66	病理医生二分类平均 κ
0.43	算法六分类 κ
0.65	算法二分类 κ
0.9599	测试集 AUC
0.855	验证集 AUC
0.25 / 0.5	原始 / 发布像素间距（μm/px）
16.9	压缩包体量（GB）

附录 B 缩写表

缩写	全称	中文
WSI	Whole Slide Image	全切片图像
H&E	Hematoxylin and Eosin	苏木精-伊红
MIL	Multiple Instance Learning	多实例学习
CLAM	Clustering-constrained Attention Multiple Instance Learning	聚类约束注意力多实例学习
EC	Endometrial Carcinoma	子宫内膜癌
AUC	Area Under the ROC Curve	ROC 曲线下面积
κ	Cohen’s kappa	科恩卡帕系数
FPR	False Positive Rate	假阳性率
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability	数据就绪五维

附录 C 使用前检查清单

1. 确认用途落在 CC BY-NC 的范围内。
2. 核对 Zenodo 包内文件数与标签文件是否存在。
3. 检查 TIFF 的实际像素间距。
4. 统计组织面积分布，再定 patch 过滤阈值。
5. 做一次哑提交，确认格式。
6. 报告 AUC 时给置信区间。
7. 报告 κ 时注明类别数。
8. 引用时同时写 Zenodo DOI 与论文 DOI。
9. 说明训练数据是否包含 Endo-Aid。
10. 说明是否与作者基线同口径比较。

附录 D 未覆盖内容

该数据集没有覆盖论文的完整方法细节（网络结构、损失函数、训练超参），这些在论文正文；没有覆盖 15 位病理医生的逐人票型，这些数据未在公开页面列出；没有覆盖论文的补充材料，因为没有取得全文。使用者若需要这些，应直接读论文与补充材料。

附录 E 检索模板

目标	检索式
数据集本体	“Endo-Aid” OR “Pipelle biopsies” site:zenodo.org
平台	“Endometrial Carcinoma Detection in Pipelle biopsies” grand-challenge
论文	“Endometrial Pipelle Biopsy Computer-Aided Diagnosis”
相关方法	“Pipelle” AND (“deep learning” OR “artificial intelligence”)
相邻方向	“endometrial” AND “whole slide image” AND “classification”
排除干扰	加 NOT endoscopy，排除内镜类结果

附录 F 版本与更新记录

日期	事件
2022-11-23	Zenodo v1/v2 发布
2022-11-28	排行榜首条提交
2024-02	论文刊出
2026-10-18	资料核验完成

附录 G 与研究者的对话式问答补充

问：如果我只想要一个「能跑通」的基线，最省事的做法是什么？
答：用任意病理基础模型提 patch 特征，做平均池化得到切片向量，接一个逻辑回归，本地算 AUC。这不需要 GPU 集群，也不需要复现 CLAM。得到的数字不会高，但足以验证流程。

问：六分类能不能自己做？
答：可以，但需要逐例的六分类标签。若 Zenodo 包内没有，需要从补充材料或作者处取得。仅有二分类标签时，不要自己推测六分类。

问：能不能用它评估一个已经商用的模型？
答：技术上可以，但要注意许可：用这份数据做评测不产生收入，通常不违反 NC；若评测结果用于商业宣传，则需要谨慎解读 NC 条款。

问：为什么没有看到别的队伍提交？
答：平台自 2022 年底上线后没有推广，论文也没有把它作为正式挑战赛宣传。排行榜只有作者一条记录，这本身就是一个信号：这个平台更像「评测程序」而非「竞赛」。

附录 H 相关的库内条目清单

条目	编号	关系类型
HISTAI	1195	规模对照
CAMELYON16	694	像素标注范式对照
CAMELYON16/17	33	同上家族旧条目
PANDA	560	弱监督切片分类样板
PANDA-PLUS	640	标签噪声批判
MIDOG	298	域泛化
BoneMarrowWSI	901	小样本 WSI
UniToPatho	701	分级任务对照
Prostate CNB WSI	969	活检类切片
Endometrial Immune Cell Atlas	1223	同器官不同模态
GLENDA	820	同科室不同任务

编辑说明

核验时间：2026-10-18。核验方式：Grand Challenge 首页、Zenodo record 7372187、grand-challenge 算法页、排行榜页、Modern Pathology 论文摘要页五处交叉比对，PubMed 与 Radboud 仓储用于确认论文与博士论文信息。网络请求未做重复抓取。

双口径登记：训练集 2,819（论文）与 2,911（算法页）并存，差额 92，推断为测试集拆分的差异，未见发布方解释。AUC 0.9599（排行榜四位小数）与 0.960（算法页三位小数）为同一数值的不同精度。Zenodo 标题用 Endometrium，平台用 Endometrial，两处照录。

未覆盖：论文全文与补充材料未取得，六分类逐人票型、无代表性类别的二分类归属、包内标签文件结构均未经一手确认，已在附录 D 记为缺口。

下次复核触发点：论文补充材料公开、平台发布训练集、排行榜出现第三方提交、许可能条款变更。

文中数字以官方页与论文摘要为准；若日后核对发现出入，以最新官方页为准。

---

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：

• cnmc-2019 — 共享标签：医学影像 / 病理图像 / 图像分类 / 挑战赛数据集 / 肿瘤学
• leopard — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
• panda — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
• paip — 共享标签：医学影像 / 病理图像 / 挑战赛数据集 / 肿瘤学
• breastpathq — 共享标签：医学影像 / 病理图像 / 图像分类 / 挑战赛数据集
• prostatex — 共享标签：医学影像 / 图像分类 / 挑战赛数据集 / 肿瘤学
• intel-mobileodt — 共享标签：医学影像 / 图像分类 / 挑战赛数据集 / 肿瘤学
• panda — 共享标签：医学影像 / 病理图像 / 图像分类 / 肿瘤学
• orchid — 共享标签：医学影像 / 病理图像 / 图像分类 / 肿瘤学
• aml-cytomorphology — 共享标签：医学影像 / 病理图像 / 图像分类 / 肿瘤学

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。