H01 — 人颞叶皮层 1 mm³ 突触级电镜重建

INFOBOX — H01 一屏速览

维度	内容
本质	人颞叶皮层 1 mm³ 体积的连续切片电子显微镜（ssEM）突触级重建，迄今最大的人类脑组织突触级数据集
团队	Harvard University Lichtman 实验室 + Google Research（通讯 Jeff W. Lichtman）
论文	Science 384, eadk4858（2024）；doi:10.1126/science.adk4858；前置预印本 bioRxiv 2021
体积	1 mm³（约人脑体积的百万分之一），贯穿白质与皮层 L1-L6 全层
数据量	约 1.4 PB（约 1,400 TB），约 2.25 亿张 2D 图像
成像	4 nm 平面分辨率（XY）／约 33 nm 切厚（Z）／约 5,019-5,300 切片
细胞	约 57,000 个细胞（另有 5 万口径）；胶质:神经元 = 2:1，少突胶质细胞最多
突触	1.5 亿（Science 摘要）／1.83 亿（官方门户）／1.3 亿（bioRxiv 早期）——三口径并存
血管	约 230 毫米总长
校对	104 个手工校对神经元（SWC/mesh）
核心发现	深层存在新识别的方向性神经元类群；单个轴突可达 50 个突触的罕见强效输入；轴突漩涡
获取	CC BY 4.0 完全开放：Neuroglancer 在线浏览 + GCS 直接下载 + TensorStore Python
库内互链	human-connectome-project（rid=95）、brain-slab-seg-3d（rid=972）、allen-brain-atlas（rid=275）、bigbrain（rid=285）、1000-functional-connectomes（rid=295）、openneuro（rid=100）

H01 是一个把「看清人脑」这件事推进到最后一层尺度的数据集：一块从癫痫手术中切下的、约 1 立方毫米的人脑颞叶皮层，被切成约五千张薄片、逐片用电子显微镜成像，再用算法把约 2.25 亿张二维照片拼成一个三维体积——数据量约 1.4 PB。在这个体积里，研究者重建了约 5.7 万个细胞、约 230 毫米血管和上亿个突触连接，并发现了两件事：深层皮层里有一类此前未被识别、按树突方向排列的神经元；神经元之间除了成千上万的「弱连接」，还存在极少数由单个轴突贡献多达 50 个突触的「强效输入」。整个数据集以 CC BY 4.0 完全开放，任何人都能在浏览器里放大到单个突触。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——CC BY 4.0、无注册，Neuroglancer 在线看、GCS 直接下、TensorStore Python 读三条路都通。
2. 关心数字对不上：直奔 §4 与坑 1-3——细胞数、突触数、校对细胞数在不同来源间有 2-3 个口径，条目逐条存照并说明该信哪个。
3. 做算法/评测：直奔 §5 与 §7——c2/c3 两档分割、突触连接数据库、104 校对细胞是现成的评测与校准素材。

§0 导读：这个数据集解决什么问题

理解人脑如何工作，最终需要知道它在最高分辨率下的结构——细胞怎样连成网络、突触怎样排布。但把「突触级」三个字落到人脑组织上，长期卡在两处：一是组织难拿。动物研究可以做灌注固定（把固定液同时送到每个毛细血管），而人脑活检极少，正常脑组织的超微结构样本更是稀缺；能用于科研的人脑皮层，多来自神经外科手术中为进入深部病灶而被迫切除的「旁路」组织。二是数据太大。纳米分辨率意味着 1 立方毫米就要拍出拍字节（petabyte）级的数据，拼接、分割、校对全部是计算密集型工程。

H01 同时跨过这两道门槛。组织来自波士顿马萨诸塞州总医院一位 45 岁女性药物难治性颞叶癫痫患者的手术——为到达深部致痫灶，医生切除了一小块扣在通路上的颞叶皮层，这块本会被丢弃的组织在知情同意下转做研究（据媒体报道的供者信息）。成像走的是哈佛 Lichtman 实验室的自动化流水线：自动磁带收集超薄切片机（ATUM）把组织切成约五千张约 33 纳米厚的薄片，再用定制的 61 束平行扫描电子显微镜以 4 纳米平面分辨率逐片扫描，产出约 2.25 亿张二维图像、约 1.4 PB 数据。接着是 Google Research 的算法：把二维图像对齐拼成三维体积，自动分割每一个细胞与突起，自动检测上亿个突触——结果是目前公开的、唯一覆盖人脑皮层全层的突触级重建。

这个数据集的 AI-Ready 意义在于「极端规模 + 完全开放」的组合。它是本库当前规模最大的单一体积生物成像数据集之一（1.4 PB 级别），却采用最宽松的 CC BY 4.0，不设注册、不设 gated、不设申请流程：既可在 Neuroglancer 里在线漫游，也可用 gsutil 从 Google Cloud Storage 整桶下载，还可用 TensorStore 在 Python 里直接读。对连接组学、大规模图像分割、突触检测而言，它是现成的「人类参照标准」，也是校准自动算法的一把尺子。

§0 读法三则：

1. 这个条目是「数据集 + 里程碑论文 + 可视化/分析工具链」三合一：本体是 1 mm³ 重建，配套是 Neuroglancer 与 TensorStore，论文是 Science 2024——三者许可与获取方式一致（都开放），但规模数字各有版本口径（§4）。
2. 全文规模数字均标注来源：Science 摘要（约 5.7 万细胞 / 1.5 亿突触 / 1.4 PB）为主口径，官方门户（1.83 亿突触 / 5 万细胞体）与 bioRxiv 早期（1.3 亿突触）逐条存照，冲突处见坑 1-4。
3. 检索时若只写「H01」会与大量同名缩写相撞；数据集正式标识是 H01，配套域名 h01-release，条目 slug 用 h01-cortex 以消歧（§0.1）。

0.1 名称与消歧

「H01」是 Lichtman 实验室对其人脑皮层重建的编号（Human 01 之意），并非通用缩写。检索与互链时须注意：

• 正式名：H01（数据门户 landing 页标题即 “H01 Release”）；
• 条目 slug：h01-cortex（本库为消歧采用，因裸「h01」易与硬件编号、版本号混淆）；
• 常被并列的同类：MICrONS（鼠皮层 1 mm³，双光子 + EM）、FlyWire / hemibrain（果蝇全脑/半脑）、celegans-connectome（线虫）——这些是「不同物种、同一尺度野心」的对照条目，不是同一数据集；
• 易混：「H01」≠「H0」≠「H1 受体」等生化缩写，也 ≠ 本库任何已有条目（查重已确认 0 命中）。

为什么用 slug h01-cortex 而不是 h01？ 本库 slug 用于 URL 与检索消歧。裸「h01」过于简短，易与论文编号、硬件型号、其它数据集的内部编号相撞；加 -cortex 既保留官方名 H01，又点明其内容（人脑皮层），符合本库「官方名 + 域限定」的命名习惯（对比 panda-plus、brain-slab-seg-3d 等）。

0.2 在连接组学谱系中的位置

连接组学有一条清晰的「从小到大」路线，H01 是这条路线在人类物种上的落地：

里程碑	物种	规模	年份（约）	意义
C. elegans 连接组	线虫	302 神经元	1986/2019	第一个完整连接组（人工，数十年完成）
果蝇半脑（hemibrain）	果蝇	约 2.5 万神经元	2020	大规模自动重建的转折点
FlyWire 全脑	果蝇	约 14 万神经元	2024	全脑自动重建 + 众包校对
MICrONS	小鼠	1 mm³ 皮层	2025（数据 2021+）	首个「功能 + 结构」1 mm³
H01	人	1 mm³ 皮层	2024	首次在人类皮层做突触级重建

H01 的位置很特殊：它不像果蝇那样「完整」（只有 1 mm³），也不像 MICrONS 那样带功能数据，但它是唯一来自人类组织的突触级重建——在「理解人脑」这条最难的路上，它把「不可能」变成了「已发布」。

0.3 H01 与 AI-Ready 的关系

「AI-Ready」在本库的定义不只是「能下载」，还包括「能被算法直接用作训练/评测素材」。H01 在这两个层面各有特点：

• 数据可用性：满分。CC BY 4.0 + 三路获取（在线/直下/Python），无任何申请摩擦。
• 算法就绪度：部分。它有现成的分割、突触、骨架、连接库，可直接用于评测与校准；但不是 dense 标注的监督训练集，标注密度（104/数万细胞）限制了它作为端到端训练标签的用途。
• 工程门槛：偏高。1.4 PB 意味着使用者需要 PB 级数据处理能力（分块读取、分布式训练、大内存机器）。这是它「开放但不易直接上手」的一面。

一句话定位：H01 是「人类皮层超微结构的参照标准与算法校准台」，而不是「拿来即训的监督数据集」。把它用对地方（校准、自监督、可视化、跨物种对照），能发挥最大价值；把它当作 dense 标签训练集，会失望。

0.4 数据集的三重身份

理解 H01 需要同时握住它的三重身份：

1. 作为「数据」：1 mm³ 人脑皮层的突触级重建，约 1.4 PB，含分割、突触、骨架、连接库——一个可下载、可视化、可计算的资源。
2. 作为「论文」：Science 2024 的里程碑成果，报告三项新发现（方向性神经元、强效输入、轴突漩涡）与胶质:神经元=2:1 等定量结论。
3. 作为「工程范式」：ATUM + 61 束 SEM + 自动分割 + Neuroglancer/TensorStore 的完整流水线，证明了「PB 级人脑成像」在工程上可行，并可复用于其它组织。

三重身份对应三种引用方式：引数据（锁 release）、引发现（引论文）、引方法（引流水线）。混淆三者会导致引用不准确——例如把工程论证（「可行」）误当作生物学结论（「就是这样」）。

0.5 为什么本库要给 H01 单独设条目

本库（千方病案医数集 AI-Ready Wikipedia）已有 980+ 条目，其中神经科学类不少，但仍为 H01 单独设条，理由有三：

• 物种与尺度的唯一性：库内没有第二个「人脑组织 + 突触级 EM」数据集；
• AI-Ready 的极端样本：它是「体量最大 + 许可最松」组合的代表，是检验 AI-Ready 评分体系边界的样本；
• 跨库互链枢纽：它可同时勾连宏观脑影像、组织学图谱、功能连接组与神经科学数据总库，是神经科学标签群的枢纽节点。

结论：H01 不是「又一个脑数据集」，而是本库神经科学纵深的「最深一环」，值得独立成条并详述其多口径与方法边界。

§1 数据集速览：十二问十二答

Q1：H01 到底是什么？
一块约 1 立方毫米的人脑颞叶皮层，被连续切片电镜拍成约 1.4 PB 的数据，再用算法重建出其中的每一个细胞、突起与突触。它是迄今公开的、覆盖人脑皮层全层的最大突触级重建。

Q2：这块组织从哪来？
从一位 45 岁女性药物难治性颞叶癫痫患者的手术中取得。手术目的是抵达深部的致痫灶，途中被迫切除一小块颞叶皮层；这块本会丢弃的组织经知情同意后用于研究（供者信息据媒体报道口径，论文正文措辞为准）。

Q3：怎么拍出来的？
自动磁带收集超薄切片机（ATUM）把组织切成约 5,019-5,300 张、厚度约 33 纳米的薄片，再在定制的 61 束平行扫描电子显微镜下以 4 纳米平面分辨率逐片成像，得到约 2.25 亿张二维图像。

Q4：数据有多大？
约 1.4 PB（约 1,400 TB，超过 100 万 GB）——这是「拍体素（petavoxel）」一词的由来，也是本库体量最大的条目之一。

Q5：重建了多少东西？
Science 摘要口径：约 5.7 万个细胞、约 230 毫米血管、约 1.5 亿个突触、约 8,000 个含胞体神经元轮廓；官方门户另给 1.83 亿带注释突触与 5 万细胞体位置。胶质细胞数量是神经元的 2 倍，其中少突胶质细胞最多。

Q6：有多少是人工校对的？
104 个神经元被手工追踪并完整校对（proofread），以 SWC 骨架与 mesh 形式提供。这是数据集中「可以放心直接用」的一小批对象；其余区域为自动分割，存在合并/分裂错误。

Q7：发现了什么新东西？
三件事：① 深层皮层中有一类按树突方向排列的神经元，此前未被识别；② 除每个神经元接收的数千个弱连接外，存在极少数「强效输入」——单个轴突可与下游形成多达 50 个突触；③ 少数轴突呈异常广泛的漩涡（whorl）排列，是否为病理相关尚无定论。

Q8：我能拿到什么、怎么拿？
全部开放（CC BY 4.0）：① Neuroglancer 网页在线浏览；② 用 gsutil 从 Google Cloud Storage 直接下载（gs://h01-release/data/20210601/...）；③ 用 TensorStore 在 Python / Colab 里读取。格式为 Neuroglancer precomputed，校对神经元为 SWC，突触连接数据库为 Apache Avro。

Q9：它有什么局限？
只有 1 例供者、单一 1 mm³ 样本（约人脑体积的百万分之一）；组织是浸没固定（非灌注固定），保存质量自带梯度；取自癫痫患者，可能含病理特征；自动分割有合并/分裂错误；无功能数据。据此对「人类皮层」下结论要非常谨慎。

Q10：为什么它对 AI-Ready 重要？
因为它是「极端规模 + 完全开放 + 现成工具链」的罕见组合：1.4 PB 的突触级真相 + CC BY 4.0 + Neuroglancer/TensorStore，使大规模图像分割、突触检测与连接组重建的算法可以直接在人类组织上校准，而不必止步于果蝇或小鼠。

Q11：c2 和 c3 是什么意思，我该选哪个？
它们是两档自动分割。c2 聚合更激进——细胞更完整，但更容易把相邻细胞错并；c3 更保守——错并更少，但细胞更破碎。做连接组分析选 c3（官方推荐，因为连接更可信）；做形态学参考可用 c2 但须容忍错并。

Q12：它和小鼠的 MICrONS 什么关系？
最直接的对标：两者都是 1 mm³ 皮层体积，但 MICrONS 是小鼠且带双光子功能数据，H01 是人且只有结构。要「结构 + 功能」用 MICrONS，要「人类组织 + 突触级」用 H01。二者常配对做人-鼠跨物种对照。

1.1 术语速查（首现标注）

读懂 H01 需要几个专业词，这里一并给出中英对照与一句话解释：

术语	英文	一句话解释
连接组	connectome	神经系统中全部神经元及其连接的完整图谱
连接组学	connectomics	绘制连接组的学科，依赖高分辨率成像
连续切片电镜	ssEM / serial section EM	把组织切成成千上万薄片、逐片电镜成像再拼接成三维的方法
超微结构	ultrastructure	电镜尺度（纳米级）才能分辨的细胞内部结构
神经毡	neuropil	神经元突起密集交织、不含胞体的区域
突触	synapse	神经元之间的连接点，分兴奋性/抑制性
轴突	axon	神经元输出信号的长突起
树突	dendrite	神经元接收信号的树枝状突起
胞体	soma	神经元的细胞体
髓鞘	myelin	包裹轴突的绝缘层，由少突胶质细胞生成
轴突起始段	AIS / axon initial segment	轴突靠近胞体的一段，动作电位起始处
脂褐素	lipofuscin	神经元内随年龄积累的致密残余体，电镜下明显
校对	proofread	人工逐段核对自动重建结果，修正错误
合并/分裂错误	merge / split error	自动分割把两个细胞并成一个（merge）或把一个断成几个（split）
拍体素	petavoxel	拍字节（PB）量级的体素数据，形容体量
浸没固定	immersion fixation	组织切除后浸入固定液，区别于灌注固定，保存有梯度
树突取向	dendritic orientation	神经元树突的排列方向，用于分型

1.2 快速事实卡

类别	事实
别名/ID	H01；Human 01；slug: h01-cortex；数据域名 h01-release
一句话	一块 1 mm³ 人颞叶皮层，约 1.4 PB 电镜数据，上亿突触级重建，CC BY 4.0 全开
论文年份	2024（Science）；前置预印本 2021（bioRxiv）
DOI	10.1126/science.adk4858
团队	Harvard Lichtman Lab + Google Research
组织来源	45 岁女性药物难治性颞叶癫痫手术旁路组织（据媒体报道）
物种/区域	人 / 颞叶 cerebral cortex
体积	1 mm³
分辨率	4 nm（XY）× 约 33 nm（Z）
数据量	约 1.4 PB
许可	CC BY 4.0
门户	h01-release.storage.googleapis.com
工具	Neuroglancer / TensorStore / gsutil
库内互链	human-connectome-project(95)、brain-slab-seg-3d(972)、allen-brain-atlas(275)、bigbrain(285)、1000-functional-connectomes(295)、openneuro(100)

1.3 容易混淆的条目区分

检索时若把 H01 与下列资源混淆，会拿到错误的规格与许可：

易混资源	它是什么	与 H01 的关键区别
MICrONS	小鼠 1 mm³ 皮层（双光子 + EM）	物种是小鼠；含功能数据；H01 是人、无功能
FlyWire	果蝇全脑连接组	物种是果蝇；全脑完整；H01 只有 1 mm³
hemibrain	果蝇半脑	物种是果蝇；尺度更小
celegans-connectome	线虫全神经系（302 神经元）	尺度极小、全手工校对；H01 数万细胞、自动为主
human-connectome-project	人脑宏观连接（dMRI/MRI）	尺度是宏观纤维束；H01 是突触级微观
bigbrain	人脑三维组织学图谱	分辨率远低于 EM；非突触级
openneuro	神经科学数据总库	是仓库而非单一数据集

一句话记忆：只有 H01 是「人 + 1 mm³ 皮层 + 突触级 EM + 完全开放」四者同时满足的资源。

1.4 三个最容易被问到的「为什么」

为什么只有 1 mm³ 就要 1.4 PB？
因为分辨率决定了数据量。纳米尺度成像下，体积数据量随分辨率立方增长。1 mm³ 在 4 nm 平面分辨率 + 33 nm 切厚下，产出约 2.25 亿张二维图像，合计约 1.4 PB。这不是「浪费」，而是「看清突触」的必要代价。

为什么不做整个人脑？
人脑体积约 1.2×10⁶ mm³，是 H01 的一百多万倍。若线性外推，全脑需约 1.4×10⁶ PB（EB 级）——远超当前任何机构的数据与人力极限。H01 的定位是「证明可行」，而非「完成全脑」。

为什么这块组织能代表「人」？
严格说不完全能代表——它是 1 例、来自癫痫患者的旁路组织。它的价值不在「代表全体人类」，而在「第一次提供人类组织的突触级真相」。研究者用它做的是「对照小鼠、检验外推」，而不是「宣布人类常数」。

1.5 数据规模速记卡

把最常被引用的数字集中于此，附口径来源，便于复制引用（详见 §2.1 与 §9）：

数字	值	口径来源
体积	1 mm³	论文与门户一致
数据量	约 1.4 PB	论文与门户一致
2D 图像	约 2.25 亿张	中文媒体/bioRxiv
平面分辨率	4 nm	论文
切厚	约 33 nm	门户/二手权威
切片数	约 5,019-5,300	双口径
细胞数	约 57,000	Science 摘要（另有 5 万口径）
含胞体神经元轮廓	约 8,000	Science 摘要
突触	1.5-1.83 亿	摘要/门户（早期 1.3 亿）
血管	约 230 mm	Science 摘要
校对细胞	104	论文与 GCS 路径
胶质:神经元	2:1	Science 摘要
许可	CC BY 4.0	官方 data 页

§2 数据构成与规格

2.1 规模一览（多口径并置）

H01 的规模数字在不同来源间并不统一，原因是数据集经过多轮再分割与再校对，且论文摘要、预印本与官方门户措辞各不相同。下表把主要口径并置，正文引用时以 Science 摘要为主口径、其余逐条存照：

维度	Science 2024 摘要	官方数据门户	bioRxiv 2021 / 中文媒体	本条目采纳
体积	1 mm³ 人颞叶皮层	约 1 立方毫米	约 1 立方毫米	1 mm³
数据量	1.4 PB	1.4 PB	1.4 PB	约 1.4 PB
细胞数	约 57,000	50,000 个细胞体位置	约 5 万个	约 5.7 万（另注 5 万口径）
含胞体神经元轮廓	约 8,000	—	数万重建神经元	约 8,000 轮廓 / 数万重建
突触	约 1.5 亿（150 million）	1.83 亿（183 million）	约 1.3 亿	1.5-1.83 亿区间
血管	约 230 mm	—	—	约 230 mm
校对细胞	104	104（另有 100 口径）	104	104
切片数	—	—	约 5,300	约 5,019-5,300
切厚	—	33 nm（4nm×4nm×33nm）	约 30 nm	约 33 nm
2D 图像	—	—	约 2.25 亿张	约 2.25 亿张

为什么会有多个突触口径？ 1.3 亿是 2021 年预印本与早期报道的自动检测结果；1.5 亿是 2024 年 Science 摘要刊出的数字；1.83 亿是官方数据门户当前列出的带注释突触总数。差异来自再分割与突触检测算法的迭代——突触越多，往往意味检测灵敏度越高。引用前必须锁定 release 版本，否则会继承一个已经过时的数字。

2.2 数据层级结构

官方门户把数据组织为「通用层 + C2 分割 + C3 分割」三大块：

层级	内容	说明
通用层	4nm EM 原始图像	4nm×4nm×33nm 多束 SEM 采集
通用层	掩膜模型（masking model）	neuropil / nucleus / vessel / myelin / fissure 五类
通用层	104 个校对细胞	含 mesh / skeletons / subcompartments
通用层	皮层分层	白质 + 皮层 L1-L6
通用层	细胞体（50k）	仅胞体位置点
通用层	血管内细胞 + 血管掩膜	血细胞与血管轮廓
C2 分割	c2 分割（神经毡）/ 骨架 / 6 类亚细胞结构 / 纤毛注释 / 突触点 / 传入突触 mesh / 体素 E/I 突触	更激进的聚合，自动重建完成度高但合并错误多
C3 分割	c3 分割 / 骨架 / 6 类亚细胞结构 / 突触点 / 传入突触 mesh / 体素 E/I 突触 / 嵌入（SimCLR）/ 突触连接数据库（Apache Avro）	更保守的聚合，合并更少，推荐用于连接组学分析

c2 与 c3 的选择是使用 H01 时第一个必须做的决定：c2 把更多碎片合并成完整细胞，完整性高但会把相邻细胞错并；c3 更保守、更少错并，但会有更多「断裂」。官方明确建议连接组学分析用 c3。

一个实用的判断法则：如果你的分析依赖「细胞边界准确」（如形态学测量），c2 的错并会伤害你，需谨慎；如果你的分析依赖「连接关系准确」（如连接组图），c3 的少错并更安全。换句话说——形态看 c2、连接看 c3，但两者都需用 104 校对细胞评估误差。

为什么不做「一个完美分割」？ 因为自动分割的合并-分裂权衡是根本性的：任何单一阈值都无法同时最优化两者。官方把 c2/c3 都放出，本质是把这个权衡的决策权交给使用者——这是成熟数据集的做法（对比许多数据集只给一个「官方分割」却不明说其偏差方向）。

2.3 细胞构成

• 胶质:神经元 ≈ 2:1：非神经元细胞数量是神经元的两倍，其中少突胶质细胞（oligodendrocyte）数量最多——这与「神经元是主角」的直觉相反，是本数据集最常被引用的发现之一。
• 细胞类型：兴奋性神经元、抑制性神经元、星形胶质细胞（astrocyte）、少突胶质细胞、小胶质细胞、少突胶质前体细胞等。
• 6 类亚细胞结构：轴突（axon）、树突（dendrite）、胞体（soma）、星形胶质细胞突起（astrocyte）、轴突起始段（AIS）、纤毛（cilia）。
• 人脑组织的电镜特征（据二手权威源整理）：人类皮层锥体细胞明显大于小鼠、髓鞘更厚、脂褐素（lipofuscin）颗粒丰富（年龄相关，45 岁供者尤其明显）、胶质细胞类型更多样——这些是分析人脑电镜时必须与小鼠区分对待的特征。

2.4 突触与连接

• 突触按兴奋性（E）与抑制性（I）两类标注，提供三种形态：突触点（points）、传入突触 mesh、体素级 E/I 突触。
• 突触连接数据库以 Apache Avro 格式导出，是可直接做图分析（graph analysis）的连接表。
• 强效输入：多数连接很弱，但存在罕见强连接——单个轴突可与下游神经元形成多达 50 个突触，提示神经信息处理中存在「层级放大」机制。
• 轴突漩涡：少数轴突呈异常广泛的 whorl 排列，是否与癫痫病理相关尚未确定。

2.5 皮层分层与空间组织

H01 的 1 mm³ 贯穿白质与皮层第 1 至第 6 层（L1-L6），因此它不是一个「局部小块」，而是一个跨全层厚度的柱状样本——这正是它能做「跨层突触连接性」分析的前提。分层信息以独立的「cortical layers」层提供，配合白质可把每个细胞/突触定位到具体层。

为什么分层重要：皮层各层的细胞类型构成、传入/传出关系差异极大。有了分层标注，研究者可以按层统计兴奋性/抑制性突触密度、比较不同层的强效输入分布，或验证「深层方向性神经元」这一新发现的层特异性。论文中关于兴奋性突触体积密度的分析正是按层切分的——最低与最高密度层之间差异显著。

白质的意义：白质里主要是髓鞘化轴突，是人脑与小鼠差异最明显的地方（人类髓鞘更厚、轴突更粗）。H01 覆盖白质，意味着可以用它观察真实人脑的髓鞘包裹形态与少突胶质细胞分布，而不是靠小鼠外推。

2.6 定量统计的粒度

H01 的公开统计有四档粒度，使用时要区分：

粒度	含义	典型数字
细胞体（soma）	只计数胞体位置点	约 5 万
细胞（cell）	完整细胞实例（含突起归属）	约 5.7 万
含胞体神经元轮廓	明确含胞体的神经元重建	约 8,000
重建神经元片段	神经元碎片（未完全拼接）	数百万

坑：「50,000」和「57,000」不是矛盾，而是「胞体位置」与「细胞实例」的粒度差。引用时须说明粒度。神经元片段（数百万）与完整神经元（数千）的落差，正是自动分割「断裂」问题的量化体现。

2.7 数据组织：三大块的读法

官方门户把 1.4 PB 的数据切成三大块，使用者应按「先粗后细」的顺序进入：

1. 通用层（Common Layers）：最基础、最常用。包含 4nm 原始 EM、五类掩膜（neuropil/nucleus/vessel/myelin/fissure）、104 校对细胞、皮层分层、约 5 万细胞体位置、血管内细胞与血管掩膜。初次使用者从这里开始——4nm 原始图 + 掩膜足以理解数据长什么样。
2. C2 分割：自动化程度更高的聚合结果。适合「想要完整细胞形态、能容忍少量错并」的场景。
3. C3 分割：更保守的聚合，含 SimCLR 嵌入与 Apache Avro 连接数据库。官方推荐用于连接组学分析——因为错并少，连接的「真实性」更高。

为什么分 c2/c3 两档？ 自动分割有一个根本矛盾：聚合越多，细胞越完整（cover 更好），但越容易把相邻细胞错并（merge 错误）；聚合越少，越不容易错并，但细胞越破碎（split 更多）。c2 偏前者，c3 偏后者。官方不替你决定，而是把两档都给你，让你按任务取舍——这是很务实的设计。

2.8 关键子资源清单

子资源	内容	典型用途
4nm 原始 EM	全部切片图像	一切分析的基础
掩膜模型	5 类粗分类	区域定位、背景剔除
104 校对细胞	SWC + mesh + subcompartments	地面真值、校准
皮层分层	白质 + L1-L6	按层统计
细胞体（50k）	胞体位置点	细胞密度统计
血管掩膜/血管内细胞	血管轮廓 + 血细胞	血管形态、血脑屏障研究
6 类亚细胞结构	axon/dendrite/soma/astrocyte/AIS/cilia	突起与细胞器分析
突触（点/mesh/体素 E/I）	突触位置与形态	突触检测、连接分析
突触连接数据库（Avro）	连接边表	图分析、连接组学
SimCLR 嵌入（仅 c3）	每段特征向量	表示学习、聚类

2.9 与其它电镜数据集的规格对照

维度	H01（人）	MICrONS（小鼠）	FlyWire（果蝇）
物种	人	小鼠	果蝇
体积	1 mm³	1 mm³	全脑
平面分辨率	4 nm	约 4 nm	约 4 nm
切厚	约 33 nm	约 40-45 nm	约 40 nm
功能数据	无	有（双光子钙成像）	无
校对	104 细胞	部分神经元	众包全脑校对中
规模	1.4 PB	约 2 PB（含功能）	约 1.5 PB

这张表说明：H01 在「分辨率」上与同代电镜数据集相当，在「物种」上是唯一的人，在「功能」上缺失，在「校对覆盖率」上偏低——每一项都要结合使用目的判断是否够用。

§3 采集与重建流水线

H01 的价值一半在数据、一半在「怎么造出来」的工程。整条流水线可分五个阶段。

3.0 全流程俯瞰

把 H01 的生产过程压缩成一条链：

手术切除旁路颞叶皮层（MGH，癫痫手术）
   ↓ 浸没固定
ATUM 超薄切片（约 5,019-5,300 张，约 33 nm 厚）
   ↓ 收集到磁带 / 转置硅片
61 束平行扫描电镜成像（4 nm 平面分辨率）
   ↓
约 2.25 亿张 2D 图像（合计约 1.4 PB）
   ↓ 计算对齐与拼接
三维体素空间（白质 + 皮层 L1-L6）
   ↓ 自动实例分割 + 突触检测（Google Research 算法）
c2/c3 两档分割 + 上亿突触 + 骨架 + 亚细胞结构 + 嵌入
   ↓ 人工校对（104 个细胞）
SWC/mesh + 突触连接数据库（Apache Avro）
   ↓ 托管
Neuroglancer 在线浏览 / GCS 下载 / TensorStore Python

这条链的每一环都是「瓶颈候选」：组织固定决定图像质量上限，切片厚度决定 Z 分辨率，电镜通量决定数据规模，对齐算法决定体积可用性，自动分割决定连接组可算性，人工校对决定真值可信度。理解这条链，就理解了 H01 为什么既强大又有限。

3.1 组织来源与固定

• 组织：癫痫手术中为进入深部致痫灶而切除的颞叶皮层旁路组织（波士顿马萨诸塞州总医院）。
• 固定方式：浸没固定（immersion fixation），而非动物研究的金标准灌注固定（perfusion fixation）。灌注固定能把固定液同时送达每个毛细血管，保存质量均匀；人手术组织做不到，只能切除后浸入固定液，由此产生从表面到内部的保存质量梯度。
• 含义：图像质量在不同深度不均（表面好、内部差），这一梯度在数据集中可见，分析时必须校正。

3.2 切片（ATUM）

• 使用自动磁带收集超薄切片机（ATUM，automated tape-collecting ultramicrotome）把组织切成约 5,019-5,300 张连续薄片。
• 切片平均厚度约 33 纳米（二手权威源口径 33.9 nm；中文媒体口径约 30 nm）。
• 薄片被收集到磁带上，再转置到硅晶片供扫描。

3.3 成像（多束 SEM）

• 在定制的 61 束平行扫描电子显微镜下逐片成像（原理与 MICrONS 流水线类似，针对人脑组织做了适配）。
• 平面分辨率 4 纳米（XY），切片方向约 33 纳米（Z），构成各向异性的体素。
• 产出约 2.25 亿张独立二维图像，合计约 1.4 PB。

3.4 对齐与拼接

• 把约 2.25 亿张 2D 图像计算拼成三维体积是对齐工程的硬仗：需处理成像伪迹、图像缺失、显微镜参数漂移，以及脑组织在切片过程中的物理拉伸与压缩。
• 对齐后得到的是「体素空间」——所有下游分割、突触检测都在这个空间里进行。

3.5 分割、突触检测与校对

• 自动分割：Google Research 的算法对每个细胞与突起做实例分割，产出 c2（激进）与 c3（保守）两档结果，并生成骨架、亚细胞结构与嵌入（SimCLR）。
• 突触检测：自动检测上亿个突触，区分 E/I，导出为点、mesh 与体素形态，并汇总为 Apache Avro 连接数据库。
• 人工校对：104 个细胞被人工追踪并完整校对——这是自动化重建里的一小片「地面真值」，用于校准自动算法的合并/分裂错误率。自动化区段在未经校正前，连接计数不可靠。

3.6 各阶段的技术挑战与含义

把流水线各环的挑战与对使用者的含义列清楚，便于判断数据质量：

阶段	主要挑战	对数据质量的含义
固定	浸没固定无法均匀送达	表面到内部质量梯度，深处图像更差
切片	超薄切片易皱、易破、易丢片	可能有缺失切片、局部变形
成像	束流稳定性、参数漂移、通量巨大	图像亮度/对比不均，需归一化
对齐	拉伸/压缩、缺失、伪迹	三维体积有局部错位，连接判断受影响
分割	密集突起难分、合并/分裂	自动区段计数不可直接信
突触检测	切向膜难辨真假突触	需人工校核，灵敏度-特异度权衡
校对	人工成本极高	只覆盖 104 细胞，其余为自动

核心结论：H01 的「1.4 PB」带来的不只是数据量优势，也带来误差在整卷分布不均的问题。越靠近表面、越少伪迹的区域质量越好；深处的、有伪迹的区域自动结果越不可信。使用者应记录自己分析区域的「深度位置」，因为固定梯度意味着不同深度的质量不同。

3.7 为什么「4 nm × 33 nm」是不对称的

H01 的空间分辨率是各向异性的：平面（XY）4 nm，切面方向（Z）约 33 nm——Z 方向比 XY 粗约 8 倍。含义：

• XY 方向：足以分辨突触间隙、膜结构、突触小泡；
• Z 方向：一个突触跨越几层切片（33 nm × 若干），因此突触的「厚度」测量精度低于「面积」测量；
• 各向异性：做三维形态测量（如突触体积）时，必须校正 Z 方向的采样差，否则会系统性偏移；
• 切片厚度决定 Z 分辨率上限：再薄的图像重建也无法突破切片厚度，这是物理约束，不是算法能补的。

这一「不对称」是所有 ssEM 数据集的共性，H01 也不例外。使用者若做各向同性假设（如直接算欧氏距离），需先意识到 Z 被「压扁」了约 8 倍。

3.8 数据规模的具体感知

「1.4 PB」经常出现在报道里，但很多使用者对它有具体感知落差。做几个换算：

• 1.4 PB ≈ 1,400 TB ≈ 约 140 万 GB；
• 若存到 1 TB 硬盘，约需 1,400 块；
• 若以 100 MB/s 稳定传输，整卷下载约需 160 天以上；
• 约 2.25 亿张二维图像，若每张 1 秒看完，需约 7 年不看不停；
• 相对人脑整体：1 mm³ 约为整个人脑体积（约 1.2×10⁶ mm³）的百万分之一。

这些换算说明：H01 的「大」是真实的使用门槛，而非营销话术。它迫使整个领域发展出「按需读取、分块处理、分布式分析」的新工作方式——Neuroglancer 与 TensorStore 正是为这种工作量身定制的。

3.9 流水线各环的「不可逆性」

流水线有一条重要的实践规律：越靠前的环节，越不可逆。

• 固定错了 → 无法补救，图像质量上限被锁死；
• 切片破了/丢了 → 那部分体积永久缺失；
• 成像参数漂移 → 只能在算法层面部分校正；
• 对齐错了 → 后续所有坐标都偏；
• 分割错了 → 可以重跑算法修正（相对可逆）；
• 突触检测错了 → 可以重跑；
• 校对不足 → 可以后续补（成本高但可逆）。

含义：H01 的组织与成像环节是「一次性、不可逆」的，所以团队在 ATUM 与 61 束 SEM 上的投入决定了数据的上限；而分割与检测是「可迭代」的，这正解释了为什么突触数会随 release 从 1.3 亿涨到 1.83 亿——算法迭代是 H01 数字漂移的结构性原因（坑 2、坑 14）。

3.10 与手工连接组学时代的对比

H01 与连接组学的起点形成鲜明对照：

维度	线虫（1986 起）	H01（2024）
神经元数	302	数万（自动）
主要方法	人工逐切片判读	自动分割 + 少量校对
完成时间	十余年	数年（含成像与算法）
校对比例	近乎全部	104/数万
数据量	MB-GB 级	1.4 PB
团队规模	小	Harvard + Google 大型协作

从「302 个神经元花十几年人工画」到「数万细胞用算法批量重建」，H01 标记的是连接组学从手工时代进入自动化时代的产业级跃迁。但它也暴露出自动化时代的代价：校对覆盖率从近 100% 跌到约 0.2%——这正是 H01 一再强调 104 细胞重要性的原因。

§4 核心科学发现

H01 不只提供数据，它的首批分析已经改写了三条关于人脑皮层微结构的认识。

4.1 胶质细胞多于神经元：2:1

在 H01 的 1 mm³ 里，非神经元细胞（胶质细胞）数量是神经元的两倍，其中少突胶质细胞（负责给轴突缠上髓鞘的细胞）数量最多。这一比例与「神经元是大脑主角」的直觉相悖，直观揭示了支持细胞在人脑组织中的体量——尤其在髓鞘化程度高、轴突较粗的人脑皮层里，少突胶质细胞承担着巨大的包裹工作量。团队本人也对这个比例感到意外。

4.2 深层皮层中按方向排列的神经元类群

分析发现，深层皮层中的兴奋性神经元可按树突方向（dendritic orientation）分型——存在一类方向性取向（directionally oriented）的神经元，此前未被识别。这意味着即使在经过一个多世纪显微研究的人脑皮层里，仍可能藏着尚未命名的细胞类型。

4.3 从「弱连接」到「强效输入」：层级放大

每个神经元接收数千个相对较弱的连接，但在这些弱连接之间，存在极少数由单个轴突贡献多达 50 个突触的强效输入。这种「多数弱 + 少数极强」的分布提示：神经元之间的信息传递不是平均加权，而可能存在层级放大（hierarchical amplification）机制——少数强连接能够对下游产生远超普通连接的影响。

4.4 轴突漩涡（whorl）

团队还发现少数轴突呈异常广泛、盘绕成漩涡状（whorl）的排列。由于组织取自癫痫患者，这些结构究竟是正常人脑中罕见但存在的特征，还是与患者的疾病相关，论文本身无法判定——这正是 H01 作为「单例病理邻近组织」的典型限制。

4.4b 三项发现之间可能的联系

把三项发现放在一起看，有一条耐人寻味的线索：

• 方向性神经元出现在深层；
• 强效输入（可达 50 突触）是跨层的罕见连接；
• 轴突漩涡是几何异常的轴突排列。

如果深层方向性神经元承担特定的输出角色，那么它们的轴突可能就是那些形成强效输入或异常漩涡的结构。论文并未断言这条链路，但 H01 的价值正在于提供了检验这类假说的数据——研究者可以用 c3 分割 + Avro 连接库，去追踪这些特殊神经元的连接去向。这正是「开放数据」的意义：论文给出的是首批观察，数据集允许后续研究提出并检验更多问题。

4.5 发现的边界

须强调：以上发现全部来自一块 1 mm³ 组织、一位供者。H01 的使命首先是证明「人脑皮层突触级重建在工程上可行」，其次才是给出具体结论。任何把它当作「人类皮层普遍规律」的引用都要加上样本限制的限定语。

4.6 这些发现对计算的启示

从 AI / 计算建模的角度，三条发现各有方法论意义：

• 胶质:神经元 = 2:1：任何「神经元中心」的脑模型都忽略了体量占多数、承担髓鞘与代谢支持的胶质细胞。要做真实的人脑计算模型，胶质不能当背景噪声。
• 弱连接 + 少数强效输入：这挑战了把突触权重当作均匀或小范围分布假设的简化模型。如果真实皮层里少数连接承担了不成比例的影响，那么「按连接数估重要性」的做法会系统性低估这些强连接。对类脑计算与神经网络结构设计都有直接启发。
• 轴突漩涡：这类异常几何形态提示，真实脑组织的「布线」可能包含在理想化模型里从不出现的高阶结构；对图生成模型是一个开放挑战。

这也解释了为什么 H01 常被引用——它不只是「更多数据」，而是在人类组织上暴露了此前只在动物模型里看不到的结构现象。

4.7 与小鼠结果的对照意义

数十年来皮层环路的主要知识来自啮齿类。H01 提供了第一次系统对照：人脑皮层锥体细胞更大、髓鞘更厚、脂褐素丰富、胶质多样性更高。这些不是琐碎的物种差异——更大的神经元意味着更长的突起、更多的突触整合需求；更厚的髓鞘意味着传导速度与信号时序不同。任何把小鼠连接组结论直接搬到人脑的推论，都需要在 H01 这类数据上重新检验。这正是 H01 作为「人类参照」的核心价值：它是检验「小鼠结论能否外推到人」的试验台。

4.8 这些发现尚未回答的问题

诚实地说，H01 的发现清单同时也是一份「待办清单」：

发现	尚未回答
胶质:神经元=2:1	这一比例是否在脑区、年龄、个体间稳定？
方向性神经元类群	它有什么功能？跨物种是否保守？
50 突触强效输入	这类连接由谁控制？是否可塑？
轴突漩涡	正常还是病理？如何形成？

这些问题都需要更多样本——这正是 H01 作为「第一块拼图」而非「最终答案」的定位。它证明了方法可行，并把问题清单交了出来。

4.9 对癫痫研究的可能关联

由于组织取自癫痫患者，H01 也提供了一个（受限的）癫痫微结构窗口：

• 若轴突漩涡等异常结构被证实与癫痫相关，H01 可能是首个在突触级观察到这类结构的资源；
• 但必须极其谨慎：单例、邻近致痫灶、无健康对照，任何「癫痫导致 X」的结论都缺乏证据力；
• 更稳妥的用法是把 H01 当作「与癫痫组织共存的正常样皮层」的参照，或用于对比后续癫痫 vs 非癫痫样本。

这一小节的存在本身就是一个提醒：数据的来源背景会渗透进所有基于它的推断。

§5 任务、标注与可用资源

H01 不是「带标签的训练集」，而是一整套人类皮层超微结构的可计算底本。从任务视角看，它支持以下几类使用：

5.1 可用任务清单

任务	对应资源	难度/注意
细胞实例分割	c2/c3 分割 + 掩膜模型	自动分割含合并/分裂错误，须自行校正
亚细胞结构分割	6 类亚细胞结构（axon/dendrite/soma/astrocyte/AIS/cilia）	覆盖 axons、dendrites、soma、astrocyte、AIS、cilia
突触检测	突触点/mesh/体素 E/I + Avro 连接库	兴奋性 vs 抑制性分类是核心评测点
神经元重建/追踪	104 校对细胞的 SWC + mesh	校对集是可靠地面真值，可校准自动追踪
连接组分析	c3 分割 + Avro 突触连接数据库	官方建议连接组学用 c3（合并更少）
分割算法评测	c2 vs c3 对照	两档分割本身就是「激进 vs 保守」的方法对比素材
可视化/交互工具开发	Neuroglancer + TensorStore	PB 级三维可视化与 Python 读取

5.2 标注类型

• 掩膜类：neuropil（神经毡）、nucleus（细胞核）、vessel（血管）、myelin（髓鞘）、fissure（裂隙）五类掩膜模型。
• 结构类：6 类亚细胞结构（轴突/树突/胞体/星形胶质细胞/轴突起始段/纤毛）。
• 突触类：突触点、传入突触 mesh、体素级 E/I 突触。
• 骨架/网格类：104 校对细胞的 SWC 骨架与 mesh、subcompartments。
• 连接类：Apache Avro 突触连接数据库（可做图分析）。
• 嵌入类：SimCLR 嵌入（仅 c3 层提供）。

5.3 「104 个校对细胞」为什么重要

自动化分割在 1 mm³ 里产出数万个细胞片段，但每个都可能含错。104 个手工校对神经元是唯一逐个验证过的对象——它们的作用是校准：研究者可以用这 104 个细胞作为地面真值，去估计自动分割在其余区域（尤其是全自动区段）的合并/分裂错误率，再决定连接计数是否可信。在未做校正前，自动区段的任何电路级计数都不应被当作结论。

5.4 典型使用路径（伪工作流）

针对不同角色，给出可操作的入门路径：

路径 A：只想看看人脑突触级长什么样

1. 打开官方 landing 页 → 点 Neuroglancer 链接；
2. 在三维视图里缩放，先看整体 1 mm³ 的「神经元森林」，再放大到单个突触；
3. 切换到 104 校对细胞层，逐个观察已校对神经元的完整形态；
4. 叠加 E/I 突触层，直观感受兴奋性/抑制性连接的分布差异。
   全程无需下载任何文件。

路径 B：要在 Python 里做分割实验

1. 在 Colab 打开官方 h01_data_access.ipynb，安装 TensorStore；
2. 用 TensorStore 打开 gs://h01-release/data/20210601/... 的 precomputed 数据源；
3. 按需读取一个小立方体（例如 512³ 体素）而非整卷——务必按需切片，否则 1.4 PB 无法本地承载；
4. 用 c3 分割作为对照基线，跑自己的分割/突触检测算法，在 104 校对细胞上评估。

路径 C：做连接组分析

1. 下载 Apache Avro 突触连接数据库（体量远小于原始图像）；
2. 用 Avro 读取器加载成边表（pre-synaptic → post-synaptic）；
3. 选用 c3 分割（合并更少），并先用 104 校对细胞估计错误率；
4. 统计每个神经元的入/出连接数，检验「弱连接 + 少数强效输入」的分布；
5. 注意：自动区段的连接数含合并/分裂误差，结论须带误差棒。

路径 D：研究人脑髓鞘/胶质

1. 加载 myelin 与 vessel 掩膜层 + 6 类亚细胞结构中的 astrocyte；
2. 定量髓鞘厚度分布、少突胶质细胞密度；
3. 与小鼠（如 MICrONS）同类统计对照——这是 H01 最独特的人-鼠比较用途。

5.5 评测设计建议

若要用 H01 做算法评测，以下设计要点可提高结论可信度：

1. 划分真值区与测试区：以 104 校对细胞为「可信真值」，在自动区选取统计上可比的区域作为测试样本；
2. 报告错误类型分解：不要只报一个总体误差，分别报告 merge 错误率与 split 错误率——两者对下游连接分析的影响不同（merge 制造假连接，split 丢失真连接）；
3. 区分 c2/c3 基线：把 c2 与 c3 都作为基线，说明你的方法相对「激进」与「保守」两档的改进；
4. 校正 Z 各向异性：任何形态学指标（体积、表面积）在计算前必须先校正 4 nm × 33 nm 的采样差；
5. 记录 release 版本：评测结果附带所用 release 路径，否则无法与他人复现对比；
6. 突触检测用灵敏度-特异度曲线：突触检测在切向膜处易混淆真假，单点准确率不足，应报曲线；
7. 避免跨层混淆：皮层各层细胞/突触密度不同，评测应分层或至少报告层构成。

5.6 与其他连接组资源的任务迁移

H01 的许多任务与其它连接组数据集共享方法，可迁移对照：

任务	H01	可迁移的同类
自动实例分割	✅	FlyWire、MICrONS、hemibrain
突触检测	✅	MICrONS、FlyWire
校对工作流	104 细胞	FlyWire 众包、hemibrain
连接组图分析	✅（c3 + Avro）	FlyWire 全脑图、celegans
功能-结构关联	❌（无功能）	MICrONS（有双光子）

迁移价值：在果蝇/小鼠上训练的分割与检测算法，可直接在 H01 上测试「跨物种、跨组织类型」的泛化性——这是 H01 被算法团队频繁使用的直接原因。

§6 获取与许可

6.1 许可：CC BY 4.0 完全开放

官方数据页明确：“All released datasets are licensed under a Creative Commons Attribution 4.0 License”（所有发布数据集采用 CC BY 4.0 许可）。这意味着：

• 可自由使用、改编、再分发，包括商业用途；
• 唯一条件是署名（Attribution）；
• 无注册、无 gated、无申请流程——这是 H01 与许多「请求制」数据集的关键分野。

论文本体（Science 2024，doi:10.1126/science.adk4858）同样开放获取，且论文摘要页提供了官方的引用信息。

6.2 三条获取路径

路径	方式	适用
在线浏览	Neuroglancer（网页 3D 浏览器）	无需下载即可漫游 1 mm³ 体积、放大到单个突触
直接下载	Google Cloud Storage：gs://h01-release/data/<version>/...（如 20210601/4nm_raw），用 gsutil 下载	需要本地副本做训练/分析
Python 读取	TensorStore + Colaboratory notebook（h01_data_access.ipynb）	在 Python 环境中按需切片读取，避免整卷下载

6.3 格式与版本

类别	格式
主体图像/分割	Neuroglancer precomputed（规范见 Google neuroglancer 仓库 README）
104 校对神经元骨架	SWC（104_proofread_neurons_swc.zip）
突触连接数据库	Apache Avro
路径版本标签	20210601（主体）；20210729（c 分割/突触相关）

6.4 关键路径示例

• 原始 EM：gs://h01-release/data/20210601/4nm_raw
• 104 校对细胞：gs://h01-release/data/20210601/proofread_104（含 mesh、skeletons、subcompartments；SWC 在 skeletons/104_proofread_neurons_swc.zip）
• 版本链：20210601 → 20210729

6.5 引用与署名

CC BY 4.0 的唯一硬义务是署名。规范做法是同时引用：

1. 论文：Shapson-Coe, A. et al. A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution. Science 384, eadk4858 (2024). doi:10.1126/science.adk4858
2. 数据门户：https://h01-release.storage.googleapis.com/landing.html

由于 H01 会随再分割更新，引用时务必记录所用 release/版本路径，否则数字会随版本漂移（§4 的多口径即由此而来）。

6.6 常见获取问题

问题	回答
要注册/申请吗？	不需要。CC BY 4.0，无注册、无 gated，直接访问
能商用吗？	可以，CC BY 4.0 允许商业使用，只需署名
能整卷下载吗？	技术上可以（GCS 直下），但约 1.4 PB，通常只按需切片读取
用什么工具读？	Neuroglancer（看）、gsutil（下）、TensorStore（Python 读）
1080Ti 能跑吗？	能跑小立方体实验；全卷级别的训练需集群与分块策略
版本会变吗？	会。再分割会改变数字，务必记录 20210601 等路径标签
有功能数据吗？	没有。纯结构数据；功能需另找（如 MICrONS 双光子）
有 map 到标准脑空间吗？	无标准空间配准（这是离体小块组织，非全脑坐标）

6.7 许可对比：H01 在本库开放度光谱中的位置

本库数据集的许可与获取方式差异很大，把 H01 放进光谱里更能看清它的定位：

开放层级	典型形式	本库示例	H01
L1 完全开放	CC BY / CC0，无注册	少数影像集	✅ H01 在此
L2 开放但有限制	CC BY-NC（禁商用）	部分病理集	—
L3 gated	HF 需接受条款	部分临床集	—
L4 请求制	邮件申请	PANDA-PLUS 掩码	—
L5 受限/仅申请	DUA + IRB	多数 EHR 集	—

H01 位于最开放的 L1：CC BY 4.0 允许学术与商业使用，唯一义务是署名。对本库而言，H01 是「高开放度标杆」的样本——它证明了即使是 PB 级、来源涉及患者手术组织的敏感数据集，也可以在合规前提下做到完全开放。

6.8 存储与带宽的粗略估算

用 H01 前，对「1.4 PB」要有具体感知：

场景	粗略需求
整卷本地存储	约 1.4 PB（需多盘阵列或对象存储）
单个 512³ 体素块（4nm 各向同性近似）	视数据类型，MB-GB 级
104 校对细胞 SWC 骨架	相对很小，可直接下载
突触连接数据库（Avro）	远小于原始图像，适合先下这个做图分析
在线浏览	零下载，仅需浏览器带宽

实用策略：不要试图整卷下载。先研究元数据与连接数据库（体量小），确定感兴趣的坐标区域后，再用 TensorStore 按需拉取对应的小立方体。这也是官方提供 Colab notebook 的用意——按需读取，而非全量复制。

6.9 与「请求制」数据集的获取成本对比

维度	H01（CC BY 4.0）	请求制数据集（对比）
获取前置	无	邮件申请 + 用途说明 + 机构隶属
等待时间	0	数天到数周
使用限制	仅署名	常限于学术、不可再分发
可复现性	任何人可复现	依赖审批，他人难复现
适用 AI-Ready	高	中（入口受限）

结论：H01 的完全开放显著降低了「复现门槛」——这对需要他人验证结果的算法研究尤为关键。它也是本库中「开放度拉高 AI-Ready 总分」的典型例证。

6.10 许可合规实践

虽然 CC BY 4.0 门槛很低，仍有几点实践建议：

• 署名要具体：写清论文（作者、期刊、DOI）与数据门户 URL，而非笼统写「H01 数据集」；
• 版本要记录：CC BY 要求署名，而不同 release 是不同版本的作品，署名时带上 release 路径更严谨；
• 衍生作品也要开放提示：CC BY 允许衍生作品采用其它许可，但须注明改编自 H01；
• 商业使用无障碍：CC BY 4.0 允许商用，若产品用了 H01 仍须署名，但无需额外授权；
• 注意区分：论文（Science）与数据集（门户）是两件作品，署名时分别标注最稳妥。

6.11 数据治理与伦理背景

H01 的开放度之所以值得讨论，是因为它的来源涉及人体组织。理解其治理背景有助于合规使用：

• 知情同意：组织在知情同意下从手术中取得并用于研究，这是其可公开的前提；
• 去标识：公开数据不含可识别患者信息；
• 使用者的自律：即便技术上可自由使用，涉及临床推断时仍应遵守医学研究伦理，避免把单例结果表述为普适医学结论。

对 AI-Ready 的启示：H01 说明「敏感来源」与「完全开放」不必二选一——通过知情同意、去标识与伦理审查，人体来源数据也能成为公共基础设施。这为本库中其它人体来源数据集提供了可参照的治理样板。

6.6 使用注意事项速查

• 先锁版本：任何引用数字前，确认使用的是哪个 release 路径（20210601/20210729 等）。
• 先选 c2 还是 c3：做连接组分析选 c3（合并更少）；做完整细胞形态可参考 c2 但须容忍错并。
• 先认清校对边界：只有 104 个细胞是可靠的；其余是自动结果。
• 先读限制：单例、浸没固定梯度、癫痫病理邻近——三条限制决定了结论的外推范围。

§7 评估、生态与本库互链

7.1 评估维度

H01 本身不设排行榜，但它是评估以下能力的天然基准：

评估对象	用什么评	参考真值
自动分割算法（合并/分裂错误率）	全卷自动分割 vs 校对区	104 校对细胞
突触检测精度	自动突触 vs 人工标注突触	突触点/mesh 标注
神经元重建保真度	自动追踪 vs SWC 骨架	104 校对细胞 SWC
连接组重建可靠性	c2/c3 两档对比	官方建议 c3
PB 级可视化/IO	Neuroglancer/TensorStore 吞吐	官方工具链

核心评测逻辑：因为只有 104/数万细胞是校对过的，H01 的「评估」本质是用校对区估计自动区错误率——这也是任何大规模连接组学的通用范式。

一个易被忽视的细节：评测 H01 上的算法时，真值与测试样本最好来自同一质量区域（相同深度、相似伪迹水平）。由于浸没固定造成质量梯度（§3.6），若用表层高质量区做真值、却用深层低质量区做测试，会高估算法误差；反之会低估。跨深度评测必须分层报告。

7.2 生态位：人与其它物种的连接组图谱

H01 在连接组学谱系中的位置，靠与几个「同尺度野心」的数据集对照才能看清：

数据集	物种	尺度	模态	与 H01 关系
H01	人	1 mm³ 皮层	ssEM	本条目；人脑最大突触级重建
MICrONS	小鼠	1 mm³ 皮层	双光子功能 + EM	最直接对标：同为 1 mm³ 皮层，但含功能数据（H01 无）
FlyWire / hemibrain	果蝇	全脑/半脑	ssEM	同样开放、算法可比，但物种与尺度不同
celegans-connectome	线虫	全神经系	ssEM	连接组学起点，302 神经元
human-connectome-project	人	全脑	MRI/dMRI	宏观尺度人脑连接，与 H01 的微观突触尺度互补

读法：若要「功能 + 结构」，MICrONS 更合适；若要「人类组织 + 突触级 + 完全开放」，H01 是当前唯一选择。

为什么「物种」这个维度如此关键？ 连接组学的最终目标是理解人脑，但绝大多数连接组数据来自果蝇、线虫、小鼠。把这些物种的结论外推到人时，一直缺少一个「人的直接证据」。H01 的价值不在它比果蝇「更好」，而在它是人类组织本身——它让「跨物种对照」第一次有了人的一端。哪怕只有 1 mm³、只有 1 例，它也是这个方向上从 0 到 1 的一步。

一个常见误解：有人以为 H01「取代」了小鼠/果蝇连接组。恰恰相反——H01 需要它们：算法在果蝇上验证、功能在 MICrONS 上获取、而 H01 提供人的结构终点。它们是一条链，不是竞争者。

7.3 工具链生态

• Neuroglancer（Google 开源的 PB 级三维图像浏览器）：H01 的默认查看器，支持任意轴横截面、多分辨率网格；已被 MIT、Harvard、Princeton、Allen Institute、Max Planck 等广泛使用。
• TensorStore（Google 的 Python 数组存储库）：用于在 Python/Colab 里按需读取 H01 的 precomputed 数据。
• Apache Avro：突触连接数据库的序列化格式，便于下游图分析。

7.4 本库可互链条目

以下条目为本库在架（status=1 AND del_sign=0），可在正文与相关导航中互链：

条目	rid	关联点
human-connectome-project	95	人脑宏观连接组，与 H01 微观突触尺度互补
brain-slab-seg-3d	972	脑组织切片/体积分割，与 H01 同为 EM/组织体积重建
allen-brain-atlas	275	脑图谱基础资源，与 H01 细胞类型/区域注释呼应
bigbrain	285	人脑三维高分辨率组织学图谱，与 H01 同为「人脑结构底本」
1000-functional-connectomes	295	功能连接组，与 H01 结构连接组形成功能-结构对照
openneuro	100	神经科学数据总库，可承载 H01 类衍生分析数据

注：MICrONS、FlyWire、hemibrain、celegans-connectome 等在本库尚未入库（DB 查无 rid），故仅在正文中作为生态对照提名，不作为 relatedLink 写死。

7.5 论文引用生态

H01 自发表以来被大量引用，主要用途分三类：

用途	说明
作为「人类皮层超微结构」的权威参照	论文在描述人脑突触密度、胶质比例、髓鞘特征时直接引 H01
作为算法评测/训练的素材	用 H01 的校对区标定分割与突触检测算法
作为「大规模成像可行性」的论据	论证 PB 级生物成像是可行且必要的

引用时的一个常见失误：直接引用新闻稿口径（如「1.3 亿突触」）而不核论文原文（1.5 亿）或门户（1.83 亿），导致数字与版本脱节。规范做法是引论文 DOI + 标注 release。

7.6 与本库「神经科学」标签群的协同

本库 神经科学 标签下已有多个条目，H01 与它们的协同关系如下：

条目	rid	尺度/模态	与 H01 的协同
human-connectome-project	95	宏观 dMRI/MRI	宏观纤维 ↔ 微观突触，两端对照
1000-functional-connectomes	295	功能连接	功能 ↔ 结构对照
allen-brain-atlas	275	图谱/细胞类型	细胞类型体系对接
bigbrain	285	人脑三维组织学	宏观组织学 ↔ 微观 EM
brain-slab-seg-3d	972	体积分割	方法学相近，可互为基线
openneuro	100	数据总库	可托管 H01 衍生分析结果

这一组条目共同构成「人脑从宏观到突触」的完整纵深，H01 是其中最「深」的一环。

7.7 使用社区与衍生资源

• 官方：landing 页 + data 页 + Colab notebook + Neuroglancer；
• 论文：Science 2024 正文与补充材料；
• 第三方教程/综述：多个神经科学教学平台（如 NeuroTrailblazers）提供 H01 导览，明确区分「论文属性」与「release 属性」；
• 衍生分析：研究者基于 H01 做突触密度、胶质分布、髓鞘厚度等二次统计，这些结果随 release 变化，引用时同样需锁版本。

提示：第三方教程页常给出便利但可能过时的数字（如把突触写成「约 1.5 亿」而不区分 release），正式引用仍应回到论文与官方门户。

7.8 从 H01 看「超大科学数据集」的共性挑战

H01 是「PB 级开放科学数据」的一个范本，它的经验对理解同类数据集有普适价值：

• 规模即门槛：1.4 PB 决定了绝大多数用户无法全量持有，必须发展「按需访问」的工作流。这催生了 Neuroglancer/TensorStore 这类工具，也改变了「数据集」的定义——从「可下载的文件」变为「可访问的服务」。
• 标注是瓶颈：自动算法能处理数万细胞，人类只能校对百来个。标注覆盖率是超大生物数据集的普遍天花板，H01 的 104 是这一现实的量化。
• 版本是常态：数据集不是一次性交付的静态物，而是持续迭代的活体。H01 的 20210601/20210729 与多口径数字提醒我们：引用科学数据必须引用版本。
• 开放是选择：在涉及患者组织、商业合作（Google）的背景下仍做到 CC BY 4.0，说明开放度是政策选择而非技术必然。H01 为「敏感来源 + 完全开放」提供了可复制的样板。

这四点合起来，是 H01 对本库 AI-Ready 评价体系的最大启示：数据集的「就绪度」不只是格式问题，还涉及规模工作流、标注天花板、版本治理与开放政策四个层面。

§8 DAIMS 评分与 AI-Ready 分析

在展开逐维度打分前，先用一句话概括 H01 的 AI-Ready 画像：它是一个「拿得到、看得清、但训不满」的数据集——获取零摩擦、分辨率顶格，但标注密度决定了它更适合做参照与校准，而非端到端监督训练。理解这句话，就能用对它。

DAIMS（Data AI-Medical Readiness Scoring）从五个维度给数据集打分（满分 5）。H01 的画像如下：

维度	评分	依据
可获取性（Accessibility）	5/5	CC BY 4.0，完全开放，无注册/无 gated；GCS 直下、Neuroglancer 在线、TensorStore Python 三路可达
数据规模（Scale）	5/5	约 1.4 PB、约 2.25 亿张 2D 图像、约 5.7 万细胞、上亿突触——本库体量最大条目之一
标注质量（Annotation）	3.5/5	有分割/突触/校对多层标注，但仅 104 细胞经手工校对，自动区段含合并/分裂错误，须自行校正
模态丰富度（Modality）	3/5	纯结构（EM），无功能数据；但有掩膜、分割、骨架、连接库等多种衍生模态
可复现/文档（Reproducibility）	4.5/5	官方门户 + 格式规范 + Colab notebook + Science 论文齐全；但多版本口径需自行锁定
综合	4.2/5	「极端规模 + 完全开放」拉高总分，唯一显著短板是无功能数据与校对覆盖率低

AI-Ready 定位：H01 是典型的「规模与开放度双高、标注覆盖率偏低」数据集。它的价值不在于作为监督学习标签库（那需要 dense 标注），而在于：

1. 算法校准的真值源：以 104 校对细胞为锚，评测分割/突触检测/追踪算法在真实人脑组织上的表现；
2. 超大规模 IO/可视化试验场：1.4 PB 的读取与交互本身就是工程挑战；
3. 自监督/表示学习的素材：SimCLR 嵌入与海量未标注体素可用于预训练；
4. 连接组学的「人类参照」：任何声称能在人脑上做突触级分析的管线，都应先在 H01 上验证。

8.1 各维度评分理由详述

为什么可获取性是 5/5？ 本库中许多数据集要么 gated（需申请 HuggingFace 权限）、要么请求制（邮件索取）、要么受注册限制。H01 是少见的三条获取路径全开（在线浏览 + GCS 直下 + Python 读取）且许可为最宽松的 CC BY 4.0。对一个 1.4 PB 级数据集而言，这种开放度本身就是工程与政策上的成就。

为什么数据规模是 5/5？ 约 1.4 PB 在生物医学数据集里属于顶格。对比：多数 WSI 数据集是 TB 级，单细胞数据集是 GB 级，基因组数据集是 TB 级。1.4 PB 意味着它不只是「大」，而是「要求使用者具备 PB 级数据处理能力」——这本身是一道门槛，也是它被引为「超大规模成像标杆」的原因。

为什么标注质量只有 3.5/5？ 表面上看 H01 标注很丰富（分割、突触、亚细胞结构、连接库），但真正经过人工验证的只有 104 个细胞。其余是自动结果且含误差。对需要 dense 精确标注的监督学习任务，这个覆盖率偏低；对只需校准或自监督的任务，这个覆盖率够用。折算 3.5 是「丰富但不精确」的中肯反映。

为什么模态丰富度是 3/5？ H01 的模态本质单一——只有 EM 结构。它没有功能信号、没有分子标记、没有基因表达。它衍生的多种「形态」（掩膜、分割、骨架、连接）都是同一 EM 数据的不同切法，而非独立模态。扣分点在于无功能数据：无法回答「这个细胞做什么」。

为什么可复现性是 4.5/5？ 官方提供了完整的入门三件套：格式规范（Neuroglancer precomputed README）、访问代码（Colab notebook）、算法论文（Science 正文）。缺口在于多版本口径未集中索引——同一指标在不同页面有不同数字，使用者需自行锁定 release。

8.2 与同类数据集的 AI-Ready 对比

数据集	开放度	规模	功能数据	校对/标注	AI-Ready 综合
H01	CC BY 4.0 全开	1.4 PB	无	104 细胞校对	4.2
MICrONS	开放	TB 级	有（双光子）	部分	高（结构+功能）
FlyWire	开放	TB 级	无	全脑校对中	高（物种小、可全查）
celegans-connectome	开放	GB 级	部分	全神经系	高（小而全）

H01 的独特性在于「人类组织」这个不可替代的维度——其它数据集可以更快、更全、带功能，但只有 H01 直接来自人脑皮层。

8.3 在千方病案医数集中的位置

从本库（980+ 条目）的视角看，H01 占据几个「之最/之首」位置：

• 体量之最之一：约 1.4 PB，进入本库超大体积数据集行列；
• 物种稀缺性：库内直接来自人脑组织的突触级 EM 数据集极少，H01 是标杆；
• 开放度标杆：CC BY 4.0 全开 + 三路获取，是「高开放度数据集」的范例；
• 神经科学域的「深度」代表：与库内脑影像类条目（多为宏观 MRI/dMRI）形成「宏观 vs 微观」的完整光谱。

与库内条目的分工：库内 human-connectome-project（rid=95）是宏观尺度人脑连接（dMRI/MRI 水平的白质纤维束），H01 是微观突触尺度——两者尺度相差约六个数量级，恰好构成人脑连接的「两端」。brain-slab-seg-3d（rid=972）提供了组织体积分割的方法参照，bigbrain（rid=285）提供了人脑三维组织学图谱的宏观参照。这样的组合使本库在「神经科学」标签下具备了从宏观到突触的纵深。

8.4 潜在的组合使用场景

H01 常与其他数据集组合使用：

组合	用途
H01 + MICrONS	人-鼠皮层对照，验证动物模型结论的外推性
H01 + FlyWire	不同物种全查连接组的方法迁移
H01 + allen-brain-atlas	把 H01 的单点超微结构与全脑图谱的细胞类型体系对接
H01 + human-connectome-project	突触级局部连接 ↔ 宏观纤维束连接的跨尺度验证
H01 + bigbrain	微观 EM 与宏观组织学切片的同源人脑对照

8.5 DAIMS 评分的方法论说明

DAIMS 的五个维度不是等权武断，而是对应「一个 AI 研究者拿到数据集后能否顺利开工」的五个必经环节：

• 可获取性回答「拿得到吗」——H01 满分，无摩擦；
• 数据规模回答「够用吗」——H01 满分，PB 级远超常规；
• 标注质量回答「标签可信吗」——H01 中等，104/数万；
• 模态丰富度回答「能回答哪类问题」——H01 偏窄，纯结构；
• 可复现/文档回答「别人能跟上吗」——H01 高分，工具链完整。

把五维画成雷达图，H01 的形状是「三高一中一低」的偏斜多边形——这不是缺陷，而是类型特征：它是「基础设施型」数据集（提供参照与校准），而非「任务型」数据集（提供训练标签）。用错类型，就会觉得它「缺标签」；用对类型，就会发现它「缺的正是别人多不出来的——人类组织的突触级真相」。

8.6 对下游任务的价值排序

若按「H01 对各类下游任务的边际价值」排序（高→低）：

1. 分割/检测算法的校准与评测：高——有 104 校对细胞这个稀缺真值；
2. 跨物种比较研究：高——唯一的人脑突触级样本；
3. 大规模 IO/可视化工程：高——1.4 PB 的真实压力测试；
4. 自监督/表示学习：中——海量未标注体素 + SimCLR 嵌入；
5. 监督分割训练：中低——标注覆盖不足以直接训 dense 模型；
6. 功能/环路假说检验：低——无功能数据；
7. 临床诊断建模：低——单例、无对照，不适合训练诊断模型。

这一排序是使用 H01 的关键决策依据：把力气投在前三类上，回报最高。

§9 使用坑点与双口径存照

H01 的坑大多来自「规模数字随版本漂移」和「单例外推」两处。以下逐条列出。

为什么 H01 特别容易出现数字口径问题？ 三个原因叠加：① 数据集经过多轮再分割与再校对，每次迭代都会改变细胞/突触计数；② 论文（2024）与预印本（2021）相隔三年，数字已更新；③ 官方门户把「胞体位置」「细胞实例」「重建片段」等不同粒度的数量并列展示，容易被误读为同一个「细胞数」。因此本条目对所有规模数字都采取「逐源标注 + 区间采纳 + 存照」的处理，而非选单一数字写死。

坑 1：细胞数有三套口径——5.7 万、5 万、49,379

Science 2024 摘要写约 57,000 个细胞；官方数据门户与中文早期报道写约 5 万个细胞体（50k somas）；候选情报另给 49,379 这一精确数。三者来源不同层级：57,000 是 Science 摘要的细胞总数口径，50,000 是门户列出的「胞体位置点」数，49,379 疑似某版本 release 的统计计数（一手未命中原始出处）。处理方式：正文以 Science 摘要的「约 5.7 万」为主口径，其余存照；引用时须注明 release。不要把 49,379 当作权威精确值写死。

坑 2：突触数是「1.3 亿 / 1.5 亿 / 1.83 亿」三口径

• 1.3 亿：bioRxiv 2021 预印本与 2021 年中文媒体口径；
• 1.5 亿：Science 2024 摘要口径；
• 1.83 亿：官方数据门户当前列出的带注释突触总数。
  差异来自突触检测算法的迭代（越新越多，灵敏度提升）。候选情报给的「1.5-1.83 亿」正好覆盖后两端，本条目采纳为区间并逐源标注。坑：若只引一个数，务必同步标注它出自哪一层（摘要/门户/预印本）。

坑 3：校对细胞「104 vs 100」双口径

Science 论文与官方 GCS 路径（proofread_104、104_proofread_neurons_swc.zip）一致指向 104 个手工校对细胞；官方 landing 页早期措辞出现 100 口径。处理方式：以论文与实体路径为准，采纳 104；100 作为早期口径存照。

坑 4：切片数「5,300 vs 5,019」双口径

中文媒体与 bioRxiv 口径写约 5,300 张切片；ScienceAlert 等二手权威源写 5,019 张（均厚 33.9 nm）。差异可能来自切片计数的不同阶段（切出 vs 成像采用）。处理方式：正文写「约 5,019-5,300」，不写死。

坑 5：分辨率只在论文里明确，门户不写数值

官方 landing 页只说「nanoscale-resolution（纳米级）」，不给出具体数值；4 nm（XY）/ 33 nm（Z）取自 Science 摘要与二手权威源互证。坑：检索者若只读门户，会拿不到分辨率数字；引用 4 nm/33 nm 时应引论文而非门户。

坑 6：供者信息为二手口径

「45 岁女性、药物难治性颞叶癫痫」来自二手权威源与中文媒体，非本条目从论文正文直接摘录。处理方式：正文加「据媒体报道」限定，正式引用供者信息以论文正文为准。

坑 7：把「H01」当唯一检索词

「H01」是 Lichtman 实验室的内部编号，并非通用缩写，裸搜会与硬件型号、版本号相撞。处理方式：条目 slug 用 h01-cortex 消歧；正式名仍为 H01，配套域名 h01-release。

坑 8：自动分割区段当「真值」用

除 104 个校对细胞外，全卷为自动分割，含合并/分裂错误。坑：直接用 c2/c3 分割做连接计数，会把错并/断裂当成真实连接。处理方式：连接组分析用 c3，且先用 104 校对细胞估计错误率。

坑 9：忽视 c2 与 c3 的取舍

c2 更完整但错并多、c3 更保守但断裂多。坑：随手用 c2 做连接组会引入大量虚假合并。处理方式：官方建议连接组学用 c3。

坑 10：把单例结果当人类普遍规律

H01 只有 1 例供者、1 mm³ 组织，且邻近致痫灶、浸没固定。坑：把「胶质:神经元=2:1」或「50 突触强效输入」当作全人类常数。处理方式：所有结论加样本限制；复现依赖后续样本。

坑 11：忽视 Z 方向的各向异性

H01 的体素是 4 nm（XY）× 33 nm（Z），Z 方向粗约 8 倍。坑：把体素当立方体算体积/距离，会系统性低估或高估形态量。处理方式：做三维形态测量前显式校正 Z 采样差；不要假设各向同性。

坑 12：整卷下载

坑：以为「开放」就等于「可整卷拉本地」。1.4 PB 对绝大多数用户不可承载，强行整卷下载会耗尽存储与带宽。处理方式：先下小体量的元数据/连接库，用 TensorStore 按坐标按需拉取小立方体；可视化直接用 Neuroglancer。

坑 13：把「8,000 大神经元轮廓」与「5.7 万细胞」混为一谈

Science 摘要同时给出「约 57,000 个细胞」与「约 8,000 个含胞体神经元轮廓」。坑：把 8,000 当作神经元总数（实际是「明确含胞体的神经元重建」，不含胶质、不含未重建完全的）。处理方式：区分「细胞总数」「神经元轮廓」「重建片段」三种粒度（§2.6）。

坑 14：跨 release 混用数字

坑：从论文取「5.7 万细胞」、从门户取「1.83 亿突触」，拼成一句「5.7 万细胞、1.83 亿突触」，但两者可能来自不同 release。处理方式：同一句话里的数字尽量同源同版本；无法同源时明确标注各自版本。

双口径存照汇总

项	口径 A	口径 B	口径 C	采纳
细胞数	约 57,000（Science 摘要）	约 50,000（门户）	49,379（候选情报，待核）	约 5.7 万为主
突触数	1.3 亿（bioRxiv 2021）	1.5 亿（Science 摘要）	1.83 亿（门户）	1.5-1.83 亿区间
校对细胞	104（论文+GCS 路径）	100（门户早期措辞）	—	104
切片数	5,019（ScienceAlert）	5,300（中文媒体/bioRxiv）	—	5,019-5,300
切厚	33.9 nm（ScienceAlert）	约 30 nm（中文媒体）	33 nm（门户）	约 33 nm
含胞体神经元轮廓	约 8,000	数万重建神经元	—	两口径并记

为什么 H01 的坑以「数字口径」为主？ 这与它的性质有关：H01 是持续迭代的活数据集（release 会再分割、再校对），且经过论文（2024）与预印本（2021）两个时间点、多个官方页面并列表述。任何「一次性写成定稿」的数字都会随时间失效。因此本条目对规模数字一律采用「区间 + 逐源标注」，这不是含糊，而是对「活数据集」最诚实的处理方式。

使用 H01 的黄金法则是：把数字当作「某版本在某日期的快照」，而不是「该组织的固有属性」。官方自己也明确提示「每个数字都是某次 release 的属性，而非组织的属性」。抓住这一条，坑 1-4、13、14 都能自然规避。

坑点速查表

把 14 个坑按「类型」归类，便于记忆与排查：

类型	涉及坑点	一句话对策
数字口径	坑 1、2、3、4、13	逐源标注、区间采纳、锁 release
分辨率/几何	坑 5、11	引论文、校正 Z 各向异性
来源/身份	坑 6、7	供者信息加限定；slug 消歧
方法误用	坑 8、9、12	用 c3、先估错率、按需读取
外推过度	坑 10	单例结论加样本限制
版本治理	坑 14	同句数字尽量同源

坑点自查清单（用 H01 前逐条打钩）

• [ ] 我引用的数字标注了 release 版本吗？
• [ ] 区分的细胞数口径（胞体位置 / 细胞实例 / 神经元轮廓）对吗？
• [ ] 突触数用的是哪一版（1.3/1.5/1.83 亿）？
• [ ] 形态测量前校正了 4 nm × 33 nm 各向异性吗？
• [ ] 连接分析用的是 c3 而非 c2 吗？
• [ ] 用 104 校对细胞估计过自动区的错误率吗？
• [ ] 结论中是否声明了「单例、浸没固定、癫痫邻近」三条限制？
• [ ] 引用供者信息时加了「据媒体报道」限定吗？
• [ ] 没有试图整卷下载 1.4 PB 吧？
• [ ] 署名同时包含论文 DOI 与数据门户了吗？

§10 结论、互链与存照

10.1 一句话总结

H01 是把「看清人脑」推进到突触级的第一块拼图：一块 1 mm³ 的人颞叶皮层，约 1.4 PB 数据、约 5.7 万细胞、上亿突触、104 个手工校对神经元，以 CC BY 4.0 完全开放，配 Neuroglancer + TensorStore 工具链——它的价值不在「训练集」，而在「人类组织的突触级地面真值与算法校准尺」。

10.2 谁应该用它

• 连接组学 / 突触检测算法研究者：用 104 校对细胞校准自动管线；
• 大规模生物图像分割团队：以 c2/c3 对比评测合并/分裂错误；
• PB 级可视化和 IO 工程：Neuroglancer/TensorStore 的真实压力测试素材；
• 脑疾病微结构研究者：癫痫邻近组织的病理-正常对比起点；
• 计算神经科学家：从结构连接出发建模「弱连接 + 少数强效输入」的信息处理。

10.3 建议互链点（库内条目 + rid）

目标条目	rid	互链理由
human-connectome-project	95	人脑宏观连接组，突触尺度 vs 宏观尺度互补
brain-slab-seg-3d	972	脑组织体积分割，方法与任务相近
allen-brain-atlas	275	脑图谱与细胞类型资源
bigbrain	285	人脑三维组织学图谱，同为人脑结构底本
1000-functional-connectomes	295	功能连接组，与 H01 结构连接组对照
openneuro	100	神经科学数据总库，可承载衍生数据

域外对照（本库未入库，仅供正文提名）：MICrONS、FlyWire、hemibrain、celegans-connectome。

10.4 存照与遗留疑点

• 49,379 精确细胞数的原始一手出处未命中（疑似某 release 统计计数），正文不写死，仅存照（坑 1）。
• 官方 landing 页分辨率仅写「nanoscale」，4 nm/33 nm 取自论文与二手权威源互证（坑 5）。
• 供者年龄/性别/病种为二手口径，正式引用须核论文正文（坑 6）。
• 突触三口径（1.3/1.5/1.83 亿）反映多轮再分割，引用须锁版本（坑 2）。

10.5 核心事实锚点（供交叉引用）

• 论文：Shapson-Coe, A. et al. Science 384, eadk4858 (2024). doi:10.1126/science.adk4858
• 前置预印本：bioRxiv 2021.05.29.446289
• 数据门户：https://h01-release.storage.googleapis.com/landing.html
• 许可：CC BY 4.0
• 体量：1 mm³ / 约 1.4 PB / 约 5.7 万细胞 / 1.5-1.83 亿突触 / 104 校对神经元 / 约 230 mm 血管
• 成像：ssEM，4 nm（XY）× 约 33 nm（Z），约 5,019-5,300 切片，约 2.25 亿张 2D 图像
• 团队：Harvard Lichtman Lab + Google Research

10.6 一句话结论与行动建议

结论：H01 把「人类皮层的突触级重建」从设想变成了可下载的公共资源。它的价值不取决于数字有多精确，而取决于它让「在人脑组织上检验算法」成为可能。

行动建议：

1. 若你要引用规模数字：先定 release，再引论文口径，区间处标注多口径。
2. 若你要做算法评测：用 104 校对细胞当锚，c3 当连接组基线。
3. 若你要做可视化/教学：Neuroglancer 零门槛，直接在线漫游。
4. 若你要做人-鼠对照：与 MICrONS 配对使用。
5. 若你要做疾病研究：牢记样本邻近致痫灶，病理 vs 正常须谨慎区分。

10.7 版本更新提示

由于 H01 会持续再分割、再校对、再物化（re-materialize），本条目所述数字对应抓取时点 2026-10-16 的公开状态。官方明确提示「本页数字是某一次 release 的属性，而非组织的属性；release 会重新分割、重新校对、重新物化，数字随之变化」。因此：

• 若你在未来读到本条目，请以你实际使用的 release 为准；
• 本条目刻意采用「区间 + 逐源标注」而非单一数字，正是为了对冲版本漂移；
• 建议任何正式引用都同时记录「数字 + release 路径 + 抓取日期」三要素。

10.8 检索与问答速查

为便于快速定位，列出本条目涉及的常见问答落点：

你可能想问	去哪看
这数据集是什么	§0、INFOBOX、§1
数据多大、多少细胞突触	§2.1、§4、坑 1-2
怎么拍出来的	§3.0-§3.5
怎么下载/打开	§6.2、§6.4、§6.6
许可能不能商用	§6.1、§6.7
有什么新发现	§4.1-§4.4
能拿它做训练吗	§8.6、§5.5
有什么坑	§9（坑 1-14）
和别的脑数据集什么关系	§7.2、§2.9
库内能链到谁	§7.4、§10.3

10.9 一句话给不同读者的收尾

• 给神经科学家：H01 是第一个能让你在真实人脑组织里数突触的资源。
• 给算法工程师：H01 是 1.4 PB 的开放大考，104 个校对细胞是你唯一的答案纸。
• 给数据工程者：H01 是「不下载也能算」的范式样本，Neuroglancer/TensorStore 值得学。
• 给临床研究者：先看清它的单例限制，再想象它能做什么、不能做什么。
• 给本库读者：H01 是神经科学条目群里最深的一环，也是 AI-Ready 评分体系的边界样本。

---

本条目为千方病案医数集 AI-Ready Wikipedia 数据集百科系列之一。条目内容以 Science 2024 论文与 H01 官方数据门户一手来源为准，规模数字的多口径差异已逐条存照；引用任何规模数字前请锁定所使用的 release 版本。

---

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：

• adam-aneurysm — 共享标签：神经科学 / 脑影像 / 医学图像分割
• nfbs — 共享标签：神经科学 / 脑影像 / 医学图像分割
• atlas-v2 — 共享标签：神经科学 / 脑影像 / 医学图像分割
• isles — 共享标签：神经科学 / 脑影像 / 医学图像分割
• wmh-challenge — 共享标签：神经科学 / 脑影像 / 医学图像分割
• selma3d — 共享标签：脑影像 / 医学图像分割 / 图像分类
• intra — 共享标签：脑影像 / 医学图像分割 / 图像分类
• brisc — 共享标签：脑影像 / 医学图像分割 / 图像分类
• dhcp — 共享标签：神经科学 / 脑影像 / 医学图像分割
• ct-ich — 共享标签：神经科学 / 医学图像分割 / 图像分类

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。