Histology Tissue Fold Dataset with Pixel-Level Annotations — H&E 教学切片组织折叠伪影分类与像素级分割数据集

INFOBOX — Histology Tissue Fold 一屏速览

维度	内容
本质	H&E 组织学「教学切片」的组织折叠伪影（tissue fold artifact）分类+像素级分割数据集，配套 7 分类模型 + 1 分割模型的深度学习质控研究
关键特殊性	图像来自教学切片（teaching slides），不是临床诊断 WSI——这是它与库内所有临床病理条目的本质区别（全文反复强调）
机构	Fırat University（土耳其埃拉泽 / Elazığ，ROR:05teb7b63），三位作者同机构
作者	Osman Fatih Koparir（一作，手工标注）/ Berrin Tarakçı Gençer（标注审核）/ Abdulkadir Şengür（通讯）
论文	Bioengineering 2026, 13(8), 937（MDPI 开放获取）；DOI: 10.3390/bioengineering13080937
规模	2,127 张 H&E 图像 = 899 clean + 1,228 fold（≈57.7% 折叠）
掩码	1,228 张 折叠图像全部含像素级二值分割掩码（masks.zip 23.1 MB）
组织	5 种：brain 脑 / kidney 肾 / liver 肝 / small intestine 小肠 / testis 睾丸；共 302 个 specimen 标本
分辨率	3840×2160（4K, 16:9），放大 10×
任务	图像级二分类 / 像素级语义分割 / Grad-CAM 可解释性分析
最佳结果	通用 image-level Swin-Tiny 99.06%；slide-level EfficientNet-B3 99.54%；5 折 CV ResNet50 98.73±0.54%；分割 Dice 0.7630
版本	v1（Zenodo 21493260, 2026-07-22）→ v2（Zenodo 22107895, 2026-08-26，推荐）；概念 DOI 10.5281/zenodo.21493259
获取	Zenodo 直链公开，无 gated、无需审批；文件集约 6.6 GB
许可	数据集 CC BY 4.0｜论文 CC BY 4.0（库内少见的「全开放」双层结构）
库内互链	nucls(248)、pcam(158)、lc25000、panda(560)、medmnist、pathseg

Histology Tissue Fold Dataset 是一个"给组织学教学切片做质量检测"的数据集工程：H&E 染色的组织切片在制作过程中若发生组织自身折叠，会在切片上留下折叠伪影（tissue fold artifact）——表现为局部组织增厚、细胞与结构重叠、染色加深、正常组织架构被破坏。这种伪影会干扰教学演示、也会干扰后续任何基于图像的定量分析。来自土耳其 Fırat University 的三位作者把这件事做成了公开资源：从五种器官（脑、肾、肝、小肠、睾丸）的教学切片中采集 2,127 张 10× 的 4K 图像，逐张标注为 clean（899 张）或 fold（1,228 张），并对全部 1,228 张折叠图像在 QuPath 里手工勾画像素级二值掩码；随后用 7 个分类模型和 1 个分割模型验证"折叠伪影可被高精度检测与定位"，以 CC BY 4.0 在 Zenodo 直链开源。

一句话记住它的身份：这是库内第一个以"教学切片"而非"临床诊断 WSI"为图像来源的病理质量检测数据集——教学切片这个定语贯穿全文，是理解它的第一把钥匙（§0.2）。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——认准 v2（Zenodo record 22107895），别下成 v1（record 21493260，其 slide_image_mapping.xlsx 是过时映射）；CC BY 4.0 直链，无需审批。
2. 关心它的独特性与局限：直奔 §0.2、§4、§5——重点读"教学切片 vs 临床 WSI"的本质差异、小肠瓶颈、MPP10 外部下降、Grad-CAM 与掩码不一致四条。
3. 做病理伪影检测 / 组织学图像分类：直奔 §3、§7、§9.1——把本条目与 nucls、pcam、pathology-artifact-detection 谱系放在一起读，明确各自定位。

§0 导读：这个数据集解决什么问题

数字化病理的普及让组织学切片从显微镜下的玻璃片变成了可计算的高分辨率图像，AI 因此得以介入病理的几乎每一个环节。但任何图像分析流水线的第一道关口都不是"诊断"，而是"图像本身是否合格"：切片制备与扫描过程会引入各类伪影（artifact），其中组织折叠（tissue fold）是最常见、也最容易被忽视的一类。它来自切片制作时组织的自身折叠，是一种技术性伪影（technical artifact），而非组织本身的病变。

当组织折叠发生时，切片上会出现一组可辨认的形态学信号：局部组织增厚、细胞与组织结构相互重叠、H&E 染色在该处加深、正常组织架构被破坏。对病理医生而言，这意味着一片区域无法判读；对教学而言，折叠区域会把关键组织学结构遮住；对任何后续的定量分析（细胞计数、纹理分析、分割）而言，折叠区域会系统性地污染统计。因此自动检测并定位组织折叠伪影，是病理图像流水线中一项基础而实用的能力。

0.1 本条目研究对象：一份"教学切片"折叠伪影数据集

本条目记录的数据集正是瞄准这一问题的公开资源。它由土耳其 Fırat University 的 Koparir、Tarakçı Gençer 与 Şengür 三位作者发布，配合论文 Deep Learning-Assisted Quality Control of Histology Teaching Slides: Detection and Localization of Tissue Fold Artifacts in H&E-Stained Images（Bioengineering 2026, 13(8), 937）。数据集本体是 2,127 张 10× 的 H&E 教学切片图像，逐张标注为 clean 或 fold 两类；其中折叠类（1,228 张）全部配有像素级二值分割掩码，标注工具为 QuPath v0.7.0，由第一作者手工勾画、第二作者逐张审核组织学正确性。

论文用这套数据回答了一个很清楚的问题：组织折叠伪影能不能被深度学习高精度地检测（图像级）并定位（像素级）？ 答案是能——在域内数据上，7 个主流分类模型（ResNet18/50、DenseNet121、EfficientNet-B0/B3、ConvNeXt-Tiny、Swin-Tiny）在通用 image-level 划分上表现优异（Swin-Tiny 达 99.06%），分割模型 DeepLabV3-ResNet50 达 Dice 0.7630。但论文同样坦诚地划出了性能边界：小肠组织与外部数据集 MPP10 是两个明确的瓶颈。

0.2 最重要的一个定语：教学切片，不是临床诊断 WSI

本条目必须在开篇就讲清楚、并在后文反复重申的一件事是：这个数据集的图像来自组织学教学切片（teaching slides），而不是医院病理科的临床诊断全切片图像（Whole Slide Image, WSI）。

这不是一个措辞细节，而是决定这个数据集性质、定位与使用边界的根本属性：

1. 制备语境不同。教学切片是为了演示正常组织学结构（如脑、肾、肝、小肠、睾丸的典型形态）而准备的，组织取材、切片厚度、染色强度、覆盖的组织类型都服从教学目的；临床诊断 WSI 则来自真实病例的组织，服从病理诊断的需求，两者在组织来源与制备倾向上并不相同。
2. 扫描设备与流程不同。据 OpenAIRE 摘录，本数据集的图像是用 Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 数码相机、10× 放大逐视野拍摄的静态 4K 图像（3840×2160，16:9），而非由自动化全切片扫描仪产出的金字塔式 WSI。这决定了它的分辨率形态、视野组织方式、以及后续可用的分析范式（patch/field 级，而非 WSI 级）。
3. 使用边界不同。因此，把它当作"临床病理质控模型"的训练库时必须谨慎：在教学切片域内检测折叠伪影的高精度，不能直接等同于在临床 WSI 域内的能力。论文报告的 MPP10 外部验证性能下降（ResNet50 89.63%），正是"跨域"代价的一个直接证据。
4. 库内定位不同。库内的病理条目（nucls、pcam、panda、pathseg 等）绝大多数以临床病理或组织学诊断图像为基础；本条目是库内首个明确以"教学切片"为图像来源的组织学数据集，因而占据一个稀缺的生态位（§9.1）。

一句话：读懂"教学切片"四个字，就读懂了它一半的定位。本条目在后文 §2、§4、§5、§6、§7、§8、§9 中会反复回到这一点。

§0 读法三则：

1. 这个条目是"数据集 + 开放获取论文 + 可迁移的质控方法学"三合一：数据集是 2,127 张带标签（其中折叠类带掩码）的教学切片图像；论文讲的是怎么标注、怎么评测、以及性能瓶颈在哪；方法学遗产是"手工像素级掩码 + 多模型对比 + 可解释性核查"这套质控研究范式。
2. 全文规模数字存在版本双口径：v1（Zenodo 21493260, 2026-07-22）与 v2（Zenodo 22107895, 2026-08-26）的差异仅在 slide_image_mapping.xlsx（51.5 kB→79.5 kB），图像与掩码文件 md5 完全一致；引用与下载一律以 v2 为准并全程存照（坑 1、§7）。
3. 检索时务必带 record id 或版本号：Zenodo 上两个 record 的标题、作者完全一致，唯一的快速判别锚是 slide_image_mapping.xlsx 的文件大小（51.5 kB = v1，79.5 kB = v2）。

§1 数据集速览：十问十答

Q1：这个数据集到底是什么？
一个 H&E 组织学教学切片的组织折叠伪影数据集，图像级二分类（clean vs fold）+ 像素级分割（折叠区域掩码）双重标注，配套 7 分类模型 + 1 分割模型的深度学习质量检测研究。图像来自教学切片而非临床诊断 WSI。

Q2：规模到底是多少？
总计 2,127 张 H&E 图像 = 899 张 clean（无伪影）+ 1,228 张含 tissue fold 伪影（约 57.7% 折叠 / 42.3% 干净）。全部 1,228 张折叠图像都配了像素级二值分割掩码。

Q3：图像长什么样，什么格式？
3840×2160 像素（4K，16:9）的 JPG 图像，10× 放大。用 Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 数码相机拍摄。注意这是逐视野拍摄的静态 4K 图像，不是金字塔式全切片 WSI。

Q4：覆盖哪些组织？
5 种组织类型：brain（脑）、kidney（肾）、liver（肝）、small intestine（小肠）、testis（睾丸）。逐器官数量见 §2.2 总表。共来自 302 个 specimen 标本。

Q5：谁标的，怎么标的？
第一作者 Osman Fatih Koparir（组织学与胚胎学系）用 QuPath v0.7.0 手工勾画折叠区域二值掩码；第二作者 Berrin Tarakçı Gençer（组织学与胚胎学专家）逐张审核标注的组织学正确性。这是双作者标注+审核，不是众包、也不是单专家终审。

Q6：为什么要做这个数据集？
因为组织折叠是切片制作中常见的技术性伪影，会破坏组织结构、干扰教学演示与后续定量分析。自动检测并定位折叠区域，是病理图像流水线的一项基础质控能力。论文证明这套数据可用于训练高精度的检测（分类）与定位（分割）模型。

Q7：性能有多好？
域内表现优异：通用 image-level Swin-Tiny Accuracy 99.06% / F1 99.19% / AUC 99.98%；slide-level EfficientNet-B3 Accuracy 99.54%；5 折 CV ResNet50 98.73±0.54%；分割 DeepLabV3-ResNet50 Dice 0.7630 / IoU 0.6661。但小肠与外部 MPP10 是明确瓶颈（§5）。

Q8：怎么获取，要申请吗？
完全不要申请。CC BY 4.0，Zenodo 直链公开下载，无 gated、无请求制、无审批：v2 入口 https://zenodo.org/records/22107895。这与库内许多请求制/需注册的病理数据集形成鲜明对比。

Q9：许可是什么？
数据集 CC BY 4.0；关联论文 CC BY 4.0（MDPI Bioengineering 全刊开放获取）。论文与数据集同为 CC BY，是库内少见的"全开放"双层结构。使用时须同时引用数据集与论文（Zenodo 明述）。

Q10：为什么它对 AI-Ready 重要？
因为它示范了一类"冷门但刚需"的开放资源：病理流水线的第一道关口是图像质控，而组织折叠伪影的公开标注长期稀缺——本数据集把分类标签与像素级掩码一次性做开、CC BY 4.0 直链发布，还附 slide-level 映射以支持防泄漏的划分。它的稀缺性还在于：这是库内首个"教学切片"语境的组织学数据集（§9.1）。

§2 数据构成与规格

2.1 规模、来源与版本演进

本数据集的规模数字有三层需要分清：器官层、类别层、标本层。先把最核心的一张总表摆出来（全部来自 FACTS.md §4，论文与 Zenodo 描述一致）：

器官（tissue type）	中文	总数	clean（无伪影）	fold（含折叠伪影）
Brain	脑	433	215	218
Kidney	肾	466	181	285
Liver	肝	437	167	270
Small intestine	小肠	365	152	213
Testis	睾丸	426	184	242
合计	—	2,127	899	1,228

这张表有四重交叉校验，全部对得上（FACTS §9 数字一致性）：

• 总数：433 + 466 + 437 + 365 + 426 = 2,127 ✓
• clean：215 + 181 + 167 + 152 + 184 = 899 ✓
• fold：218 + 285 + 270 + 213 + 242 = 1,228 ✓
• 类别加总：899 + 1,228 = 2,127 ✓

版本演进是本条目的一条硬纪律。同一数据集在 Zenodo 上先后有两个版本，差异极小但关键：

版本	Zenodo record	发布日期	版本号	关键差异	概念 DOI
v1	21493260	2026-07-22	Version 1.0	slide_image_mapping.xlsx = 51.5 kB（较早映射，与论文 302 specimen 不一致）	10.5281/zenodo.21493259
v2	22107895	2026-08-26	v2	slide_image_mapping.xlsx = 79.5 kB（修正映射）	10.5281/zenodo.21493259

两个版本共享同一个概念 DOI（concept DOI）10.5281/zenodo.21493259，该 DOI 恒指向最新版。两版之间的差异仅在 slide_image_mapping.xlsx 一个文件：其大小从 51.5 kB 增至 79.5 kB，md5 从 fd3dcab8… 变为 fcae4151…；其余文件（images.zip、masks.zip、metadata.csv、dataset_summary.csv、README.md、LICENSE.txt）的 md5 完全一致（FACTS §2/§6）。这意味着：如果你已经下载过 v1 的图像与掩码，只需用 v2 的 slide_image_mapping.xlsx 覆盖即可，无需重下 6.6 GB。

v1 的描述里明确写了一句重要声明（FACTS §2）：slide_image_mapping.xlsx 含较早的 image-to-slide 映射，请用 Version 2 获得与论文 302 个 specimen 一致的更正映射。这是"版本修正"而非"数据重采"：图像内容没变，变的是"哪张图属于哪个标本"的映射关系——而映射关系直接决定 slide-level 划分是否可信（§4.3）。

2.2 五种组织类型与逐器官构成

数据集覆盖 5 种组织类型，每一种在正常组织学教学中都是经典标本：

组织	英文	典型教学意义	总数	clean	fold	fold 占比
脑	brain	神经元/胶质细胞/脑膜结构的经典展示	433	215	218	50.3%
肾	kidney	皮质/髓质/肾小球/肾小管的经典展示	466	181	285	61.2%
肝	liver	肝小叶/门管区/肝细胞的经典展示	437	167	270	61.8%
小肠	small intestine	绒毛/隐窝/各层结构的经典展示	365	152	213	58.4%
睾丸	testis	生精小管/各级生精细胞/间质细胞的经典展示	426	184	242	56.8%
合计	—	—	2,127	899	1,228	57.7%

可以看到各类组织上折叠与干净的构成并不完全均衡（肾、肝的 fold 占比略高，脑不到 51%），但整体折叠略多于干净（57.7% vs 42.3%），接近对半。这一点对训练有意义：这不是一个严重类别不均衡的二分类问题，无需做强的重采样即可训练（§4.4）。

需要强调：这些器官之所以被选中，是因为它们是组织学教学中最常见的经典标本——这再次呼应了"教学切片"这一资料来源属性（§0.2）。它们服务的是"展示正常组织学形态"的教学目标，而不是某个病例的诊断需求。

2.3 图像规格：4K、10×、JPG

图像规格集中如下（FACTS §4）：

属性	取值
分辨率	3840 × 2160 像素
画幅比	16:9
放大倍率	10×
格式	JPG
染色	H&E（苏木精-伊红 / hematoxylin-eosin）
设备	Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 数码相机
数据来源语境	组织学教学切片（teaching slides），非临床诊断 WSI

"4K JPG 而非 WSI"是必须讲清的规格差异。临床病理全切片图像（WSI）通常是金字塔式的多级分辨率图像（如 .svs、.ndpi 等格式），支持任意倍率缩放；而本数据集提供的是逐视野拍摄的固定视野 4K 静态图像，每张图是一个固定放大倍率（10×）下的视场。这带来三个直接后果：

1. 分析范式是 field/patch 级：模型面对的是 3840×2160 的单张视场，而不是可任意裁切的 WSI。若要做 patch 级研究，需要在固定视场内切分。
2. 倍率信息固定：全部图像统一 10×，倍率不作为变量；这一点简化了研究（无需处理多倍率），但也意味着模型只见过 10× 的形态。
3. 与临床 WSI 流程的接续需重做：把在教学切片 4K 视场上训练好的模型迁移到临床 WSI 扫描仪产出的金字塔图像，涉及格式、倍率、色彩管理、组织制备偏好等多重跨域问题（§5.4）。

2.4 掩码规格：像素级二值分割

像素级掩码是本数据集相对"纯分类数据集"的核心增值。规格要点（FACTS §4/§5）：

属性	取值
掩码对象	仅 1,228 张折叠（fold）图像
掩码类型	像素级二值分割掩码（binary mask，折叠区域 vs 非折叠）
打包文件	masks.zip，23.1 MB
组织形式	按 tissue type 组织
标注工具	QuPath v0.7.0
标注方式	手工勾画折叠区域
边界判定依据	组织增厚 / 结构重叠 / 染色强度升高 / 结构破坏（四特征）
标注范围限定	仅标注因折叠导致形态改变的区域

边界模糊时的处理规则（论文 Method 明述）：在组织结构恢复正常处停止。也就是说，掩码的边界被定义为"形态学异常消失"的位置，而非某个精确的像素级梯度——这符合"组织折叠是一种形态学概念"的本质，但也意味着掩码边界存在一定主观性（§5.5、§8）。

待核疑点（FACTS §9 待核 2）：masks.zip 仅 23.1 MB，而 images.zip 达 6.6 GB——体量差异如此之大，说明掩码极可能是低分辨率或二值压缩（如 PNG）格式，而非与 3840×2160 原图同分辨率的逐像素标注图。掩码与原始 4K 图像之间的像素对齐方式（是否同分辨率、如何缩放）在 README 未实抓的情况下尚未确证，使用者在套用掩码前应先检查掩码的实际尺寸与对齐，避免因分辨率不匹配导致监督信号错位。这是本条目列为待核的一条工程风险（§8.3、§10 待核 2）。

2.5 文件清单与体量

Zenodo v2 的文件集构成（FACTS §4）：

文件	体量	内容
images.zip	6.6 GB	2,127 张 4K H&E JPG 图像
masks.zip	23.1 MB	1,228 张像素级二值分割掩码
metadata.csv	407.1 kB	逐图元数据
slide_image_mapping.xlsx	79.5 kB（v2）	image → slide ID 映射（51.5 kB 为 v1 旧版）
dataset_summary.csv	209 B	数据集摘要
README.md	2.2 kB	说明文件
LICENSE.txt	302 B	许可文件（CC BY 4.0）
总计	约 6.6 GB	以 images.zip 为绝对主体

文件完整性校验值（FACTS §6）：images.zip md5 = 2d4116bf652d1dba761d3164909d8df3；masks.zip md5 = 7418aa15933b013e759db4e02b565cb7。下载后应用 md5 校验，确认与上述一致。

数据组织方式（FACTS §4）：图像按 tissue type + class 组织，掩码按 tissue type 组织；metadata.csv 描述每张图；slide_image_mapping.xlsx 提供 image→slide ID 映射（支持 slide-level 划分）。这一组织方式对使用者很友好——类别与器官信息在目录结构里就分好了，无需额外解析即可开展分层实验。

§3 论文、机构与时间线

3.1 关联论文身份

本条目配套一篇正式发表的开放获取论文（FACTS §2）：

字段	内容
标题	Deep Learning-Assisted Quality Control of Histology Teaching Slides: Detection and Localization of Tissue Fold Artifacts in H&E-Stained Images
期刊	Bioengineering（MDPI，开放获取）
卷期页	2026, 13(8), 937
DOI	10.3390/bioengineering13080937
论文链接	https://www.mdpi.com/2306-5354/13/8/937
作者	Koparir OF, Tarakci Gencer B, Sengur A
摘录结构	Mendeley/Scopus 收录的四段式：Background-Objectives / Methods / Results / Conclusions

论文标题里的每个词都值得读一遍：**“Quality Control”（质量控制）说明它的任务定位是质控而非诊断；“Histology Teaching Slides”（组织学教学切片）点明了图像的资料来源——这是全文的关键定语；“Detection and Localization”（检测与定位）对应它的两个任务层级（图像级分类 + 像素级分割）；“Tissue Fold Artifacts”（组织折叠伪影）**是唯一的目标伪影类别。

3.2 作者与机构

三位作者同属 Fırat University（土耳其埃拉泽 / Elazığ，ROR:05teb7b63）（FACTS §3）。这在库内是相对少见的情形——多数病理数据集是多家机构联合或大型联盟的产物，而本数据集是一个单机构、小团队的项目。

作者	角色	机构/系	ORCID
Osman Fatih Koparir	第一作者，负责手工标注	组织学与胚胎学系	0009-0009-1085-1961
Berrin Tarakçı Gençer	第二作者，组织学与胚胎学专家，负责标注审核	组织学与胚胎学系	0000-0002-5931-9919
Abdulkadir Şengür	通讯 / 资深作者	Fırat University	0000-0003-1614-2639

标注分工是理解数据质量的钥匙（FACTS §3，论文 Methods 明述）：

1. 第一作者 Koparir（组织学与胚胎学系成员）执行 QuPath v0.7.0 手工标注；
2. 第二作者 Tarakçı Gençer（组织学与胚胎学专家）逐张验证标注的组织学正确性。

这是双作者标注 + 审核的模式：由一位受过组织学训练的成员做初标，再由一位组织学与胚胎学专家复核组织学判断是否正确。它既不是"众包标注"，也不是"单专家终审"——审核来自同领域专家，专业判断有保障；但没有第三方独立一致性测试，标注一致性指标未报告。

3.3 资助与设备

• 资助（Funding）：Fırat University 科研项目 VF.26.19（Zenodo Funding 字段，FACTS §3）。这是一项校级科研项目支持。
• 设备（OpenAIRE 摘录）：Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 数码相机，10× 放大（FACTS §3）。正是这套设备决定了图像 3840×2160 的 4K 形态。

3.4 时间线

把数据集与论文放在同一条时间线上（FACTS §2）：

时间	事件
2026-07-22	数据集 v1 发布（Zenodo record 21493260，Version 1.0，文件集 6.6 GB；slide_image_mapping.xlsx 为较早映射）
2026-08-26	数据集 v2 发布（Zenodo record 22107895，Version v2；修正 slide_image_mapping.xlsx 至 79.5 kB，与论文 302 specimen 一致）
2026（同期）	论文见刊：Bioengineering 2026, 13(8), 937

发表状态的双口径存照（FACTS §2/§9 双口径 B）：OpenAIRE 的早期记录曾写 “manuscript currently under review”（稿件在审），而正式见刊后更新为 Bioengineering 2026;13:937。两阶段声明并存，正式引用一律以见刊版（Bioengineering 2026, 13(8), 937）为准。

值得注意的是数据集先于（或几乎同期于）论文发布：v1 于 2026-07-22 上线，v2 于 2026-08-26 修正，论文同期见刊。这一"数据先行、论文同行、随后修正映射"的节奏，也解释了为何 v2 的修正点恰好落在"与论文 302 specimen 一致"这一条上——是为了让数据集的标本身份与论文口径对齐。

§4 采集、标注与质量流程

4.1 从教学切片到 4K 图像

数据集的图像采集链条可以概括为（FACTS §3/§4）：

组织学教学切片（5 种组织：脑/肾/肝/小肠/睾丸）
        │
        ▼
Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 相机
        │  10× 放大，逐视野拍摄
        ▼
3840 × 2160（4K, 16:9）H&E JPG 图像 × 2,127 张
        │
        ▼
按 tissue type + class 归类

这条链条的每一个环节都带着"教学切片"的印记：源头是供教学演示的组织学标本（302 个 specimen），显微镜是常规正置显微镜（而非自动化 WSI 扫描仪），拍出的是固定 10× 视野的静态 4K 图。使用者理解这一点，才能正确预期数据的组织形态分布与分辨率行为（§0.2）。

4.2 折叠伪影的形态学定义

论文把组织折叠定义为一种技术性伪影（technical artifact），成因是切片制作时组织自身的折叠。其可辨认的形态学信号有四条（FACTS §5）：

1. 局部组织增厚（local tissue thickening）；
2. 细胞/组织结构重叠（overlapping cells and structures）；
3. H&E 染色加深（increased staining intensity）；
4. 正常组织架构破坏（disruption of normal architecture）。

标注者被要求勾画的正是"因折叠导致形态改变的区域"，标注边界依上述四特征判定，边界模糊时在组织结构恢复正常处停止。这是一套"以形态学连续性为锚"的标注约定：折叠区的边界不是一个锐利的物理边界，而是"异常消失、结构恢复"的位置。

4.3 标注流程与工具

标注流程（FACTS §3/§5）：

第一作者 Koparir（组织学与胚胎学系）
   用 QuPath v0.7.0 手工勾画折叠区域
        │
        ▼
1,228 张 fold 图像 → 每张一枚像素级二值掩码
        │
        ▼
第二作者 Tarakçı Gençer（组织学与胚胎学专家）
   逐张验证标注的组织学正确性
        │
        ▼
masks.zip（23.1 MB，按 tissue type 组织）

工具选择上有两点值得注意：QuPath v0.7.0 是开源病理图像标注/分析平台的较新版本，支持在整幅图像上做多边形/画笔标注并导出掩码；“手工勾画”（而非半自动或众包）保证了标注的组织学判断质量，但成本高、规模受限——这也解释了为什么数据集规模停在 2,127 张、而非数万张的量级。

4.4 类别构成对训练的影响

从 §2.2 的总表可知，类别构成接近对半：fold 1,228（57.7%） vs clean 899（42.3%）。这是训练上一个相对友好的分布：

• 不需要强力的类别重采样/加权；简单的分层采样（stratified split）即可保证每个子集类别比例一致。
• 但逐器官看仍有不均衡：肾（61.2%）、肝（61.8%）fold 占比偏高，脑（50.3%）最低。若做**逐器官（leave-one-organ-out）**实验，需注意各器官内部的类别比例差异（§7.3）。
• 5 折交叉验证（§7.2）是应对这类中型数据集的稳妥协议——论文确实用了它。

4.5 评估协议：论文的四种划分

论文对分类任务采用了四种评估协议（FACTS §5），这是本数据集方法学上值得学习的一点——它把"方便但乐观的划分"与"严格但更硬的划分"都跑了一遍：

协议	含义	测什么	论文最优结果
通用 image-level 80/20	全部图像随机 80% 训练 / 20% 测试	最宽松的上限参照	Swin-Tiny 99.06%
slide-level train-test split	同一 slide 的图像不跨训练/测试子集	防泄漏的严格协议	EfficientNet-B3 99.54%
5 折交叉验证	5 折轮换，报告均值±标准差	稳定性	ResNet50 98.73±0.54%
leave-one-organ-out（逐器官）	留出一种器官做测试	跨组织泛化	小肠显著下降至 60.00%-80.27%

slide-level split 是这里最关键的一条协议，它直接依赖于 slide_image_mapping.xlsx 的正确性——这正是 v2 修正映射的价值所在（§2.1）：如果映射错了，同一张玻片的图像会被错误地分到训练与测试两侧，造成数据泄漏、虚高指标（§8.2、坑 4）。

4.6 "双作者标注+审核"的质量定位

把标注质量定位讲清楚（呼应 §3.2）：

1. 优势：初标者与审核者都是组织学与胚胎学方向的人员，审核者是该方向专家；折叠伪影的形态学判断有专业保障。
2. 未做的事：未报告观察者间一致性（inter-observer agreement）指标，也没有多专家独立标注的对照。因此本数据集的掩码应被视为"经专家审核的研究用标注"，而非"绝对金标准"。
3. 实践含义：若把本数据集当作分割基准的 ground truth 直接比较模型优劣，需注意掩码边界本身带有主观性（§2.4 的"结构恢复正常处停止"约定）；若要做临床级精度评估，建议自行组织第二方复核。

§5 评价指标与基线结果

5.1 三类任务

论文围绕本数据集定义了三类任务（FACTS §5）：

1. 图像级二分类（image-level classification）：判断一张图像是 clean 还是含 tissue fold 伪影。
2. 像素级语义分割（pixel-level segmentation）：定位折叠区域，输出二值掩码。
3. 可解释性分析（explainability）：用量化手段检查分类模型"看"的地方是否与真实折叠位置一致。

这三类任务构成了一个完整的"检测—定位—核查"链条：分类告诉你"有没有"，分割告诉你"在哪里"，可解释性核查告诉你"模型的判断依据是否可信"。

5.2 分类：7 个模型、4 套协议

分类模型（7 个）（FACTS §5）：ResNet18、ResNet50、DenseNet121、EfficientNet-B0、EfficientNet-B3、ConvNeXt-Tiny、Swin-Tiny。这套模型清单覆盖了 CNN 经典（ResNet、DenseNet）、高效网络（EfficientNet）、现代卷积（ConvNeXt）与 Transformer（Swin）四条技术路线，是一个相当全面、有代表性的基线集合。

各协议下的最优结果（FACTS §7）：

协议	最优模型	Accuracy	其他指标
通用 image-level（80/20）	Swin-Tiny	99.06%	F1 99.19% / AUC 99.98%
slide-level split	EfficientNet-B3	99.54%	AUC 99.99%
5 折交叉验证	ResNet50	98.73 ± 0.54%	—

三条结论（FACTS §7）：

1. 所有模型在域内整体表现优异——这不是一个"某个模型特别突出、其余很差"的结果，而是"全都能到 98%+ 量级"的结果，说明折叠伪影在 4K 10× 教学切片上是可被轻易区分的形态学特征。
2. 不同协议下最优模型不同——Swin-Tiny、EfficientNet-B3、ResNet50 各自在一个协议上登顶，这提示"最优模型"对划分方式敏感，做选型时不能只看单一协议。
3. 模型间无统计显著差异——经 Holm 校正后的 pairwise 检验，7 个模型两两之间没有统计显著差异。这是一条非常重要的方法论提醒：在 99% 量级的高饱和区间里，模型间的零点几个百分点差距很可能只是噪声，不应据此宣称某模型"显著更优"。

5.3 分割：DeepLabV3-ResNet50

分割模型：DeepLabV3-ResNet50，用 QuPath 掩码训练，损失函数为 BCE + Dice loss（FACTS §5）。独立测试集结果（FACTS §7）：

指标	数值
Dice	0.7630 ± 0.2425
IoU	0.6661 ± 0.2577
无伪影图像假阳性	仅 0.33% 图像出现 ≥1% 的折叠区域误判

分割结果需要分两半读：

• "能定位"被证实：Dice 0.76 说明模型能较可靠地圈出折叠区域的主体；Dice 的标准差（±0.2425）较大，说明逐图表现差异明显——有些图圈得很准，有些图差得多。
• "几乎不误报"是一个亮点：899 张 clean 图像里只有约 0.33% 出现了 ≥1% 的折叠区域误判，意味着模型在"没有折叠"的图上几乎不乱圈。对质控应用来说，这条"低假阳性"性质很有实用价值——它不会把大量干净图像误判为有问题。

5.4 外部验证：MPP10 的跨域代价

外部验证数据集：MPP10 独立数据集（FACTS §5/§7）。ResNet50 在其上结果为：

指标	数值
Accuracy	89.63%
F1	88.49%

从域内约 99% 掉到外部约 89%，约 10 个百分点的性能鸿沟，是本条目必须讲清的一条边界。它印证了 §0.2 的核心论点：在"教学切片 10× 4K"这个特定域内学到的高精度，不能直接平移。跨域的原因可能包括：不同的图像来源/组织制备/染色流程、不同的扫描或拍摄设备、不同的分辨率或压缩特性等。

待核疑点（FACTS §9 待核 3）：MPP10 的全称与来源未在论文摘要中展开（论文中仅见 MPP10 这一代号），其是否为公开数据集、具体规模与采集方式均待核。因此本条目在引用这一外部验证结果时只能忠实记录数字，不能替它补齐身份。

5.5 逐器官（leave-one-organ-out）与小肠瓶颈

逐器官分类是揭示结构性瓶颈的关键实验（FACTS §7）：

器官	最佳模型	最优 Accuracy
Brain	EfficientNet-B0	98.61%
Kidney	Swin-Tiny	95.49%
Liver	ConvNeXt-Tiny	96.57%
Testis	DenseNet121 & EfficientNet-B3	均 99.30%
Small intestine	最高 EfficientNet-B3	仅 80.27%（全模型 60.00%-80.27%）

小肠是全场唯一的显著异常：所有模型在小肠上集体跌落至 60.00%-80.27% 区间，与其余器官的 95%+ 形成鲜明断层。论文给出了小肠的错误分析（FACTS §7）：

• Accuracy 67.67%；
• 敏感性（sensitivity）高达 98.59%；
• 特异性（specificity）仅 24.34%。

这组数字的形态非常说明问题：高敏感 + 低特异 = 大量假阳性。也就是说，模型在小肠图像上倾向于"看到折叠就报"——即使该处并没有折叠（可能是小肠绒毛/隐窝等天然复杂的结构被误当作折叠信号）。小肠的组织学形态本身就充满密集、弯曲、层叠的结构（绒毛、隐窝、肌层），与"组织增厚/结构重叠"的折叠特征在纹理上有相似性，这很可能是假阳性的来源。

对本数据集而言，这条结论具有实用指导意义：若你的下游任务涉及小肠组织，不能直接套用整体 99% 的性能预期，必须单独评估并针对性处理（如增加小肠训练样本、引入第二类伪影的对照、或采用更细的掩码监督）。

5.6 可解释性：Grad-CAM 与掩码不一致

可解释性分析用 Grad-CAM，量化其与手工掩码的空间一致性（FACTS §7）：

指标	数值
Dice	0.2423
IoU	0.1441

这组数字低得刺眼——Grad-CAM 高亮区域与真实折叠掩码几乎不重合。它传达了一条反直觉但极重要的结论：分类模型判断"这张图有折叠"时，其注意力并不落在真实的折叠位置上。可能的情形是模型借用了与折叠共现的其它线索（如整体染色深浅、组织纹理统计），而非折叠本身的形态。

这条结论对使用者是一记警钟：不要用分类模型的可解释性热图当作像素级定位工具。要定位折叠，应当用分割模型（DeepLabV3-ResNet50，Dice 0.76），而不是分类模型的 Grad-CAM（Dice 0.24）。分类"会判断"不等于分类模型"会定位"（§8.3、坑 6）。

5.7 结果总览

把全部关键结果收进一张表（FACTS §7）：

任务	协议/数据集	最优模型	关键指标
分类	通用 image-level（80/20）	Swin-Tiny	Acc 99.06% / F1 99.19% / AUC 99.98%
分类	slide-level split	EfficientNet-B3	Acc 99.54% / AUC 99.99%
分类	5 折交叉验证	ResNet50	Acc 98.73 ± 0.54%
分类	逐器官（脑）	EfficientNet-B0	98.61%
分类	逐器官（肾）	Swin-Tiny	95.49%
分类	逐器官（肝）	ConvNeXt-Tiny	96.57%
分类	逐器官（睾丸）	DenseNet121 & EfficientNet-B3	均 99.30%
分类	逐器官（小肠）	EfficientNet-B3	80.27%（瓶颈）
分类	外部 MPP10	ResNet50	Acc 89.63% / F1 88.49%
分割	独立测试集	DeepLabV3-ResNet50	Dice 0.7630 / IoU 0.6661
分割	clean 图像假阳性	DeepLabV3-ResNet50	仅 0.33% 图像误判
可解释性	与手工掩码一致性	Grad-CAM	Dice 0.2423 / IoU 0.1441

一句话总结：折叠伪影可被高精度检测与较可靠地定位，但组织结构（小肠）与外部域（MPP10）是两条明确的性能瓶颈，且分类模型的可解释性并不等同于像素级定位能力。

§6 获取、许可与引用

6.1 获取方式：完全开放的 Zenodo 直链

本数据集是库内可用性最强的一档——公开直链、无需请求、无审批、无注册门槛（FACTS §6）：

入口	URL	说明
v2（推荐）	https://zenodo.org/records/22107895	当前有效版本，2026-08-26
v1	https://zenodo.org/records/21493260	旧版，2026-07-22，映射过时
概念 DOI（恒指最新版）	https://doi.org/10.5281/zenodo.21493259	恒指向最新版

使用纪律：务必引用/下载 v2（record 22107895）。若已下载 v1，只需用 v2 的 slide_image_mapping.xlsx 覆盖（images/masks 两版 md5 相同），无需重下 6.6 GB。

6.2 许可条款

本数据集采用双层全开放许可（FACTS §6）：

对象	许可	说明
数据集	CC BY 4.0（Creative Commons Attribution 4.0 International）	Zenodo LICENSE.txt（302 B），Zenodo 记录 license 字段为 open access
论文	CC BY 4.0	MDPI Bioengineering 全刊开放获取

CC BY 4.0 的含义：可自由共享（任意媒介或格式复制、再分发）与改编（remix、transform、build upon），包括商业用途，唯一义务是署名（attribution）——须给出适当署名、提供许可链接、并标明是否作了修改。

这是库内少见的"论文与数据集同为 CC BY"的全开放结构（FACTS §8）——多数病理数据集为请求制或需注册，许可也常为自定义 DUA；而本数据集两层都开放，使用者不必担心授权链条断裂。

6.3 许可实抓缺口（存照）

必须存照的一条（FACTS §6/§9 双口径 C）：Zenodo 页面显示 “open access” 且确实存在 LICENSE.txt（302 B，与 CC BY 4.0 的文本体量相符），但——

• 沙箱内 curl 附件被 403 限流，未能直取 LICENSE.txt 全文实抓；
• MDPI 论文页反爬（裸 curl / 无头 fetch 返回空或 403），未能实抓论文页的 license 字符串。

因此本条目记录的 CC BY 4.0 是按 Zenodo open access 状态 + MDPI Bioengineering 全刊 CC BY 4.0 政策推定的结论，标注为"按期刊政策推定"，留作待核（§10 双口径 C）。正式发布前建议人工下载 LICENSE.txt 逐字核验许可精确条款。

6.4 引用规范

Zenodo 明述的引用要求（FACTS §6）：使用图像、掩码、元数据时须同时引用数据集与关联论文。也就是说，署名义务是双份的：

1. 引用数据集：Histology Tissue Fold Dataset with Pixel-Level Annotations…（Zenodo record 22107895，概念 DOI 10.5281/zenodo.21493259）；
2. 引用论文：Koparir OF, Tarakci Gencer B, Sengur A. Deep Learning-Assisted Quality Control of Histology Teaching Slides: Detection and Localization of Tissue Fold Artifacts in H&E-Stained Images. Bioengineering 2026, 13(8), 937. DOI: 10.3390/bioengineering13080937。

6.5 资助与合规

• 资助：Fırat University 科研项目 VF.26.19（FACTS §3）。致谢与合规声明中应体现。
• 机构：Fırat University（土耳其埃拉扎 / Elazığ，ROR:05teb7b63）。
• 数据来源语境：组织学教学切片。因此不涉及患者隐私主体（教学切片通常不携带患者可识别信息），但仍应遵循 CC BY 4.0 的署名义务。

§7 版本链与双口径存照

本条目涉及的口径冲突共三条，逐条存照如下。

7.1 双口径 A｜数据集版本（v1 vs v2）

项	v1	v2
Zenodo record	21493260	22107895
发布日期	2026-07-22	2026-08-26
版本号	Version 1.0	v2
slide_image_mapping.xlsx	51.5 kB（md5 fd3dcab8…）	79.5 kB（md5 fcae4151…）
images.zip / masks.zip / metadata.csv	md5 一致	md5 一致
概念 DOI	10.5281/zenodo.21493259	同左

结论：差异仅在 slide_image_mapping.xlsx（较早映射 vs 修正映射）。引用与下载以 v2 为准。v1 描述明确声明其映射与论文 302 specimen 不一致，故 v1 的 slide-level 划分不可信。

7.2 双口径 B｜发表状态（在审 vs 见刊）

• 早期状态：OpenAIRE 记录写 “manuscript currently under review”（稿件在审）。
• 正式状态：Bioengineering 2026, 13(8), 937（已见刊）。

结论：两阶段声明并存，属正常发表流程。正式引用一律以见刊版为准。

7.3 双口径 C｜license 实抓缺口

• 推定结论：数据集 CC BY 4.0 + 论文 CC BY 4.0。
• 缺口：LICENSE.txt 与 MDPI 页均因 403/反爬未实抓全文（§6.3）。
• 结论：按 Zenodo open access + MDPI 全刊政策推定，待人工核验。

7.4 数字自洽性校验

本数据集的规模数字有四重交叉校验，全部通过（FACTS §9）：

校验	结果
总数 = clean + fold	2,127 = 899 + 1,228 ✓
逐器官总数加总	433+466+437+365+426 = 2,127 ✓
逐器官 clean 加总	215+181+167+152+184 = 899 ✓
逐器官 fold 加总	218+285+270+213+242 = 1,228 ✓

四重交叉校验全对，说明规模数字内部高度一致，可信度高。这也从侧面说明 Zenodo 描述与论文正文使用的是同一套口径。

7.5 版本链检索纪律

检索时务必带 record id 或 版本号：Zenodo 上两个 record 的标题、作者完全一致，唯一快速判别锚是 slide_image_mapping.xlsx 的文件大小（51.5 kB = v1；79.5 kB = v2）。仅凭标题无法区分版本——这是最容易被绊倒的一处（坑 1、坑 2）。

§8 使用指南与工程细节

8.1 快速上手路径

给"只想快点跑起来"的使用者一条最短路径：

1. 下载 v2 文件集（约 6.6 GB）
   → https://zenodo.org/records/22107895
   → images.zip + masks.zip + metadata.csv + slide_image_mapping.xlsx
2. 校验完整性
   → images.zip md5 应为 2d4116bf652d1dba761d3164909d8df3
   → masks.zip  md5 应为 7418aa15933b013e759db4e02b565cb7
3. 解压后检查掩码分辨率与对齐（重要）
   → 确认掩码尺寸是否与 3840×2160 原图一致或需缩放（§2.4 待核）
4. 读 metadata.csv 确认类别与组织标签
5. 用 slide_image_mapping.xlsx 做 slide-level 划分（防泄漏）
6. 训练分类或分割模型

8.2 三条必须知道的工程陷阱

1. 版本陷阱：标题相同的两个 record，只有 slide_image_mapping.xlsx 不同。认准 v2（22107895），否则 slide-level 划分会用错映射（§7.1）。
2. 划分陷阱：做 slide-level 实验时，同一 slide 的图像必须整体归入训练或测试一侧，绝不能按图像随机划分。这正是 slide_image_mapping.xlsx 存在的意义——它让你能按 slide ID 分组（§4.5）。用错版本或忽略映射 = 数据泄漏 = 指标虚高。
3. 域陷阱：这是教学切片 10× 4K 图像，不是临床 WSI。把在此数据上训练的模型直接部署到临床 WSI 流水线，会遭遇格式、倍率、制备偏好、设备色彩等多重跨域问题（§5.4）；MPP10 上的 89.63% 就是跨域代价的实证。

8.3 结果的正确预期

• 分类：域内可达 98%-99% 量级，但模型间无统计显著差异，不必纠结选哪个（§5.2）。若组织涉及小肠，预期会大幅下降至 60%-80%（§5.5）。
• 分割：Dice 约 0.76，可用但非完美；标准差大，逐图表现波动明显（§5.3）。
• 可解释性：不要用 Grad-CAM 当作定位工具——它与真实掩码一致性仅 Dice 0.24（§5.6）。要定位就用分割模型。
• 掩码质量：属"经专家审核的研究用标注"，边界带有"结构恢复正常处停止"的主观约定（§4.6）；追求临床级精度需自行复核。

8.4 掩码对齐的工程风险（待核）

如 §2.4 所述，masks.zip 仅 23.1 MB 而 images.zip 达 6.6 GB，掩码极可能是低分辨率或二值压缩格式。这在工程上意味着必须先确认掩码的实际分辨率与缩放策略，再决定如何把掩码上采到 3840×2160 与原图对齐。若不做这一步而直接用掩码监督训练，可能因分辨率不匹配导致监督信号整体错位。这是本条目列为待核的关键一条（§10 待核 2）。

8.5 任务适配表

你的任务	本数据集是否适用	说明
组织折叠伪影检测（二分类）	✅ 直接适用	2,127 张标注，类别接近均衡
折叠区域像素级分割	✅ 直接适用	1,228 张掩码，DeepLabV3 基线 Dice 0.76
病理图像质量质控研究	✅ 适用	教学切片语境，方法学可迁移
可解释性方法研究	✅ 适用	论文提供了 Grad-CAM 一致性反例（Dice 0.24）
多类病理伪影联合检测	⚠️ 部分	本数据集仅 tissue fold 单一类伪影（不含 ink/dust/air bubble/out-of-focus）
临床 WSI 质控直接部署	⚠️ 需谨慎	图像来源为教学切片，跨域性能会下降（§5.4）
组织学教学图像分类（正常组织学）	⚠️ 间接	图像本身是组织学教学切片，但标注目标是伪影而非组织类别
罕见病/临床诊断研究	❌ 不适用	无临床标签、无病理诊断、无患者信息

§9 与库内同域条目的关系

9.1 家族图谱：它站在哪个位置

本条目在库内的定位可以从三条线索理解（FACTS §8）：

线索一：组织折叠/伪影检测同题谱系

资源	团队/出处	内容	许可/获取
本条目	Fırat University	2,127 张教学切片，清洁 vs 折叠二分类 + 1,228 张像素级掩码	CC BY 4.0，Zenodo 直链
pathology-artifact-detection	DIAGNijmegen	多类伪影分割：Tissue folds / Ink / Dust / Air bubbles / Marker / Out-of-focus	Apache-2.0，Grand-Challenge demo
Babaie & Tizhoosh（ECDP 2019）	论文谱系	Deep Features for Tissue-Fold Detection：Huron 79 WSI → 112 folded / 315 normal patch，DenseNet-201 + Q-SVM	论文（内部 97.2% / NIH 外部 81%）
Kothari / Phan / Wang（2013）	J Pathol Inform	TCGA KiCa/OvCa，105 WSI 标注，连接性方法	论文

这条谱系说明：组织折叠检测是一个有历史、有传承的研究问题。Kothari 等（2013）用连接性方法（非深度学习）在 TCGA 上做折叠检测；Babaie & Tizhoosh（2019）用 DenseNet-201 特征 + Q-SVM 在 Huron 79 张 WSI 上做折叠分类，内部 97.2%、跨机构 NIH 外部仅 81%——注意这 81% 的跨域下降，与本人数据集在 MPP10 上 89.63% 的跨域下降是同一个故事。本条目是这条谱系里**标注粒度最细（像素级）、来源最特殊（教学切片）、许可最开放（CC BY 4.0 直链）**的一环。

线索二：病理图像分类/分割族（库内互链候选）

类别	库内条目
病理 WSI / patches 分类分割	camelyon16、camelyon17、pcam（PatchCamelyon，rid 158）、pannuke、consep、monusac、nucls（rid 248）、unitopatho、midog
病理图像分类基准	lc25000、BreakHis、PCam
像素级病理分割	wsss4luad、luad-histoseg、bcss、monusac
前列腺病理 WSI	panda（rid 560）、panda-plus、sicapv2（rid 328）、prostate-cnb-wsi、pathseg
H&E 染色	hest-1k、ocelot
医学图像分类/分割工具链	medmnist、medsam2-dataset

在这片家族里，本数据集与它们的关系是**“同为病理图像 + 同属 H&E”，但任务与来源都不同：库内大多数条目做的是临床病理的诊断级任务**（肿瘤检出、癌区分割、亚型分类），而本条目做的是图像质量质控（伪影检测）；库内大多数条目的图像来自临床 WSI 或临床组织，而本条目的图像来自教学切片。

线索三：教学切片/组织学的稀缺生态位

本条目是库内首个"教学切片"语境的组织学数据集（非临床诊断 WSI）（FACTS §8）。与它相邻的是：

• nucls（rid 248）：组织学图像分类，含教学语境——与本条目最近邻，但 nucls 的分类目标是组织/细胞类别，本条目是伪影类别；
• unitopatho：同样是组织学图像的分类/分割，但基于临床病理组织。

9.2 AI-Ready 光谱定位

从"AI-Ready"角度看，本数据集落在光谱的最开放一端（FACTS §8）：

CC BY 4.0 + Zenodo 直链 + 掩码齐备 + slide-level 映射 = 库内"全开放病理质量检测"稀缺样本（库内多数病理数据集为请求制或需注册）。

把它与库内两类极端做个对照：

维度	本条目	典型请求制病理数据集
获取	Zenodo 直链，无 gated	需申请 / 签 DUA / 注册
许可	CC BY 4.0（含商用）	常为自定义 DUA，限制多
标注粒度	像素级掩码	多为图像级或 WSI 级
防泄漏支持	提供 slide_image_mapping	视数据集而定
图像来源	教学切片（非临床 WSI）	临床 WSI

9.3 检索路径建议

• 若你做病理伪影检测：本条目 + pathology-artifact-detection（多类伪影）+ Babaie & Tizhoosh 论文谱系一起读。
• 若你做组织学图像分类：本条目 + nucls(248) + unitopatho 一起读，注意区分"分类目标是组织类别还是伪影类别"。
• 若你做病理图像分类基准对标：本条目 + pcam(158) + lc25000 + BreakHis 一起读。
• 若你做病理分割：本条目 + pathseg + bcss + monusac + pannuke 一起读，注意本条目的分割目标是伪影而非病变。
• 若你关心开放数据可用性：本条目是"全开放病理质控"的稀缺样本，可与请求制数据集对照。

§10 避坑清单：八个已踩过的坑

坑 1：版本双口径（v1 vs v2）。 Zenodo 上两个 record 标题、作者完全一致，差异仅在 slide_image_mapping.xlsx（v1 51.5 kB / v2 79.5 kB）。引用与下载一律以 v2（22107895）为准；用 v1 的映射做 slide-level 划分会因"较早映射与论文 302 specimen 不一致"而失准。判别锚是 xlsx 文件大小。

坑 2：Zenodo 双 record 混淆。 21493260（v1，2026-07-22）与 22107895（v2，2026-08-26）标题相同、概念 DOI 相同（10.5281/zenodo.21493259）。不要只看标题，看 record id 或 xlsx 体量。

坑 3：教学切片 ≠ 临床 WSI（最重要的坑）。 本数据集的图像来自组织学教学切片，用 Nikon 显微镜 + 4K 相机 10× 逐视野拍摄成 3840×2160 JPG，不是临床病理科的全切片扫描仪产出的金字塔式 WSI。把在此数据上训练的高精度模型直接用于临床 WSI 质控会遭遇跨域性能下降（MPP10 上 ResNet50 仅 89.63%，比域内低约 10 个百分点）。始终牢记"教学切片"这一来源属性。

坑 4：slide-level 划分必须按 slide 分组。 做 slide-level 实验时，同一 slide 的图像不可跨训练/测试两侧。忽略 slide_image_mapping.xlsx 或按图像随机划分 = 数据泄漏 = 指标虚高。这正是 v2 修正映射的价值所在。

坑 5：小肠是结构性瓶颈。 leave-one-organ-out 中小肠所有模型显著下降至 60.00%-80.27%（最高 EfficientNet-B3 80.27%）；错误分析显示 Accuracy 67.67%、敏感性 98.59%、特异性仅 24.34%——高敏感低特异 = 大量假阳性，很可能源于小肠天然复杂的绒毛/隐窝结构被误判为折叠。涉及小肠组织时不能套用整体 99% 的预期。

坑 6：Grad-CAM 不是定位工具。 可解释性分析显示 Grad-CAM 与手工掩码空间一致性仅 Dice 0.2423 / IoU 0.1441——分类模型"判断有折叠"时的注意力并不落在真实折叠位置。要定位折叠请用分割模型（DeepLabV3-ResNet50，Dice 0.76），不要用分类模型的热图。

坑 7：掩码分辨率与对齐待核。 masks.zip 仅 23.1 MB，而 images.zip 达 6.6 GB——掩码极可能是低分辨率/二值压缩格式。使用前必须先确认掩码尺寸与缩放策略，否则可能因对齐错误导致监督信号错位（§2.4、§8.4）。

坑 8：不是临床金标准。 标注为"双作者标注+审核"（第一作者手工勾画，第二作者组织学专家逐张审核），但未报告观察者间一致性，也无多专家独立对照。标注边界依"四特征判定、结构恢复正常处停止"约定，带有主观性。追求临床级精度需自行复核，勿直接当 ground truth 部署。

§11 总结

11.1 三句话总结

1. 它是"给组织学教学切片做质控"的开放数据集：2,127 张 10× 4K H&E 教学切片图像（899 clean + 1,228 fold），其中 1,228 张含像素级二值分割掩码，覆盖脑/肾/肝/小肠/睾丸五种组织、302 个 specimen。
2. 它完全开源、无门槛：数据集 CC BY 4.0 + 论文 CC BY 4.0，Zenodo 直链公开、无需申请、无 gated——库内少见的"全开放"双层结构，还附 slide-level 映射以支持防泄漏划分。
3. 它证明了折叠伪影可被高精度检测（域内 99%）并较可靠地定位（Dice 0.76），但也划出了两条硬边界：小肠组织（60%-80%）与外部域（MPP10 89.63%）。它的图像来自教学切片而非临床诊断 WSI——这一属性决定了它的定位与使用边界。

11.2 适合谁

• 病理图像质控研究者：直接用分类标签与掩码训练/评测折叠伪影检测与分割模型。
• 数字病理伪影检测研究者：作为组织折叠单类伪影的细标注资源，与多类伪影数据集互补。
• 组织学图像分类研究者：教学切片语境的 H&E 分类素材。
• 图像分割方法学研究者：1,228 张像素级掩码 + DeepLabV3 基线，可用于分割方法对比。
• 可解释性研究者：论文提供了 Grad-CAM 与掩码不一致的量化反例（Dice 0.24），是研究"分类模型注意力≠定位"的现成案例。
• 开放科学倡导者：CC BY 4.0 + 直链 + 论文全开放，是"全开放病理资源"的标杆样本。

11.3 不适合谁

• 追求临床级金标准标注者：未报告观察者间一致性，边界带主观约定，需自行复核。
• 做临床 WSI 质控直接部署者：图像来源是教学切片，跨域性能会下降。
• 需要多类病理伪影者：本数据集仅 tissue fold 单一类，不含 ink/dust/air bubble/out-of-focus 等。
• 涉及小肠组织的高精度需求者：小肠是结构性瓶颈（60%-80%）。
• 做罕见病/临床诊断研究者：无临床标签、无病理诊断、无患者信息。

11.4 30 秒决策卡

你的需求	建议动作
立刻下数据跑折叠检测	Zenodo record 22107895 → images.zip + masks.zip（CC BY 4.0，直链）
引用规模数字	用 2,127 = 899 + 1,228；共 302 specimens；5 种组织
做训练/测试划分	按 slide ID 分组（用 slide_image_mapping.xlsx），切勿按图像随机划分（坑 4）
版本选择	认准 v2（22107895）；v1 映射过时（坑 1）
定位折叠区域	用分割模型（DeepLabV3-ResNet50），别用分类模型的 Grad-CAM（坑 6）
涉及小肠组织	预期下降到 60%-80%，需单独处理（坑 5）
跨域到临床 WSI	预期性能下降，需重新评估与微调（坑 3）
做多类伪影联合检测	与本条目互补的 pathology-artifact-detection 一并考虑（§9.1）

FAQ（高频问答 40 问）

A. 基础认知

A1：这个数据集的官方全称是什么？
Histology Tissue Fold Dataset with Pixel-Level Annotations for Artificial Intelligence-Based Detection and Segmentation of Tissue Fold Artifacts in H&E-Stained Teaching Slides。中文可译为"组织学组织折叠数据集——像素级标注版"。

A2：它的本质是什么？
一个 H&E 组织学教学切片的组织折叠伪影分类 + 像素级分割数据集，配套 7 个分类模型 + 1 个分割模型的深度学习质控研究。

A3：什么叫组织折叠伪影？
tissue fold artifact，是切片制作时组织自身折叠造成的技术性伪影（非病变），表现为局部组织增厚、细胞与结构重叠、H&E 染色加深、正常组织架构破坏。

A4：为什么这个伪影值得研究？
因为它会破坏组织结构、遮挡教学演示、污染后续任何基于图像的定量分析，是病理图像流水线中基础而刚需的一道质控关口。

A5：谁做的？
土耳其 Fırat University（埃拉泽，ROR:05teb7b63）的三位作者：Osman Fatih Koparir、Berrin Tarakçı Gençer、Abdulkadir Şengür。

A6：配套论文发表在哪？
Bioengineering（MDPI 开放获取），2026, 13(8), 937，DOI: 10.3390/bioengineering13080937。

A7：什么时候发布的？
数据集 v1 于 2026-07-22 上 Zenodo；v2 于 2026-08-26 修正映射；论文同期见刊。

A8：它和库内其它病理数据集最大的不同是什么？
图像来自教学切片（teaching slides），不是临床诊断 WSI。这是它最本质的差异（坑 3）。

B. 数据与规模

B1：一共多少张图像？
2,127 张 H&E 图像。

B2：clean 和 fold 各多少？
899 张 clean + 1,228 张 fold（约 42.3% / 57.7%），接近对半。

B3：多少张有掩码？
1,228 张折叠图像全部配像素级二值分割掩码（masks.zip）。

B4：覆盖哪些组织？
5 种：brain 脑 / kidney 肾 / liver 肝 / small intestine 小肠 / testis 睾丸。

B5：逐器官数量是多少？
脑 433（215 clean / 218 fold）、肾 466（181/285）、肝 437（167/270）、小肠 365（152/213）、睾丸 426（184/242）。

B6：多少标本？
302 个 specimen（论文口径，v2 映射修正后一致）。

B7：图像分辨率和倍率？
3840 × 2160（4K，16:9），放大 10×。

B8：图像格式？
JPG。

B9：掩码是什么格式？
像素级二值分割掩码，打包在 masks.zip（23.1 MB），按 tissue type 组织。具体分辨率与对齐方式待核（坑 7）。

B10：文件集多大？
约 6.6 GB（images.zip 6.6 GB 为绝对主体）。

C. 标注与质量

C1：谁标的？
第一作者 Koparir（组织学与胚胎学系）执行手工标注；第二作者 Tarakçı Gençer（组织学与胚胎学专家）逐张审核组织学正确性。

C2：用什么工具标注？
QuPath v0.7.0，手工勾画折叠区域二值掩码。

C3：边界怎么判定？
依四特征：组织增厚 / 结构重叠 / 染色强度升高 / 结构破坏；边界模糊时在组织结构恢复正常处停止。

C4：只标注什么区域？
仅标注因折叠导致形态改变的区域。

C5：标注可靠吗？
属"经专家审核的研究用标注"。初标+审核都是组织学方向人员，专业有保障；但未报告观察者间一致性，也无多专家独立对照。

C6：有观察者间一致性数据吗？
没有。这是本数据集的已知局限（坑 8）。

C7：是众包标注吗？
不是。是双作者标注+审核（一位初标、一位专家审核），非众包、非单专家终审。

C8：为什么标得这么细（像素级）？
因为折叠是形态学概念，其边界需要组织学判断；像素级掩码让数据集不仅能回答"有没有折叠"，还能回答"折叠在哪、多大"。

D. 任务与方法

D1：能做什么任务？
①图像级二分类（clean vs fold）②像素级语义分割（定位折叠）③可解释性分析（Grad-CAM 一致性）。

D2：论文用了哪些分类模型？
7 个：ResNet18、ResNet50、DenseNet121、EfficientNet-B0、EfficientNet-B3、ConvNeXt-Tiny、Swin-Tiny。

D3：用了什么分割模型？
DeepLabV3-ResNet50，用 QuPath 掩码训练，BCE + Dice loss。

D4：评估协议有几种？
四种：通用 image-level 80/20、slide-level split、5 折交叉验证、leave-one-organ-out 逐器官。

D5：分类最优结果是多少？
通用 image-level：Swin-Tiny Acc 99.06% / F1 99.19% / AUC 99.98%；slide-level：EfficientNet-B3 Acc 99.54%；5 折 CV：ResNet50 98.73±0.54%。

D6：分割最优结果是多少？
DeepLabV3-ResNet50：Dice 0.7630±0.2425 / IoU 0.6661±0.2577。

D7：模型间有显著差异吗？
没有。经 Holm 校正后 pairwise 检验，7 个模型两两之间无统计显著差异（坑：别纠结选哪个）。

D8：最难的器官是哪个？
小肠。所有模型在 leave-one-organ-out 中显著下降至 60.00%-80.27%。

D9：小肠为什么难？
错误分析显示 Accuracy 67.67%、敏感性 98.59%、特异性仅 24.34%——高敏感低特异、大量假阳性，很可能源于小肠天然复杂的绒毛/隐窝结构被误判为折叠。

D10：Grad-CAM 结果如何？
与手工掩码空间一致性仅 Dice 0.2423 / IoU 0.1441——分类模型的注意力不等于真实折叠位置。

E. 获取与许可

E1：怎么获取？
Zenodo 直链公开下载，无需申请、无 gated、无审批。

E2：最新版在哪？
v2：https://zenodo.org/records/22107895。

E3：v1 和 v2 该下哪个？
下 v2。v1 的 slide_image_mapping.xlsx 是较早映射，与论文 302 specimen 不一致。

E4：v1 和 v2 差多少？
差异仅在 slide_image_mapping.xlsx（51.5 kB→79.5 kB）；images/masks/metadata 的 md5 完全一致。

E5：已经下了 v1 怎么办？
只需用 v2 的 slide_image_mapping.xlsx 覆盖即可，无需重下 6.6 GB。

E6：概念 DOI 是什么？
10.5281/zenodo.21493259，恒指向最新版。

E7：许可是什么？
数据集 CC BY 4.0；论文 CC BY 4.0（MDPI 全刊开放获取）。

E8：CC BY 4.0 能商用吗？
能。可共享、可改编、含商业用途，唯一义务是署名。

E9：怎么引用？
同时引用数据集与论文（Zenodo 明述）：数据集（record 22107895 / 概念 DOI 10.5281/zenodo.21493259）+ 论文（DOI 10.3390/bioengineering13080937）。

E10：资助来源？
Fırat University 科研项目 VF.26.19。

F. 使用与工程

F1：划分训练/测试要注意什么？
做 slide-level 实验时按 slide ID 分组（用 slide_image_mapping.xlsx），同一 slide 的图像不可跨训练/测试两侧，否则数据泄漏。

F2：按图像随机划分可以吗？
通用 80/20 可以（论文也这么做），但那是最宽松的参照；要报严格的泛化能力必须用 slide-level 或逐器官协议。

F3：类别不均衡吗？
总体接近对半（57.7% fold / 42.3% clean），不算严重；但逐器官略有差异（脑 50.3% 最低，肝 61.8% 最高）。

F4：怎么校验下载完整性？
images.zip md5 应为 2d4116bf652d1dba761d3164909d8df3；masks.zip md5 应为 7418aa15933b013e759db4e02b565cb7。

F5：掩码能直接用吗？
需先检查掩码分辨率与对齐（masks.zip 仅 23.1 MB，可能低分辨率/二值压缩），确认缩放策略后再用。

F6：能在临床 WSI 上用吗？
要谨慎。这是教学切片图像，跨域到临床 WSI 会性能下降（MPP10 上仅 89.63%）。

F7：MPP10 是什么？
论文使用的外部验证数据集代号，全称与来源未在摘要展开，待核。

F8：能做多类伪影检测吗？
本数据集只有 tissue fold 单一类伪影，不含 ink/dust/air bubble/out-of-focus；多类需借助其它数据集（如 pathology-artifact-detection）。

F9：有官方基线代码吗？
本条目未记录独立代码库；基线为论文报告的 7 分类模型 + DeepLabV3 分割模型结果。

F10：有基准榜单吗？
没有独立榜单。论文报告的是作者自建的评测协议结果，评测需自建。

事实清单（硬事实 30 条）

1. 官方全称：Histology Tissue Fold Dataset with Pixel-Level Annotations for Artificial Intelligence-Based Detection and Segmentation of Tissue Fold Artifacts in H&E-Stained Teaching Slides。
2. 条目 slug：histology-tissue-fold。
3. 本质：H&E 组织学教学切片的组织折叠伪影分类 + 像素级分割数据集。
4. 关键属性：图像来自教学切片（teaching slides），非临床诊断 WSI。
5. 机构：Fırat University（土耳其埃拉扎 / Elazığ，ROR:05teb7b63）；三位作者同机构。
6. 作者：Osman Fatih Koparir（一作，手工标注）、Berrin Tarakçı Gençer（标注审核）、Abdulkadir Şengür（通讯）。
7. 论文：Bioengineering 2026, 13(8), 937；DOI: 10.3390/bioengineering13080937。
8. 论文链接：https://www.mdpi.com/2306-5354/13/8/937。
9. 数据集 v1：Zenodo record 21493260，2026-07-22，Version 1.0，文件集 6.6 GB。
10. 数据集 v2：Zenodo record 22107895，2026-08-26，Version v2（推荐）。
11. 概念 DOI：10.5281/zenodo.21493259（恒指最新版）。
12. 版本差异：仅在 slide_image_mapping.xlsx（51.5 kB→79.5 kB）；其余文件 md5 一致。
13. 总图像数：2,127 张 H&E 图像（JPG）。
14. 类别构成：899 clean + 1,228 fold（≈57.7% 折叠 / 42.3% 干净）。
15. 掩码：1,228 张折叠图像全部配像素级二值分割掩码（masks.zip 23.1 MB）。
16. 组织类型（5 种）：brain、kidney、liver、small intestine、testis。
17. 逐器官数：脑 433（215/218）、肾 466（181/285）、肝 437（167/270）、小肠 365（152/213）、睾丸 426（184/242）。
18. 图像分辨率：3840×2160（4K，16:9）。
19. 放大倍率：10×。
20. 标本数：302 个 specimen（论文口径）。
21. 设备：Nikon Eclipse Ci-L Plus 显微镜 + Tucsen TrueChrome 4K Pro 相机。
22. 标注工具：QuPath v0.7.0。
23. 标注模式：双作者标注+审核（Koparir 初标 / Tarakçı Gençer 逐张审核）。
24. 分类模型（7 个）：ResNet18、ResNet50、DenseNet121、EfficientNet-B0、EfficientNet-B3、ConvNeXt-Tiny、Swin-Tiny。
25. 分割模型：DeepLabV3-ResNet50（BCE + Dice loss）。
26. 分类最优：image-level Swin-Tiny 99.06%；slide-level EfficientNet-B3 99.54%；5 折 CV ResNet50 98.73±0.54%。
27. 分割结果：Dice 0.7630±0.2425 / IoU 0.6661±0.2577；clean 图像假阳性仅 0.33%。
28. 逐器官瓶颈：小肠全模型降至 60.00%-80.27%（最高 EfficientNet-B3 80.27%）。
29. 外部验证：MPP10 上 ResNet50 Acc 89.63% / F1 88.49%。
30. 许可：数据集 CC BY 4.0 + 论文 CC BY 4.0（全开放双层结构）。

术语表（25 条）

术语	英文	释义
组织折叠伪影	tissue fold artifact	切片制作时组织自身折叠形成的技术性伪影
技术性伪影	technical artifact	由制备/扫描流程引入、非组织本身病变的图像异常
苏木精-伊红染色	H&E (hematoxylin-eosin)	病理与组织学最常用的染色方法
组织学	histology	研究正常组织显微结构的学科
教学切片	teaching slides	为组织学教学演示而准备的切片
全切片图像	Whole Slide Image (WSI)	由 WSI 扫描仪产出的金字塔式高分辨率病理图像
像素级标注	pixel-level annotation	逐像素标注类别/区域的标注
语义分割	semantic segmentation	为每个像素预测类别的任务
二值掩码	binary mask	仅区分目标/背景两类的分割掩码
图像级分类	image-level classification	对整张图像给一个类别标签的任务
QuPath	QuPath	开源病理图像标注与分析平台（本数据集用 v0.7.0）
DeepLabV3	DeepLabV3	语义分割网络（本数据集用其 ResNet50 骨干版）
Grad-CAM	Gradient-weighted Class Activation Mapping	可视化分类模型注意力热图的方法
可解释性	explainability	解释模型决策依据的研究方向
敏感性	sensitivity	真阳性率，衡量"有问题者被检出"的比例
特异性	specificity	真阴性率，衡量"无问题者被正确排除"的比例
假阳性	false positive	把正常误判为异常
逐器官留一	leave-one-organ-out	留出一种器官作测试、其余器官训练的协议
分折交叉验证	k-fold cross-validation	把数据分 k 折轮换训练/验证
数据泄漏	data leakage	训练/测试不当重叠导致评测虚高
分组划分	group split	按 slide/患者等分组划分以防泄漏
Holm 校正	Holm correction	多重比较的 p 值校正方法
Dice 系数	Dice coefficient	分割常用的重叠度指标
IoU	Intersection over Union	交并比，分割重叠度指标
CC BY 4.0	Creative Commons Attribution 4.0 International	允许商用、需署名的开放许可

附录

附录 A：条目信息速查卡

字段	内容
slug	histology-tissue-fold
官方名	Histology Tissue Fold Dataset with Pixel-Level Annotations…
中文名	组织学组织折叠数据集——像素级标注版
机构	Fırat University（土耳其埃拉扎，ROR:05teb7b63）
论文	Bioengineering 2026, 13(8), 937（DOI: 10.3390/bioengineering13080937）
数据最新版	Zenodo record 22107895（v2，2026-08-26，约 6.6 GB）
规模	2,127 张 = 899 clean + 1,228 fold；1,228 张掩码
组织	脑/肾/肝/小肠/睾丸；302 specimen；3840×2160，10×
许可	数据集 CC BY 4.0｜论文 CC BY 4.0
获取	Zenodo 直链，无 gated
库内互链	nucls(248)、pcam(158)、lc25000、panda(560)、medmnist、pathseg
抓取时点	2026-10-09

附录 B：DAIMS 评估全表

DAIMS（可发现性 / 可获取性 / 可互操作 / 元数据质量 / 可持续性）五维评分，标准 1-10：

维度	评分	依据
D 可发现性	8	MDPI 开放获取论文 + Zenodo 索引 + ORCID；论文可检索；但无独立挑战赛/榜单页提高曝光
A 可获取性	10	Zenodo 完全公开直链，无 gated、无请求制、无 DUA；CC BY 4.0 含商用——本数据集最强维度
I 可互操作	6	标准 JPG + CSV/XLSX；但无 WSI 格式、无官方加载脚本、掩码分辨率与对齐待核（§2.4）
M 元数据质量	7	metadata.csv + slide_image_mapping.xlsx + dataset_summary.csv 齐备；但版本双口径（v1/v2 映射）、观察者间一致性未测、license 未实抓微降分
S 可持续性	8	Zenodo 长期托管 + 概念 DOI + 校级资助（VF.26.19）；依赖单机构/个人维护，无正式长期保存协议
综合评级	7.8/10（良）	开放程度（A=10）突出；扣分主要在可互操作（无 WSI 支持、掩码对齐待核）与元数据口径缺口

附录 C：逐项证据链自证

关键数字	来源	位置
2,127 = 899 + 1,228	Zenodo 描述 + 论文正文	zenodo 22107895 / 21493260
逐器官 433/466/437/365/426	论文口径	Bioengineering 2026;13:937
302 specimens	论文口径（v2 映射修正后一致）	Zenodo v1 描述 / v2
3840×2160 / 10×	OpenAIRE 摘录 + Zenodo	同上
7 分类模型	论文 Methods	Bioengineering 2026;13:937
Swin-Tiny 99.06%	论文 Results	同上
EfficientNet-B3 99.54%（slide-level）	论文 Results	同上
ResNet50 98.73±0.54%（5 折）	论文 Results	同上
小肠 60.00%-80.27%	论文 Results	同上
小肠 Acc 67.67% / Sens 98.59% / Spec 24.34%	论文错误分析	同上
DeepLabV3 Dice 0.7630 / IoU 0.6661	论文 Results	同上
Grad-CAM Dice 0.2423 / IoU 0.1441	论文可解释性分析	同上
MPP10 89.63% / 88.49%	论文外部验证	同上
CC BY 4.0	Zenodo open access + MDPI 全刊政策（推定）	zenodo LICENSE.txt / mdpi.com
文件 md5	Zenodo 附件元数据	zenodo 22107895

附录 D：文件结构示意

histology-tissue-fold/  (Zenodo v2, record 22107895, 约 6.6 GB)
├── images.zip                    (6.6 GB)   2,127 张 4K H&E JPG
├── masks.zip                     (23.1 MB)  1,228 张像素级二值掩码（按 tissue type 组织）
├── metadata.csv                  (407.1 kB) 逐图元数据
├── slide_image_mapping.xlsx      (79.5 kB)  image → slide ID 映射（v2 修正版）
├── dataset_summary.csv           (209 B)    数据集摘要
├── README.md                     (2.2 kB)   说明
└── LICENSE.txt                   (302 B)    CC BY 4.0

附录 E：双口径登记表（全文冲突与差异存照）

编号	冲突项	口径 A	口径 B	本条目处理
A	数据集版本	v1（21493260, 2026-07-22，xlsx 51.5 kB）	v2（22107895, 2026-08-26，xlsx 79.5 kB）	以 v2 为准
B	发表状态	OpenAIRE 早期：“manuscript currently under review”	正式见刊：Bioengineering 2026;13:937	以见刊版为准
C	license 实抓	Zenodo “open access” + LICENSE.txt 存在	LICENSE.txt / MDPI 页 403 未实抓全文	按政策推定 CC BY 4.0，待核
D	掩码规格	masks.zip 23.1 MB（推断低分辨率/二值）	原图 3840×2160	对齐方式待核

附录 F：检索决策树

你要找组织折叠伪影资源？
├── 教学切片 10× 4K + 像素级掩码 + CC BY 4.0 直链
│       → 本条目 histology-tissue-fold（Zenodo 22107895）
├── 多类病理伪影（fold/ink/dust/air bubble/out-of-focus）
│       → pathology-artifact-detection（DIAGNijmegen）
├── 组织学图像分类（组织/细胞类别）
│       → nucls(248) / unitopatho
└── 临床 WSI 质控
        → 需谨慎：本条目为教学切片域，跨域性能会下降

附录 G：任务适配表

任务	适用性	备注
折叠伪影二分类	✅	2,127 张，类别近均衡
折叠区域像素分割	✅	1,228 张掩码，基线 Dice 0.76
可解释性方法研究	✅	提供 Grad-CAM 一致性反例
多类伪影联合检测	⚠️	仅单类伪影
临床 WSI 质控部署	⚠️	跨域需重评
临床诊断/罕见病	❌	无临床标签

附录 H：逐器官性能速查

器官	最优模型	最优 Accuracy	备注
Brain	EfficientNet-B0	98.61%	—
Kidney	Swin-Tiny	95.49%	—
Liver	ConvNeXt-Tiny	96.57%	—
Small intestine	EfficientNet-B3	80.27%	瓶颈，全模型 60.00%-80.27%
Testis	DenseNet121 & EfficientNet-B3	99.30%	最佳器官

附录 I：标注复现骨架（SOP）

1. 采集与制备
   组织学教学切片（5 种组织）→ Nikon Eclipse Ci-L Plus + TrueChrome 4K Pro
   → 10× 逐视野拍摄 → 3840×2160 JPG
2. 归类
   按 tissue type + class（clean/fold）组织
3. 标注（fold 图像）
   QuPath v0.7.0 → 手工勾画折叠区域二值掩码
   边界依四特征（增厚/重叠/染色加深/结构破坏）；结构恢复处停止
4. 审核
   组织学与胚胎学专家逐张验证组织学正确性
5. 导出
   掩码按 tissue type 组织 → masks.zip
6. 元数据
   metadata.csv（逐图）+ slide_image_mapping.xlsx（image→slide）

附录 J：训练/测试划分骨架（伪代码）

# 防泄漏：按 slide ID 分组，而非按图像随机划分
import pandas as pd
from sklearn.model_selection import GroupShuffleSplit

mapping = pd.read_excel("slide_image_mapping.xlsx")   # 务必用 v2 版本
# 假设含 image 文件名与 slide_id 两列
gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
train_idx, test_idx = next(gss.split(mapping, groups=mapping["slide_id"]))
# train/test 中同一 slide 的图像不会跨侧 → 无泄漏

附录 K：许可条款细读

项	数据集	论文
许可	CC BY 4.0（推定，待核）	CC BY 4.0（MDPI 全刊政策）
共享	允许（任意媒介/格式）	允许
改编	允许	允许
商用	允许	允许
义务	署名 + 提供许可链接 + 标明修改	同左
附加要求	Zenodo 明述：须同时引用数据集与论文	—

附录 L：核心来源 URL 登记

内容	URL
数据集 v2	https://zenodo.org/records/22107895
数据集 v1	https://zenodo.org/records/21493260
概念 DOI	https://doi.org/10.5281/zenodo.21493259
论文	https://www.mdpi.com/2306-5354/13/8/937
论文 DOI	https://doi.org/10.3390/bioengineering13080937
机构	Fırat University（ROR:05teb7b63）

附录 M：缩写速查

缩写	全称
H&E	Hematoxylin and Eosin（苏木精-伊红染色）
WSI	Whole Slide Image（全切片图像）
4K	3840×2160 分辨率
QuPath	Quantitative Pathology（开源病理图像分析平台）
Grad-CAM	Gradient-weighted Class Activation Mapping
Dice	Dice Similarity Coefficient
IoU	Intersection over Union
BCE	Binary Cross-Entropy
CC BY 4.0	Creative Commons Attribution 4.0 International
ROR	Research Organization Registry
ORCID	Open Researcher and Contributor ID
DOI	Digital Object Identifier
MDPI	Multidisciplinary Digital Publishing Institute
SOP	Standard Operating Procedure
CV	Cross-Validation（交叉验证）

附录 N：与库内条目的关系声明（互链对照）

库内条目	rid	与本条目的关系
nucls	248	组织学图像分类（含教学语境），最近邻
pcam	158	PatchCamelyon，病理 patches 分类基准
lc25000	—	病理图像分类基准
panda	560	前列腺病理 WSI 分级
medmnist	—	医学图像分类工具链
pathseg	—	病理图像分割

关系声明：本条目的图像来源（教学切片）与任务（伪影质控）在库内具有独特性，与上述条目互补而非重叠。

附录 O：使用检查清单（12 项）

1. 是否下载了 v2（22107895） 而非 v1？
2. 是否用 md5 校验了 images.zip 与 masks.zip？
3. 是否检查了掩码分辨率与对齐（masks.zip 仅 23.1 MB）？
4. 是否用 slide_image_mapping.xlsx 做 slide-level 分组划分？
5. 是否明确本数据是教学切片而非临床 WSI？
6. 是否对涉及小肠的实验单独评估？
7. 是否知道模型间无统计显著差异，不必纠结选型？
8. 是否用分割模型而非 Grad-CAM 做定位？
9. 是否预期跨域（如 MPP10）性能下降？
10. 是否理解标注是"经专家审核的研究用标注"而非金标准？
11. 是否同时引用数据集与论文？
12. 是否记录了使用的版本号以便复现？

附录 P：教学切片 vs 临床 WSI 对照详表

维度	本数据集（教学切片）	典型临床诊断 WSI
用途	组织学教学演示	病理诊断
取材倾向	展示经典正常组织学结构	真实病例病变组织
成像设备	Nikon 显微镜 + 4K 相机（逐视野）	全切片扫描仪（WSI scanner）
图像形态	固定 10× 视野，3840×2160 JPG	金字塔式多级分辨率 WSI
覆盖范围	5 种器官，302 specimen	视队列而定
患者信息	无（教学切片）	常有临床/病理标签
分析范式	field/patch 级	WSI 级
跨域风险	迁移到临床 WSI 需重评	—

附录 Q：可解释性结果的解读示例

论文报告的两组数字应这样组合理解：

• 分类准确率高（Swin-Tiny 99.06%）：模型能可靠判断"有无折叠"。
• Grad-CAM 与掩码一致性低（Dice 0.2423）：模型的"注意力"并不落在真实折叠位置上。
• 分割独立可用（Dice 0.7630）：要定位折叠，用专门的分割模型。

结论：分类与定位是两个可分离的能力。高分类精度不蕴含定位能力，可解释性热图不能替代分割掩码。

附录 R：性能瓶颈的双重来源

瓶颈	表现	可能原因
组织结构（小肠）	全模型 60.00%-80.27%	小肠天然复杂结构（绒毛/隐窝）与折叠纹理相似 → 高敏感低特异、大量假阳性
外部域（MPP10）	ResNet50 89.63%	不同来源/制备/设备/分辨率导致的域偏移

附录 S：维护计划与触发点

• 触发点 1：Zenodo 若发布 v3 → 复核 slide_image_mapping.xlsx 与文件 md5，更新版本链。
• 触发点 2：LICENSE.txt 若能实抓 → 补录 license 精确条款，解除双口径 C。
• 触发点 3：README.md 若能实抓 → 补录掩码分辨率与对齐说明，解除待核 2。
• 触发点 4：MPP10 身份若查明 → 补录其全称与来源，解除待核 3。
• 触发点 5：论文 PDF 若可实抓 → 核对 302 specimen 与相机参数，解除待核 1。

附录 T：一句话记忆锚

「教学切片上的折叠伪影——99% 检测得准，但小肠和外部域是两道坎，热图也不等于定位。」

存照 / 待复核清单

本条目依据 FACTS.md 成稿，以下为需在正式发布前人工复核的存照与待核项，逐条列出。

一、双口径存照（三条）

存照 A｜数据集版本双口径

• v1：Zenodo record 21493260，Published 2026-07-22，Version 1.0，文件集 6.6 GB，slide_image_mapping.xlsx = 51.5 kB（md5 fd3dcab8…）。
• v2：Zenodo record 22107895，Published 2026-08-26，Version v2，slide_image_mapping.xlsx = 79.5 kB（md5 fcae4151…）。
• 同一 concept DOI 10.5281/zenodo.21493259；差异仅在 slide_image_mapping.xlsx，其余文件 md5 完全一致。
• v1 描述原声明：slide_image_mapping.xlsx 含较早的 image-to-slide 映射，请用 Version 2 获得与论文 302 specimen 一致的更正映射。
• 本条目处理：引用与下载一律以 v2 为准。

存照 B｜发表状态双口径

• 早期：OpenAIRE 记录写 “manuscript currently under review”。
• 正式：Bioengineering 2026, 13(8), 937（已见刊）。
• 本条目处理：正式引用以见刊版为准。

存照 C｜license 实抓缺口

• Zenodo 页面显示 “open access”，且 LICENSE.txt 存在（302 B）。
• 沙箱内 curl 附件被 403 限流，未实抓 LICENSE.txt 全文；MDPI 页反爬，未实抓论文页 license 字符串。
• 本条目处理：按 Zenodo open access + MDPI Bioengineering 全刊 CC BY 4.0 政策推定记录，标注为"按期刊政策推定"，留作待核——正式发布前建议人工下载 LICENSE.txt 核验精确条款。

二、数字一致性校验（已通过）

校验	结果
总数 = clean + fold	2,127 = 899 + 1,228 ✓
逐器官总数	433+466+437+365+426 = 2,127 ✓
逐器官 clean	215+181+167+152+184 = 899 ✓
逐器官 fold	218+285+270+213+242 = 1,228 ✓

四重交叉校验全对，规模数字内部高度一致（Zenodo 描述与论文正文同口径）。

三、待核项（四条）

待核 1｜论文正文参数未实抓

• MDPI 论文页未实抓；H&E 相机参数与 302 specimen 数来自 OpenAIRE 摘录。
• 建议：正式发布前核对论文 PDF 正文，确认相机型号、10× 倍率与 specimen 数。

待核 2｜掩码分辨率与对齐

• masks.zip 仅 23.1 MB，而 images.zip 达 6.6 GB；掩码应为低分辨率/二值压缩（如 PNG）。
• 掩码与 3840×2160 原图的像素对齐方式（是否同分辨率、如何缩放）待核（README 未实抓）。
• 建议：实抓 README.md 或解压 masks.zip 检查实际尺寸，避免监督信号错位。

待核 3｜MPP10 外部数据集身份

• 论文仅见 “MPP10” 代号，全称与来源未在摘要展开。
• 建议：查明其全名与是否为公开数据集，以便复核外部验证口径。

待核 4｜302 specimen 与 2,127 张、5 器官的对应关系

• 论文"302 specimens"与 2,127 张图像、"5 器官"的映射关系（每 specimen 多张）待核。
• 建议：据 v2 的 slide_image_mapping.xlsx 与 metadata.csv 复核。

四、遗留疑点

遗留疑点｜Zenodo README.md 与 LICENSE.txt 因 403 未实抓全文

• 若发布前可访问，应补录 license 精确条款与掩码格式说明。

尾注

本条目成稿依据：writing/histology-tissue-fold/FACTS.md（抓取时点 2026-10-09）。全部硬数字、机构、人名、DOI、许可、URL 均来自该事实档案，未引入其外事实。

研究环境留痕：MDPI 站点对裸 curl / 无头 fetch 返回空或 403（反爬）；Zenodo 附件（LICENSE.txt / README.md）直链 curl 亦 403（限流），未强取。论文终稿元数据以 Mendeley（Scopus）摘录 + Zenodo 关联页互证。

本条目的一贯立场：本数据集的图像来自组织学教学切片（teaching slides），不是临床诊断 WSI——这一属性贯穿全文，是其定位、使用边界与风险的核心。读者在任何章节遇到"性能达 99%"这类数字时，都应自觉叠加两个限定语：教学切片域内、10× 4K 静态图像。

引用本条目所涉资源时的双引义务：Zenodo 明述使用图像/掩码/元数据须同时引用数据集与关联论文。

条目状态：成稿完成，含三条双口径存照与四条待核项（见上）。本条目为千方病案医数集 AI-Ready Wikipedia 数据集条目，写作代理 agent-b2-histfold。

---

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：

• lisc — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• raabin-wbc — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• cobra — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• pcam — 共享标签：病理图像 / 图像分类 / 评测基准
• panda-plus — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• cric — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• prostate-cnb-wsi — 共享标签：病理图像 / 医学图像分割 / 图像分类 / 评测基准
• acevedo-blood — 共享标签：病理图像 / 图像分类 / 评测基准
• bbbc051 — 共享标签：病理图像 / 图像分类 / 评测基准
• tn3k — 共享标签：医学图像分割 / 图像分类 / 评测基准

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。