信息速览
INFOBOX — KPIs 2024 一屏速览
维度 内容 本质 MICCAI 2024 挑战赛——首个专攻肾脏病理功能单元（肾小球）分割的 MICCAI 挑战 简称 KPIs 2024 / KPIs24 / Kidney Pathology Image Segmentation Challenge 主办 范德堡大学（Vanderbilt University）+ Vanderbilt University Medical Center（VUMC） 论文 arXiv:2502.07288（v1 2025-02-11，投稿 Medical Image Analysis）；挑战设计 Zenodo 10.5281/zenodo.10990461 数据 10,000+ 肾小球标注；60+（一说 58 / Table 1 为 45）张 PAS 染色 WSI；10,428 个 2048×2048 patch 模型组 小鼠 4 组：Normal / 5,6Nx（5/6 肾切除）/ DN（糖尿病肾病）/ NEP25（足细胞损伤） 任务 Task 1 patch 级分割（DSC）｜Task 2 WSI 级分割与检测（2a: DSC+F1 等权；2b: F1） 冠军 Task 1 Capybara（DSC 94.51）｜Task 2b 检测 salt_fish（F1 91.33） 提交数 Task 1 收到 24 份有效提交｜Task 2 收到 15 份有效提交 染色 PAS（过碘酸雪夫）；QuPath 标注；3 位病理学家 获取 Synapse 项目页 syn54077668（训练/验证公开；测试集不公开） 许可 挑战赛托管，具体条款以 Synapse 项目页为准（未一手确认） 库内互链 PANDA-PLUS（病理 WSI 像素级分割）、compas-gi-histopathology(988)、chronic-kidney-disease-uci(726)
KPIs 2024 是一个「用小鼠肾脏把肾小球分割这件事从头做一遍」的基准工程：它不满足于再发一批肾小球图像，而是第一次在 MICCAI 社区里，把「肾小球」这个肾脏功能单元单独拎出来，做成跨越四种慢性肾病（CKD）模型的像素级分割挑战赛。它的核心贡献不是某一个 SOTA 模型，而是一套可复现的评测协议——两种任务（patch 级、WSI 级）、两个指标（DSC、F1）、四个疾病模型，以及逾 10,000 个病理学家亲手标注的正常与病变肾小球。
理解了它为什么用啮齿动物而不是人类样本，就理解了整个数据集的取舍逻辑：人类肾活检靠针吸，一次只能取到极少量组织；而患病啮齿动物的整块肾脏切片里，一张全切片图（WSI）包含的组织量可能超过人类模型数千次针吸的合计。代价是跨物种外推——这一点在 §6 与坑点里会被反复提醒。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——训练集与验证集在 Synapse 公开，测试集不公开，别白等。
- 关心评测基准：直奔 §5 任务与 §7 排行榜——Task 1（patch 分割）与 Task 2（WSI 分割/检测）指标不同，横向比较前先对齐任务口径。
- 做算法选型：直奔 §7 的 Top 方法与 §4 的规模口径——注意 60+/58/45 三套 WSI 数字并存，引用时务必写明出处。
§0 导读：这个数据集解决什么问题
慢性肾病（CKD）是全球性的公共卫生负担，影响超过 10% 的世界人口、逾 8 亿人，论文开篇甚至称其年致死人数超过乳腺癌与前列腺癌之和。肾活检（kidney biopsy）是 CKD 诊断与治疗指导的金标准，而病理图像分析中的组织结构分割——尤其是肾小球分割——是量化病变、追踪进展的关键一步。没有可靠的自动分割，病理量化就只能停留在人工计数的层面：一个病理医生在 40× 视野下逐个数、逐个勾肾小球，一张小鼠全肾切片动辄数百上千个肾小球，工作量与主观一致性都是瓶颈。
问题在于，深度学习把肾脏病理分割推进了一大步，却同时暴露出一个基础性缺口：缺乏综合、公开、涵盖多疾病模型的肾脏病理分割基准。已有的公开数据集多以正常样本为主，原因也很现实——人类组织通常靠针吸活检（needle biopsy）获得，量少、来源有限，很难凑出足量、多样的病变组织。于是研究者陷入一个尴尬循环：算法越来越强，可用来衡量"强到什么程度"的标尺却始终不足。更深一层的困难在于"疾病模型的可控性"：人类 CKD 的病因混杂、病程不可控、取样时点难统一，天然不适合做变量受控的基准；而临床前动物模型的肾病可以被精确诱发、定时取材，正好补上这一环。
KPIs 2024 的回答是绕开人类样本的稀缺性：改用临床前啮齿动物（preclinical rodent）模型。理由有两条。第一，啮齿动物与人类的肾脏病理在形态上高度相似，本就是临床前医学研究与药物发现的主流选择；第二，患病啮齿动物的整个肾脏可以被完整切片，单张全切片图像（WSI）所涵盖的组织内容，可能超过人类疾病模型里数千次针吸活检的总和。基于这个思路，挑战赛构建了一个覆盖正常与多种 CKD 病况的数据集——逾 10,000 个正常与病变肾小球、60+ 张 PAS 染色全切片，把肾小球分割从"局部任务"推向"跨模型、跨组织条件的通用基准"。
需要额外点明的是，KPIs 的"基准"野心并不止于发数据。它把任务切成两个粒度（patch 级与 WSI 级）、把评价拆成两个指标（DSC 与 F1），并强制用封闭的 Docker 评测来杜绝测试集泄漏。这套设计使它的产出不仅是"一份数据"，更是"一套可被后来者复用与对标的协议"——这也是它相较其他肾脏病理数据集最不可替代的地方。
从更宏观的视角看，KPIs 出现在一个"病理 AI 数据基建成型"的时间窗口。此前十年，肿瘤病理领域已经跑通了"公开大赛数据 → 排行榜 → 基础模型 → 临床研究"的闭环（PANDA、CAMELYON 系列是典型）；而肾脏病理始终缺少这样一个"起点数据集"，导致该方向的算法工作难以横向比较，也难以吸引领域外的强队参与。KPIs 的出现，实质上是把肾脏病理接入了这条成熟链路：它提供了可对标的数据与榜单，让原本分散在各自实验室里的肾小球分割工作第一次有了共同标尺。对一个研究方向的长期健康而言，"有一个所有人都在跑的基准"往往比"再多发一份数据"重要得多。
这也解释了为什么 KPIs 的总结论文要投稿 Medical Image Analysis 而非纯会议的 challenge track：它承载的不只是"谁赢了"，更是一份对"肾脏病理分割当前能做到什么程度"的阶段性总结。论文中同时纳入 40 余位作者（含各参赛队伍代表），本质上是把一个领域的能力快照固化了下来——这份快照的价值，会随着时间推移、后续方法迭代而逐渐显现。
对读者而言，读这个条目可以带着三个问题：它给了什么数据（§3-§4）？它怎么衡量好坏（§5、§7）？它有什么坑（§6、§9）？ 以下章节即围绕这三问展开。
§0 读法三则：
- 这个条目是「挑战赛 + 数据集 + 基准」三合一：任务设计在 §5，数据规模在 §4，排行榜结果在 §7，三者必须连读才能理解「基准」二字的完整含义。
- 全文规模数字存在多套口径（60+/58/45 张 WSI；10,428/5,214 patch），条目在各处均标注出处，坑点 1 与坑点 2 集中存照，切勿择一而引用。
- KPIs 的"肾脏病理"与库内 chronic-kidney-disease-uci 的"慢性肾病"只是主题相关、模态完全不同（前者病理图像、后者临床表格），互链时务必写明，勿合并（见 §10）。
§0.1 肾小球为什么值得单独做挑战赛
把"肾小球分割"单独立赛，看似只是从肾脏病理分割里切出一小块，实则踩在三个关键交汇点上。
第一，临床价值密度高。肾小球是肾脏功能的核心执行单元，其数量与形态变化（硬化、肥大、系膜扩张）是 CKD 分期与预后判断的直接依据。病理医生报告里的"硬化肾小球比例""肾小球平均直径"等指标，全都依赖对逐个肾小球的准确勾画。自动化这一环，等于把肾脏病理报告里最耗时的量化步骤提速。
第二，技术难度适中且可评。肾小球边界在 PAS 染色下对比度较好，比"肾小管/间质边界"这类模糊目标更易定义金标准；同时它又不是一眼可分的小目标，边界处常有粘连、萎缩、染色变异等真实困难。这种"可定义但不易满分"的特性，正是挑战赛选题的理想区。
第三，既有基线稀缺。此前肾小球分割多以零散论文形式出现，缺乏统一数据与排行榜，方法之间难以横向比较。KPIs 第一次把这块补上，让"肾小球分割能做多准"这个问题有了公开答案。
§0.2 一个必须前置的认知：数据集 ≠ 挑战赛
初次接触 KPIs 的人常有一个误解，把它当成"一个可下载的数据集"。更准确的认知是：KPIs 是一个挑战赛，数据集只是它的组成部分。挑战赛还包括任务定义、评测协议、封闭测试集、排行榜与总结论文。理解这一点很重要，因为它决定了你"能用它做什么"：
- 你可以下载训练/验证数据自己训练模型（这是数据集的部分）；
- 你无法在官方测试集上评估（测试集封闭，这是挑战赛的部分）；
- 你可以对照公开排行榜判断自己的方法处于什么水平（这是竞赛的部分）。
如果把 KPIs 当纯数据集，容易在"为什么我没有测试集标签"上卡住；把它当挑战赛，就一目了然——封闭测试集是设计的一部分，不是数据缺失。
§0.3 与"PANDA 路线"的路线之争
在病理 AI 数据基建的历史上，有两条路线：一条是人类大规模公开数据（PANDA/CAMELYON 路线），用万张级的真实临床切片逼近真实分布；另一条是动物模型可控基准（KPIs 路线），用可精确诱发的疾病模型换取变量受控与高标注质量。两条路线的取舍可以列成一张表：
| 维度 | 人类大规模路线（PANDA） | 动物模型路线（KPIs） |
|---|---|---|
| 真实临床代表性 | 高 | 受限（跨物种） |
| 疾病变量可控性 | 低（病因混杂） | 高（可诱发、定时取材） |
| 标注质量 | 依赖流程质控 | 专家直标，单点质量高 |
| 可获得规模 | 大（万张级） | 中（数十张 WSI） |
| 伦理门槛 | 高（人类受试者） | 较低（动物实验） |
| 典型用途 | 通用预训练、临床对标 | 分割基准、域泛化研究 |
KPIs 选择动物模型路线，并非因为它"更好"，而是因为它更适合"做基准"这一特定目的：基准需要变量可控、金标准明确、评测可重复，而这些恰是动物模型的强项。理解这条路线选择，就不会误把 KPIs 当作"人类肾脏病理的替代品"——它是不同目的下的不同工具（见坑点 3）。
§0.4 本条目将回答的五个核心问题
为便于检索与定位，把本条目要回答的核心问题罗列如下，并标注对应章节：
- KPIs 是什么、为什么做？（§0、§1）
- 数据具体包含什么、怎么划分？（§3）
- 任务怎么定义、用什么指标？（§4）
- 怎么获取、有什么许可限制？（§5）
- 排行榜谁领先、有哪些坑？（§7、§6、§9）
这五问覆盖了从"了解"到"使用"的完整路径。若时间有限，建议至少读 §0、§5、§6、§7 四节——它们决定了"能不能用、怎么用、别人做到了什么水平、别踩哪些坑"。
§1.2 数据集的"最小可用集"概念
若你只是想在 KPIs 上快速验证一个想法，不必下载全量数据。一个"最小可用集"可以这样构成：
- Task 1 侧：从四个模型组各取若干 WSI 的 patch（保持四组均衡），足以训练一个 patch 级分割基线；
- Task 2 侧：取 1-2 张完整 WSI 及其掩码，足以调试全片推理与拼接管线；
- 验证集：从训练 WSI 中按组划分，不触碰官方验证/测试集。
这种"小步快跑"的策略在挑战赛场景下尤其有效：先用最小集跑通全流程（下载 → 读取 → 训练 → 评测），确认无工程障碍，再决定是否投入全量训练。很多团队卡住并非因为方法不行，而是因为一上来就下载全量、遇到读取或存储问题而停滞——最小可用集正是规避这类停滞的手段。
§1.3 与"肾小球检测"临床任务的对应
KPIs 的两个任务并非凭空设定，它们对应临床上的两类实际需求：
- 肾小球检测/计数（对应 Task 2b）：病理报告里常需报告"每个视野肾小球数"或"全片肾小球总数"，用于评估肾单位储备。这需要可靠的检测（不漏、不误）。
- 肾小球分割/形态测量（对应 Task 1、2a）：评估肾小球硬化、肥大、系膜扩张等，需要精确边界。这在判断 CKD 分期与进展时至关重要。
因此 KPIs 的任务设计与临床工作流是一一映射的：不是先有技术难题再找应用，而是从临床应用倒推技术任务。这种"应用驱动"的设计，也是它比许多纯技术基准更有落地参照价值的原因。
§0.5 关键事实一页纸
为便于快速查阅，把 KPIs 2024 最需要记住的事实压缩成一页：
- 是什么：MICCAI 2024 挑战赛，首个专攻肾脏功能单元（肾小球）分割的 MICCAI 挑战；
- 谁办的：范德堡大学 + VUMC（通讯 Yuankai Huo / Haichun Yang / Bennett A. Landman）；
- 数据：10,000+ 肾小球、60+（一说 58 / Table 1 为 45）张 PAS 染色小鼠肾脏 WSI、10,428 个 2048×2048 patch；
- 模型组：Normal / 5,6Nx / DN / NEP25 四组小鼠模型；
- 任务：Task 1 patch 级分割（DSC）｜Task 2a WSI 级分割（DSC+F1 等权）｜Task 2b WSI 级检测（F1）；
- 冠军：Task 1 & 2a 的 Capybara（DSC 94.51 / 94.64）、Task 2b 的 salt_fish（F1 91.33）；
- 获取：Synapse syn54077668，训练/验证公开、测试不公开；
- 许可：以 Synapse 项目页为准（未一手确认）；
- 论文：arXiv:2502.07288；挑战设计 Zenodo 10.5281/zenodo.10990461；
- 最大坑：规模数字多口径、物种为小鼠、测试集封闭、单一类别。
这一页纸可作为引用前的最后核对清单——凡写进论文的数字与结论，都应能在这张清单上找到对应。
§1 数据集速览：十问十答
Q1：KPIs 2024 到底是什么？
它是 MICCAI 2024 的一项挑战赛（challenge），全称 Kidney Pathology Image Segmentation Challenge 2024，中文可译"肾脏病理图像分割挑战赛 2024"。它不是单纯的数据集发布，而是「数据集 + 任务协议 + 排行榜 + 总结论文」的完整竞赛闭环：组织方负责采集与标注，参赛者在统一协议下训练模型、提交 Docker 容器，组织方在封闭环境里跑测试集并公布排行榜，最后以一篇总结论文沉淀方法与结果。据作者称，这是 MICCAI 社区首个专门针对多样化 CKD 模型中肾脏功能单元（肾小球）分割的挑战赛。
Q2：为什么要做肾小球分割？
肾小球（glomerulus）是肾脏的核心功能单元，每个肾单位含一个肾小球和一小簇血管。CKD 的病理改变——硬化、系膜增生、毛细血管袢破坏——几乎都体现在肾小球的数量与形态上。临床上病理医生要逐一勾画肾小球边界来量化病变（如硬化肾小球比例），这个过程极度耗时，且不同医生间存在可观的观察者间差异。像素级的分割结果既是量化指标的直接来源，也是后续分级、预后建模的底层输入。肾小球分割因此成为肾脏数字病理里"最先值得自动化"的一环。
Q3：数据从哪里来？
来自患病啮齿动物（小鼠）的完整肾脏切片，PAS（Periodic Acid Schiff，过碘酸雪夫）染色，扫描于 Vanderbilt University Medical Center，扫描仪型号 KF-pro-040-Hi（Konfoong Bioinformation Tech Co., Ltd.）。标注由 3 位经验丰富的病理学家在 QuPath 平台上完成，标注对象为肾小球的二值前景掩码。整肾切片的好处是"一张图顶数千次针吸"——组织量充足，单个切片内肾小球数量大，天然适合训练需要大量实例的分割模型。
Q4：有多少数据？
论文口径：逾 10,000 个正常与病变肾小球标注、60+ 张 PAS 染色全切片。第三方元数据（openmedlab）口径：58 张 WSI、10,428 个 2048×2048 patch。论文 Table 1 各子集汇总口径：25 张训练 WSI、8 张验证 WSI、12 张测试 WSI，合计 45 张。三套数字并存，论文未解释差异（详见坑点 1、坑点 2）。因此"KPIs 有多少数据"这个问题没有单一答案——取决于你引用哪一层口径。
Q5：patch 是什么？为什么有 patch 级和 WSI 级两种粒度？
一张 WSI 是 gigapixel 量级的金字塔图像，直接喂给模型不现实。挑战赛因此把 WSI 裁成固定 2048×2048 像素的图像块（patch），作为 Task 1 的输入单元。Task 1 考的是"在有限上下文里把肾小球勾准"，Task 2 考的则是"在整张 gigapixel 切片上把肾小球都找出来并勾准"——后者还要面对计算效率、内存管理、拼接边界效应等工程挑战。两种粒度的意义不在于难度递进，而在于把不同失败模式分离出来单独评分（详见 §4.3）。
Q6：四个模型组分别是什么？
- Normal：正常小鼠，8 周龄取材；
- 5/6Nx：5/6 肾切除（5/6 nephrectomy），模拟残余肾高滤过性损伤，切除后 12 周（20 周龄）取材；
- DN：糖尿病肾病（diabetic nephropathy），eNOS-/- db/db 小鼠，18 周龄取材；
- NEP25：在足细胞（podocyte）选择性表达人 CD25 的转基因小鼠，用免疫毒素诱导肾小球损伤后 3 周（11 周龄）取材。
四组覆盖了"正常 → 手术诱导 → 代谢性 → 免疫毒素诱导"四类不同机制的肾小球病变。这种设计让数据集携带了跨发病机制的形态多样性：5/6Nx 偏向高滤过/硬化，DN 偏向系膜扩张与基底膜增厚，NEP25 偏向足细胞损伤后的急性肾小球改变，Normal 提供基线对照。
Q7：任务和指标怎么定的？
- Task 1（patch 级分割）：在单张 patch 内分割肾小球，指标 DSC（Dice Similarity Coefficient，Dice 相似系数）；
- Task 2a（WSI 级分割）：整张切片上的肾小球实例分割，DSC 与 F1 等权组合排名；
- Task 2b（WSI 级检测）：仅考肾小球检测（存在性 + 位置），仅用 F1 排名。
分割看"边界勾得准不准"（DSC），检测看"有没有漏、有没有误报"（F1），二者分设是为了避免用单一指标掩盖不同失败模式。F1 的引入尤其关键——它能捕捉"模型把某片区域整个漏掉"这类 DSC 可能被平均掉的问题。
Q8：怎么提交、怎么评测？
参赛者提交 Docker 推理容器，交由组织方在统一环境里跑测试集，参赛者全程接触不到测试集。评测环境为 Intel Xeon Gold 6230R（52 线程）+ NVIDIA RTX A6000（64GB）+ 64GB RAM，CUDA 12.2，Docker 27.0.1，Ubuntu 20.04，驱动 535.183.01。这种"封闭容器评测"是医学影像挑战赛的通行做法，既保证了测试集不可见，也保证了所有队伍跑在同一套硬件与软件栈上，减少环境差异带来的噪声。Task 1 共收到 24 份有效提交，Task 2 共收到 15 份有效提交。
Q9：最好成绩是多少？
Task 1（patch 分割）冠军 Capybara，DSC 94.51±6.71；Task 2b（检测）冠军 salt_fish，F1 91.33±3.84；Task 2a（WSI 分割）综合第一仍为 Capybara（DSC 94.64 / F1 88.63）。分割冠军与检测冠军分属两支队伍，说明两类能力并不同步（详见 §7）。
Q10：和人类肾病理数据集比，最大区别是什么？
两点。物种：KPIs 全部来自小鼠，不是人类——这是为了绕开人类针吸活检组织量少的限制，代价是跨物种外推需谨慎。粒度完整：它同时提供了 patch 级与 WSI 级两套任务和配套掩码，而很多既有肾脏病理数据集只给切片级标签或只给 patch 图。此外，KPIs 的三位病理学家标注与封闭评测协议，也让它在"标注可控性"上优于不少众包式数据集。
§1 读法补充：以上十问中凡涉及"数量"，一律对应多套口径；本条的立场是标注出每一套的出处，而非替读者择一。若你的工作只需引用一个数字，建议优先采用 arXiv 论文摘要口径（10,000+ 肾小球 / 60+ WSI），并在脚注写明第三方元数据的 58/10,428 版本。
§1.1 十问之外的补充问题
Q11：这个数据集适合做半监督/弱监督研究吗？
适合，且素材相当充分。Task 1 的 patch 与其掩码是逐张对应的强监督信号，但 Task 2 的 WSI 级任务在整片尺度上提供了"稀疏监督"的天然场景——你可以只用部分切片或部分 patch 的标注来做训练，检验模型在标注稀缺时的表现。此外，四疾病模型的分布差异本身就是做**域泛化（domain generalization）**研究的现成设置：留一组疾病模型做域外测试（如只用 Normal+5/6Nx+DN 训练，在 NEP25 上测），可以直接量化模型的跨病变泛化能力。
Q12：patch 与 WSI 两套任务的数据可以混用吗？
内容上可以（同源），但标签口径要一致。Task 2 的 WSI 掩码是整片实例掩码，Task 1 的 patch 掩码是切片后的局部掩码；若要用 WSI 掩码自行裁 patch，需保证裁切坐标、分辨率缩放与官方 patch 生成规则一致，否则得到的监督信号会与官方评测口径错位。最稳妥的做法是直接用官方发布的两套数据，不要自造 patch，以免引入不可见的偏差。
Q13：为什么选 PAS 而不是 H&E？
PAS 把糖原与基底膜（含肾小球毛细血管基底膜、系膜基质）染成醒目的品红/紫红色，肾小球的轮廓对比度显著高于 H&E，边界判读更稳定，对"分割"这一任务特别友好。H&E 在肾脏病理中也常用，但其对基膜结构的强调不如 PAS，肾小球与周围肾小管的边界在 H&E 下更易混淆。因此从"标注可重复性"角度，PAS 是更优选择——这也侧面反映了组织方对"金标准质量"的重视。
Q14：数据集里有没有临床信息（如肾功能指标）？
根据论文与第三方元数据，KPIs 2024 本身不提供临床变量（如血肌酐、eGFR、尿蛋白等），它是一个纯图像分割数据集，标签只有肾小球的二值掩码。若研究需要"图像 + 临床结局"的联合建模，需要另找数据源，或与该团队的其他肾脏病理工作配合使用。
§2 时间线与组织
§2.1 办赛时间线（arXiv 论文口径）
| 时间 | 事件 |
|---|---|
| 2024-03-30 | 训练数据集发布（Synapse 平台托管） |
| 2024-05-01 | 验证数据集发布（供参赛者本地评估） |
| 2024-08-01 | 参赛者提交 Docker 推理容器截止 |
| 2024-09-15 | 公布结果、排行榜与获奖者 |
| 2024-10-10 | 于 MICCAI 2024 MOVI Workshop 展示各队方法 |
| 2025-02-11 | 挑战赛总结论文投至 arXiv（arXiv:2502.07288 v1） |
从时间线可以看出挑战赛的经典节奏：3 月底放训练数据 → 5 月初放验证数据 → 8 月初收容器 → 9 月中出榜 → 10 月中在 MICCAI 现场交流，整条链路约七个半月。挑战设计文档（Zenodo 10.5281/zenodo.10990461）于 2024-04-18 单独发布，早于训练数据发布，是理解任务设定的原始一手材料；总结论文则晚至 2025 年才上线，承载了完整的排行榜与方法综述。两套文档必须分清用途：设计文档是"事前承诺"，总结论文是"事后结算"。
§2.2 数据版本链
2024-03-30 训练集（Task 1 与 Task 2 合并发布）
2024-05-01 验证集（本地评估用）
2024-08-01 提交截止（测试集始终不下发，由组织方封闭评测）
2024-09-15 结果公布
测试集从不对外公开，这是挑战赛的通行做法，也意味着第三方复现只能止步于训练/验证集——引用 KPIs 结果时若声称"复现了排行榜成绩"，需特别注意其评估集与官方测试集的差异。这一封闭性既是排行榜可信度的来源（无人见过测试集），也是学术可复现性的代价（无法在同一分布上复核）。
§2.3 组织机构
| 机构 | 角色 |
|---|---|
| Vanderbilt University, Dept. of Computer Science | 主导（Yuankai Huo 等） |
| Vanderbilt University Medical Center, Dept. of Pathology, Microbiology and Immunology | 病理标注与临床（Haichun Yang 等） |
| Vanderbilt University Medical Center, Dept. of Biostatistics | 统计分析 |
| Vanderbilt University, Dept. of Electrical and Computer Engineering | 影像方法（Bennett A. Landman） |
| NVIDIA Corp（Bethesda） | 工程/硬件支持（Yucheng Tang） |
五方署名的结构清楚地反映了一项医疗影像挑战赛的必备角色：影像方法团队负责把问题形式化为分割任务并搭评测平台，病理团队提供标注与临床判断，统计团队保证指标与排名科学，硬件/工程伙伴提供算力与容器化支持。Vanderbilt 在肾脏数字病理（尤其是肾活检 WSI 分析）方向有长期积累，Yankai Huo 与 Haichun Yang 的两组合作是这一积累的典型体现。
§2.4 资助来源（论文致谢）
NIH R01DK135597、DoD HT9425-23-1-0003、KPMP Glue Grant、Vanderbilt Seed Success Grant、Vanderbilt Discovery Grant、VISE Seed Grant、Leona M. and Harry B. Helmsley Charitable Trust（G-1903-03793、G-2103-05128）、NIH R01EB033385 / R01DK132338 / R01MH125931、NSF 2040462、NSF NAIRR Pilot Award NAIRR240055，以及 NVIDIA 硬件资助。资助面横跨美国国立卫生研究院（NIH）、国防部（DoD）、国家科学基金会（NSF）与私人基金会，其中 KPMP（Kidney Precision Medicine Project）相关资助尤为关键——它表明本挑战赛嵌在美国"肾脏精准医学"的国家级研究生态中，而非孤立的一次竞赛。
§2.5 与 MICCAI 社区的关系
KPIs 在 MICCAI 2024 的 MOVI Workshop（Medical Optical and Vision Imaging 或相关医学影像 workshop）上展示，属于 MICCAI 挑战赛体系的正式成员。MICCAI 挑战赛的价值在于"标准化"：同一批队伍、同一套协议、同一时间窗口，产出的排行榜天然具备可比性。KPIs 作为其中首个聚焦肾脏功能单元的分割挑战，填补了该会议挑战赛版图在肾脏病理方向的空白。
MICCAI 挑战赛的运作有几个值得记录的惯例，理解了它们，才能正确解读 KPIs 的排行榜。其一，挑战赛通常在会议前半年启动、会后数月出总结论文，因此论文里的数字总是"滞后于"实际竞赛——你看到的排行榜是 2024 年 9 月的快照，而非某个持续更新的榜单。其二，挑战赛强调"任务定义先行"：组织方在放数据前先发布 challenge design（KPIs 对应 Zenodo 那份文档），把任务、指标、时间线写死，此后不再随意更改，这保证了参赛者面对的是同一道题。其三，封闭评测是硬约束：参赛者不能接触测试集，提交的是推理容器而非预测结果，这从根本上杜绝了"偷看测试集调参"的可能。
§2.6 时间线中的两个"时间锚点"
读 KPIs 的时间线时，最容易混淆的是两个时间锚点：挑战赛运行期（2024 年 3-10 月）与论文发表期（2025 年 2 月起）。前者是数据与竞赛的"物理时间"，后者是成果沉淀的"文献时间"。引用时若不加区分，容易产生"2025 年发布的挑战赛"这类错误表述——正确的说法是"2024 年举办的挑战赛，2025 年发布总结论文"。这一区分在学术写作中尤其重要，因为"某年挑战赛"通常指其运行年份，"某年论文"指其发表年份，两者相差近一年在医学影像挑战赛中属常态。
§2.7 挑战赛的"评审漏斗"
从提交到上榜，KPIs 的评审其实经过了几道显式或隐式的漏斗，理解它有助于正确解读"24 份 / 15 份有效提交"这两个数字：
- 报名与组队：实际关注挑战赛的团队数量必然远多于提交数，但只有完成数据下载、训练、封装容器的团队才进入统计；
- 容器提交：Task 1 收到 24 份、Task 2 收到 15 份有效提交——"有效"意味着容器能在官方环境中成功运行并产出合规预测，中途跑挂或格式不符的会被剔除；
- 官方评测：所有有效容器在统一硬件上跑测试集，产出 DSC/F1；
- 排行榜与展示：前若干名在 MICCAI workshop 上展示方法，构成总结论文的方法章节。
这两级漏斗解释了为什么"有效提交数"通常显著低于"参赛团队数"：WSI 级任务（15 份）比 patch 级（24 份）少了近四成，正是因为它的工程门槛更高（大文件读取、内存管理、拼接），一部分团队在"跑通"这一步就被筛掉了。
§2.8 组织规模的隐含信息
KPIs 总结论文列出 40 余位作者，其中相当一部分是各参赛队伍的代表（如 agaldran、Aira Matrix、Deep Bio、CZBozek、CVAILAB 等团队的成员）。这种"组织方 + 参赛方共同署名"的总结论文模式，是医学影像挑战赛的惯例，它带来两个效应：
- 正面：论文的方法综述能覆盖真正做了工作的队伍，信息密度远高于组织方单方撰写；
- 需注意：署名队伍的方法描述可能带有自我表述色彩，引用其性能数字时应以排行榜（统一评测）为准，而非以各队自述为准。
理解这一点，能帮助读者在引用论文中某队方法时保持恰当的批判距离——排行榜数字是"官方裁判"给的，方法描述是"选手自述"的，两者可信度层级不同。
§2.9 挑战赛与"数据论文"两种成果形态的区别
值得区分两种数据相关成果：**数据论文（data paper）通常聚焦"数据本身是什么、怎么采集、怎么用"，而挑战赛总结论文（challenge summary）**聚焦"任务怎么定、谁做得最好、方法有什么规律"。KPIs 走的是后者：arXiv:2502.07288 的重点不在逐张描述切片，而在任务协议与排行榜分析。相应地，Zenodo 那份 challenge design 文档则更接近前者，负责把数据的采集与任务设定讲清楚。
对使用者的启示是：若你想了解"数据长什么样"，应读 Zenodo 设计文档；若你想了解"这个数据上什么方法有效"，应读 arXiv 总结论文。把两者当成互补的两份材料，而非互相矛盾的两种说法。
§2.10 挑战赛时间线的可复制性
KPIs 的时间线（3 月底放训练、5 月初放验证、8 月初收容器、9 月中出榜、10 月中 workshop）是医学影像挑战赛的一个"标准工期模板"，值得后来办赛者参考。这条时间线的内在逻辑是：
- 训练/验证分两批放：先给训练集让参赛者熟悉数据，一个月后给验证集供本地调参，避免一开始就放全量导致过拟合；
- 提交窗口约 3 个月：从验证集发布到容器截止约 3 个月，足够完成一轮完整的方法迭代，又不至于拖得太久；
- 出榜到 workshop 约 1 个月：留出时间让 top 队伍准备现场汇报与方法描述，最终汇入总结论文。
这一工期分工之所以有效，是因为它把"数据发布—方法开发—封闭评测—成果沉淀"四个阶段串成了一条无缝的链路，每个阶段都有明确的截止与交付物。对读者而言，理解这条链路有助于判断"某年某挑战赛的数据现在还能不能用"——通常训练/验证集会长期保留，而竞赛的时效性主要体现在排行榜与方法综述上。
§2.11 一个常见的时间误解
常有人以为"2024 挑战赛"意味着数据是 2024 年采集的。对 KPIs 而言，这不一定成立：挑战赛年份通常指竞赛举办的年份，而数据采集可能早于此——小鼠模型的建立、切片制备、扫描与标注都需要时间，往往在挑战赛公布前就已启动。因此"2024 的 KPIs"更准确的读法是"2024 年举办的 KPIs 挑战赛，数据采集与标注在其前后完成"。这一区分对于理解数据的"新鲜度"与"技术年代"有实际意义。
§3 数据规格：切片、patch 与掩码
§3.1 全切片图像（WSI）规格
| 属性 | 取值 |
|---|---|
| 格式 | TIFF，金字塔层级 1 / 2 / 4 / 8 / 16 / 32 / 64 |
| 染色 | PAS（Periodic Acid Schiff，过碘酸雪夫染色）——突出糖原与基底膜，是肾脏病理评估肾小球的标准染色之一 |
| 主分辨率 | 0.11 µm/px（对应 40× 光学放大、80× 数字放大） |
| NEP25 组分辨率 | 0.24–0.25 µm/px（对应 20× 光学放大、40× 数字放大） |
| 扫描仪 | KF-pro-040-Hi（Konfoong Bioinformation Tech Co., Ltd.） |
| 扫描地点 | Vanderbilt University Medical Center |
| 标注软件 | QuPath |
| 标注者 | 3 位经验丰富的病理学家 |
金字塔层级（1/2/4/8/16/32/64）意味着同一张切片以七种倍率存储，读取端可按需选择层级——低倍用于全片定位与肾小球粗略定位，高倍用于像素级边界勾画。PAS 染色的选择也非偶然：它把糖原与基底膜染成品红/紫红色，肾小球的毛细血管袢与系膜区因此获得良好的对比度，边界在视觉上比 H&E 更容易界定，这直接关系到标注的可重复性。
分辨率不一致是引用时的第一号陷阱：NEP25 组与其余三组相差约 2 倍（0.11 vs 0.24–0.25 µm/px）。跨组训练或跨组评测时若不统一物理尺度，模型很可能把"分辨率差异"误学成"病理差异"——例如把 NEP25 组更粗的像素恰好对应的形态特征，错当成该组独有的病变模式。这也是 §6 坑点里会被重点提醒的一项。
§3.2 patch 规格
- 尺寸：固定 2048×2048 像素；
- 格式：PNG（Task 1 的 img 与 mask 均以 patch 为单位）；openmedlab 元数据标注为 jpg，存在格式口径小差异，条目以论文 PNG 口径为准；
- 命名示例：
56Nx_12_116_4_4096_0_img.jpg—— 可拆解为{模型组}_{slide_id}_{?...}_{坐标X}_{坐标Y}_img，即 patch 由(slide, x, y)坐标唯一定位； - 对应掩码：同名
_mask文件，与输入图逐一配对； - WSI 级任务（Task 2）另以整张
{slide_id}_wsi.tiff与{slide_id}_mask.tiff成对提供。
patch 的 2048 尺寸是个刻意的折中：足够大以包含完整肾小球的上下文（一个小鼠肾小球在 40× 下通常直径数百像素，2048 可容纳多个肾小球及周边组织），又不至于大到单卡显存无法容纳常规分割网络的前向。固定尺寸同时简化了批处理与评测——所有 patch 同尺寸，DSC 可逐 patch 计算再平均。
§3.3 目录结构（官方训练数据）
官方发布的训练数据按任务分成两棵子树，是理解"两任务共用同一批切片"的关键：
Dataset/
├── Task1_patch_level/
│ └── data/
│ ├── 56Nx/{slide_id}/img/*.jpg + mask/*.jpg
│ ├── DN/{slide_id}/img/* + mask/*
│ ├── NEP25/{slide_id}/img/* + mask/*
│ └── normal/{slide_id}/img/* + mask/*
└── Task2_WSI_level/
├── 56Nx/{slide_id}_wsi.tiff + {slide_id}_mask.tiff
├── DN/{slide_id}_wsi.tiff + _mask.tiff
├── NEP25/{slide_id}_wsi.tiff + _mask.tiff
└── normal/{slide_id}_wsi.tiff + _mask.tiff
注意目录名中的 56Nx 即前述 5/6Nx（5/6 肾切除），是官方的目录命名写法，检索时会同时遇到这两种拼写。更重要的是：两棵子树源自同一批切片——Task 1 的 patch 是从 Task 2 的全切片上裁出来的，因此两者在内容上并非独立数据集，而是同一份数据的两种视图。理解这一点，才能理解为什么 Task 1 与 Task 2 的成绩会呈现某种相关性（见 §7.4）。
§3.4 标注类别
本数据集只有一类前景：肾小球（glomerulus），其余为背景。这是一个二值分割问题，而非多类语义分割。openmedlab 元数据亦记载"Number of Categories = 1 / Structure = Glomerulus / Occurrence Ratio = 100%"。这意味着：
- 数据集不提供肾小管、间质、血管、炎症细胞等结构的分割标签；
- 若研究目标是"肾脏组织多结构联合分割"，KPIs 只能提供肾小球这一层的监督信号；
- 二值化也降低了任务复杂度门槛，使得高分（Dice 90+）成为常态——排行榜前 20 名大多挤在 92–94.5 的窄带内（见 §7）。
从标注工作量看，二值前景实际上也降低了病理学家的认知负担：他们只需判断"这是不是一个肾小球、边界在哪里"，无需在多类结构间反复权衡命名与归属，这对维持三位标注者之间的一致性有实际帮助。
§3.5 数据划分（论文 Table 1）
| 子集 | Norm. | 5,6Nx | DN | NEP25 | 合计 WSI | 合计 patch |
|---|---|---|---|---|---|---|
| 训练 #WSI | 5 | 5 | 5 | 10 | 25 | — |
| 训练 #patch | 1786 | 648 | 724 | 1760 | — | 4918 |
| 验证 #WSI | 2 | 2 | 2 | 2 | 8 | — |
| 验证 #patch | 861 | 274 | 299 | 209 | — | 1643 |
| 测试 #WSI | 3 | 3 | 3 | 3 | 12 | — |
| 测试 #patch | 1166 | 463 | 391 | 285 | — | 2305 |
表内子集汇总为 45 张 WSI（25+8+12），与论文摘要的"60+ 张"不一致；patch 汇总训练 4918 / 验证 1643 / 测试 2305，总计 8866，与第三方元数据的 10,428 亦不一致。这些数字关系是本条目存照的重点（坑点 1、坑点 2）。引用时请以 arXiv 论文 Table 1 为划分依据，以摘要为规模宣传口径，两者不可混用。
从划分结构还能读出两点设计意图。其一，NEP25 在训练集里被额外加码（10 张 WSI，是其他三组的各 5 张的两倍），而三组在验证/测试集里各 2/3 张——这说明组织方意识到 NEP25 的组织学特点最难、样本相对宝贵，因此在训练侧倾斜资源。其二，训练/验证/测试在四个模型组间均衡分配（验证与测试各模型组数量对称），保证了评测对每组疾病模型都是公平的，不会因某组恰好在测试集占比高而扭曲总分。
§4 任务设计：从 patch 到全切片
§4.1 Task 1：Patch 级肾小球分割
输入：单张 2048×2048 的 PAS 染色 patch。
输出：同尺寸的肾小球二值掩码。
指标：DSC（Dice Similarity Coefficient，Dice 相似系数），逐 patch 计算后汇总为均值 ± 标准差。
考察点：在有限上下文下精确勾画肾小球边界，应对局部形态变异（硬化、萎缩、系膜增生导致的边界模糊）。2048 的输入尺寸既给了足够的像素细节，又不至于超出单卡显存，是"像素级精度"与"可训练性"的折中。
提交数：24 份有效提交。
为什么用 DSC 而非 IoU：Dice 与小目标的分割质量相关性更好，且对前景占比较低的情形（背景远多于肾小球）比 IoU 更敏感。肾小球在 patch 中的面积占比不算高，DSC 能更细致地反映边界误差，这也是医学分割评测的常见选择。
§4.2 Task 2：WSI 级肾小球分割与检测
输入：整张 gigapixel 级 PAS 全切片。
输出（分两个子任务）：
- Task 2a WSI 级分割：整张切片上的肾小球实例分割掩码。指标为 DSC 与 F1 的等权组合（论文称 “Glo Detection and Segmentation”）——既看像素重叠，也看实例检出质量。
- Task 2b WSI 级检测：只需定位肾小球（实例级检出），指标为仅 F1-score。
考察点：gigapixel 规模带来的三重工程挑战——计算效率（如何在不爆显存的前提下扫完整张切片）、内存管理（patch 缓存与释放策略）、拼接边界效应（patch 拼回 WSI 时边界处肾小球被切断，如何还原）。论文中多支队伍（如 Zhijian Life 对边缘 patch 直接粘贴、中心 patch 裁剪粘贴）的处理差异，正是围绕拼接边界展开的。
提交数：15 份有效提交。
Task 2 提交数显著少于 Task 1（15 vs 24），这一数字本身就有信息量：WSI 级任务对工程能力、算力与内存管理的门槛更高，把一部分只擅长 patch 级实验的队伍挡在了门外。它也解释了为什么 Task 2 的排行榜标准差往往更大——整片推理中的偶然失误（拼接错位、大块漏检）会显著拉低单项成绩。
§4.3 为什么切分成两个任务
patch 级与WSI 级不是同一任务的大小版本，而是两种失败模式的分离器：
- Patch 级只考"局部勾画精度"，模型即便不擅长全局搜索也能拿高分；
- WSI 级必须同时解决"找得到"（检测，F1）与"勾得准"（分割，DSC）以及"拼得回"（工程）。
排行榜印证了这一分离：Task 1 冠军 Capybara（DSC 94.51）在 Task 2a 依然综合第一，但 Task 2b 检测冠军却被 salt_fish（F1 91.33）拿下，且 mafi95 在 Task 2a 里 DSC 排第 3、F1 却掉到第 10——分割能力与检测能力在队伍间高度不同步（见 §7 排行分析）。
从研究价值看，这种"分离器"设计使 KPIs 不仅是一份数据，还是一份评测方法论示范：它证明了把"分割"与"检测"混在一张成绩单里会掩盖真实的能力结构。任何后续做肾脏病理分割评测的工作，都可以借鉴这套把能力维度显式拆开的思路。
§4.4 与常见分割评测范式的对照
| 评测维度 | KPIs 的设定 | 常见单任务分割数据集 |
|---|---|---|
| 输入粒度 | patch 级 + WSI 级双任务 | 通常单一粒度 |
| 评价指标 | DSC / F1 分任务选用 | 多为单一 DSC 或 IoU |
| 测试集可见性 | 封闭（Docker 提交） | 常公开，易过拟合 |
| 疾病模型覆盖 | 四种 CKD 模型 | 常单一或混合未细分 |
| 类别数 | 单一（肾小球二值） | 不定 |
上表说明 KPIs 在"评测严谨性"维度上优于多数单任务数据集，但在"类别丰富度"上明显更窄——这是一种有意的取舍：用窄而深的类别换来多疾病模型与封闭评测的严谨性。
§3.6 切片级与 patch 级的统计差异
从 Table 1 的 patch 分布能读出一个不那么直观的事实：patch 数量在四组间极不均衡。训练集里 Normal 组 1786 个 patch、NEP25 组 1760 个，而 5/6Nx 组仅 648 个、DN 组仅 724 个——前两组各是后两组的两倍多。这与 WSI 数量分布（Normal/5,6Nx/DN 各 5 张、NEP25 10 张）并不同构。原因在于 patch 是从 WSI 上裁出的，裁出多少取决于该切片上的有效组织面积与肾小球密度：正常小鼠与 NEP25 组的切片可能组织覆盖更完整、肾小球分布更密，因此切出的 patch 更多。
这一不均衡对训练有实际影响：模型可能对"patch 多"的组过拟合（Normal、NEP25 的样本主导了梯度），而对 patch 少的 5/6Nx、DN 学习不足。若你的目标是在某特定模型组上取得好成绩，务必检查训练时的组间采样比例，必要时做重加权或分层采样。官方并未强制均衡采样，参赛者需自行处理。
§3.7 文件体积与读取开销（实践提示）
一张小鼠整肾 WSI 在 40× 下是典型的 gigapixel 图像，金字塔 TIFF 加上 7 级缓存，单文件体积通常达数百 MB 至 GB 量级。这意味着：
- 磁盘：完整下载训练集（Task 1 + Task 2）需要可观的存储空间，建议预留数十 GB 以上；
- 读取：WSI 级任务必须用支持金字塔随机读的库（如 OpenSlide、pyvips、tiffslide），不能用普通图像库整张读入内存；
- patch 提取：若自行从 WSI 裁 patch，需注意坐标系统（不同库的坐标原点与层级缩放约定不同），否则会与掩码错位。
这些工程细节虽不属"数据内容"，但直接决定能否顺利复现——数据集的"可用性"从来不仅是"能不能下载"，还包括"下载后能不能高效读取"。
§3.8 标注流程的推断
条目未检索到 KPIs 官方对标注流程的详尽描述（区别于 PANDA-PLUS 那样有明确的三层流水线与专家终审说明），但从已有信息可推断其大框架：3 位经验丰富的病理学家在 QuPath 平台上完成标注，标注对象为肾小球的二值前景。相比 PANDA-PLUS 的"学生初注 + 高年级复核 + 专家终审"，KPIs 的标注更接近"专家直接标注"，这通常意味着单张切片的标注工时可观，也解释了为什么公开的切片数量（数十张）远小于病理图像动辄上百上千的规模。
这一标注流程的取舍值得思考：专家直标换来的是更高的单点标注质量，代价是规模受限；流水线标注换取规模，代价是需要在流程中植入质控环节。KPIs 显然选择了前者——这与它的定位（做"金标准基准"而非"大规模训练集"）是一致的。
§4.5 Task 2 的工程难点拆解
WSI 级任务的三重难点值得逐一展开，因为它们是"从 patch 迈向全片"的真实门槛：
- 计算效率。一张 WSI 在 40× 下可能有数万到数十万个 patch 位置。逐 patch 前向若不做批处理、不做稀疏采样（先低倍定位组织区域、再在高倍精细分割），推理时间会不可接受。高分队伍普遍采用"两级路由"：先在低倍层级找肾小球候选区，只在候选区做高倍分割。
- 内存管理。gigapixel 图像的掩码与中间特征若全量驻留内存，会直接爆显存。可行策略包括流式处理（逐 patch 推理、结果即时写回磁盘）、分块拼接与及时释放。
- 拼接边界效应。patch 拼回 WSI 时，边界处的肾小球会被相邻 patch 分割成两半。若简单粘贴，接缝处会出现断裂或重影，直接影响 DSC 与实例级 F1。论文中 Zhijian Life 对边缘 patch 直接粘贴、中心 patch 裁剪粘贴的处理，正是为缓解这一效应的具体手法。
上述三点也解释了为什么 Task 2 的有效提交（15 份）明显少于 Task 1（24 份）——它考的不仅是"模型准不准"，还有"工程能不能跑通"。
§4.6 指标选择的深层考量
Task 2a 采用 DSC 与 F1 等权，这个"等权"是有意为之的设计决策，值得单独说明。若只取 DSC，一个把整片误判为前景的极端模型也可能拿到虚高的像素重叠；若只取 F1，边界精度又无法体现。等权组合强迫模型在"像素准"与"实例对"之间同时达标——这正是临床需求的两面：病理量化既要"每个肾小球勾得准"（形态测量），也要"一个都不漏"（计数准确）。
而 Task 2b 只取 F1，则是因为该子任务的定位是纯检测：输出是"肾小球在哪里、有几个"，边界不是考核对象。把检测单独拎出来评，避免了"检测强、分割弱"的队伍因边界误差被埋没——salt_fish 正是靠这一点拿下了检测冠军。
§4.7 评测环境的意义
官方指定的统一评测环境（Xeon Gold 6230R + RTX A6000 64GB + CUDA 12.2 + Ubuntu 20.04）不仅是"跑分机器"，更是一条公平性约束。医学影像模型对 GPU 型号、CUDA 版本、库版本颇为敏感，若允许各队自报成绩，硬件差异会污染排名。用统一容器环境 + 统一硬件，意味着排行榜上的分差尽可能归因于方法本身而非运行环境。这一规范是 KPIs 排行榜可信度的基础设施。
§3.9 四种小鼠模型的病理学细节
理解四个模型组的病理差异，才能理解为什么这个数据集值得做"跨模型泛化"研究。以下按机制逐一说明：
Normal（正常对照）。8 周龄正常小鼠的肾脏，肾小球形态规整、毛细血管袢充盈、系膜区狭窄。它提供的是"健康基线"——模型若连正常肾小球都分不准，说明基础能力不足；反之，若只在正常样本上高分、在病变样本上崩塌，说明模型学的是"正常形态模板"而非"肾小球的结构本质"。
5/6Nx（5/6 肾切除）。切除 5/6 肾组织后，残余肾单位长期处于高滤过、高灌注状态，逐渐出现肾小球肥大、系膜扩张，最终走向局灶节段性肾小球硬化（FSGS）。取材在术后 12 周（20 周龄），此时病变已充分发展。这一模型的病理特征是渐进性硬化，部分肾小球边界因硬化而变得模糊，是分割的难点之一。
DN（糖尿病肾病）。eNOS-/- db/db 小鼠是经典的糖尿病肾病模型，18 周龄取材。其特征包括肾小球基底膜增厚、系膜基质扩张（Kimmelstiel-Wilson 样改变）、足细胞损伤。DN 的肾小球往往体积增大、系膜区显著扩张，形态与正常差异明显，边界因系膜增生而复杂化。
NEP25（足细胞选择性损伤）。转基因小鼠在足细胞选择性表达人 CD25，注入免疫毒素后 3 周（11 周龄）取材，造成急性、靶向的肾小球损伤。其病理表现为急性足细胞损伤后的肾小球改变，与 5/6Nx、DN 的慢性进程形成对比。NEP25 组在训练集被加码到 10 张 WSI，正说明其组织学特殊性需要更多样本。
四组的组合意义：它们覆盖了"正常 → 慢性手术诱导 → 慢性代谢性 → 急性免疫诱导"四类机制。模型若能同时在四组上稳定，说明它捕捉的是肾小球的共性结构而非某种特定病变的纹理；若在某组上明显掉分，则暴露了其对该病变模式的脆弱性。这正是 KPIs 作为"域泛化测试床"的核心价值。
§3.10 分辨率差异的病理学成因
为什么 NEP25 组是 0.24–0.25 µm/px（20×）而其余三组是 0.11 µm/px（40×）？论文未明说，但从病理流程可推断：不同批次的切片可能采用了不同的扫描参数或原始光学放大。NEP25 的取材时间（11 周龄）与样本制备批次可能与另外三组不同，若该批切片在约 20× 下扫描（或原始放大较低），就会得到更粗的像素尺度。
无论成因如何，这一差异对使用者的影响是明确的：你在做跨组实验时，必须把这一物理尺度差异显式处理（统一重采样或按组归一化），否则模型学到的是"扫描参数"而非"病理"。这也是本条目把"分辨率不一致"列为坑点 4 的原因——它是那种"不注意就会静默坑害结果"的问题。
§3.11 数据规模在领域中的定位
把 KPIs 的规模放在肾脏病理分割的坐标系里：10,000+ 肾小球的标注量，在纯肾小球分割这一细分方向上属于领先；但放在整个病理图像领域，数十张 WSI 的规模并不算大（对比 PANDA 的万余张）。这一"细分领先、整体中等"的定位，决定了 KPIs 的合理用法：把它当作肾小球分割的权威基准，而非通用病理预训练的语料库。若你的目标是训练一个通用病理基础模型，KPIs 只能提供肾脏-肾小球这一窄域的监督，需要与更大的病理语料配合。
§4.8 从任务设定反推"什么算成功"
KPIs 的任务与指标设定，隐含了一套关于"肾小球分割成功标准"的答案，值得逐条解读：
- 成功 = 边界准（DSC 高）。Task 1 用 DSC 定义"勾得准"，这是形态量化（如测量肾小球直径、面积）的前提。若边界不准，所有下游形态指标都会偏差。
- 成功 = 数量对（F1 高）。Task 2b 用 F1 定义"数得对"，这是计数类临床指标（如硬化肾小球比例 = 硬化数/总数）的前提。漏检会让比例失真。
- 成功 = 全片一致（Task 2a 的 DSC+F1 等权）。整片空间上既不能局部崩，也不能边界糙。
这套标准与临床需求的对应关系很直接：病理报告里的每一个肾小球相关指标，都能追溯到"边界准"或"数量对"这两类能力之一。这正是 KPIs 把任务拆成这种形状的深层理由——它不是在拆技术子问题，而是在拆临床可用性的两个维度。
§4.9 任务难度梯度
如果把三个子任务按难度排个序，大致是：
Task 1（patch 分割） < Task 2b（WSI 检测） < Task 2a（WSI 分割）
局部精度 全片检出 全片检出 + 全片边界
理由：Task 1 只需在单张 2048 patch 上做一次前向；Task 2b 需要遍历整片但只输出实例位置（边界可粗）；Task 2a 既要遍历整片又要输出精确边界，是"检出 + 分割"的叠加，工程与精度双重压力最大。这一梯度也解释了为什么 Task 2a 的成绩分散度比 Task 1 大——越复杂的任务，不同队伍的实现差异越会被放大。
§4.10 任务设定对其他领域的借鉴
KPIs 的"双粒度 + 双指标"设定，对其他器官/组织的分割基准设计有普适借鉴价值：
- 凡是组织内有大量"可数的小结构"（如肾小球、腺体、细胞团），都可以照搬"patch 级分割 + WSI 级检测"的双任务结构；
- 凡是"边界精度"与"检出完整性"对下游都重要，都应同时报告 DSC 与 F1，而非只报其一；
- 凡是测试集不能公开的场合，都可采用"提交 Docker 容器 + 统一环境评测"的封闭评测。
这套模板的价值，可能比 KPIs 的具体数据更持久——数据集会被新数据超越，但一套好的评测协议会成为领域惯例。
§3.12 掩码的形态学特征
虽然条目未一手取得掩码的像素级统计，但从任务设定可推断掩码的若干形态学特征，这些特征直接影响建模：
- 前景占比（肾小球占 patch 面积比）：不固定，取决于 patch 落在的组织区域。落在皮质高密度区时前景占比高，落在髓质或空白区时可能接近零。这种"前景占比高波动"是分割任务里较难的情形之一，也是为什么要用 Dice 而非单纯像素准确率的原因。
- 实例形态：肾小球近似圆形/椭圆形，边界相对平滑，但病变状态下（硬化、粘连）会出现不规则形状，甚至多个肾小球在切片上彼此紧邻。
- 实例大小变化：正常与病变肾小球的尺寸差异明显（肥大 vs 萎缩），模型需要具备尺度不变性。
这些形态学特征共同决定了：肾小球分割不是简单的"找圆形"，而是要在形状多变、密度不均、边界时而模糊的条件下保持鲁棒。理解了掩码的这些性质，就能理解为什么榜单上不同方法的差距主要体现在"困难切片"上（§7.8）。
§3.13 数据划分的公平性设计
回看 Table 1 的划分（训练 25 / 验证 8 / 测试 12，四模型组基本均衡），可以读出组织方在公平性上的用心：
- 训练/验证/测试的模型组配比基本对称，避免某组集中在某一子集；
- NEP25 在训练集加码，弥补其组织学特殊性可能导致的样本不足；
- 测试集 12 张，虽不多，但四组各 3 张的均衡配置保证了每组都有独立评测样本。
这种"均衡划分"的意义在于：排行榜的总分不会被某一组的过采样或欠采样系统性扭曲。对做复现的人，也应照此原则自建划分——按模型组分层的划分，比纯随机划分更能反映模型的真实跨病变能力。
§4.11 任务 2a 的"实例分割"含义辨析
Task 2a 被称为 “WSI-level Glomeruli Segmentation”，但从评价方式（DSC + F1 等权）看，它融合了语义分割与实例检测两件事：
- DSC 部分对应语义分割：整片前景/背景像素的重叠程度，不区分实例；
- F1 部分对应实例检测：以"肾小球实例"为单位的检出准确率与召回率的调和平均。
因此 Task 2a 并非纯粹的"实例分割"（那通常需要区分每一个肾小球个体并用 mask 表示），而是"语义重叠 + 实例检出"的复合指标。理解这一点对复现很重要：你不能只优化像素重叠就以为 Task 2a 会高分——F1 部分要求实例层面不漏不误，这需要在后处理阶段做连通域分析、实例聚类等操作，而不仅是逐像素分类。
§4.12 提交容器的隐含要求
"提交 Docker 推理容器"这一要求，隐含了一组对参赛方案的工程约束：
- 推理必须自包含：模型权重、依赖库、预处理与后处理全打包，官方环境不提供额外支持；
- 不能依赖联网：评测环境通常断网，任何在线 API 或动态下载都会失败；
- 需在规定硬件上可行：A6000 64GB 显存是硬上限，模型与批大小必须适配；
- 推理需在合理时限内完成：全片 WSI 的处理不能慢到评测无法完成。
这些约束解释了为什么 Task 2 的有效提交较少（§4.2）：不是所有在本地跑通的方法都能顺利容器化并在受限环境中稳定运行。对参赛者而言，"能跑通"本身就是一道必过的工程关。
§4.13 小结：任务设计的三个关键词
KPIs 的任务设计可归纳为三个关键词——双粒度（patch + WSI）、双指标（DSC + F1）、封闭式（Docker 提交 + 隐藏测试集）。这三个词合起来，构成了它作为"基准"的骨架，也是本条目反复强调"协议比数据更持久"的根据。
§5 获取与许可：谁能拿到什么
§5.1 三条获取路径
| 内容 | 获取方式 | 公开性 |
|---|---|---|
| 训练数据（Task 1 + Task 2） | Synapse 项目页 syn54077668 下载 | 公开 |
| 验证数据 | Synapse 项目页下载（本地自评） | 公开 |
| 测试数据 | 由组织方封闭持有，参赛者提交 Docker 容器评测 | 不公开 |
| 挑战赛信息 / 排行榜 | 官网 sites.google.com/view/kpis2024 及 .../leaderboard |
公开 |
| 挑战设计文档 | Zenodo 10.5281/zenodo.10990461（PDF） | 公开（Open） |
下载入口（一手）：
- 官方挑战赛网站：
https://sites.google.com/view/kpis2024 - Synapse 项目页：
https://www.synapse.org/#!Synapse:syn54077668/wiki/626475 - 挑战设计文档 DOI：
https://doi.org/10.5281/zenodo.10990461
§5.2 许可与使用条款（遗留疑点）
这是本条目未能一手确认的一项。截至 2026-10-16，从沙箱出口区域访问 Synapse 项目页返回 GEO_RESTRICTION（区域封锁），依据为 NIH NOT-OD-25-083；而 arXiv 总结论文与 Zenodo 挑战设计文档均未声明数据的具体 license 类型。第三方汇总页（openmedlab）同样未记载许可条款。
因此本条目对许可的表述采取保守如实口径：数据托管于 Synapse（Sage Bionetworks），训练集与验证集公开、测试集不公开；具体许可条款以 Synapse 项目页的 Terms of Use 为准，使用前请务必自行核对。任何声称 KPIs 2024 采用"CC BY 4.0"或"CC BY-NC"的说法，在本条目抓取时点均缺乏一手依据，请勿采信二手转述。
这里也给读者一条实践建议：Synapse 平台上的数据集通常挂载各自的 Terms of Use（可能是 CC 系列，也可能是平台自定义的 Data Use Agreement，甚至要求注册/实名），同一平台不同项目条款并不一致。若你的工作涉及再分发或商业用途，务必在下载前登录 Synapse 阅读该项目的具体条款，而不是套用"Synapse 默认许可"这样的假设。
§5.3 引用与署名
若在研究中引用本数据集，应同时引用：
- 总结论文：Deng R, Yao T, et al. KPIs 2024 Challenge: Advancing Glomerular Segmentation from Patch- to Slide-Level. arXiv:2502.07288（DOI 10.48550/arXiv.2502.07288）；
- 挑战设计：Huo Y, Yang H, et al. Kidney Pathology Image Segmentation (KPIs) Challenge 2024: Structured description of the challenge design. Zenodo（DOI 10.5281/zenodo.10990461）。
§5.4 AI-Ready 光谱定位
KPIs 2024 在"AI-Ready 光谱"上处于中间偏公开的位置：训练/验证集直接可下，无需申请，这是它优于许多"仅按请求发放"数据集的地方；但测试集封闭、许可未明，又使它的全流程可复现性打了折扣。对做基准复现的研究者，建议以训练/验证集自建划分，并明确标注"非官方测试集"，以免与排行榜数字产生口径混淆。
§5.5 与库内其他数据集的获取方式对照
| 数据集 | 获取方式 | AI-Ready 程度 |
|---|---|---|
| KPIs 2024 | Synapse 公开（训练/验证）｜测试封闭 | 中高 |
| PANDA-PLUS | WSI 公开（Kaggle）｜掩码请求制｜Bench 公开直链 | 分层异构 |
| chronic-kidney-disease-uci (726) | UCI 公开直链 | 高（但为临床表格） |
对照可见，KPIs 的可得性介于"全公开"与"请求制"之间：它比请求制数据集好用（能直接下训练数据开跑），又比全公开数据集多了测试集封闭这道门槛。这个中间位置对做方法开发的人足够友好，对做端到端复现的人则有额外约束。
§6 坑点与常见误解
以下坑点按踩坑频率排序，每一条都可能导致引用错误或复现失败。
坑点 1：WSI 数量有三套口径（60+ / 58 / 45），且论文自身不自洽
arXiv 摘要与 Zenodo 挑战设计均写 “60+ Periodic Acid Schiff-stained whole slide images”；第三方元数据（openmedlab）写 58 张；而 arXiv 论文 Table 1 各子集汇总只有 45 张（训练 25 + 验证 8 + 测试 12）。三个数字都"来自权威源"，却互不相等，论文正文未作解释。正确做法：引用规模时写明出处——“摘要口径 60+”"Table 1 口径 45"“第三方元数据 58”，不要跨源混搭，更不要默认它们相等。
坑点 2：patch 总数口径冲突（10,428 vs 5,214 vs Table 1 汇总）
第三方元数据写共 10,428 个 patch（其 “Occurrences” 字段亦记 10,428，疑为按切片统计的肾小球出现次数与 patch 数混用）；部分中文教程写训练集裁切 5,214 个 patch；而论文 Table 1 三子集 patch 汇总为 4918+1643+2305=8866。三者不一致。正确做法：把 “10,428 patches” 视为第三方元数据口径并标注来源，涉及任务划分时以 Table 1 为准。
坑点 3：物种误读——这是小鼠数据，不是人类
KPIs 2024 的全部切片来自临床前啮齿动物（小鼠）模型。作者用"啮齿与人类肾脏病理形态相似"正当化这一选择，但形态相似不等于生理与病程等价。把在该数据集上训练的模型直接宣称为"可用于人类肾活检辅助诊断"，属于跨物种外推越界。正确做法：在方法描述中明确物种前提，把外部验证列为必要的后续工作。
坑点 4：分辨率跨组不一致（0.11 vs 0.24-0.25 µm/px）
Normal / 5,6Nx / DN 三组为 0.11 µm/px（40× 光学），NEP25 组为 0.24-0.25 µm/px（20× 光学）。若不做尺度归一就混合训练，模型可能把分辨率差异当作病灶特征学习。正确做法：训练前统一重采样到同一 µm/px，或按组分别归一化；评测时报告是否做了尺度对齐。
坑点 5：单一类别（只有肾小球）——别当多结构分割数据集用
本数据集只有"肾小球 vs 背景"二值标签，不含肾小管、间质、血管、炎症浸润等任何其他结构的分割注释。openmedlab 元数据明确 “Number of Categories = 1”。正确做法：若研究需要多结构肾脏组织分割，需另找数据集（可参考库内 compas-gi-histopathology 等病理分割条目），或自行补充标注。
坑点 6：测试集不公开——"复现排行榜"的表述要谨慎
测试集从不下发，官方成绩由组织方在封闭 Docker 环境中评出（RTX A6000 64GB，Ubuntu 20.04）。第三方若在训练/验证集上自评并得到接近排行榜的数字，不能称为"复现了官方成绩"。正确做法：明确标注评估所用划分与官方测试集的差异。
坑点 7：DSC 高分不等于任务简单解决
排行榜前 20 名 DSC 密集分布在 92–94.5 的窄带内（Task 1 冠军 94.51，第 10 名 92.70），看似"大家都做得很好"。但这是二值单类分割的典型饱和特征：前景占比高、边界相对规则时，Dice 容易被推高。真正拉开差距的是 F1（检测）——Task 2b 冠军 91.33 与第 10 名 74.30 之间差了 17 个百分点。正确做法：评估肾小球分割能力时，DSC 与 F1 必须并看，不能只看 Dice。
坑点 8：Zenodo 挑战设计 ≠ 最终结果论文，两者别互相引用数字
Zenodo 文档（2024-04-18）是办赛前的设计说明，其中的任务定义、时间线是"计划值"；arXiv 论文（2025-02-11）才是事后总结，含最终排行榜与实测划分。用 Zenodo 的时间线去质疑 arXiv 的排名，或用 arXiv 的结果去回溯 Zenodo 的设定，都会张冠李戴。正确做法：设计细节引 Zenodo，结果与划分引 arXiv，并标注各自版本日期。
§6.1 DAIMS 评估表
DAIMS（Data and AI Model Sheet 风格的多维评估）对齐：
| 维度 | 评分 | 说明 |
|---|---|---|
| 数据可得性（Availability） | ★★★☆☆ | 训练/验证集 Synapse 公开可下；测试集封闭；许可条款未一手确认 |
| 可复现性（Reproducibility） | ★★★☆☆ | 官方 Docker 评测环境与任务协议公开；测试集不公开限制了端到端复现 |
| 标注质量（Annotation Quality） | ★★★★☆ | 3 位经验病理学家 + QuPath 标准流程；二值前景任务明确；无观察者间一致性报告可扣分 |
| 规模（Scale） | ★★★★☆ | 10,000+ 肾小球、数千 patch、四疾病模型，肾脏病理分割领域属领先规模 |
| 模态丰富度（Modality） | ★★☆☆☆ | 单一 PAS 染色、单一二值类别，模态维度窄 |
| 临床相关性（Clinical Relevance） | ★★★☆☆ | 任务直指 CKD 病理量化，但全部为小鼠模型，人类外推需外部验证 |
| 基准完备性（Benchmark Completeness） | ★★★★☆ | 两任务、两指标（DSC/F1）、双粒度，协议清晰且已产生排行榜 |
| 文档与元数据（Documentation） | ★★★☆☆ | 论文与挑战设计齐备，但规模数字多口径不自洽，需人工辨析 |
§6.2 坑点速查口诀
为便于记忆，八个坑点可压缩为三句话：数字不唯一（坑 1、2）、物种要限定（坑 3、7）、文档分事前事后（坑 4、5、6、8）。凡涉及 KPIs 的引用，先把这三句过一遍，能拦下绝大多数错误。
§7 排行榜与最佳方法
§7.1 Task 1（Patch 级分割）Top 10 · 指标 DSC（Mean±SD）
| 排名 | 团队 | DSC |
|---|---|---|
| 1 | Capybara | 94.51±6.71 |
| 2 | agaldran | 94.28±5.81 |
| 3 | Aira Matrix | 94.28±5.89 |
| 4 | mafi95 | 94.16±6.86 |
| 5 | Deep Bio | 93.64±6.00 |
| 6 | Birmingham Vanguard AI Lab | 93.62±4.52 |
| 7 | p53 | 93.23±7.65 |
| 8 | Bio-Totem | 93.08±7.24 |
| 9 | CVAILAB | 92.79±8.28 |
| 10 | NJUST Vision Group | 92.70±7.73 |
前 10 名挤在 92.70–94.51 的 1.8 个百分点窄带内，标准差普遍在 5–8 区间——说明不同切片/patch 间难度波动大，均值差距远小于组内波动（坑点 7）。换句话说，第 1 名与第 10 名的"真实差距"，很可能小于同一支队伍在不同 patch 上的成绩波动。这也提醒做复现的人：单次实验的成绩差异不足以支撑"方法 A 优于方法 B"的结论，需要用统计检验而非均值排名。
§7.2 Task 2a（WSI 级分割）Top 10 · DSC 与 F1 等权
| 综合排名 | 团队 | DSC | F1 | DSC 排名 | F1 排名 |
|---|---|---|---|---|---|
| 1 | Capybara | 94.64±0.89 | 88.63±5.80 | 1 | 4 |
| 2 | Zhijian Life | 93.36±1.99 | 89.99±4.31 | 4 | 3 |
| 2 | Deep Bio | 94.48±1.28 | 87.96±6.08 | 2 | 5 |
| 4 | salt_fish | 89.81±2.18 | 91.33±3.84 | 8 | 1 |
| 5 | CVAILAB | 89.37±3.45 | 90.88±4.35 | 9 | 2 |
| 5 | p53 | 92.74±1.62 | 86.81±5.42 | 5 | 6 |
| 7 | BozekLab | 91.35±3.05 | 86.48±7.96 | 6 | 7 |
| 7 | mafi95 | 93.68±1.14 | 74.30±17.18 | 3 | 10 |
| 9 | TeamTiger | 89.83±5.26 | 84.96±7.81 | 7 | 9 |
| 10 | XJTU | 84.47±5.90 | 85.84±7.14 | 10 | 8 |
§7.3 Task 2b（WSI 级检测）Top 10 · 仅 F1
| 排名 | 团队 | F1 |
|---|---|---|
| 1 | salt_fish | 91.33±3.84 |
| 2 | CVAILAB | 90.88±4.35 |
| 3 | Zhijian Life | 89.99±4.31 |
| 4 | Capybara | 88.63±5.80 |
| 5 | Deep Bio | 87.96±6.08 |
| 6 | p53 | 86.81±5.42 |
| 7 | BozekLab | 86.48±7.96 |
| 8 | XJTU | 85.84±7.14 |
| 9 | TeamTiger | 84.96±7.81 |
| 10 | mafi95 | 74.30±17.18 |
§7.4 排行解读：DSC 与 F1 的错位
三张表交叉看，最有信息量的现象是分割与检测的能力错位：
- Capybara：Task 1 冠军（DSC 94.51），Task 2a 综合第一（DSC 94.64），但 Task 2b 检测只排第 4（F1 88.63）——勾得准，但检出不是最强；
- salt_fish：Task 2b 检测冠军（F1 91.33），但 Task 2a 的 DSC 只排第 8（89.81）——找得全，但边界勾画偏弱；
- mafi95：Task 2a 的 DSC 高居第 3（93.68），F1 却垫底第 10（74.30，标准差高达 ±17.18）——典型的"分割好、检测差"且极不稳定；
- Zhijian Life：唯一在 Task 2a 与检测上都稳定进前三的队伍（DSC 93.36 第 4 / F1 89.99 第 3），综合排名与 Deep Bio 并列第 2——均衡型的代表。
这份错位表本身就是挑战赛的价值所在：它用一套双指标协议证明，"肾小球分割做得好"与"肾小球检测做得好"是两种可分离的能力，任何只报告单一指标的评测都不足以刻画模型的真实水平。对算法开发者，这张表还给出一个直接的工程启示：若目标应用是"全片计数/检出"，应优先优化 F1 型能力（如 salt_fish 的检测路由），而不是追逐 DSC 榜首。
另一条值得记录的观察是标准差的方向性：分割（DSC）的标准差普遍小于检测（F1）的标准差，说明检测能力对切片难度更敏感——某些切片肾小球密集或染色不均时，漏检会成片出现，直接拉低 F1 并放大方差。
§7.5 Top 方法技术谱系
| 团队 | 代表方法 | 关键配置 |
|---|---|---|
| Capybara（Task 1 & 2a 冠军） | SegFormer-B5 × 3 折集成 + Stitching | crop 768×768，stride 576，softmax 归一化 |
| agaldran（Task 1 第 2） | FPN 编码器 + MiT / Mix Vision Transformer 解码器 | 1024×1024，五折交叉验证 + TTA |
| Aira Matrix（Task 1 第 3） | SegNeXt 集成 | 512×512 与 1024×1024 双模型，ConvNeXt-Tiny 骨干，熵正则化损失 |
| Zhijian Life（Task 2 综合第 2） | OTSU 阈值 + ResNet101 & Swin Transformer + UPerNet | 边缘 patch 直接粘贴、中心 patch 裁剪粘贴 |
| Deep Bio（Task 2 综合第 2） | ResNet50 + ViT-B/16 编码器 + SETR 解码器 | 4 seeds 集成，MixUp / CutMix |
| salt_fish（Task 2b 检测冠军） | SAM（ViT-H）+ LoRA 微调 | 512×512，4 seeds 集成 |
| CVAILAB（Task 2 双榜前 5） | nnU-Net + U-Net++ / U-Net3+ | 自适应裁剪 + 边缘移除 |
技术谱系上可见两条主线：Transformer 化的分割骨干（SegFormer、MiT、Swin、ViT）与集成 + TTA 的稳健化策略。值得注意的是，检测冠军 salt_fish 用的是 SAM（Segment Anything Model）微调而非纯分割网络——大基础模型在检测任务上的迁移价值在此获得了实证：SAM 的通用分割先验配合 LoRA 轻量微调，在"找全肾小球"上的表现反超了专门设计的检测管线。另外，几乎所有高分队伍都用了多折/多种子集成，单模型成绩在榜单上并不占优，这既说明集成是当前医学分割竞赛的"标配"，也提示榜单排名的部分差距来自工程堆叠而非架构创新。
§7.6 方法学小结
把 §7.5 的谱系抽象一层，可以得到三条可迁移的经验：其一，**混合架构（CNN 编码 + Transformer 解码，或反之）**成为肾小球分割的主流，纯 CNN 已不占优；其二，**尺度自适应（多尺度输入、图像金字塔读取）**是应对 0.11 vs 0.24 µm/px 分辨率差异的关键手段；其三，边界拼接策略是 WSI 级任务与 patch 级任务的分水岭方法，边缘 patch 的粘贴/裁剪方式直接决定 DSC 与 F1 的平衡。
§7.7 逐队方法复盘
把七支代表队伍的方法并列看，可以勾勒出 2024 年肾小球分割的技术水位：
- Capybara：以 SegFormer-B5 为骨干做 3 折集成，配合 crop 768/stride 576 的滑窗推理与 softmax 归一化拼接。它的优势在于集成 + 精细滑窗让分割边界稳定，因而同时拿下 Task 1 与 Task 2a 的 DSC 榜首；但滑窗路由不以"找全"为优化目标，导致检测排名仅第 4。
- agaldran：FPN 编码器 + MiT/Mix Vision Transformer 解码器，1024 输入 + 五折 + TTA。这是"经典检测式编码器 + Transformer 解码器"的混合范式，在 patch 级拿到并列第二。
- Aira Matrix：SegNeXt 双尺度集成（512 与 1024）+ ConvNeXt-Tiny 骨干 + 熵正则化损失。双尺度是应对分辨率差异的直接手段，熵正则可抑制边界不确定区的错误。
- Zhijian Life：先用 OTSU 阈值做粗分割定位，再用 ResNet101 & Swin + UPerNet 精修，边缘 patch 直接粘贴、中心 patch 裁剪粘贴。这套"阈值路由 + 深度精修 + 边界特化拼接"的组合，是均衡型的典范——DSC 与 F1 双进前三。
- Deep Bio：ResNet50 + ViT-B/16 编码器 + SETR 解码器，4 seeds 集成 + MixUp/CutMix。典型的"CNN + ViT 混合编码 + 强数据增强"，DSC 表现强（第 2），F1 中等（第 5）。
- salt_fish：SAM（ViT-H）+ LoRA 微调，512 输入、4 seeds 集成。这是榜单上唯一以通用分割基础模型为核心的方法，且它拿下检测冠军，说明 SAM 的通用分割先验在"找全肾小球"上泛化良好。
- CVAILAB：nnU-Net + U-Net++/U-Net3+ 的自适应裁剪组合，边缘移除策略。作为医学分割的"自动配置基线"范式，nnU-Net 系在此仍稳居前五，说明经典强基线在肾脏病理上并未过时。
§7.8 成绩的"天花板"在哪
如果只看均值，Task 1 冠军 94.51、Task 2a 冠军 DSC 94.64，似乎肾小球分割已接近解决。但把标准差纳入考量，画面完全不同：Task 1 前十名的标准差普遍在 4.5–8.3，意味着对某些困难切片，即使是冠军模型也可能掉到 85 以下。这些困难切片大概率集中在病变严重、染色不均或肾小球密集粘连的区域——也就是临床上最需要模型可靠的地方。
因此 KPIs 真正的"未解决问题"不是把均值再抬高 1 个点，而是把尾部难度降下来：让模型在最难的切片上也不崩。这也是为什么 F1（检测）的 17 个百分点分差比 DSC 的 1.8 个百分点分差更值得关注——它暴露的正是尾部失败。
§7.9 对后续参赛/复现者的建议
若打算在 KPIs 上做实验，三条建议：
- 先对齐口径再比数：确认你用训练/验证划分与官方 Table 1 一致，否则与榜单数字不可比；
- 双指标并报：只报 DSC 的评测在 KPIs 语境下是不完整的，务必同时报告 F1（检测）；
- 关注组间均衡：由于 patch 在四模型组间不均衡（§3.6），报告成绩时最好分模型组列出，而非只报总体均值——否则一个在 Normal 组刷高的模型可能掩盖其在 DN 组的崩溃。
§7.10 与其他 MICCAI 分割挑战赛的量级对照
把 KPIs 放在 MICCAI 挑战赛谱系里，它的"有效提交数"（Task 1 24 份 / Task 2 15 份）属于中等偏热的水平。这个数字侧面反映了肾脏病理分割的社区规模：它不像脑肿瘤、眼底那样有上百支队伍的拥挤赛道，但也远非冷门——24 份提交说明有足够数量的团队愿意投入。对领域新人而言，这是一个"竞争存在但未饱和"的窗口，既有参照的基线（前 10 名成绩公开），又未到"随便做做也进不了榜"的程度。
§5.6 下载与本地验证的实操清单
为了让读者少走弯路，把"从零到跑通"的关键步骤列成清单：
- 注册 Synapse 账号：Synapse 通常要求实名/机构注册才能下载部分数据，先完成账号与项目权限申请；
- 阅读项目 Terms of Use：在下载按钮旁的项目说明里逐条阅读，确认研究用途、再分发限制（这是本条目反复强调的合规第一步）；
- 下载训练与验证数据：按 Task1_patch_level 与 Task2_WSI_level 两棵子树分别下载；
- 准备读取环境：安装支持金字塔 TIFF 的库（OpenSlide / pyvips / tiffslide），准备足够的磁盘空间；
- 核对划分：用 Table 1 的 WSI/patch 数核对你下载到的文件数量，若数量对不上，先排查是否漏下某个模型组的子目录；
- 建立本地验证集：由于官方测试集不可用，建议从训练集中按模型组分层的原则切出一份自建验证集，并固定随机种子；
- 跑通基线：可先用 nnU-Net 或 SegFormer 这类成熟框架在 patch 级任务上跑一个基线，确认数据管线无误，再投入创新方法。
§5.7 关于"许可未确认"的补充说明
读者可能会问：既然 Synapse 是知名平台，为什么不能直接假定其许可？原因是 Synapse 上每个项目的条款由项目方自行设定，同一平台上既有 CC 系列开放许可的数据，也有要求签署 Data Use Agreement、限制商业用途、甚至限制再分发的项目。因此"Synapse 托管"只说明托管方式，不能推断许可内容。本条目在无法一手核实的情况下，选择如实标注"以项目页为准"，而非替读者假定一个可能错误的许可——这是数据条目应有的严谨，也是本条目对读者的负责。
§6.3 再谈"数字口径"为何如此混乱
三个 WSI 数（60+/58/45）与三套 patch 数（10,428/5,214/8866）的并存，根源可能有三：
- 口径层不同：摘要写的是"总计（含未细分统计的切片）“，Table 1 写的是"正式纳入划分的切片”，两者天然不等；
- 统计时点不同：第三方元数据可能抓取自早期版本或按不同规则计数，与最终论文不一致；
- 字段语义混用：第三方元数据的 “Occurrences = 10,428” 可能统计的是"肾小球出现次数"而非"patch 数"，被后人误读为 patch 总数。
无论成因为何，对使用者的教训是一致的：面对多口径，最安全的做法是标注来源、不强行调和。本条目正是在这一原则下处理所有规模数字。
§7.11 排行榜的统计解读方法
读者若想从三张排行榜中提炼可迁移的结论，建议按以下步骤做统计解读，而不是简单看名次：
- 看分布而非看名次。同一任务的成绩分布是否密集？若前十名挤在 2 个百分点内，则"名次"的区分度很低，应关注"整体水位"而非"谁是第一"；
- 看标准差与均值的关系。当标准差远大于组间均值差时（Task 1 即如此），说明"不同切片的难度差异"远大于"不同方法的能力差异"，此时更该关注"谁在困难切片上更稳"；
- 看跨任务一致性。同一支队伍在 Task 1 / 2a / 2b 上的相对位置是否稳定？稳定者（如 Zhijian Life）代表"均衡能力"，波动大者（如 mafi95）代表"偏科"；
- 看方法-成绩的对应。把方法类型（CNN/Transformer/基础模型）与成绩交叉，判断"哪类方法在此任务上有系统优势"——本例中 SAM 在检测上有优势、SegFormer 系在分割上有优势。
这套解读法不仅适用于 KPIs，也适用于任何医学影像挑战赛的排行榜——榜单的用法是"读结构"，不是"背名次"。
§7.12 未上榜方法的启示
排行榜只记录前 10 名，但有效提交有 24/15 份之多，意味着还有一批得分未公布的方法。这批"沉默的大多数"同样有信息量：它们可能用了更简单的方法（单模型、无集成、无 TTA），得分略低但工程成本更低。对资源有限的团队，与其追逐排行榜顶端那 1-2 个点的提升（往往靠大规模集成堆出来），不如先跑通一个稳定基线——从"未上榜"到"前 10"的差距，通常小于"前 10"到"第一"的差距，性价比更高。
§7.13 一个可操作的基线建议
综合排行榜的技术谱系（§7.5），给出一份"性价比基线"建议：
- 骨干：SegFormer-B2/B5 或 nnU-Net（前者轻、后者自动配置），先用单模型跑通；
- 输入：patch 级用 512 或 768 crop，留足边界上下文；
- 增强：颜色抖动 + 几何变换（应对 PAS 染色差异与形态变异），可选 TTA 提分；
- 后处理：实例级形态学过滤（去小碎块）+ WSI 级拼接边缘处理；
- 评测：同时报告 DSC 与 F1，分模型组列出。
按此配置，大概率能进入榜单中上游，而无需复刻冠军级的多折多模型集成。这一建议的依据是：榜单上多数高分方法的共同点是"稳定的分割骨干 + 集成/TTA"，而非某个神秘架构——基础做扎实，收益往往大于追逐新奇结构。
§5.8 数据获取的常见失败模式
在 Synapse 类平台上获取医学数据，失败往往不是"点不动下载按钮"，而是以下几种：
- 权限未申请：部分 Synapse 项目要求先申请访问权限，未获批时看不到下载按钮；
- 区域限制：正如本条目抓取时点遭遇的 GEO_RESTRICTION，某些区域的访问可能被平台或政策阻断（本次对应 NIH 的相关公告）；
- 账号未实名：Synapse 通常要求注册并与机构关联，匿名下载常不可行；
- 存储不足：本地磁盘/内存不足以处理 gigapixel WSI，下载成功却读不动；
- 条款未读：跳过 Terms of Use 直接使用，埋下合规隐患。
面对这些失败模式，正确的应对是先读项目页说明、再规划本地资源、最后下载——把顺序反过来（先下后想）最容易卡在权限或存储上。
§5.9 关于"训练/验证/测试"三分法的通用提醒
KPIs 的测试集封闭，训练与验证集公开。使用时要注意一个通用陷阱：不要用验证集反复调参直到"刷高"。验证集本用于模型选择，若在其上做大量超参搜索，它就会"泄漏"成事实上的测试集，导致你对模型真实泛化能力的估计偏乐观。官方既然不提供测试集，你就更应保护好自建验证集的"干净性"——这也是挑战赛场景下常见的自我纪律要求。
§6.4 坑点的优先级排序（使用前必读）
若把八个坑点按"危害程度 × 发生概率"排个优先级，前三名是：
| 优先级 | 坑点 | 理由 |
|---|---|---|
| 高 | 坑点 3（物种误读） | 一旦越界，结论整体不成立，且不易被审稿人发现 |
| 高 | 坑点 7（DSC 高分误读） | 掩盖真实能力分化，导致选型错误 |
| 中高 | 坑点 1、2（数字口径） | 引用错误频发，但危害限于表述 |
| 中 | 坑点 4（分辨率） | 影响复现，但可通过工程手段规避 |
| 中低 | 坑点 5、6、8 | 影响特定用途，非普遍 |
把"物种误读"与"DSC 误读"列为最高优先级，是因为它们直接影响研究结论的正确性，而不仅是表述的准确性。数字口径错误丢的是"严谨分"，物种误读丢的是"正确性"——两者性质不同。
§6.5 坑点与使用阶段的对应对照
为便于在实际工作中定位，把坑点按"使用阶段"归类：
- 下载前：坑点 6（测试集不公开，别白等）、§5.2（许可未确认）；
- 引用数据时：坑点 1、2（数字口径）、坑点 8（文档事前事后）；
- 建模时：坑点 3（物种）、坑点 4（分辨率）、坑点 5（类别）；
- 评测时：坑点 7（DSC/F1 并看）、坑点 6（复现表述）。
按阶段查坑，比按编号记坑更贴合实际工作流——你在哪个阶段，就查哪个阶段的坑。
§7.14 排行榜数字的复现难度提示
对照排行榜成绩时需注意：冠军级数字（如 Capybara 的 DSC 94.51）是多折集成 + 精细滑窗推理的产物，单卡、单模型的复现者很难直接达到同一水位。这不是"方法不可复现"，而是"配置不完全等价"。诚实的做法是：在论文中报告你实际使用的配置（单模型/无集成等），并说明与榜单数字的口径差异——可比的是方法趋势，不可比的是绝对数值。这一点与本条目反复强调的"写清口径"一脉相承。
§8 生态位与学术意义
§8.1 在肾脏计算病理学中的位置
肾脏病理的数字化与计算化长期落后于肿瘤病理。原因不难理解：肿瘤病理有 TCGA、PANDA 这类万张级公开 WSI 集合，而肾脏病理的公开数据集多以正常样本为主、规模有限。KPIs 2024 的三点贡献正是针对这一落差：
- 首个专攻：据作者称是 MICCAI 社区首个专门分割肾脏功能单元（肾小球）的挑战赛，此前肾小球分割多作为其他任务的附带环节出现；
- 多模型覆盖：四种 CKD 模型（Normal / 5,6Nx / DN / NEP25）横跨手术诱导、代谢性与免疫毒素诱导三类机制，比"只有正常肾"的数据集更接近真实病变谱；
- 双粒度协议：patch 级与 WSI 级并行，把"局部精度"与"全片工程"解耦评测。
这三点中，"多模型覆盖"对本领域的方法论意义最大。既有肾脏病理数据集常因取材限制而集中在正常或单一病变，导致模型在"跨疾病泛化"上的能力无从检验。KPIs 用四种机制不同的肾病模型构建了一个天然的域偏移测试床：模型能否同时在硬化型（5/6Nx）、代谢型（DN）与足细胞损伤型（NEP25）组织上都保持稳定，直接检验其鲁棒性。这也是它区别于"又一个肾小球分割数据集"的核心。
§8.2 与其他肾/病理数据集的对照
| 数据集 | 物种 | 规模特征 | 任务 | 与 KPIs 的关系 |
|---|---|---|---|---|
| KPIs 2024 | 小鼠 | 10,000+ 肾小球 / 60+ WSI | 肾小球分割（patch + WSI） | 本体 |
| PANDA（前列腺） | 人类 | 万余张穿刺 WSI | Gleason 分级 | 同为病理 WSI，但器官/任务不同，规模更大 |
| PANDA-PLUS | 人类 | 546 WSI 像素级重标注 | 腺体像素级分级 | 库内互链，同为"病理 WSI 像素级标注"方法学姊妹 |
| compas-gi-histopathology (988) | 人类 | 胃肠道病理分割 | 组织分割 | 库内互链，病理分割域同族 |
| chronic-kidney-disease-uci (726) | 人类 | 临床表格 | CKD 预测 | 主题相关（同病）、模态完全不同 |
对照可见，KPIs 处于一个规模中等、模态单一但任务协议最完整的生态位：它不像 PANDA 那样以量取胜，而是以"多疾病模型 + 双任务指标"取胜。如果说 PANDA 代表的是"用规模堆出临床价值"的路线，KPIs 代表的则是"用可控的动物模型换取变量受控的基准"的路线——两条路线互补，而非竞争。
§8.3 学术影响与后续
挑战赛总结论文（arXiv:2502.07288）已投稿 Medical Image Analysis，说明其被定位为方法学综述型成果而非单纯的竞赛通告。挑战赛产生的公开排行榜与 Docker 评测协议，为后续肾小球分割工作提供了可直接对标的基线。对做肾脏病理 AI 的团队，KPIs 的价值有两层：其一是可直接训练/评测的数据，其二（也许更重要）是它示范了如何设计一个跨疾病模型的分割基准——包括任务切分、指标选择与封闭评测的完整流程。
从更长时间尺度看，KPIs 可能在两个方向留下影响。方法层面，它把"肾小球分割"从各实验室各自为战的内部评测，推向公开可比的统一排行榜，后续工作可直接引用其数字作为强基线。生态层面，它把范德堡大学在肾脏数字病理上的标注流水线、Docker 评测基础设施与多模型样本公开化，降低了其他团队进入该领域的门槛——这正是公开挑战赛最不可替代的溢出效应。
§8.4 谁应该用它
- 适合：肾小球分割算法开发与对标；跨疾病模型的鲁棒性研究；patch 拼接/边缘效应方法研究；分割与检测能力解耦的评测方法研究。
- 不适合：需要人类肾脏病理数据的研究（物种不匹配）；需要多结构肾脏组织分割的研究（类别单一）；需要临床表格/结局数据的研究（本数据集无临床变量）。
§8.5 与基础模型时代的衔接
值得单独一提的是，Task 2b 检测冠军 salt_fish 用 SAM + LoRA 微调取得，这为 KPIs 在"基础模型时代"的定位提供了一个注脚：病理基础模型（如库内 PANDA-PLUS 评测的 Virchow、UNI、Phikon 等）与通用分割基础模型（SAM）正在改变挑战赛的方法面貌。KPIs 这样一份任务协议清晰、测试集封闭的基准，恰好是检验这些大模型"在肾脏病理上到底学到了什么"的理想试验台——它既能测通用分割先验的迁移力（SAM），也能测病理专有特征的判别力。
§9 局限与风险
§9.1 数据集自身的局限（作者已声明或可从设计推得）
- 物种外推：全部为小鼠模型。作者以啮齿与人类肾脏病理的形态相似性作为正当化依据，但形态相似不覆盖病程、免疫微环境、药物反应等维度，人类临床迁移需独立验证。
- 模态单一：仅 PAS 一种染色。真实肾脏病理评估常需结合 H&E、PAS、PAM、Masson 等多染色交叉判读，KPIs 只提供 PAS 通道。
- 类别单一：仅肾小球二值前景，不含肾小管、间质、血管、炎症细胞等——限制了多结构联合分析的可行性。
- 测试集封闭：第三方无法在官方测试集上复现成绩，只能自建划分，导致"排行榜可比性"在学术复现中难以严格保持。
- 规模口径不自洽：60+/58/45 三套 WSI 数、10,428/5,214/8866 多套 patch 数并存，元数据一致性欠佳，给引用者设下陷阱。
- 缺乏观察者间一致性报告：条目未检索到针对肾小球边界标注的 IAA（inter-annotator agreement）量化，二值前景虽降低歧义，但边界判读的主观性仍未量化，这会影响"金标准"的可信度上限。
§9.2 围绕该数据集的常见误用
- 把 DSC 高分当作"问题已解决"：二值单类分割容易饱和，DSC 92–94 的窄带分布掩盖了 F1 的巨大分化（坑点 7）。
- 忽略分辨率跨组差异做混合训练：0.11 与 0.24-0.25 µm/px 混训可能引入尺度伪相关（坑点 4）。
- 把 KPIs 当作人类肾病理通用基准：跨物种结论需附明确限定（坑点 3）。
- 跨源混搭规模数字：用"60+ WSI"搭配"10,428 patch"却不标注各自出处，会得出不自洽的表述（坑点 1、2）。
§9.3 引用时的最小合规清单
- 引用 arXiv:2502.07288 与 Zenodo 10.5281/zenodo.10990461 两个来源；
- 写明规模口径出自哪一处（摘要 / Table 1 / 第三方元数据）；
- 写明物种前提（小鼠）；
- 若使用了许可受限内容，先自行核对 Synapse 项目页的最新 Terms of Use；
- 报告评估划分（自建 vs 官方），避免"复现排行榜"的越界表述。
§9.4 风险等级评估
| 风险 | 触发条件 | 后果 | 缓解 |
|---|---|---|---|
| 跨物种外推 | 直接宣称人类临床可用 | 结论不可移植 | 明确物种前提 + 外部验证 |
| 尺度混淆 | 混合分辨率训练/评测 | 性能虚高或虚低 | 统一 µm/px 重采样 |
| 引用口径错误 | 跨源混搭数字 | 事实性错误 | 逐数字标注出处 |
| 许可误用 | 未核 Terms of Use 即再分发 | 合规风险 | 下载前登录 Synapse 核对 |
§10 互链点与延伸阅读
§10.1 库内建议互链点（rid 一律占位 /0，由主会话入库后回填）
| 目标条目 | rid | 互链理由 |
|---|---|---|
| PANDA-PLUS | 待回填 | 同为「病理 WSI 像素级标注/分割」方法学姊妹条目，可对照标注流水线与许可分层 |
| compas-gi-histopathology | 988 | 同属病理图像分割域（胃肠道），可对照器官与任务差异 |
| chronic-kidney-disease-uci | 726 | 同一疾病域（CKD）但模态不同（临床表格 vs 病理图像），互链时须写明"同病不同模态、勿合并"（R012 纪律：说明文字只写正文） |
消歧提示（正文留存）：chronic-kidney-disease-uci（726）与本条目共享「慢性肾病」主题，但前者是人类临床表格数据、后者是小鼠病理全切片图像，二者不是同一数据集的别名或版本，禁止合并。同理，PANDA-PLUS 虽同为病理像素级分割，但器官（前列腺 vs 肾脏）与物种（人类 vs 小鼠）均不同，属方法学互参而非同物。
§10.2 一手来源清单
- Deng R, Yao T, Guo J, … Huo Y. KPIs 2024 Challenge: Advancing Glomerular Segmentation from Patch- to Slide-Level. arXiv:2502.07288（v1 2025-02-11）—
https://arxiv.org/abs/2502.07288 - Huo Y, Yang H, Yin M, … Landman BA. Kidney Pathology Image Segmentation (KPIs) Challenge 2024: Structured description of the challenge design. Zenodo（2024-04-18）—
https://doi.org/10.5281/zenodo.10990461 - 官方挑战赛网站与排行榜 —
https://sites.google.com/view/kpis2024、https://sites.google.com/view/kpis2024/leaderboard - Synapse 数据托管项目页 —
https://www.synapse.org/#!Synapse:syn54077668/wiki/626475 - openmedlab Awesome-Medical-Dataset KPIs 元数据（第三方汇总）—
https://github.com/openmedlab/Awesome-Medical-Dataset/blob/main/resources/KPIs.md
§10.3 术语速查表
| 术语 | 全称 | 中文 |
|---|---|---|
| KPIs | Kidney Pathology Image Segmentation | 肾脏病理图像分割 |
| CKD | Chronic Kidney Disease | 慢性肾病 |
| WSI | Whole Slide Image | 全切片图像 |
| PAS | Periodic Acid Schiff | 过碘酸雪夫（染色） |
| DSC | Dice Similarity Coefficient | Dice 相似系数 |
| F1 | F1-score | F1 分数 |
| IAA | Inter-Annotator Agreement | 标注者间一致性 |
| TTA | Test-Time Augmentation | 测试时增强 |
| LoRA | Low-Rank Adaptation | 低秩适配 |
| 5/6Nx | 5/6 Nephrectomy | 5/6 肾切除 |
| DN | Diabetic Nephropathy | 糖尿病肾病 |
§10.4 一句话总结
KPIs 2024 用小鼠肾脏做了一件肾脏病理 AI 一直缺的事——把"肾小球分割"从零散任务做成有任务协议、有双指标、有排行榜的公开基准；它的数据规模不是同类最大，口径也不算最干净，但它用四种 CKD 模型和「patch + WSI」双粒度设计，确立了此后肾小球分割工作可以对标的起点。使用它的第一纪律是：先分清你引用的是哪一套数字、哪一套指标、哪一个物种前提。
§10.5 延伸阅读建议
- 想复现方法：优先读 arXiv:2502.07288 的 Task 1/2 方法与排行榜章节，再对照各队方法简述；
- 想理解设计动机：读 Zenodo 挑战设计文档的任务定义与数据说明部分（事前文档）；
- 想找同类数据集：检索库内 PANDA-PLUS、compas-gi-histopathology 及其他 MICCAI 挑战赛分割条目；
- 想评估基础模型：参考库内 PANDA-PLUS 的病理基础模型鲁棒性评测框架，迁移到肾小球场景。
§8.6 对"数据基建"的方法论贡献
KPIs 的长期价值，也许不在其数据规模（数十张切片在病理数据集里不算大），而在它示范了如何为一个小样本领域搭起可比较的评测基建。肾脏病理的特点决定了它很难像肿瘤病理那样获得万张级的公开切片，但这不意味着不能做严谨的基准。KPIs 给出的解法是：
- 用可控的动物模型替代稀缺的人类样本，把"规模不足"转化为"变量受控"的优势；
- 用多疾病模型制造域多样性，弥补单模态、单器官的局限；
- 用双粒度双指标的协议，把"分割准"与"检测全"两种能力分开评测；
- 用封闭 Docker 评测，在小样本下仍保证测试集不可见。
这四条合起来，是一套"小领域也能做大基准"的可复制方法论。对其他样本稀缺的医学细分领域（如某些罕见病、特定器官病理），KPIs 的做法具有直接的借鉴意义。
§8.7 与库内条目的协同使用场景
从"千方病案医数集"的读者视角，KPIs 可以与库内几条路径协同：
- 若研究病理 WSI 的像素级标注方法：对照 PANDA-PLUS（人类前列腺）与 KPIs（小鼠肾脏），比较不同物种、不同器官在标注流程上的取舍；
- 若研究病理分割算法：以 KPIs 为肾脏域基准、compas-gi-histopathology(988) 为胃肠道域基准，做跨器官的分割方法迁移研究；
- 若研究CKD 的影像组学特征：以 KPIs 提供肾小球形态学特征，与 chronic-kidney-disease-uci(726) 的临床指标做关联分析（注意物种与模态的鸿沟，结论需极度审慎）。
§8.8 该数据集"不可替代"的部分
最后凝练一句话：KPIs 不可替代的地方，是它同时提供了多疾病模型的组织形态多样性、专家级二值分割金标准、以及一个已产生公开排行榜的评测协议。市面上可能有更大的肾脏图像集，也可能有更细的多结构标注，但"规模 + 专家标注 + 可比榜单"三者兼具的，目前 KPIs 是首选。这条护城河，也正是它在未来几年内难以被简单替代的原因。
§9.5 局限的正面价值
需要提醒的是，本条列出的局限并非否定该数据集，而是提醒使用者"知道自己在用什么"。一个诚实地暴露自身边界的数据集，往往比一个宣称无所不能的数据集更有价值：KPIs 明确是小鼠、单染色、单类别、测试集封闭，这些限定反而让研究者的结论更容易被正确解读。真正危险的不是"数据集有局限"，而是"使用者不知道局限"。
§9.6 许可证相关的最坏情形预案
由于许可条款未能一手确认，最保守的使用姿势是：先按"仅训练/验证集、仅研究用途"的前提使用，在下载前务必登录 Synapse 阅读该项目的 Terms of Use。若你的下游任务涉及再分发、商业应用或对外服务，在未核实条款前不应假定其允许。这一保守姿态的成本很低（多花几分钟读条款），而一旦越界，代价可能是合规风险——在一份公开数据集上"想当然"，是研究者最容易犯也最不该犯的错误之一。
§10.6 结语：给三类读者的一句话
- 做算法的人：把 KPIs 当作肾脏域的公开擂台，用双指标（DSC + F1）报告，别只盯着均值忽略尾部。
- 做数据/标注的人：读它的任务协议与封闭评测设计，这是一份"小样本领域如何搭基准"的现成范本。
- 做临床应用的人：把它当作方法学参考而非临床工具——小鼠数据、单染色、无临床变量，跨物种与跨模态的鸿沟需要额外研究来桥接。
§9.7 与 PANDA-PLUS 的局限对照
同为病理像素级标注数据集，KPIs 与 PANDA-PLUS 的局限呈现互补形态：
| 局限维度 | KPIs 2024 | PANDA-PLUS |
|---|---|---|
| 物种 | 小鼠（跨物种外推风险） | 人类（无此问题） |
| 器官 | 肾脏（单一） | 前列腺（单一） |
| 类别 | 单类二值 | 五类（Benign/GP3-5/Ignore） |
| 测试集 | 封闭 | Bench 公开直链 |
| 许可清晰度 | 未一手确认 | 三层异构但明确 |
| 标注流水线 | 专家直标（未详述） | 三层级 + 专家终审（详述） |
| 规模 | 10,000+ 肾小球 | 546 WSI 像素级 |
这张表说明一个道理：没有哪个病理数据集是全能的。KPIs 胜在多疾病模型与公开擂台，PANDA-PLUS 胜在人类数据、类别丰富与许可明确。研究者在选型时应按任务匹配，而非追求"最好的数据集"。
§9.8 使用中的伦理与合规考量
虽然 KPIs 是动物模型数据，不涉及人类受试者隐私，但仍有两项合规要点值得记录：
- 动物实验伦理：数据源自小鼠实验，原始实验必然经过机构动物伦理审查（IACUC 类），使用者引用时应保留其伦理背景，不宜将其描述为"无伦理约束的数据"；
- 许可合规：如前所述，许可条款未一手确认，再分发与商业用途需谨慎。即便数据可自由下载，“可下载"不等于"可任意使用”——这是开源数据使用中最常见的认知误区。
§9.9 技术债与元数据治理的启示
KPIs 暴露出的"多套规模数字并存"问题，其实是医学数据集的一个普遍技术债：摘要宣传口径、论文表格口径、第三方复述口径三者不一致，且没有一份权威的"数据清单（datasheet）"来统一它们。对后续做数据集的人，这条教训很直接——发布时就把数字口径写进一份可引用的 datasheet，并说明每个数字的统计边界，能极大降低后续使用者的踩坑成本。KPIs 在这点上留有改进空间。
§10.7 引用格式示例
提供一份规范的引用示例，供直接取用：
Deng R, Yao T, Tang Y, ... Huo Y. KPIs 2024 Challenge: Advancing
Glomerular Segmentation from Patch- to Slide-Level. arXiv:2502.07288,
2025. https://doi.org/10.48550/arXiv.2502.07288
Huo Y, Yang H, Yin M, ... Landman BA. Kidney Pathology Image
Segmentation (KPIs) Challenge 2024: Structured description of the
challenge design. Zenodo, 2024. https://doi.org/10.5281/zenodo.10990461
建议在正文中同时写明所用数据的规模口径来源，例如"KPIs 2024（论文摘要口径：10,000+ 肾小球 / 60+ WSI）"，以避免读者按其他口径复核时产生疑惑。
§8.9 对"AI-Ready"的再思考
“AI-Ready"常被简化为"数据能不能直接喂给模型”。但从 KPIs 的案例看，AI-Ready 至少包含四层：
- 可获取（Accessible）：有没有公开、稳定的下载入口。KPIs 训练/验证集满足，测试集不满足；
- 可理解（Understandable）：元数据是否清晰、口径是否一致。KPIs 在此项有欠缺（多套规模数字）；
- 可评测（Evaluable）：有没有明确的指标与基线。KPIs 强项（DSC/F1 + 排行榜）；
- 可合规（Compliant）：许可是否明确、使用是否无风险。KPIs 此项未一手确认。
一个数据集在四层上的得分往往不均衡。KPIs 是"可评测强、可理解与可合规弱"的典型。这也提示读者：评估一个数据集"AI 就绪度"时，别只看"能不能下载"，要看这四个维度是否都过关。
§9.10 与其他挑战赛数据集的粗略横比
为了让读者建立坐标系，把 KPIs 与几类常见医学影像挑战赛数据做粗略横比（仅就公开信息）：
| 挑战赛类型 | 代表 | 模态 | 类别数 | 规模特征 |
|---|---|---|---|---|
| 肾脏病理分割 | KPIs 2024 | PAS 病理 | 1 | 10,000+ 肾小球 / 60+ WSI |
| 肿瘤病理分割 | 各类 CAMELYON 系 | H&E 病理 | 多 | 数百至数千 WSI |
| 脑肿瘤分割 | BraTS 系 | MRI | 多 | 千级患者 |
| 眼底分割 | 各类 DR/眼底赛 | 眼底彩照 | 多 | 千级图像 |
横比可见 KPIs 的定位：模态单、类别少、规模中等，但任务协议严谨。选择使用它时，应明确它擅长的是"肾脏肾小球这一窄域的严格评测"，而非"通用医学影像的广度覆盖"。
§10.8 致读者：如何避免最常见的一条错误
如果本条目只能留一句话给读者，那便是：引用 KPIs 时，永远写清楚你的数字来自哪里。它的 60+/58/45 与 10,428/5,214/8866 是医学数据集元数据混乱的经典缩影，而这个问题的解药不在数据集本身，而在使用者的引用纪律。一个写清出处的引用，即便数字与他人不同，也是可核查、可讨论的；一个不说出处的引用，即便碰巧对了，也无从验证。数据素养的高低，往往就体现在这一行脚注上。
§10.9 本条目的事实来源与写法说明
本条目由三条一手来源互证而成：① arXiv:2502.07288 总结论文（任务、指标、排行榜、时间线、Table 1 划分、资助信息）；② Zenodo 10.5281/zenodo.10990461 挑战设计文档（任务定义、数据说明、CKD 背景）；③ openmedlab Awesome-Medical-Dataset 的 KPIs 元数据（第三方规模数字 58 WSI / 10,428 patch，用于口径对照）。凡三源一致处直接陈述；凡三源冲突处（规模数字）逐条存照并标注出处；凡未获一手确认处（数据许可）如实标注为遗留疑点，不作推测性断言。
这种"一致处直陈、冲突处存照、未知处留白"的写法，是本条目对"AI-Ready Wikipedia"可信度的基本承诺。读者若发现某处与官方最新信息不符，应以 Synapse 项目页与 arXiv 论文的最新版本为准，并欢迎反馈订正。
§10.10 最后一句
KPIs 2024 的价值，最终可以浓缩为一个判断：它是肾脏病理 AI 从"各自为战"走向"公开可比"的转折点数据之一。它未必完美——口径不齐、许可未明、物种受限——但它第一次让"肾小球分割能做到多准、多全"这个问题有了统一的、可复现的答案。使用它时，记住它的边界，就等于用好它的一半。
§9.11 若你要在这一数据集上发论文
最后给出一条面向研究者的实操提醒。若你打算基于 KPIs 发表工作，审稿人大概率会追问以下三点，建议提前准备答复：
- 物种限定：为什么在小鼠数据上做的结论可以（或不可以）外推到人类？请明确写出结论的适用边界，必要时补充人类数据的验证实验；
- 评测口径：你用的划分是什么？与官方排行榜数字是否可比？若不可比，请明确说明，避免读者误以为你复现了榜单；
- 指标完整性：你是否同时报告了 DSC 与 F1？只报 DSC 的工作在 KPIs 语境下会被认为评测不完整（§4.6、坑点 7）。
提前回答这三点，能显著降低审稿过程中的反复。归根结底，KPIs 这个数据集"自带评价标准"——它已经用任务设计告诉了你"什么算好"，研究者需要做的是在它的框架内诚实地报告，而不是自创一套数字来对标。
§9.12 一句话风险提示
把 §9 全部内容压缩成一句：KPIs 的每一个优点都对应一个边界——多模型覆盖对应跨物种风险，专家标注对应规模有限，封闭评测对应复现受限，而清晰的排行榜对应未明的许可。清醒地带着这些边界使用它，才算真正读懂了这个数据集。
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：
- dsb2018 — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- livecell — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 目标检测 / 评测基准
- neurips22-cellseg — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- cell-tracking-challenge — 共享标签：医学影像 / 医学图像分割 / 目标检测 / 挑战赛数据集 / 评测基准
- 3dteethland — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
- bccd — 共享标签：医学影像 / 病理图像 / 目标检测 / 评测基准
- wsss4luad — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- monusac — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- segpc-2021 — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 挑战赛数据集 / 评测基准
- cryoet-data-portal — 共享标签：医学图像分割 / 目标检测 / 挑战赛数据集 / 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。
