OASBUD (oasbud) — 200 条乳腺病灶原始射频超声信号开源库 — AI-Ready Wikipedia

INFOBOX — OASBUD 一屏速览

维度	内容
本质	乳腺病灶原始射频（RF）超声信号数据集（非 B-mode 图像）——100 个病灶 × 2 条正交切面 = 200 条扫描
团队	波兰科学院基础技术研究所（IPPT PAN）超声系，华沙；4 作者同机构
论文	Medical Physics. 2017 Nov;44(11):6105-6109（doi:10.1002/mp.12538；PMID 28859252）
数据	78 名女性、100 个病灶（52 恶性 / 48 良性）；每病灶 2 条正交切面 = 200 条扫描
采集	2013-11 至 2015-10；Ultrasonix SonixTouch Research + L14-5/38（10 MHz）；512 RF 线/切面，40 MHz 采样
结构	单一 OASBUD.mat（296.8 MB）；7 字段：id/rf1/rf2/roi1/roi2/birads/class
标签	二分类 class（0 良性/1 恶性）+ BI-RADS 类别；52 恶均活检确认，48 良中 37 活检 + 13 随访
获取	Zenodo records/545928（DOI 10.5281/zenodo.545928，open 直下）｜官网 bluebox.ippt.gov.pl/~hpiotrzk/
许可	CC BY-NC 4.0（Zenodo 官方口径；禁商业用途、须署名）
任务	定量超声（QUS）参数估计、良恶性二分类、病灶 ROI 检测/分割
规模定位	小而精：样本少但类别平衡（52:48）、含专家 ROI，是 QUS/RF 信号处理的经典参考库
官方基线	无（论文为数据描述型，不报性能）；一切性能数字来自第三方衍生研究
库内互链	UDIAT（同为乳腺超声但为 163 张 B-mode 图、西班牙）、BUSI、BUS-BRA、BreastPathQ
关键澄清	≠ UDIAT：UDIAT 是 163 张 B-mode 图像（西班牙），OASBUD 是 200 条原始 RF 信号（波兰），文献常混引

OASBUD 是一份"技术栈下沉一层"的数据集：当绝大多数乳腺超声公开库都在提供已经渲染好的 B-mode 灰度图像时，它偏偏交给你声波刚刚从组织反射回来、尚未成像的原始电压信号。这层原始射频（radio-frequency, RF）数据保留了相位与幅度信息，是定量超声（quantitative ultrasound, QUS）研究的原料——研究者可以从信号中反推组织的散射统计特性（如 Nakagami 分布、同调 K 分布参数），而这在成品 B-mode 图像里早已被非线性压缩抹平。它的体量很小（78 名女性、100 个病灶、200 条扫描、单一 296.8 MB 的 .mat 文件），却因为"类别平衡 + 带专家 ROI + 原始信号"三点，成为 2017 年后 QUS 与射频信号处理方向被反复引用的小而精参考库。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——Zenodo 记录 545928 一个链接直下 OASBUD.mat，注意许可是 CC BY-NC 4.0（禁商业用途），别当成 CC BY。
2. 想搞清楚"200 条"到底怎么数：直奔 §2 数据构成与规格与 §10 坑 1——100 个病灶 × 2 条正交切面 = 200 条扫描，且"78"是女性人数不是良性数。
3. 担心和 UDIAT 混了：直奔 §9 与库内条目的关系——UDIAT 是 163 张 B-mode 图像（西班牙），OASBUD 是 200 条 RF 原始信号（波兰），§9 有逐维对照表。

§0 导读：这个数据集解决什么问题

乳腺超声的计算机辅助诊断长期卡在两件事上：一是公共数据太少，算法之间无法横向比较；二是成品 B-mode 图像是"被加工过的现实"——超声系统为了让图像看起来平滑好读，会对回波做时间增益补偿、对数压缩、动态范围映射，一路把携带组织物理信息的幅度相位关系压成了 8 位灰度。对分类任务这可能够用，但对定量超声（QUS）——想从回波统计里估计散射体密度、有效散射截面这类物理量——就已经把原料毁掉了。

OASBUD 选择的切口正是这被毁掉的原料。它的核心贡献有三点：

• 原始性：提供的是未经成像处理的 RF 回波信号（.mat 矩阵），保留了完整的有符号幅度与相位，研究者可自行决定包络提取、压缩、阈值化的方式，从而公平比较不同 QUS 参数（谱特征、包络统计、纹理）在同一份原始数据上的表现。
• 可达性：以"open access（开放获取）"为名并真正做到——单一文件、一个 DOI、直链下载、无 gated 门槛、无申请表单（对比同期大量"upon request"的医学数据集），这在 2017 年相当超前。
• 基本标注齐备：每个病灶带良恶性类别、BI-RADS 分级与专家手绘 ROI，使检测（定位病灶）、分割（勾 ROI）、分类（良恶性）三类任务都能直接落地，不必再去找配对的标注。

代价则是规模小。100 个病灶意味着任何深度学习模型都极易过拟合，这也解释了为什么 OASBUD 上的早期深学习结果（如 Jarosik 等 CNN 的 AUC 0.772）明显低于精心设计的 QUS 特征方法（AUC 0.968）——不是模型不行，是数据太少，手工特征在这个尺度上反而更稳。

0.1 "下线一层"的普遍价值：为什么原始数据是稀缺品

超声成像设备的出厂设置里，厂商为了让图像"好看、好读、好诊断"，会默认开启一整套后处理：时间增益补偿（TGC）修正随深度衰减的幅度、包络检波丢掉载频相位、对数压缩把 40 dB 以上的动态范围塞进 8 位显示、再叠加各种平滑与边缘增强滤镜。这套处理对"医生看图像"是福音，对"研究者做定量分析"却是信息损失：你把一条富含相位与幅度关系的物理测量，压成了一张仅供人眼判读的灰度图。

OASBUD 的稀缺性就在于它拒绝替你做这道处理。它交付的是换能器输出的原始 RF 电压波形（数字化后），把"如何成像"的选择权完整交还研究者。这在今天的公开医学数据集里仍然罕见——绝大多数乳腺超声库（BUSI、UDIAT、BUS-BRA、QAMEBI、BrEaST）提供的都是已经成像的 B-mode PNG。要找到"信号层"的乳腺公开库，OASBUD 几乎是默认选项。

这带来一个重要的选型判断：如果你的方法涉及信号的相位、频谱、包络统计，你无法在 B-mode 图像上做——因为那些信息已经被设备抹掉了。此时 OASBUD 不是"备选之一"，而是"唯一可行"的信号层数据源之一。反过来，如果你的方法本来就是图像级分类/分割，OASBUD 的 100 例规模反而不如用 BUSI/BUS-BRA 划算。它从来不是"通用乳腺超声库"，而是一个面向特定方法层级的专用工具。

0.2 三个数字的心智模型

初学者最容易在 OASBUD 上晕头转向的三个数字，可以用一句话锚定：“78 位女性提供了 100 个病灶，每个病灶拍了两张正交切面，所以一共有 200 条信号。”

• 把它想成"体检"：78 个人来检查，其中一部分人身上有一个以上病灶（共 100 个），每个病灶从两个互相垂直的方向各扫一次（共 200 次扫描）。
• 因此 200 是扫描次数，不是患者数也不是病灶数；100 是病灶数，其中 52 个是恶性、48 个是良性；78 是人数。
• 记住这个模型，就能一眼识别出"78 良性 / 100 恶性"这类错误表述——因为它把"人数"当"良性数"、把"病灶总数"当"恶性数"，且两个数字相加（178）远超任何一层真实计数。

§0 读法三则：

1. 这个条目的核心张力是"开放原始信号的好"与"样本量太小"之间的取舍：§2 讲清数据规格，§5 讲清没有官方基线这件事，§8 讲清它对方法学研究的价值。
2. 全文所有硬数字均以一手来源（Medical Physics 论文、Zenodo 官方 API、官网）为准；二手转述中的偏差（良性 46、许可漏标 NC、“200 B-mode images” 等）全部在 §10 坑点与 §9 澄清。
3. 主会话派单 brief 曾写"78 良性 / 100 恶性 + 22 未标注"，经三源核验为误读（78 是女性人数、100 是病灶总数），本条目一律按 52 恶性 / 48 良性 / 78 女性 / 200 扫描成稿，并在坑 1 存照该误读。

§1 数据集速览：十问十答

Q1：OASBUD 到底是什么数据？
是乳腺病灶的原始射频（RF）超声回波信号，不是 B-mode 图像。可以理解成"超声成像流水线最上游的一条原始示波器波形"的二维矩阵版本：每个切面是一个 x × 510 的矩阵（x 随穿透深度变化），每一列对应一条 RF 线上随时间变化的回波电压。

Q2：规模和构成是多少？
78 名女性、100 个病灶，每个病灶采集 2 条互相正交（纵/横，即 longitudinal/transverse）的切面，因此共 100 × 2 = 200 条扫描/信号。良恶性为 52 恶性 + 48 良性。

Q3：“78” 是良性数还是人数？
是女性患者人数（78 名女性），不是良性病灶数。良性是 48 例。这是最常见的误读来源（见坑 1）。

Q4：采集设备和参数是什么？
Ultrasonix SonixTouch Research 超声系统 + L14-5/38 线阵探头，中心频率 10 MHz；每条切面 512 条 RF 线，以 40 MHz 采样率数字化（.mat 中矩阵为 510 列，与 512 采集线存在口径差，见坑 2）。

Q5：谁采集、谁判读的？
数据在波兰科学院基础技术研究所（IPPT PAN）超声系记录，患者来自华沙肿瘤研究所；由一位具 18 年乳腺超声经验的放射科医师检查与判读（BI-RADS 与 ROI）。

Q6：良恶性的"金标准"是怎么来的？
52 例恶性全部经粗针穿刺活检（core needle biopsy）组织学确认；48 例良性中 37 例也做了组织学评估，其余 13 例未达活检指征、经放射科医师 2 年随访观察确认无进展。

Q7：数据文件长什么样？
单一 MATLAB 文件 OASBUD.mat，296.8 MB，md5 e2b770a6ee2f06ebe480ed0962252100。每例 7 个字段：id、rf1、rf2、roi1、roi2、birads、class。

Q8：怎么获取、什么许可？
Zenodo 记录 545928（DOI 10.5281/zenodo.545928）open 直下，或官网 bluebox.ippt.gov.pl/~hpiotrzk/。许可为 CC BY-NC 4.0：可非商业再分发/改编、须署名，禁商业用途。

Q9：有官方基准性能吗？
没有。论文是数据描述型（data descriptor），只给两个 MATLAB 处理示例，不报分类指标。所有"AUC 0.968""accuracy 95%"等数字都来自第三方衍生研究，且验证协议不统一，不可直接横向比较。

Q10：它和其他乳腺超声数据集最本质的区别？
层级不同：OASBUD 在信号层（原始 RF），UDIAT/BUSI/BUS-BRA 在图像层（B-mode 灰度图）。详见 §9 逐维对照表。

Q11：为什么说它是一个"平衡"数据集？
因为良恶性接近 1:1（48:52 ≈ 1.08:1）。对比 UDIAT 的 110:53（约 2:1）、BUS-BRA 的 1,268:607（约 2:1），OASBUD 的类别几乎不偏。这在特征选择与分类器训练时很有价值——不会因为多数类占比过高而让模型学会"猜多数类"就拿高分，也让"哪类特征对区分良恶性更重要"这类比较更干净。

Q12：数据里有没有患者层面的临床信息（年龄、病史、分子分型）？
没有。数据集只含信号 + 标签，不含任何患者级结构化元数据。患者年龄等只在文献叙述中出现（均值 49.5 岁 / 范围 25–75 岁），数据文件里查不到。若研究需要按年龄/分型分层，OASBUD 不满足需求。

Q13：一个患者有多个病灶时，会不会造成数据泄漏？
这是使用时必须注意的点。数据集不公开"哪个病灶属于哪个患者"的映射（id 是病灶编号，不是患者编号），因此若同一患者的多个病灶被分到训练集和测试集两侧，理论上存在患者级泄漏。小样本下这种泄漏对性能的乐观偏差不可忽略。稳健做法是尽量按"每例独立"假设处理并谨慎解读，或在论文中显式承认这一不确定性。

Q14：OASBUD 有"原始 B-mode 图像"吗？
没有直接的。数据里只有 RF 信号，B-mode 必须由你按作者建议的链（Hilbert 包络 → 对数压缩 → dB 阈值）重建。重建结果是"你的 B-mode"，不是"官方 B-mode"，这也是为什么不同论文用 OASBUD 得到的"图像"其实不完全相同。

Q15：它和 PANDA、BreakHis 这类病理数据集是什么关系？
毫无数据血缘关系，只是同属"乳腺疾病 AI"的大生态：PANDA/BreakHis 在病理组织切片层（WSI/显微图像），OASBUD 在超声信号层，Modality 完全不同。库内互链时它们是"同域不同模态"的邻居，不是上下游。

Q16：一句话推荐谁用、谁不用？
用：做定量超声（QUS）、射频信号处理、包络统计、乳腺 CAD 的信号层对照实验。不用：做大规模图像分类/分割、需要患者临床元数据、需要官方基准榜、需要商用授权（许可禁商用）的场景。

1.1 决策清单：三分钟判断 OASBUD 是否适合你

你的需求	OASBUD 是否合适	说明
需要原始信号（相位/频谱/包络）	✅ 非常合适	少数提供 RF 信号层的乳腺公开库
需要海量样本训练深度网络	❌ 不合适	仅 100 病灶，易过拟合
需要患者临床元数据	❌ 不合适	数据不含任何患者级信息
需要官方基准/排行榜	❌ 不合适	无挑战赛、无官方划分
需要可商用的数据	❌ 不合适	CC BY-NC 4.0 禁商用
需要小样本、类别平衡的方法学实验	✅ 合适	48:52 接近平衡，适合特征比较
需要病灶 ROI 做检测/分割	✅ 合适	含专家手绘 roi1/roi2
需要跨库多样性补充	✅ 合适	常作 BUSI/UDIAT 的信号层补充

§2 数据构成与规格

本节把 OASBUD 的"数字骨架"逐项落定。所有核心数字均经三源互证（论文摘要+正文、Zenodo 元数据、多篇引用综述），有出入处逐条存照（见附录 O、附录 S）。

2.1 规模：三个数字，别张冠李戴

OASBUD 的规模由三个极易混淆的数字构成：

数字	含义	说明
78	受检女性人数（patients/women）	部分女性有多个病灶，故 78 < 100
100	病灶数（lesions）	每个病灶 = 一个良恶性标签
200	超声扫查数（scans/acquisitions）	每病灶 2 条正交扫查 × 100 = 200

类别分布：

类别	数量	确认方式
恶性（malignant）	52	全部经组织病理学确认
良性（benign）	48	37 经组织学检查 + 13 经 2 年随访确认稳定
合计病灶	100	—

⚠ 坑 2 提前警示："78"是女性数，不是良性数；"100"是病灶数，不是恶性数。流传的"78 良性 / 100 恶性 / 22 未标注"是二手转述的严重误读，无任何原始来源支持。正确口径以本表为准（双口径冲突详录见附录 S）。

2.2 数据形态：原始射频，不是图像

• 模态：原始射频（raw RF）超声信号。
• 每条样本：一组 RF 采样序列（沿探头线阵的每一条扫描线，长度对应深度范围；见 §3.3 的线数双口径）。
• 未经处理：无包络检波、无对数压缩、无扫描转换——使用者须自行完成从 RF 到可视 B-mode 的全部后端处理（见 §3.2）。
• 文件载体：单文件 OASBUD.mat（MATLAB 格式），296,800,010 字节（≈ 296.8 MB），MD5 e2b770a6ee2f06ebe480ed0962252100。

选用单 .mat 大文件而非"逐例一文件"，是 OASBUD 工程便利性的主要短板：不利于选择性下载与流式读取（见 §9.4 互操作性评分）。

2.3 采集设备与信号规格（速览表）

参数	取值
扫描仪	Ultrasonix SonixTouch Research
探头	L14-5/38 线阵（中心频率 10 MHz）
采样率	40 MHz
每条扫查 RF 线数	512（技术口径）/ 510（MATLAB 数组实测）——双口径存照
采集期	2013-11 至 2015-10
采集地点	波兰华沙（IPPT PAN + 肿瘤研究所）

设备与协议细节的技术展开见 §3。

2.4 标签体系：薄而清楚

OASBUD 的监督信号极度精简：

• 唯一结构化标签：每病灶的良恶性二分类（benign / malignant）。
• 隐含结构：同一病灶的 2 条正交扫查构成配对；78 位女性对病灶构成一级嵌套。

明确缺失的标签（AI-Ready 短板）：

• 无像素级病灶边界掩码（不能做分割）。
• 无 BI-RADS 分级（不能做多级风险分层）。
• 无患者临床元数据表（年龄/病史等，不能做多模态融合）。
• 无逐例采集设置字段（深度/聚焦/TGC 等未结构化披露）。

2.5 与图像型乳腺超声数据集的维度对照

维度	OASBUD	UDIAT(757)	BUS-BRA(760)	BUSI(539)
国别	波兰	西班牙	巴西	埃及
模态	原始 RF	B-mode 图像	B-mode 图像	B-mode 图像
规模	100 病灶/200 扫查	163 张	1875 张/1064 患者	780 张/600 患者
类别	52 恶/48 良	110 良/53 恶	1268 良/607 恶	487 良/210 恶/133 正常
获取	公开直链	请求制	公开	公开
许可	CC BY-NC 4.0	请求制条款	公开许可	公开许可

详细区别讨论见 §7。

2.6 三个数字的常见误用速查

误用写法	正确理解
“OASBUD 有 200 个病灶”	200 是扫查数；病灶数是 100
“78 个良性病灶”	78 是女性数；良性病灶是 48
“100 个恶性病灶”	100 是病灶总数；恶性是 52
“有 22 个未标注”	不存在此数字，无来源
“OASBUD 是 163 张图像”	那是 UDIAT；OASBUD 是 200 条 RF

---

§3 采集协议与信号规格

OASBUD 的全部价值建立在"它是原始射频（raw RF）而非成品超声图"这一点上。理解它的规格，就是理解使用者要自己补齐信号处理链的哪一段。本节按采集设备、信号表示、几何参数、良恶性确认方式四条线拆解，并把所有硬数字与来源挂上。

3.1 采集平台：研究型超声工作站

• 扫描仪：Ultrasonix SonixTouch Research——这是一台面向研究用途的开源接口超声系统，允许直接访问射频数据通道（商用成品机通常只导出已波束合成的 B-mode 像素或视频，射频层不可得）。OASBUD 能用"研究版（Research）"后缀的平台采集，是其能提供 RF 的前提。
• 探头：L14-5/38 线阵探头（linear array），标称中心频率 10 MHz。L14-5 命名法含义：线阵（L）、14 系列高频、5-14 MHz 工作带宽、38 mm 孔径。
• 采集深度/聚焦：论文未对每个病灶逐一披露深度与聚焦设置（不同病灶大小/深度差异导致设置各异），这是复现者需注意的元数据缺口（见 §9 遗留疑点）。
• 操作者：临床超声医师参与采集（作者之一 Katarzyna Dobruch-Sobczak 为资深超声医师，见 §2），病灶定位由医师完成。

3.2 信号表示：为什么必须自己解 RF

射频信号是换能器接收到的、尚未做包络检波的高频振荡采样序列。从 RF 到一张可看的超声图，标准链路是：

1. Hilbert 变换 / 正交解调：把实值 RF 变成复数解析信号，取出包络（amplitude）。
2. 包络检波：对解析信号取模，得到"亮度"包络。
3. 对数压缩（log compression）：把动态范围极大的包络压到显示器可表示的灰阶。
4. 扫描转换（scan conversion）：线阵几何从极坐标/扇形映射到矩形像素网格。

OASBUD 提供的是第 0 步之前的数据——即未经上述任何一步的原始采样。这带来两个直接后果：

• 优势：使用者保留了全部信息。任何在 RF 域才可计算的特征（Nakagami 参数、谱参数、背散射系数、衰减系数等定量超声 QUS 描述子）必须在原始 RF 上做，成品 B-mode 图像无从恢复这些量。
• 代价：预处理成为用户责任，不同团队的 Hilbert/压缩/归一化实现差异会直接改变分类器表现——这是本数据集"可比性差"的技术根源（见 §5.4、坑 4）。

3.3 几何与采样参数

参数	取值	说明/来源
探头	L14-5/38 线阵	论文 + 官方门户
中心频率	10 MHz	论文
采样率	40 MHz	论文（RF 直接采存）
每条扫查的 RF 线数	512（技术口径）/ 510（MATLAB 数组列数口径）——双口径存照	Wiley 正文 vs TFDS/MATLAB 实测
采集期	2013-11 至 2015-10	论文 + Zenodo
每病灶扫查数	2（正交切面）	论文
总扫查数	200 = 100 病灶 × 2	论文摘要
文件	单文件 OASBUD.mat，296,800,010 字节，MD5 e2b770a6ee2f06ebe480ed0962252100	Zenodo

几何双口径解读："512 条 RF 线"是采集硬件的标称线数（每条扫查一次发射/接收线），而 MATLAB 装载后矩阵的列数实测为 510。二者差异最可能来自边缘线的裁剪或导出时的取舍。对使用者而言，脚本应按实际数组维度自适应，不要硬编码 512 或 510（见坑 3 与附录 G）。

3.4 良恶性确认：病理为主、随访为辅

• 恶性病灶（52 个）：全部经**组织病理学检查（活检/术后病理）**确认。
• 良性病灶（48 个）：其中 37 个经组织学检查（穿刺活检证实良性），其余 13 个未经活检，而是通过为期 2 年的随访观察确认其稳定（未进展、未需干预）才归为良性。
• 这一"37 活检 + 13 随访"的拆分只出现在论文正文 Methods，摘要与多数综述未提。复现者若只读摘要会误以为全部良性都有病理金标准——这是标签质量的重要边界（见坑 6）。

为什么这很重要：随访确认的良性没有组织学真值，理论上存在"临床惰性的恶性病变被随访误判为良性"的可能（虽然 2 年稳定大幅降低该风险）。做极高精度判别研究时，这 13 例应作为标签噪声上界单独考虑。

3.5 与"图像型乳腺超声数据集"的采集差异对照

维度	OASBUD	典型图像型数据集（UDIAT/BUSI/BUS-BRA）
数据形态	原始射频（raw RF）线性采样	后端已合成的 B-mode 图像像素
后处理	无（用户自负）	已完成（厂商扫描转换+压缩）
QUS 描述子	可计算（Nakagami/谱/衰减）	基本不可恢复
文件体量/例	大（单文件近 300 MB 载 200 例）	小（几百 KB～几 MB/例）
预处理可比性	差（各自实现）	较好（像素对齐）
适合任务	信号级 QUS、RF 域分类、预训练	图像分类、分割、检测

一句话：OASBUD 的规格决定了它是"信号处理研究者"的数据集，不是"图像分类调参者"的数据集。混引 UDIAT/BUSI/BUS-BRA 的精度数字与 OASBUD 对比，是文献中最常见的跨模态误比（见坑 7）。

---

§4 标签、任务与 AI-Ready 光谱

4.1 标签清单：薄，但真值链清楚

OASBUD 携带的监督信号非常精简：

• 每例良恶性二分类标签（benign / malignant）——核心也是唯一的结构化标签。
• 病灶来源与确认方式（病理 or 随访）——隐含在正文，未做成机器可读字段。
• 扫查正交集（同一病灶 2 条正交扫查）——隐含关系，可用于数据增强/一致性研究。

没有的标签（AI-Ready 短板，必须明说）：

• ❌ 无像素级肿瘤边界掩码（不能做分割任务）。
• ❌ 无 BI-RADS 分级（不能做多级风险分层）。
• ❌ 无患者年龄/病史/家族史等临床元数据表（不能做多模态融合）。
• ❌ 无病灶直径/深度/位置结构化字段（不同病灶采集设置未逐例披露）。

4.2 任务谱：从信号处理到深度学习

任务类型	输入	典型方法	备注
QUS 参数分类	RF → Nakagami/谱参数	手工特征 + SVM/随机森林	本数据集最"对味"的用法，论文族结果最强
RF 域 CNN 分类	原始/包络 RF 阵列	1D-CNN 沿线 / 2D-CNN 沿面	Jarosik 等 CNN-1D-2D 口径
端到端分割+分类	RF 域	联合网络	肿瘤定位 + 判别一体化
检测式流程	包络图	Faster R-CNN	Wei 等口径
自监督预训练	RF/包络	对比学习/MAE 类	数据量小（200 扫查），收益需验证
迁移学习源域	包络图	ImageNet/超声域迁移	跨模态迁移可行性研究

4.3 任务难度与"100 病灶"的规模约束

100 个病灶、200 条扫查是小数据。这带来三个现实约束：

1. 患者级划分几乎必然：78 位女性里有人多病灶，若按病灶随机划分训练/测试会造成患者泄漏（同一人的不同病灶跨越切分），虚高精度。正确做法是按患者切分（患者级 5 折或留出）。多数论文未明确说明切分粒度——这是复现争议点。
2. 深度模型易过拟合：200 条扫查训练一个 CNN，须强正则/强增强/迁移初始化。
3. 统计功效有限：AUC/ACC 的置信区间宽，不同论文的 ±几个百分点差异可能不显著。

4.4 AI-Ready 光谱定位：高可及、薄标签

在千方条目的 AI-Ready 光谱上，OASBUD 是一端高可及性（公开直链、零门槛、许可清晰）+ 一端薄标签（仅二分类、无掩码无临床表）的组合：

• 可及性拉满：不需要申请、不需要注册、不需要签 DUA，HTTP 直下 296.8 MB 单文件即得全部 200 例。这与 UDIAT（请求制）形成鲜明对照，是"开放科学"的正面样本。
• 标签与元数据薄：没有结构化 schema、没有逐例临床表、没有分割真值，AI-Ready 的"I（互操作）"与"M（元数据）"两项被显著拖低。
• 格式原始：.mat（MATLAB）是研究惯用格式，但对非 MATLAB 生态（Python 需 scipy.io.loadmat）不是最优；无 Parquet/HDF5 等现代格式版本。

结论：OASBUD 是"信号在、标准缺"的典型——数据本身开放且信息完整（RF 无损），但配套的结构化元数据与标准格式缺失，使用者需要投入可观工程才能把它变成 AI-Ready 的训练对象。DAIMS 细评见 §9.4。

---

§5 基准结果与可比性陷阱

本节汇总公开文献在 OASBUD 上报告的量化结果，明确标注它们来自不同方法、不同预处理，不可直接横向比较。所有数字均为"他测"（第三方论文口径），非本条目自测。

5.1 已公开结果总览

方法	报告精度	AUC	口径备注
QUS 瘤内描述子 + RF 分类器	95%	0.968	Wiley 2022 系列，RF 域手工描述子
Jarosik 等 CNN-1D-2D	70%	0.772	直接吃 RF 阵列的深度网络
分割+分类联合（RF 域）	—	≈0.94	先定位肿瘤再判别
Faster R-CNN（Wei 等）	>95%	—	检测式流程（包络图上）

读表守则：

1. 95% vs 70% 不是"谁更强"，而是手工 QUS 特征 vs 端到端 CNN两条技术路线的差异，且基础切分/预处理不同。QUS 描述子在 RF 上信息保留完整，故表现好；纯 CNN 若未充分预处理 RF，表现被压低。
2. AUC 0.968 与 0.772 差距巨大，在仅 100 病灶的规模上，这种差距部分来自划分随机性而非真实方法差距——复现时应做多次随机划分取均值±方差。
3. >95% 的检测式结果通常口径更宽松（如把定位正确即算命中、或用了病灶级而非患者级划分），引用时务必追原文的评估协议。

5.2 可比性陷阱：四个变量

即使两个研究都"在 OASBUD 上做二分类"，以下任一变量不同，数字就不可比：

• 预处理：Hilbert/包络/对数压缩的实现与参数（RF 域信息的取舍）。
• 切分粒度：患者级 vs 病灶级 vs 扫查级（扫查级最乐观、患者级最严格）。
• 数据增强：是否把同一病灶的 2 条正交扫查都算训练（可能乐观）还是分训测。
• 类别平衡：52:48 接近平衡，但若某研究做重采样则边际改变。

5.3 与图像型数据集的精度数字为什么不能比

文献里常见"OASBUD 上 AUC 0.97，BUSI 上 AUC 0.9x"式的并列陈述。这类比较跨了模态与任务：

• OASBUD 给 RF，模型用的是信号级信息；BUSI 给 B-mode 像素，模型用的是图像纹理。两者输入信息量不同。
• OASBUD 是病灶级二分类（每例一个标签），BUSI 类数据集常含多类（正常/良性/恶性）与更大规模，任务定义不同。
• 因此"OASBUD 更容易/更难"的结论不成立——它们测的是不同的东西（见 §7.4、坑 7）。

5.4 为什么"最强结果"出现在 QUS 描述子

RF 域的信息优势在 QUS 特征上体现得最充分：Nakagami 参数 m（形状）与 Ω（尺度）直接刻画组织散射统计，对良恶性差异敏感；谱参数反映散射体尺寸；衰减系数反映组织吸收。这些量只能在原始 RF 上估计，因此在这个"原始 RF 数据集"上，能用好 QUS 的方法天然占优。这既是 OASBUD 的价值（提供了别的数据集提供不了的信息），也解释了为什么"简单 CNN 直接吃 RF"表现反而不如精心设计的描述子管线。

给使用者的建议：做 OASBUD 时，先建 QUS 描述子基线（可复现、可解释），再尝试深度模型；报告时同时给患者级切分下的多次划分结果。基准参照见附录 J 与附录 W。

---

§6 获取、许可与可持续性

6.1 两条公开获取路径

OASBUD 提供两条相互独立、均为公开直链的获取通道，无需申请、无需注册：

通道	地址	DOI / 备注
Zenodo 存档	https://zenodo.org/records/545928	DOI 10.5281/zenodo.545928；concept DOI 10.5281/zenodo.603138；出版日 2017-08-31；v1 单版本
官方门户（IPPT PAN）	http://bluebox.ippt.gov.pl/~hpiotrzk/	由第一作者维护，页面给出数据集引用格式与直链；last update 2024-11-16

直链文件：https://bluebox.ippt.gov.pl/~hpiotrzk/db/OASBUD.mat（同时托管于 Zenodo record 545928 的附件）。

文件指纹（供校验下载完整性）：

• 文件名：OASBUD.mat
• 大小：296,800,010 字节（≈ 296.8 MB）
• MD5：e2b770a6ee2f06ebe480ed0962252100

下载后务必校验 MD5，因为单文件承载全部 200 例，一旦截断则数据不完整。

6.2 许可：CC BY-NC 4.0（非商用）——务必看清 NC

• 数据集许可：CC BY-NC 4.0（Creative Commons Attribution-NonCommercial 4.0 International）。权威依据为 Zenodo record 545928 的 license 字段 = cc-by-nc-4.0（机读字段，最可靠）。
• 核心义务两条：
  1. 署名（BY）：使用须引用原论文与数据集（见 §6.4 引文格式）。
  2. 非商用（NC）：不得用于商业目的——包括商业产品训练、以数据集为卖点的付费服务等。
• 存照（坑 5）：TensorFlow Datasets（TFDS）相关的社区讨论曾把许可简写为 “Creative Commons 4.0”，遗漏了 NC 限制。若按"CC BY 4.0"理解并使用于商业场景，将违反实际许可。一切以 Zenodo 的 cc-by-nc-4.0 为准。

6.3 AI-Ready 视角下的可及性评价

从 AI-Ready 光谱看，OASBUD 的可及性处于高段位：

• 优点：公开直链、零门槛、无 DUA、无审核、许可标准化（CC 家族，机读可判）、双通道冗余（Zenodo + 官方门户）、有校验指纹（大小+MD5）。
• 短板：
  • 文件形态：单一 .mat 大文件，非"一例一文件"的现代布局；不利于流式/选择性下载。
  • 无数据字典：.mat 内部结构（变量名、维度顺序、标签字段名）无官方文档，需下载后自行探查。
  • 非结构化元数据：临床/采集元数据散落论文，无机器可读附表。

归类：OASBUD 属于"开放度高、结构化低"的一类——数据在法律与网络上完全可及，但工程上需要相当的手动工作才能接入训练管线。

6.4 如何正确引用

引用 OASBUD 应同时给出数据集与论文：

• 论文：Piotrzkowska-Wróblewska H, Dobruch-Sobczak K, Byra M, Nowicki A. Open access database of raw ultrasonic signals acquired from malignant and benign breast lesions (OASBUD). Medical Physics. 2017;44(11):6105-6109. doi:10.1002/mp.12538
• 数据集：Piotrzkowska-Wróblewska H, Dobruch-Sobczak K, Byra M, Nowicki A. (2017). Open Access Database of Raw Ultrasonic Signals Acquired from Malignant and Benign Breast Lesions. Zenodo. doi:10.5281/zenodo.545928
• BibTeX 模板见附录 W；引用时注明许可是 CC BY-NC 4.0。

6.5 可持续性

• 托管稳定性：Zenodo 由 CERN 运营，长期归档承诺强；官方门户为机构自托管，存在单点（第一作者维护，虽 2024 年仍有更新）。
• 版本冻结：数据集为 v1 单版本，无更新计划披露——优点是引用稳定（数字不会漂移），缺点是修复/扩展不可得。
• 风险点：若机构门户下线，仅剩 Zenodo 通道；建议使用者优先从 Zenodo 获取并自留副本。

---

§7 生态位：与乳腺超声/影像数据集的区分

OASBUD 在文献里最容易被混引到其他乳腺数据集上。本节逐一厘清区别，重点是 UDIAT、BUS-BRA、BUSI 三个库内已有条目，以及**“OASBUD ≠ 图像数据集”** 这一根本分界。

7.1 最关键的一条分界：RF vs B-mode 图像

OASBUD 是原始射频信号；UDIAT、BUS-BRA、BUSI 都是 B-mode 图像数据集。 这是模态层面、不可通约的差别：

• OASBUD 的输入是未做包络检波的采样序列（1D 信号沿每条 RF 线）。
• UDIAT/BUS-BRA/BUSI 的输入是厂商已合成的 2D 灰度像素图（已包络、已压缩、已扫描转换）。

因此：任何"在 OASBUD 上得到 AUC 0.97，在 BUSI 上只有 0.9x"的对比都是无效的——前者用了信号级信息，后者只有图像纹理（坑 7）。

7.2 OASBUD vs UDIAT（库内 rid 757）——必写区别

维度	OASBUD（本条目）	UDIAT（rid 757）
国别/机构	波兰，IPPT PAN（华沙）+ 肿瘤研究所	西班牙，Parc Taulí（Sabadell）
数据形态	原始射频（raw RF）	B-mode 图像
规模	100 病灶 / 200 扫查	163 张 B-mode 图像（110 良性 / 53 恶性）
图像规格	RF 阵列（≈510×…，40 MHz 采样）	760×570 像素
设备	Ultrasonix SonixTouch Research + L14-5/38	西门子 ACUSON Sequoia C512 + 17L5 HD（8.5 MHz）
采集年	2013-11 至 2015-10	2012
许可/获取	CC BY-NC 4.0，公开直链	请求制（需申请，无公开直链）
关键文献	DOI 10.1002/mp.12538	Yap 等 2017，IEEE JBHI，DOI 10.1109/JBHI.2017.2731873

一句话：OASBUD 是波兰的 RF 信号库（开放直链），UDIAT 是西班牙的 B-mode 图像库（请求制）——地域、模态、规模、可及性四项全异（坑 1）。

7.3 OASBUD vs BUS-BRA（库内 rid 760）与 BUSI（库内 rid 539）

维度	OASBUD	BUS-BRA（rid 760）	BUSI（rid 539）
国别	波兰	巴西（里约热内卢国家癌症研究所）	埃及（开罗大学 / Baheya 医院）
模态	原始 RF	B-mode 图像	B-mode 图像
规模	100 病灶 / 200 扫查	1875 张（1064 患者）	780 张（600 患者）
类别分布	52 恶性 / 48 良性	1268 良性 / 607 恶性	良性 487 / 恶性 210 / 正常 133
托管	Zenodo records/545928	Zenodo records/8231412	公开（多镜像）
特点	信号级、含 QUS 价值	规模大、患者多、有病理	三类（含正常），标注含 BI-RADS 类信息

要点：BUS-BRA 规模（1875）远大于 OASBUD（200 扫查），且是图像；BUSI 是三类图像（含正常类）。它们与 OASBUD 只在"乳腺超声"这一主题上相邻，模态与任务均不同。

7.4 与库内其他乳腺条目的关系

条目（rid）	模态	与 OASBUD 的关系
breastpathq（268）	乳腺病理 WSI	同为乳腺癌 AI，但模态是病理切片，非超声
inbreast（542）	乳腺钼靶（mammography）	模态为 X 线钼靶
vindr-mammo（543）	乳腺钼靶	同上，越南队列
swiss-mammo（627）	乳腺钼靶	同上，瑞士队列
tn-mammo-breast-density（628）	乳腺钼靶	聚焦乳腺密度
duke-breast-mri（440）	乳腺MRI	模态为磁共振
camus（533）	超声心动图	同为超声模态但器官不同（心脏），方法论可互链

生态位总结：OASBUD 是库内唯一的"乳腺原始射频超声"条目。它与其余乳腺条目按模态区隔（病理/钼靶/MRI/图像超声/信号超声），与 camus 按超声模态邻近（可借鉴超声信号处理方法）。检索乳腺超声时应把 OASBUD 与 UDIAT/BUS-BRA/BUSI 并列但注明模态差异。

7.5 家族定位图（文字版）

乳腺影像 AI 家族
├── 钼靶（X线）: inbreast(542) / vindr-mammo(543) / swiss-mammo(627) / tn-mammo-breast-density(628)
├── MRI: duke-breast-mri(440)
├── 病理: breastpathq(268)
└── 超声
    ├── B-mode 图像: udiat(757) / bus-bra(760) / busi(539)
    └── 原始射频信号: OASBUD  ← 本条目（库内唯一）

7.6 使用建议：什么时候选 OASBUD

• 选 OASBUD：需要做 RF 域信号处理 / QUS 描述子 / Nakagami 参数 / 信号级深度学习；需要小而干净、可解释、合规开放（非商用）的二分类基准。
• 选 B-mode 图像集：需要大规模、需要像素级分割、需要多类（含正常）、需要与主流图像 CNN 流程对接。
• 两者结合：把 OASBUD 作为 QUS 特征来源、图像集作为纹理/空间特征来源，做"信号+图像"多视图融合（注意模态与任务对齐问题）。

---

§8 方法论启示：四条可迁移的经验

OASBUD 是一个 2017 年的"小数据集"，但它的方法论价值超出其体量。以下四条经验对其他医学数据集建设与使用有直接借鉴意义。

8.1 "原始信号 + 开放直链"是一种稀缺组合

绝大多数医学超声数据集只发布后处理过的图像（B-mode 像素/视频），因为厂商固件不开放射频层。OASBUD 借助**研究型超声平台（Ultrasonix SonixTouch Research）**绕过了这一限制，把 RF 无损公开。其启示：

• 数据价值不在"成品"而在"信息完整度"：成品 B-mode 丢掉了 RF 层可恢复的全部 QUS 信息，而 RF 可以衍生出 B-mode（自己压缩），反之不行。发布"最原始层"是最大化数据用途的做法。
• 开放直链降低了门槛：对比请求制数据集（如 UDIAT），OASBUD 的零门槛下载显著扩大了使用者基数——这也是它被大量论文引用、形成"事实基准"的原因之一。

8.2 数据规模小的时候，"标签质量"比"算法复杂度"更重要

100 病灶 / 200 扫查是小数据。在这个规模上：

• 复杂深度模型容易过拟合，QUS 手工描述子反而更稳（§5.4）。
• 切分协议（患者级 vs 病灶级）对结论的影响，可能大于模型架构的选择。
• 标签确认方式（37 活检 + 13 随访）是需要显式声明的质量边界（§3.4）。

启示：小数据集的研究报告必须同时报告切分协议、预处理细节、多次划分的方差，否则数字不可复现。

8.3 "病灶-患者-扫查"三层结构需要正确建模

OASBUD 天然是三层嵌套：78 位女性（患者）→ 100 个病灶 → 200 条扫查（每病灶 2 条正交）。

• 患者级泄漏是常见错误：同一女性的多个病灶若跨训练/测试集，会因个体相似性虚高精度。
• 同一病灶的 2 条正交扫查若一条训练一条测试，也是泄漏。

启示：使用嵌套结构数据时，划分必须以最外层（患者）为单位；如需数据增强，可用同病灶正交扫查但要明白这会引入相关性。这是所有"一患者多样本"数据集（包括库内诸多乳腺/病理条目）的通用纪律。

8.4 元数据的"结构化"是 AI-Ready 的真正瓶颈

OASBUD 的数据本体完全开放，但元数据（采集设置、临床信息、.mat 结构说明）散落论文、非机器可读。这使一个法律上"完全开放"的数据集，在工程上仍需大量手动工作才能接入管线。

启示：“开放”≠“AI-Ready”。真正的 AI-Ready 需要：标准化格式（Parquet/HDF5）、数据字典（字段/维度/单位）、机器可读元数据（患者级附表）、明确的划分建议。OASBUD 是"开放度高、结构化低"的典型，也是衡量其他数据集"结构化"程度的参照系。

---

§9 与库内条目的关系、DAIMS 评估

9.1 家族图谱

• udiat（rid 757）：最易混引的对象。同为乳腺超声，但 UDIAT 是西班牙的 163 张 B-mode 图像、请求制；OASBUD 是波兰的 200 条 raw RF、公开直链。两篇对照阅读可完整覆盖"乳腺超声 AI 的两种数据形态"。
• bus-bra（rid 760）：西班牙语区外的最大规模乳腺超声图像集（巴西，1875 张，1064 患者）；与 OASBUD 在规模与模态上均不同，是"图像 vs 信号"的又一个对照。
• busi（rid 539）：埃及三类（正常/良性/恶性）乳腺超声图像集（780 张）；与 OASBUD 的二分类任务定义不同。
• camus（rid 533）：超声心动图分割数据集。与 OASBUD 共享超声模态，其超声信号处理方法（虽为图像）可作方法论互链。
• breastpathq（268）/ inbreast（542）：乳腺病理与乳腺钼靶的代表条目，用于说明"乳腺影像 AI"跨模态的家族全貌。

9.2 检索路径建议

• 精确检索词："OASBUD"、"Open Access Database of Raw Ultrasonic Signals"、"OABRFD"（别名）；务必用 DOI 10.1002/mp.12538 核对。
• 勿混淆：用 UDIAT / BUS-BRA / BUSI 的关键词会命中图像数据集；若目标是 RF 信号，须显式加 “raw RF” / “radio-frequency” 限定。
• 取数路径：Zenodo record 545928（首选，含 DOI 与校验信息）→ 校验 MD5 → scipy.io.loadmat 探查结构（附录 F）。

9.3 与 UDIAT 的关系声明

维度	UDIAT（rid 757）	OASBUD（本条目）
国别	西班牙	波兰
模态	B-mode 图像	原始射频信号
规模	163 张图像	200 条扫查（100 病灶）
获取	请求制	公开直链
阅读顺序	先读本条目（RF 视角）再读 UDIAT（图像视角），或反之	—

两篇不冲突：它们是乳腺超声 AI 的两条互补路径，唯一需要的纪律是不要跨模态直接比较精度数字。

9.4 DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	Zenodo + 官方门户 + 论文三处可检索；DOI 标准；但 .mat 文件本身无独立 dataset card，名称在文献中有 OASBUD/OABRFD 多写法
A 可获取性	9	公开直链、零门槛、无需注册/DUA、双通道冗余、含 MD5 校验——库内可及性最高一档
I 可互操作	5	.mat 为 MATLAB 惯用格式；无 Parquet/HDF5/标准化导出；无官方数据字典；无 DICOM 映射
M 元数据质量	5	论文表格完备（规模/设备/参数），但采集设置未逐例披露、良恶性确认方式仅正文提及、无机器可读患者表
S 可持续性	7	Zenodo（CERN）长期归档稳定；官方门户为机构自托管单点；v1 单版本无更新
综合评级	6.8/10（中上）	可及性（A=9）是全表最高；互操作与元数据（I=M=5）为主要短板；整体是"开放但需工程加工"的典型

解读：OASBUD 的 DAIMS 画像呈现鲜明"A 高、I/M 低"格局——法律与网络可及性极佳，但结构化/标准化程度不足。这与"原始研究数据直接公开"的发布哲学一致：开放优先，加工自负。

---

§10 避坑清单：八个已踩过的坑

坑 1：OASBUD ≠ UDIAT，别把波兰 RF 库当成西班牙图像库。 两者都是乳腺超声、都在文献里高频出现，但 OASBUD 是波兰的 200 条原始射频信号（100 病灶=52 恶性+48 良性，78 位女性），UDIAT 是西班牙的 163 张 B-mode 图像（110 良性+53 恶性）。地域、模态、规模、可及性四项全异。写作引用时必须显式区分，否则整段论证会被读者误读。

坑 2：良恶性计数别信二手转述——"78"是女性数不是良性数。 流传最广的误读是把 OASBUD 记成"78 良性 / 100 恶性"。正确口径是：100 个病灶 = 52 恶性 + 48 良性，来自 78 位女性，每病灶 2 条正交扫查 = 200 条。"78"是受检女性人数，"100"是病灶数，"200"是扫查数。没有任何"22 未标注"这一说。此条已作为双口径冲突存照（详见本条目附录 S 与 FACTS.md §9）。

坑 3：RF 线数 512 vs 510 双口径。 论文技术描述写每条扫查 512 条 RF 线；但把 OASBUD.mat 载入 MATLAB/Python 后，数组列数实测为 510。二者差异可能来自边缘线裁剪或导出取舍。代码应按实际数组维度自适应，切勿硬编码 512 或 510，否则会因索引越界而崩。

坑 4：预处理差异是精度不可比的元凶。 OASBUD 给的是原始 RF，没有任何包络/压缩/扫描转换。不同研究自行实现的 Hilbert 变换、对数压缩、归一化都不相同，导致即使"同一数据集同一任务"，报告精度也无法横向比较。引用任何 OASBUD 精度数字时，必须连同其预处理协议一起引。

坑 5：许可是 CC BY-NC 4.0，不是 CC BY 4.0。 TFDS 相关讨论曾把许可简写成 “Creative Commons 4.0”，漏掉 NC（非商用）限制。权威依据是 Zenodo record 545928 的机读字段 cc-by-nc-4.0。商用场景（含商业模型训练）须先获得授权，按 CC BY 4.0 使用会侵权。

坑 6：良性标签并非全部病理确认。 48 个良性里 37 个经组织学检查，其余 13 个仅经 2 年随访观察确认稳定。摘要与多数综述不提此细节。做高精度研究时，这 13 例无组织学真值，应视作标签噪声上界单独考虑。

坑 7：跨模态比精度是无效对比。 "OASBUD 上 AUC 0.97 vs BUSI 上 0.9x"这类并列陈述跨了模态（RF vs 图像）与任务（二分类 vs 多类）。OASBUD 模型用信号级信息，图像数据集模型用纹理信息，二者不可比。任何"谁更容易"的结论都不成立。

坑 8：.mat 无官方 schema，字段名靠猜会翻车。 数据集没有官方数据字典，.mat 内的变量名、维度顺序、标签存储方式、扫查与病灶的对应关系均需下载后自行探查。跨语言使用（Python 侧 scipy.io.loadmat）尤其要注意 MATLAB 结构体到 Python dict 的映射差异。建议先写探查脚本（附录 F）再建模。

---

§11 总结

11.1 三句话总结

1. OASBUD 是波兰 IPPT PAN 公开的乳腺病灶原始射频（raw RF）超声数据集：100 个病灶（52 恶性 + 48 良性）、78 位女性、200 条正交扫查，2017 年随 Medical Physics 论文发布（DOI 10.1002/mp.12538），托管于 Zenodo（DOI 10.5281/zenodo.545928）。
2. 它的核心价值是提供 B-mode 图像数据集给不了的信息层——原始 RF 使 QUS 描述子（Nakagami/谱/衰减）可算，代价是预处理责任落到使用者身上，且跨研究精度不可直接比较。
3. 它以 CC BY-NC 4.0 公开直链发布（非商用），可及性极高但元数据/格式结构化不足，是"开放度高、AI-Ready 加工量大"的典型样本。

11.2 适合谁

• 超声信号处理 / QUS 研究者：需要 RF 原始数据做 Nakagami、谱参数、衰减估计。
• 信号级深度学习团队：需要在 RF 域验证 1D/2D CNN、联合分割-分类。
• 小而干净的基准需求者：需要合规（CC BY-NC）、可解释、公开直链的二分类基准。
• 数据集工程 / AI-Ready 研究者：OASBUD 是"开放但未结构化"的活教材（§8.4）。

11.3 不适合谁

• 需要像素级分割真值的项目（OASBUD 无掩码）。
• 需要大规模训练数据的项目（仅 200 扫查，深度模型易过拟合）。
• **需要多类风险分层（BI-RADS）**的项目（仅二分类标签）。
• 商用产品开发（CC BY-NC 4.0 禁止商业使用）。
• 需要临床多模态（影像+病史）融合的项目（无临床元数据表）。

11.4 30 秒决策卡

你的情况	行动
要立刻下数据跑通	Zenodo record 545928 下 OASBUD.mat（296.8 MB）→ 校验 MD5 → 附录 F 探查脚本
要做 QUS 特征	走 §5.4：先建 Nakamagi/谱参数基线，再做深度模型
要写精度对标	先读 §5.2 可比性陷阱——必须同预处理、同切分粒度才可对比
要引用本数据集	附录 V 引文模板；注明 CC BY-NC 4.0 与 DOI
担心与 UDIAT 混淆	读 §7.2 区别表 + 坑 1
要做商用	先联系作者获授权（CC BY-NC 4.0 禁止商用）

---

FAQ（高频问答 30 问）

A. 基础认知

Q1：OASBUD 是什么？
波兰科学院基础技术研究所（IPPT PAN）公开的乳腺病灶原始射频（raw RF）超声信号数据集，全称 Open Access Series of Breast Ultrasonic Data。它是信号数据集，不是图像数据集。

Q2：名字怎么读、有没有别名？
读作"O-A-S-B-U-D"。别名有 OABRFD（Open access Breast RF Database）、“Open Access Series of Breast Ultrasonic/Ultrasound Data”。检索时多个别名都要试。

Q3：谁做的？
Piotrzkowska-Wróblewska、Dobruch-Sobczak、Byra、Nowicki 四人，波兰华沙 IPPT PAN，临床病例来自华沙肿瘤研究所。

Q4：发表在哪？
Medical Physics 2017;44(11):6105-6109，DOI 10.1002/mp.12538（PMID 28859252）。数据集本身 2017 年 8 月发布在 Zenodo（record 545928）。

Q5：数据里有多少例？
100 个病灶 = 52 恶性 + 48 良性，来自 78 位女性，每病灶 2 条正交扫查，共 200 条扫查。

Q6：为什么“78”常被误当成良性数？
因为二手转述把三个数字（78 女性、100 病灶、200 扫查）张冠李戴了。正确对应见 Q5，详见坑 2。

Q7：和 UDIAT 是一回事吗？
不是。OASBUD 是波兰的 RF 信号（200 扫查）；UDIAT 是西班牙的 163 张 B-mode 图像。模态、地域、规模、可及性全不同（§7.2、坑 1）。

Q8：最大的卖点一句话？
它提供了唯一能以原始 RF 形态公开获取的乳腺超声数据集之一——B-mode 图像里被丢掉的信息，这里全都还在。

Q9：它自己有什么局限？
标签只有二分类、无分割掩码、无临床元数据、规模小（200 扫查）、.mat 无官方 schema、CC BY-NC 禁止商用——见 §9.4 DAIMS 与 §11.3。

Q10：开源吗？
是，CC BY-NC 4.0，公开直链（Zenodo + 官方门户双通道），无需申请注册，但不能商用。

B. 数据与获取

Q11：怎么下载？
Zenodo：https://zenodo.org/records/545928 ；或官方门户 http://bluebox.ippt.gov.pl/~hpiotrzk/ 。下载 OASBUD.mat（296,800,010 字节）。

Q12：怎么确认下载完整？
校验 MD5 = e2b770a6ee2f06ebe480ed0962252100（大小 296,800,010 字节）。

Q13：文件里是什么格式？
单个 MATLAB .mat 文件，内含全部 200 条扫查的 RF 阵列。Python 用 scipy.io.loadmat 读取。

Q14：为什么没有 B-mode 图？
因为刻意提供未做后端处理的原始 RF。你可以自己 Hilbert→包络→对数压缩→扫描转换得到 B-mode，反之不行。

Q15：Sampling rate 是多少？
40 MHz（RF 直接采存）；探头 L14-5/38，中心频率 10 MHz。

Q16：每条扫查多少条 RF 线？
技术口径 512，MATLAB 数组实测列数 510——双口径，代码要自适应（坑 3）。

Q17：能商用吗？
不能（CC BY-NC 4.0）。商业用途需另行获得作者授权。

Q18：良性都是病理确认的吗？
不全是。48 个良性中 37 个经组织学检查，13 个仅经 2 年随访确认（坑 6）。

C. 技术与方法

Q19：什么是 QUS 描述子，为什么重要？
定量超声（Quantitative Ultrasound）参数，如 Nakagami 参数 m/Ω、谱参数、背散射系数、衰减系数——它们只能在原始 RF 上估计，是本数据集相对图像数据集的核心优势。

Q20：为什么简单 CNN 吃 RF 效果不如手工特征？
RF 未做包络/压缩，直接输入网络时动态范围与相位信息难处理；精心设计的 QUS 描述子更契合 RF 的物理含义（§5.4）。

Q21：我该用什么切分方式？
患者级（78 位女性为划分单位），避免同一女性多病灶造成泄漏（§8.3）。

Q22：同一病灶的 2 条正交扫查怎么用？
可作为数据增强，但要明白二者高度相关；不要一条训练一条测试（泄漏）。

Q23：报告精度要注意什么？
必须同时报告：预处理协议、切分粒度、多次随机划分的方差（§5.2、坑 4）。

Q24：能和其他乳腺超声数据集的精度比吗？
不能直接比。OASBUD 是 RF 信号二分类，BUSI/UDIAT/BUS-BRA 是图像（且 BUSI 三类）；跨模态跨任务比较无效（坑 7）。

D. 生态与库内

Q25：库里有哪些相关条目？
udiat(757)、bus-bra(760)、busi(539)、camus(533)、breastpathq(268)、inbreast(542) 等（§9.1）。

Q26：为什么 camus 也相关？
camus 是超声心动图数据集，与 OASBUD 同为超声模态，超声信号处理方法可互链（器官不同）。

Q27：OASBUD 在库内独特性是什么？
它是库内唯一的"乳腺原始射频超声"条目，与所有其他乳腺条目按模态区隔（§7.4）。

Q28：I 和 M 为什么评分低？
.mat 无官方数据字典、无标准格式导出、临床/采集元数据未结构化（§9.4）。

Q29：可持续性如何？
Zenodo（CERN）长期稳定；官方门户为机构自托管单点；v1 单版本无更新（§6.5）。

Q30：引用格式？
见附录 V。同时引论文（DOI 10.1002/mp.12538）与数据集（DOI 10.5281/zenodo.545928），注明 CC BY-NC 4.0。

---

事实清单（硬事实 40 条）

1. OASBUD 全称 Open Access Series of Breast Ultrasonic Data，中文可译"乳腺超声数据公开系列/原始射频超声信号公开数据库"。
2. 别名包括 OABRFD（Open access Breast RF Database）及 Ultrasonic/Ultrasound 多种变体。
3. 数据集本质为原始射频（raw RF）超声信号，非 B-mode 图像。
4. 采集/发布机构：波兰华沙 IPPT PAN（波兰科学院基础技术研究所）超声部。
5. 临床病例来源：华沙肿瘤研究所，病灶经临床确认。
6. 作者四人：Piotrzkowska-Wróblewska H、Dobruch-Sobczak K、Byra M、Nowicki A。
7. 论文：Medical Physics 2017;44(11):6105-6109，DOI 10.1002/mp.12538，PMID 28859252。
8. 论文在线首发日：2017-09-25。
9. 数据集 Zenodo record 545928，出版日 2017-08-31，v1 单版本。
10. 数据集 DOI：10.5281/zenodo.545928；concept DOI：10.5281/zenodo.603138。
11. 病灶总数：100。
12. 恶性病灶：52（全部经组织病理学确认）。
13. 良性病灶：48（37 经组织学 + 13 经 2 年随访）。
14. 受检女性：78 位。
15. 扫查总数：200 = 100 病灶 × 2 条正交扫查。
16. 采集期：2013-11 至 2015-10。
17. 扫描仪：Ultrasonix SonixTouch Research。
18. 探头：L14-5/38 线阵，中心频率 10 MHz。
19. 采样率：40 MHz。
20. 每条扫查 RF 线数：512（技术口径）/ 510（MATLAB 数组实测）——双口径。
21. 文件：单文件 OASBUD.mat，296,800,010 字节（≈296.8 MB）。
22. 文件 MD5：e2b770a6ee2f06ebe480ed0962252100。
23. 数据集许可：CC BY-NC 4.0（Zenodo 机读字段 cc-by-nc-4.0）。
24. 获取方式：公开直链（Zenodo + 官方门户），无需申请/注册。
25. 官方门户：http://bluebox.ippt.gov.pl/~hpiotrzk/ ，last update 2024-11-16。
26. 数据集热度（抓取时点）：Zenodo downloads 4218、views 10150。
27. Zenodo 无后续版本，单版本冻结。
28. 标签仅二分类良恶性，无掩码、无 BI-RADS、无临床元数据表。
29. 已公开基准（QUS 瘤内描述子 + RF 分类器）：准确率 95%，AUC 0.968。
30. 已公开基准（Jarosik CNN-1D-2D）：准确率 70%，AUC 0.772。
31. 已公开基准（分割+分类联合 RF 域）：AUC ≈0.94。
32. 已公开基准（Faster R-CNN，Wei 等）：准确率 >95%。
33. 跨研究精度不可直接比较：预处理与切分粒度未统一。
34. QUS 描述子（Nakagami/谱/衰减）只能在原始 RF 上估计。
35. 患者级划分是避免泄漏的正确做法（78 女性含多病灶者）。
36. 与 UDIAT（rid 757）区别：UDIAT 为西班牙 163 张 B-mode 图像、请求制。
37. 与 BUS-BRA（rid 760）区别：巴西 1875 张图像、1064 患者、1268 良性/607 恶性。
38. 与 BUSI（rid 539）区别：埃及 780 张图像、600 患者、良性 487/恶性 210/正常 133。
39. 库内定位：唯一的"乳腺原始射频超声"条目；与 camus(533) 同属超声模态。
40. DAIMS 综合评级 6.8/10（A 可获取性 9 为全表最高；I/M 各 5 为短板）。

---

术语表（30 条）

术语	释义
OASBUD	Open Access Series of Breast Ultrasonic Data，本条目数据集名
OABRFD	Open access Breast RF Database，OASBUD 别名
Raw RF（原始射频）	换能器接收的、未做包络检波的高频采样信号
RF line（射频线）	单次发射/接收对应的沿深度方向的 RF 采样序列
B-mode	二维灰度超声图，RF 经包络、压缩、扫描转换后的成品
Hilbert 变换	由实值 RF 构造复数解析信号，用于取包络
包络检波（envelope detection）	取解析信号模，得到亮度包络
对数压缩（log compression）	压缩极大动态范围以适配显示灰阶
扫描转换（scan conversion）	把线阵几何映射到矩形像素网格
QUS（定量超声）	Quantitative Ultrasound，从信号估计组织定量参数
Nakagami 参数	刻画包络统计的形状参数 m 与尺度参数 Ω
谱参数	射频功率谱的斜率/截距等，反映散射体尺寸
背散射系数	Backscatter coefficient，组织散射强度的定量指标
衰减系数	单位深度能量衰减率，反映组织吸收
正交扫查	对同一病灶沿两个相互正交的方向成像
BI-RADS	乳腺影像报告与数据系统，风险分级（OASBUD 无此标签）
良恶性二分类	benign vs malignant 两类判别，本数据集核心任务
患者级划分	以患者为单位的训练/测试切分，防个体泄漏
数据泄漏（leakage）	相关信息跨训练/测试集，导致精度虚高
L14-5/38	线阵超声探头型号（5-14 MHz，38 mm 孔径）
SonixTouch Research	Ultrasonix 研究型超声平台，可开放 RF 通道
MATLAB .mat	MATLAB 数据文件格式，本数据集的载体
scipy.io.loadmat	Python 读取 .mat 的函数
10 折交叉验证	常见评估协议；本数据集建议用患者级分组折
AUC（ROC 曲线下面积）	二分类判别能力指标（0.5 随机，1.0 完美）
准确率（accuracy）	预测正确的比例
CC BY-NC 4.0	署名-非商业性使用国际许可，本数据集许可
Zenodo	CERN 运营的开放数据归档平台
患者级 AUC / 病灶级 AUC	分别以患者/病灶为单位汇总的指标，口径不同
DAIMS	数据集 AI-Ready 成熟度评估框架（可发现/可获取/可互操作/元数据/可持续）

---

附录

附录 A：条目信息速查卡

项	值
条目名	OASBUD
url_name	oasbud
类型	乳腺原始射频超声信号数据集
论文	Medical Physics 2017;44(11):6105-6109（DOI 10.1002/mp.12538）
团队	波兰华沙 IPPT PAN（Piotrzkowska-Wróblewska 等）
规模	100 病灶（52 恶性 + 48 良性）/ 78 女性 / 200 扫查
许可	CC BY-NC 4.0（公开直链，非商用）
抓取时点	2026-09-30
库内互链	udiat(757)/bus-bra(760)/busi(539)/camus(533)/breastpathq(268)/inbreast(542)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	Zenodo+门户+论文三处可检索；DOI 标准；名称多写法
A 可获取性	9	公开直链、零门槛、双通道、含 MD5 校验
I 可互操作	5	.mat 无标准导出、无官方 schema、无 DICOM 映射
M 元数据质量	5	采集设置未逐例披露、无机器可读患者表
S 可持续性	7	Zenodo 稳定；机构门户单点；v1 单版本
综合评级	6.8/10（中上）	A 最高、I/M 偏低的"开放但需加工"典型

附录 C：逐项证据链自证

关键数字	来源	位置
100 病灶/52 恶性/48 良性/78 女性/200 扫查	论文摘要 + 正文 Methods	Medical Physics 2017;44(11)
37 活检 + 13 随访（良性拆分）	论文 Methods	正文
40 MHz 采样 / L14-5/38 / 10 MHz	论文方法节	正文
512 RF lines（技术口径）	Wiley 正文/技术描述	正文
510 列（MATLAB 实测）	TFDS/MATLAB 载入口径	社区实测
2013-11 至 2015-10 采集期	论文/Zenodo 元数据	两处
CC BY-NC 4.0	Zenodo record 545928 license 字段	机读元数据
296,800,010 字节 / MD5	Zenodo 文件条目	附件元数据
DOI 10.1002/mp.12538	Wiley/PubMed	论文页
DOI 10.5281/zenodo.545928	Zenodo record	元数据
95%/0.968、70%/0.772、0.94、>95%	第三方引用论文	各原文

附录 D：数据获取决策树

我需要乳腺超声数据
├── 需要原始 RF / QUS 参数？
│   └── 是 → OASBUD（Zenodo 545928，公开直链，CC BY-NC 4.0）→ 校验 MD5 → 附录 F 探查
└── 需要 B-mode 图像？
    ├── 需要请求制、小规模 → UDIAT（rid 757）
    ├── 需要大规模、有病理 → BUS-BRA（rid 760）
    └── 需要三类（含正常）→ BUSI（rid 539）

附录 E：OASBUD 与图像型数据集的模态差异规范

项	OASBUD（RF）	图像型（UDIAT/BUS-BRA/BUSI）
发布层	原始采样	后端成品
可恢复信息	全部（可自造 B-mode）	仅图像纹理
QUS 可算性	可算	基本不可
文件体量	大（单文件载全部）	小（逐例文件）
对比纪律	禁止与图像集直接比精度	同上

附录 F：.mat 结构探查脚本骨架（Python）

from scipy.io import loadmat

# OASBUD.mat 无官方 schema，先探查结构再建模（坑 8）
def explore_oasbud(path="OASBUD.mat"):
    d = loadmat(path, squeeze_me=True, struct_as_record=False)
    print("顶层键:", [k for k in d.keys() if not k.startswith("__")])
    for k, v in d.items():
        if k.startswith("__"):
            continue
        print(k, type(v), getattr(v, "shape", None), getattr(v, "dtype", None))
    return d

if __name__ == "__main__":
    explore_oasbud()

附录 G：RF → B-mode 重建骨架（概念）

import numpy as np
from scipy.signal import hilbert

def rf_to_bmode(rf_line, log_gain=40.0):
    """单条 RF 线 -> 包络 -> 对数压缩 -> 归一化（仅概念，未含扫描转换）。
    注意：OASBUD 各扫查实际线数按数组维度自适应（510 或 512，坑 3）。
    """
    env = np.abs(hilbert(rf_line))               # 解析信号取模 -> 包络
    env = np.maximum(env, 1e-12)
    db = 20.0 * np.log10(env / env.max())        # 对数压缩（dB）
    db = np.clip(db + log_gain, 0.0, log_gain)   # 动态范围裁剪
    return db / log_gain                          # 归一化到 [0,1]

附录 H：QUS 描述子计算要点

描述子	计算对象	要点
Nakagami m / Ω	包络（或 RF 同相/正交合成幅度）	矩法或最大似然估计；窗口大小影响稳定性
谱斜率/截距	RF 段功率谱	需补偿换能器响应与衍射
背散射系数	RF 段功率谱	需参考体模标定
衰减系数	多深度 RF	谱质心下移法或谱差法

附录 I：推荐评估协议

项	推荐做法
划分单位	患者级（78 位女性）
折数	患者级 5 折或 10 折，重复多次
正交扫查	同病灶两扫查同侧（训练或测试），不跨侧
报告内容	均值±标准差、预处理协议、AUC 与准确率、置信区间
基线	先给 QUS 描述子 + 经典分类器基线，再给深度模型

附录 J：公开基准结果登记表（第三方口径）

方法	准确率	AUC	来源类型
QUS 瘤内描述子 + RF 分类器	95%	0.968	Wiley 2022
Jarosik CNN-1D-2D	70%	0.772	会议/期刊论文
分割+分类联合（RF）	—	≈0.94	期刊论文
Faster R-CNN（Wei 等）	>95%	—	期刊论文

注：口径与预处理不同，不可直接横向比较（坑 4、坑 7）。

附录 K：库内乳腺超声三数据集对照总表

数据集	rid	国别	模态	规模	类别	获取
OASBUD	本条目	波兰	原始 RF	200 扫查/100 病灶	52 恶/48 良	公开直链
UDIAT	757	西班牙	B-mode 图像	163 张	110 良/53 恶	请求制
BUS-BRA	760	巴西	B-mode 图像	1875 张/1064 患者	1268 良/607 恶	公开
BUSI	539	埃及	B-mode 图像	780 张/600 患者	487 良/210 恶/133 正常	公开

附录 L：乳腺影像家族全景（跨模态）

模态	条目（rid）
原始射频超声	OASBUD（本条目）
B-mode 超声图像	udiat(757) / bus-bra(760) / busi(539)
乳腺病理 WSI	breastpathq(268)
乳腺钼靶	inbreast(542) / vindr-mammo(543) / swiss-mammo(627) / tn-mammo-breast-density(628)
乳腺 MRI	duke-breast-mri(440)
超声（非乳腺）	camus(533，超声心动图)

附录 M：与 UDIAT（rid 757）的关系声明

维度	UDIAT（757）	OASBUD（本条目）
国别	西班牙	波兰
模态	B-mode 图像	原始 RF 信号
规模	163 张	200 扫查（100 病灶）
获取	请求制	公开直链
任务	图像分类/分割	信号级二分类/QUS

两篇互补不冲突；唯一纪律是不跨模态直接比精度。

附录 N：许可条款细读

项	内容
许可	CC BY-NC 4.0
署名（BY）	须引用论文与数据集（附录 V）
非商用（NC）	禁止商业目的使用，含商业模型训练
常见误写	“CC 4.0”（漏 NC，见坑 5）
权威字段	Zenodo record 545928 license = cc-by-nc-4.0

附录 O：双口径登记表

冲突项	口径 A	口径 B	本条目取用
良性/恶性计数	brief：78 良性/100 恶性/22 未标注	三源：52 恶/48 良/78 女性/200 扫查	按 B（实核）
RF 线数	论文：512	MATLAB 实测：510	两者并存，代码自适应
良性数	二手：46	论文/Zenodo：48	48
许可	TFDS 讨论：CC 4.0	Zenodo：CC BY-NC 4.0	CC BY-NC 4.0
患者年龄	中文论文：均值 49.5	综述：25–75 岁	两者并存（均值 vs 范围）

附录 P：坑点档案（与 §10 对照）

坑	一句话	见
1	OASBUD≠UDIAT（波兰 RF vs 西班牙图像）	§7.2
2	"78"是女性数不是良性数	§3.4/附录 O
3	RF 线数 512 vs 510	§3.3
4	预处理差异致精度不可比	§5.2
5	许可是 CC BY-NC 4.0 非 CC BY 4.0	§6.2
6	良性含 13 例随访非活检	§3.4
7	跨模态比精度无效	§5.3
8	.mat 无官方 schema	§10/附录 F

附录 Q：检索决策树

搜乳腺超声数据集
├── 关键词含 "raw RF"/"radio-frequency"/"OASBUD"/"OABRFD" → OASBUD
├── 关键词 "UDIAT"/"163"/"Sabadell" → UDIAT(757)
├── 关键词 "BUS-BRA"/"1875"/"Brazil"/"1064" → BUS-BRA(760)
├── 关键词 "BUSI"/"780"/"Egypt"/"600" → BUSI(539)
└── 命中 "78 benign" 或 "100 malignant" 字样 → 二手误读，回查论文核对（坑 2）

附录 R：样本量影响速览

影响面	后果	缓解
深度模型过拟合	泛化差	强正则/增强/迁移
统计功效	置信区间宽	多次划分+置信区间
切分随机性	精度波动大	患者级重复交叉验证
类别边界	偶发噪声影响大	报告标签确认方式（37/13）

附录 S：双口径冲突详录（冲突 1 展开）

冲突 1：良恶性计数（brief vs 三源实核）

• brief 口径（存照）：“200 条 raw RF 信号（78 良性 / 100 恶性 + 22 未标注）”。
• 三源互证口径：论文摘要与正文、Zenodo 元数据、多篇引用综述一致给出——100 个病灶 = 52 恶性 + 48 良性，来自 78 位女性，×2 正交扫查 = 200 条扫查。
• 判定：brief 将"78（女性数）"误作良性数，将"100（病灶数）"误作恶性数，"22 未标注"无任何来源支持。
• 处置：本条目全文按三源实核口径成稿（52 恶性 / 48 良性 / 100 病灶 / 78 女性 / 200 扫查）；brief 口径在此存照待核。

附录 T：维护计划与触发点

触发点	动作
Zenodo 出现 v2	核对规模/许可变更，更新 §6
官方门户下线	更新 §6.5，标注仅剩 Zenodo
新基准论文发布	追加附录 J
库内新增乳腺超声条目	更新 §9.1/附录 K/L
许可变更	立即更新 §6.2/附录 N

附录 U：常见错误对照表

错误写法	正确写法
OASBUD 是 163 张图像	OASBUD 是 200 条 raw RF 扫查
78 良性 / 100 恶性	48 良性 / 52 恶性（100 病灶，78 女性）
许可 CC BY 4.0	许可 CC BY-NC 4.0
每条扫查 512 线（硬编码）	512 或 510，代码自适应
OASBUD 精度优于 BUSI	跨模态不可比
良性全部病理确认	37 活检 + 13 随访

附录 V：引文规范（BibTeX 模板）

@article{piotrzkowska2017oasbud,
  title   = {Open access database of raw ultrasonic signals acquired from
             malignant and benign breast lesions (OASBUD)},
  author  = {Piotrzkowska-Wr{\'o}blewska, Hanna and Dobruch-Sobczak, Katarzyna
             and Byra, Micha{\l} and Nowicki, Andrzej},
  journal = {Medical Physics},
  volume  = {44}, number = {11}, pages = {6105--6109}, year = {2017},
  doi     = {10.1002/mp.12538}
}

@misc{oasbud_dataset,
  title     = {Open Access Database of Raw Ultrasonic Signals Acquired from
               Malignant and Benign Breast Lesions},
  author    = {Piotrzkowska-Wr{\'o}blewska, Hanna and Dobruch-Sobczak, Katarzyna
               and Byra, Micha{\l} and Nowicki, Andrzej},
  year      = {2017}, publisher = {Zenodo},
  doi       = {10.5281/zenodo.545928}, note = {License: CC BY-NC 4.0}
}

附录 W：基于 OASBUD 的研究检查单（10 项）

1. 是否说明了预处理链（Hilbert/包络/压缩）的具体实现？
2. 划分是否为患者级（78 位女性）？
3. 同一病灶的 2 条正交扫查是否同侧划分？
4. 是否报告了多次随机划分的均值±标准差？
5. 是否给了 QUS 描述子基线？
6. 是否注明 48 良性中 13 例为随访确认？
7. 是否遵守 CC BY-NC 4.0（非商用）？
8. 是否引用了论文与数据集两个 DOI？
9. 是否在 RF 线数处做了数组维度自适应？
10. 是否避免与其他模态数据集的精度直接对比？

附录 X：缩写速查

缩写	全称
OASBUD	Open Access Series of Breast Ultrasonic Data
OABRFD	Open access Breast RF Database
RF	Radio Frequency（射频）
QUS	Quantitative Ultrasound（定量超声）
IPPT PAN	Institute of Fundamental Technological Research, Polish Academy of Sciences
UDIAT	UDIAT Diagnostic Centre（西班牙乳腺超声图像集）
BUSI	Breast Ultrasound Images（埃及）
BUS-BRA	Breast Ultrasound Brazil
AUC	Area Under the ROC Curve
DAIMS	Data AI-Ready Maturity Score

附录 Y：FAIR/AI-Ready 检查单

原则	满足度	说明
Findable（可发现）	高	DOI + Zenodo + 门户
Accessible（可获取）	高	公开直链、零门槛
Interoperable（可互操作）	低	.mat 无标准导出/schema
Reusable（可复用）	中	许可清晰（NC 限商用）；元数据薄
AI-Ready（整体）	中	信号在、标准缺

附录 Z：检索路径示范（关键词与查询式）

目标	推荐查询式	预期命中
数据集论文	“OASBUD” AND (“breast” OR “ultrasonic”) AND “raw”	Medical Physics 44(11):6105
数据集本体	OASBUD Zenodo / site:zenodo.org 545928	record 545928
官方门户	OASBUD IPPT bluebox / Piotrzkowska	bluebox.ippt.gov.pl/~hpiotrzk/
QUS 应用	OASBUD Nakagami / quantitative ultrasound breast RF	第三方论文
别名	“OABRFD” OR “Open access breast RF database”	同一数据集
反例（勿用）	“OASBUD 78 benign”	二手误读（坑 2）

附录 AA：本条目生产档案

项	值
代理	agent-b-oasbud
slug	oasbud
抓取与核验时点	2026-09-30
开工三查	锁文件 agent-b-oasbud；ps 记 7；目录无撞
slug 查重	url_name ILIKE '%oasbud%' → 0 行
存在性核验	三源互证通过
双零自检	check_md.py PASS / preflight_check.py 0 ERROR 0 WARN

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-09-30，抓取与核验时点见附录 A/附录 AA。事实陈述以论文（Medical Physics 2017;44(11):6105-6109，DOI 10.1002/mp.12538）、Zenodo record 545928 元数据与官方门户 http://bluebox.ippt.gov.pl/~hpiotrzk/ 为源。良恶性计数（brief “78 良性/100 恶性/22 未标注” vs 三源实核"52 恶性/48 良性/100 病灶/78 女性/200 扫查"）、RF 线数（512 vs 510）、许可（CC 4.0 vs CC BY-NC 4.0）等冲突已在坑点、附录 O、附录 S 逐条存照，全文按实核口径成稿。条目与库内 udiat(757)、bus-bra(760)、busi(539)、camus(533) 等条目互链，构成乳腺超声与乳腺影像家族的完整检索面。后续维护触发点见附录 T。

---

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：

• tn-mammo-breast-density — 共享标签：医学影像 / 乳腺影像 / 图像分类 / 肿瘤学
• camelyon17 — 共享标签：医学影像 / 图像分类 / 肿瘤学 / 评测基准
• unitopatho — 共享标签：医学影像 / 图像分类 / 肿瘤学 / 评测基准
• bach — 共享标签：医学影像 / 乳腺影像 / 图像分类 / 肿瘤学
• panda-plus — 共享标签：医学影像 / 图像分类 / 肿瘤学 / 评测基准
• derm12345 — 共享标签：医学影像 / 图像分类 / 肿瘤学 / 评测基准
• udiat — 共享标签：医学影像 / 乳腺影像 / 图像分类 / 肿瘤学
• bus-bra — 共享标签：医学影像 / 乳腺影像 / 图像分类 / 评测基准
• rare25 — 共享标签：医学影像 / 图像分类 / 肿瘤学 / 评测基准
• ham10000 — 共享标签：医学影像 / 图像分类 / 肿瘤学

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