SiNuS — 首个公开的单核分割数据集：Dual-ISH 乳腺癌 HER2 分级

INFOBOX — SiNuS 一屏速览

维度	内容
本质	首个公开的"单核（singular nuclei）"分割数据集，专为 Dual-ISH 乳腺癌 HER2 分级而建（非通用核分割）
名称	SiNuS = Singular Nuclei Segmentation（非解剖学"窦/sinus"；slug sinus-her2-nuclei 即 SiNuS + HER2 + nuclei）
团队	Kochi University of Technology（日本）+ RIoT Center, Independent University, Bangladesh；通讯 Md Shakhawat Hossain
论文	Data in Brief. 2026 Jun 9;67:112934（doi:10.1016/j.dib.2026.112934；PMCID PMC13277659 / PMID 42327358）
数据	39 张 1600×1200 像素 Dual-ISH 图块；1856 inclusive + 1284 exclusive 单核；21 例患者（10 HER2− + 11 HER2+）
采集	Carl Zeiss AxioImager Z2，20×（NA 0.80），0.325 μm/pixel；可选块 40 → 质检后 39
标注	3 位专家病理医生独立标注（ImageJ 选核 + SUPERVISELY 多边形勾边）；two-tier：inclusive（任一）/ exclusive（共识）
掩码	三类：binary（语义）/ multicolor（实例）/ NB 核边界（三分类边界感知）
基准	6 语义（U-Net/+、ResU-Net/+、DoubleU-Net、Attention U-Net）+ SAM-ViT-base + NB-Model；ResU-Net++ 最佳 exclusive Acc 84.35 / IoU 72.94
专家主观评估	NB-Model inclusive ≥60 TPC / ≤7 FPC 最优；ASCO/CAP 每例需 20-60 核
许可	CC BY 4.0（Mendeley Data，公开直链，无需申请）；论文 CC BY
获取	Mendeley DOI 10.17632/gtjrgwbntc（110 MB）+ GitHub github.com/sahil55222/SiNuS 代码
库内互链	nuinsseg(843)、monuseg(30)、nucls(248)、pannuke(218)、herohe(318)、bach(118)、breastpathq(268)、panda-plus(640)、panda(560)（rid 见 §9）

SiNuS 是一个"只盯着分裂得开、不重叠的细胞核"的数据集：在 HER2 原位杂交（ISH）图像的临床分级里，只有完整、孤立的**单核（singular nuclei）**才能用来数 HER2 与 CEP17 信号并算比值——被切了一半的核、互相压叠的核，信号计数都会失真。现有公共细胞核数据集清一色是 H&E 染色、做通用核分割，没有一个专门区分"单核"。SiNuS 补上了这个缺口：39 张 Dual-ISH 乳腺癌图块、三位病理专家各自独立勾边、并同时给出"谁选中都算（inclusive）"与"大家都选中才算（exclusive）"两套标注，外加二值/多色/核边界三类掩码。它体量不大，却是 HER2 分级 AI 从"通用核"走向"临床可用核"的第一块公开基石。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——CC BY 4.0、Mendeley 公开直链、110 MB，无需申请，还带 GitHub 可视化代码。
2. 关心"为什么是单核"：直奔 §0 与 §3——ASCO/CAP 分级口径 + 三专家独立标注 + inclusive/exclusive 双协议，是这个数据集区别于一切 H&E 核数据集的灵魂。
3. 做分割基准：直奔 §5 与 §7——三类掩码各配哪些模型、ResU-Net++ 与 NB-Model 的数字可直接对标；注意纯 IoU 评估的陷阱（坑 5）。

§0 导读：这个数据集解决什么问题

乳腺癌的 HER2 状态决定患者能否用曲妥珠单抗等抗 HER2 靶向治疗。判读 HER2 的金标准之一是原位杂交（in situ hybridization, ISH）——用探针把 HER2 基因与 17 号染色体着丝粒（CEP17）分别染出信号点，在同一批细胞核里数两者的点数，算 HER2/CEP17 比值：≥ 2.0 判阳性、< 2.0 判阴性。美国临床肿瘤学会与美国病理学家学会（ASCO/CAP）指南明确要求：ISH 图像的 HER2 分级只能用单核（singular nuclei），无论癌种——单核即完整、不与相邻核重叠的核。

问题在于，“单核"这件事对 AI 来说并不平凡。现有的公共细胞核分割数据集（NuInsSeg、MoNuSeg、PanNuke、NuCLS、TNBC……几乎全是 H&E 染色）做的是"把每个核都圈出来”，并不区分哪些核是孤立的、哪些被切边、哪些互相压叠。用这类数据训出来的模型，会老老实实地把重叠核、边缘残缺核也一起分割——而这些核恰恰是 HER2 分级不能用的。更隐蔽的是：一个模型即便 IoU 很高，只要它多圈了一点非核区、或漏掉了核内的一小角 CEP17 信号，信号计数就会错，分级结果就不可用——而 IoU 分数几乎看不出来。

SiNuS 的回答分三层。第一层是数据：39 张 Dual-ISH 乳腺癌图块（1600×1200 像素），每张含 RGB 原图、三专家独立勾边的单核多边形 JSON 坐标，以及二值、多色（实例）、核边界（NB）三类掩码，可供语义分割、实例分割、边界感知分割三种范式直接训练。第二层是协议：团队提供 inclusive（三专家任一选中即算）与 exclusive（三专家共同选中才算）两套标注，让研究者可以比较"宽松口径"与"共识口径"下模型表现的差异，并量化标注者间一致性。第三层是验证：用 6 个语义分割模型 + 1 个实例分割模型（SAM-ViT-base）+ 1 个边界感知模型（NB-Model）做了系统基准，并用**专家主观计数（真阳性/假阳性核数）**补足了纯 IoU 评估的盲区。

§0 读法三则：

1. 这个条目是"数据集 + 方法学批评 + 分割基准"三合一：本体是 39 张带双协议三掩码的图块，基准是 8 个模型的系统评测，批评则指向"纯 IoU 评估对分级不适用"这一被忽视的盲区（§5.4）。
2. 全文数字以论文 Table 1-5 与 Mendeley 数据页为准；正文与表格的唯一冲突（SAM-ViT-base 的 exclusive Dice Loss）已在坑 3 存照。
3. 别被名字误导：SiNuS 的 “sinus” 不是解剖学"窦"，而是 Singular Nuclei Segmentation 的首字母缩略；库内检索用精确词 “SiNuS” 或 DOI，不要用 “sinus” 去找解剖学数据集（坑 1）。

§1 数据集速览：十问十答

Q1：SiNuS 到底"单核"到什么程度？
它只收完整、不与相邻核重叠的核。被切了一半的核、互相压叠的核、边界含糊的核，一律排除——因为它们一旦进入信号计数，HER2/CEP17 比值就会错。这是它和一切 H&E 通用核分割数据集最根本的区别。

Q2：数据从哪来、多少量？
来源是 21 例乳腺癌患者的组织块（孟加拉 CMH 病理科提供），每块切 4-5 µm 连续切片做 H&E 与 Dual-ISH 玻片。从 Dual-ISH 玻片上选 40 个 1600×1200 固定尺寸不重叠图块，经锐度质检剔除 1 块，最终 39 块入集，含 1856 个 inclusive 与 1284 个 exclusive 单核。

Q3：图像规格是什么？
Dual-ISH（双色原位杂交，DISH）染色，Carl Zeiss AxioImager Z2 显微镜 20× 放大（NA 0.80），约 0.325 μm/pixel。每张 1600×1200 像素 RGB。注意：这是 ISH 类图像，外观和 H&E 差别很大，别指望 H&E 模型直接迁移。

Q4：什么叫 inclusive 和 exclusive？
三位专家各自独立标一遍。inclusive = 只要有一位专家选中就算（并集，宽松、召回高，1856 核）；exclusive = 三位都选中才算（交集，严格共识、精度高，1284 核）。两套标注各有独立目录、独立掩码、独立 CSV，别混用。

Q5：三类掩码分别干什么？
binary mask（核白/背景黑）→ 语义分割；multicolor mask（每个核一个随机唯一色）→ 实例分割；NB mask（核内部/核边界/背景三分类）→ 边界感知分割。一套数据同时支撑三种任务范式。

Q6：谁标的、可靠吗？
三位专家病理医生用 ImageJ 选核、用 SUPERVISELY 平台做多边形勾边，导出边界坐标 JSON。团队还用第 4 位未参与标注的专家做了独立主观评估（真阳性/假阳性计数）。exclusive 口径下的核计数高度一致，佐证标注可靠性。

Q7：基准模型表现如何？
6 个语义分割模型里 ResU-Net++ 最好（exclusive 准确率 84.35%、IoU 72.94%），ResU-Net 的 Dice Loss 最低（0.149）；SAM-ViT-base 做实例分割；NB-Model 在主观评估里最优（inclusive ≥60 真阳性、≤7 假阳性）。多数模型准确率落在 70%-85%。

Q8：为什么 exclusive 上模型得分普遍更高？
因为 exclusive 只保留了三位专家都认可的、最显著的核，每张图里的核数更少、边界更清楚，分割自然更容易。这是分布效应，不是标签质量效应——和 PANDA-PLUS 里 Karolinska 子集一致率虚高同理。

Q9：我现在能拿到什么？
全部可达：Mendeley Data DOI 10.17632/gtjrgwbntc，CC BY 4.0，公开直链，110 MB，含 39 图块全套标注与掩码；配套代码在 GitHub sahil55222/SiNuS。无需申请、无 gated。

Q10：为什么它对 AI-Ready 重要？
它是"小体量 + 高许可开放度 + 结构化标注"的样本：39 张图不算多，但 CC BY 4.0 + 公开直链 + JSON/CSV 结构化 + 三类掩码 + 双标注协议，使它的 AI-Ready 完成度远超许多更大但需申请的数据集。它证明了"临床专用的小数据集"也能做到开箱即用。

§2 数据构成与规格

2.1 规模、来源与人群构成

SiNuS 包含 39 张 Dual-ISH 乳腺癌图像块，全部来自孟加拉国 CMH（Combined Military Hospital，联合军事医院）病理科的 21 例乳腺癌患者组织块。

维度	数值	说明
患者数	21	10 例 HER2-negative + 11 例 HER2-positive
组织块数	21	与患者一一对应；每块切 4-5 µm 连续切片
图像块数	39	从玻片选 40 块，锐度质检剔除 1 块
图块尺寸	1600 × 1200 px	RGB，固定尺寸、不重叠
inclusive 单核	1,856	三专家任一选中（并集）
exclusive 单核	1,284	三专家共同选中（交集）
低级别图块	16	low-grade 癌区
高级别图块	23	high-grade 癌区
染色	Dual-ISH	双色原位杂交（DISH）
放大倍率	20×（NA 0.80）	原始扫描倍率
空间分辨率	0.325 µm/pixel	Carl Zeiss AxioImager Z2

HER2 判读口径：HER2/CEP17 ratio ≥ 2.0 = HER2-positive，< 2.0 = HER2-negative——这是 ASCO/CAP 的 ISH 判读标准。注意 HER2 状态（positive/negative）与癌症分级（low-grade/high-grade）是两个正交维度，16+23=39 说的是分级，10+11=21 说的是 HER2 状态，二者不可混为一谈。

2.2 从组织块到图块的流水线

论文的方法分两大步（Fig. 3）：

1. 制片与扫描：每例组织块切 4-5 µm 连续切片，分别做 H&E 与 Dual-ISH 玻片；玻片用 Carl Zeiss AxioImager Z2 在 20×（NA 0.80）下扫描，得约 0.325 µm/pixel 的数字图像。
2. 标注与加工：专家先在 H&E 数字片上勾出浸润性乳腺癌区域，把这些区域映射到对应的 Dual-ISH 数字片；再在 Dual-ISH 片上勾代表性癌区并手工做 HER2 分级；从这些区域选 40 个固定尺寸不重叠图块（1600×1200），按 HER2/CEP17 比值分阳性/阴性；用团队自研的病理图像锐度评估法筛质量，DISH 图因玻璃背景占比大，锐度阈值放宽到 8，最终 39 块通过。

质检门槛 40 → 39 的细节：被剔除的 1 块来自锐度评估——DISH 图像有大片玻璃背景，模糊阈值不能照搬 H&E 的严格标准，团队"经验性地"采用放宽阈值 8。论文给出各图块的锐度退化分数曲线（Fig. 4），但未逐块列出被剔除者编号。

为什么"图块"而不是"整张 WSI"：Dual-ISH 玻片分辨率极高，整片动辄上 GB，而临床分级只需在若干代表性癌区计数。团队切出固定尺寸不重叠图块，既保证每个图块都落在浸润癌区内（由 H&E 区域映射保证），又使图块尺寸统一、便于批量训练。这个"先选癌区、再切块"的两段式，是它区分于"整片随机切块"式数据集的关键。

2.3 逐图核形态学：Table 1 的口径与双口径存照

论文 Table 1 给出"逐图核属性"，含 inclusive 与 exclusive 两套计数及形态学（Cnt 计数、Area 面积、Peri 周长、Solid 实度、Circ 圆度）：

分组	Inclusive 均值	Exclusive 均值
Cnt（核数/图）	47.5	33.7
Area（面积）	1474.2	1557.19
Peri（周长）	142.0	145.44
Solid（实度）	0.959	0.948
Circ（圆度）	0.873	0.863

双口径存照：Table 1 实际只列出 16 行（img 1-8 为 Neg、img 17-24 为 Pos），而摘要与数据描述明确写 39 张图块 / 21 例患者 / 1856+1284 核。两种解释：(1) Table 1 是"代表性逐图样例表"，版面所限只列部分；(2) 编号跳号（1-8 后接 17-24）暗示这是节选。用 inclusive 均值反推可佐证全量口径：47.5 × 39 ≈ 1852（与 1856 吻合），exclusive 33.7 × 39 ≈ 1314（与 1284 接近）。故本条目以"39 图块全量"为准，Table 1 视为节选样例表（坑 2）。

形态学的生物学意义：HER2-negative 的核面积更小、周长更小；HER2-positive 的核圆度更低（更不规则）。这与"更侵袭的癌核更大、更不圆"的病理学预期一致，也是团队用来反证标注质量合理的证据之一（Fig. 8 雷达图）。

四项形态学指标的定义与读法：

• Area（面积）：binary mask 中该核算得的像素面积；反映核的大小。
• Perimeter（周长）：核边界多边形/像素边界的周长；与面积组合可推核的"松紧"。
• Solidity（实度）：核面积与其凸包面积之比，越接近 1 越"实心"，凹陷少。
• Circularity（圆度）：4π·Area / Perimeter²，接近 1 为近圆，越低越不规则。

这些指标全部由 binary mask 计算，因此与掩码自洽；它们既是描述性统计，也是团队论证"标注捕捉到了真实生物学差异"的量化抓手。

2.4 目录结构与文件格式

数据集按两套标注策略各自组织（下表为结构示意，非逐文件清单）：

SiNuS/
├── Inclusive/
│   ├── img_1/ ... img_39/
│   │   ├── <原图>            RGB PNG/TIF（1600×1200）
│   │   ├── <JSON>            单核多边形边界坐标
│   │   ├── <binary mask>     核白/背景黑
│   │   ├── <multicolor mask> 每核唯一随机色
│   │   └── <NB mask>         核内部/边界/背景三分类
│   └── Inclusive.csv         逐图核计数与形态学
└── Exclusive/
    ├── img_1/ ... img_39/    （同样结构）
    └── Exclusive.csv

JSON 文件保存每个单核的边界多边形坐标；CSV 文件保存逐图核计数与平均形态学属性（area/perimeter/solidity/circularity，均由 binary mask 计算）。这套结构化格式使数据集可被 Python 直接解析，无需人工清洗——是其高 AI-Ready 度的直接来源。

文件类型	内容	对应任务
RGB 原图	1600×1200 Dual-ISH 图块	输入
JSON	单核多边形边界坐标（逐核一条）	真值坐标 / 转换源
binary mask	核像素白、背景黑	语义分割
multicolor mask	每个核唯一随机色	实例分割
NB mask	核内部/核边界/背景三分类	边界感知分割
CSV	逐图核计数 + 形态学均值	统计分析 / 质量控制

2.5 与现有核分割数据集的结构性差异

把 SiNuS 放进现有公共核分割数据集景观（论文 Table 5），能一眼看出它的三个"唯一"：

数据集	乳腺	单核	Inc/Exc	放大	染色	图数	核数	掩码
NuInsSeg	✗	✗	✗	40×	H&E	665	30,698	B, M
Hou et al.	✓	✗	✗	40×	H&E	1,356	50 亿点	B, M
NuCLS	✗	✗	✗	40×	H&E	–	220,000	N/A
Kumar et al.	✓	✗	✗	40×	H&E	30	21,623	B, M
MoNuSeg	✓	✗	✗	40×	H&E	44	28,846	B, M
Crowdsource	✓	✗	✗	40×	H&E	64	2,532	M
CRCHisto	✗	✗	✗	20×	H&E	100	29,756	M
PanNuke	✓	✗	✗	40×	H&E	100	205,343	M
CryoNuSeg	✓	✗	✗	40×	H&E	30	7,596	B, M
CPM-15	✗	✗	✗	20×, 40×	H&E	15	2,905	B, M
TNBC	✓	✗	✗	40×	H&E	50	4,022	B, M
SiNuS（本条目）	✓	✓	✓	20×	DISH	39	1,856	B, M, NB

三个"唯一"：唯一区分单核、唯一提供 inclusive/exclusive 双协议、唯一使用 DISH 染色（其余全为 H&E）；此外它也是列表中**唯一同时提供三种掩码（B, M, NB）**的数据集。代价是核数量最少（1,856 vs PanNuke 205,343）——这是"临床相关高置信核"与"海量通用核"之间的必然取舍（坑 6）。

§3 单核标注：三专家独立 + 双协议

3.1 逐像素工艺：为什么"单核"值得单独标注

HER2 ISH 分级的信号计数本质是"在一个核里同时数 HER2 点与 CEP17 点"。这个操作的三个前提：核必须完整（信号点没被切片边界切掉）、核必须孤立（相邻核的信号点不会串进来）、核必须清晰（弱信号或非核染色会污染比值）。三者任一不满足，比值就错。因此"单核"不是一个可有可无的过滤步骤，而是分级能否成立的地基。SiNuS 把地基单独做成了一个数据集。

用一张"反例表"更能说明问题——哪些结构不算单核，以及它们为什么不能用：

结构	形态	对 HER2/CEP17 计数的后果
完整孤立核	边界闭合、无邻居交叠	点数有效，分级可用（唯一合格对象）
重叠核	与相邻核部分压叠	相邻核信号串入，分子分母同时被污染
边缘残缺核	被图块/切片边界切断	丢失部分信号点，计数系统性偏低
弱信号/非核染色	背景或非特异染色	无法可靠数点，天然不可数
退变/裸核	核膜破裂、染色质外溢	边界不可定，形态学指标失真

论文用 Fig. 1 直观展示这些"对分级无用的非单核"（上排示意、下排实拍）。这正是"单核分割"必须作为独立任务的临床理由。

3.2 三专家独立标注流程

• 选核：三位专家病理医生各自在 ImageJ 中从图块里挑出单核（完整、不重叠）。
• 勾边：在 SUPERVISELY 计算机视觉平台上用多边形（polygon）标注勾出核的精确边界，可对边缘做微调。
• 导出：生成含每个核边界坐标的 JSON 文件。
• 掩码生成：团队自研 Python（基于 OpenCV）从 JSON 生成三类掩码——binary（核像素白、背景黑）、multicolor（每核随机唯一色、支持实例分割）、NB（核内部/核边界/背景三分类、支持边界感知分割）。
• 复核：标注与掩码在入集前由专家复核确认。

独立是关键词：三位专家互不参考，各自完成一套选择与勾边——这才能在事后计算"选核一致性"并派生 inclusive/exclusive 两套协议。这与 PANDA-PLUS 的"学生初注 + 专家终审"是两种不同哲学：SiNuS 用多专家平行独立换取标注一致性的可测量性，PANDA-PLUS 用分层流水线换取规模（§8.2 对照）。

为什么"独立"能撬出一致性证据：若三位专家串行参考，得到的只是"最后一个人的判断"；只有平行独立，"并集−交集"的差值才能被解释为真实分歧。SiNuS 正是用这套设计把"标注者变异"从隐藏噪声变成了可测量、可发布的第二套标签。

3.3 inclusive 与 exclusive：两套协议的语义与用法

协议	定义	核数	语义	适用场景
Inclusive	三专家任一选中 = 收录（并集）	1,856	宽松，召回优先	需要尽可能多的训练信号；容忍边界核对
Exclusive	三专家共同选中 = 收录（交集）	1,284	严格，精度优先	需要高置信共识标签；做"金标准"评测

两套协议各配三类掩码与 CSV，物理上放在不同目录，不能混用。二者的核数差（1856 − 1284 = 572）正是专家分歧的量化窗口：约 31% 的 inclusive 核未进入共识集。研究者可据此研究"标注者分歧如何影响分割与分级"。

为什么 exclusive 上模型得分更高：exclusive 只保留三人都认可的、最显著的核，每图核数更少（33.7 vs 47.5）、边界更清楚，分割任务本身更简单。论文明确指出这是分布效应（“likely because exclusive annotations contain only the most prominent nuclei, leading to fewer nuclei per image”），而非 exclusive 标签"更正确"——这与 PANDA-PLUS 里 Karolinska 子集一致率虚高是同一种统计陷阱（§7.2）。

572 个分歧核到底是谁的：它们落在"被至少一位专家认为是单核、但未被所有人认可"的灰区——可能是一位专家认为边界稍含糊、或与邻核有轻微接触的核。团队没有公布这 572 个核的具体属性分布，但它们构成了研究"专家判定阈差异"的天然样本。

3.4 标注者间一致性的信号

论文的形态学分析给出一个间接但有力的可靠性证据：exclusive 标注下病理医生的核计数高度一致（“nuclear counts in the exclusive annotation dataset demonstrate high concordance among pathologists for HER2 grading”）。换言之，三方都选中的核是"共识核心"，其存在本身说明专家对"什么是合格单核"有稳定的共同判断。但论文未报告标准的观察者间一致性指标（如 Cohen’s κ、Dice 标注一致性），这是一处可加强的方法学空白（遗留疑点）。

从数据本身可估的一致性线索：exclusive/inclusive 比值 1284/1856 ≈ 69%，意味着平均约七成候选核获全体认可；这在需要精细边界的病理标注里属于相当高的共识水平（对比：开放式多专家核标注任务中，交并比常显著更低）。

3.5 SUPERVISELY 的角色与工具链

值得单独点出 SUPERVISELY：它是一个通用的计算机视觉标注平台（支持多边形、实例分割等），并非医学专用。团队的选择说明"病理级勾边"未必需要定制软件——现成的 CV 标注平台 + ImageJ 自助选核，即可完成需要精细边界的医学标注。工具链的轻量化降低了复刻门槛：其他团队若要建类似数据集，无需采购专门的病理标注系统。

完整工具链一览：ImageJ（放大、选核）→ SUPERVISELY（多边形勾边、导出 JSON）→ 自研 Python/OpenCV（JSON→三类掩码）→ 自研锐度评估（图块质检）→ CSV 汇总（形态学）。每一步都基于开源或现成工具，全程可被其他团队复刻（§8.4）。

§4 HER2 分级背景：ISE 与 ISH 两条路

4.1 HER2 阳性为什么重要

HER2（human epidermal growth factor receptor 2，人表皮生长因子受体 2）是一个跨膜受体酪氨酸激酶，在约 15%-20% 的乳腺癌中发生基因扩增和/或蛋白过表达。HER2 阳性肿瘤临床行为更侵袭，但对曲妥珠单抗（trastuzumab）等抗 HER2 靶向治疗应答概率高——因此准确判读 HER2 状态直接决定患者能否获益于靶向治疗，是乳腺癌精准医疗的关键分诊点。

误判的代价是双向的：把阳性判成阴性，患者失去靶向治疗机会；把阴性判成阳性，患者承受无效治疗的经济与副作用负担。这就是为什么"HER2 判读"值得被单独做成一个 AI 数据集的靶标。

4.2 两条判读路径：IHC 与 ISH

HER2 判读有两条主流路径：

1. 免疫组化（IHC）：用抗体染 HER2 蛋白，按膜染色强度与比例给 0/1+/2+/3+ 评分。3+ 直接判阳性、0/1+ 判阴性，2+ 为不确定，需进一步做 ISH 确认。
2. 原位杂交（ISH）：直接检测 HER2 基因拷贝数。分荧光原位杂交（FISH）与显色原位杂交（CISH）；**Dual-ISH（DISH，双色原位杂交）**同时染 HER2 基因（通常红色/棕色）与 17 号染色体着丝粒 CEP17（通常绿色/蓝色）作为内参，在单核内分别数点数，算 HER2/CEP17 比值。

DISH 相对 FISH 的优势是可用普通明场显微镜观察、切片可长期保存；它也是 SiNuS 采用的染色方式——这使 SiNuS 成为公共核分割数据集里罕见的 ISH 类样本。

方法	检测对象	读出	特点
IHC	HER2 蛋白	0/1+/2+/3+ 膜染色评分	普及、便宜；2+ 需 ISH 复核
FISH	HER2 基因拷贝	荧光信号点计数	精确定量；需荧光显微镜、切片难保存
CISH	HER2 基因拷贝	显色信号点计数	明场可读；单色
DISH	HER2 基因 + CEP17	双色信号点计数与比值	明场可读、双色内参（SiNuS 采用）

4.3 ASCO/CAP 单核要求与"为什么必须是单核"

ASCO/CAP 指南规定：ISH 图像的 HER2 分级只能用单核。原因是比值计算的物理基础——只有当一个核完整且孤立时，它内部的 HER2 点与 CEP17 点才"属于同一个细胞、同一份基因、同一份内参"。若用了：

• 重叠核：相邻核的信号点会串入，分母分子同时被污染；
• 边缘残缺核：被切片切断的核丢失部分信号点，计数偏低；
• 含糊核：弱信号或非核背景染色，天然不可数。

任何一类混入，都会直接扭曲 HER2/CEP17 比值，进而误判阳性/阴性。论文用 Fig. 1 直观展示了这些"对分级无用的非单核"（上排示意、下排实拍）。这正是"单核分割"必须作为独立任务的临床理由。

4.4 临床计数的量级：20-60 个核/例

ASCO/CAP 要求每个病例至少计数 20-60 个核才能定级；实践中每例通常取 ≥3 张图像块。这个数字是评估 SiNuS 基准模型"够不够用"的标尺：论文指出，大多数被测模型每图能检出 >35-40 个真阳性单核，配 3 张图即远超 60 核阈值——因此即便存在少量假阳性，数据集与模型仍足以支撑分级研究（§5.4）。这是把"分割指标"翻译成"临床可用性"的关键换算。

反过来看，这也解释了 SiNuS 为什么"39 图块不算少"：临床分级根本不需要海量核，只需要每例若干个高置信单核。1,856 个 inclusive 核分布在 39 图上，平均每图 47.5 个，已数倍于单例所需。

4.5 与 H&E 路径的关系：为什么不能拿 H&E 核模型直接用

近年的另一条研究路线是用 H&E 切片预测 HER2 状态（如 TCIA 的 HER2-TUMOR-ROIS、HEROHE 挑战赛）——因为 H&E 更普及、更便宜。但这是一条间接推断路径（从形态学反推基因状态），与 ISH 的直接测量不同。SiNuS 站在直接测量一侧：它处理的是 ISH 图像本身，要求正确定位单核以便数点。两类任务的图像外观、标注对象、误差来源都不同，H&E 训出的核分割模型不能直接迁移到 DISH 单核任务上——DISH 图像的核外观与传统病理图像差异显著（论文原话：“nuclear appearance in DISH images differ considerably from conventional histopathology images”）。这是该数据集必须独立存在的技术理由（坑 6）。

维度	H&E 路径（如 HEROHE）	ISH 路径（SiNuS）
输入	苏木精-伊红染色片	Dual-ISH 双色片
判读性质	间接推断（从形态反推基因）	直接测量（数基因拷贝点）
关键对象	组织形态 / 全片特征	完整孤立单核
标注单位	图级/区域级标签	逐核像素级边界
误差来源	形态-基因相关性弱	信号点串扰、核边界判定
是否可迁移	与 ISH 模型互不通用的两个世界	需独立训练

§5 技术验证：8 个模型的系统基准

5.1 验证设计：三类任务 × 三种评估

论文的技术验证覆盖三种分割范式，各配相应模型：

任务	掩码	模型	数量
语义分割	binary	U-Net、U-Net+、ResU-Net、ResU-Net++、DoubleU-Net、Attention U-Net	6
实例分割	multicolor	SAM-ViT-base	1
边界感知分割	NB	NB-Model（内容感知三分类）	1

训练配置：100 epochs；单卡 NVIDIA GTX 1650 4 GB；原图 1600×1200；数据增强 = 水平翻转 + 旋转（−10°~+10°，3.3° 步长）→ 39 张原图扩到 300 张（261 张增强）；按 70%/15%/15% 划分 = 210/45/45（原图口径则训练 27、验证 6、测试 6）。选择 100 epochs 是因为验证损失此时已稳定。

双轴评估策略：客观评估用 Accuracy、Precision、Recall、F1、IoU、Dice Loss；主观评估由一位未参与原始标注的专家病理医生人工数真阳性（TPC）与假阳性（FPC）单核，验证临床相关性。

为什么用 GTX 1650 4 GB 也能训：单核分割的图像尺寸虽大（1600×1200），但 39 图的规模小、模型参数相对轻（6 个 U-Net 家族多数为轻量级），因此入门级消费显卡即可完成。这降低了复现门槛——团队刻意用普通硬件，让基准可被更广泛的研究者重现。

5.2 客观结果：Table 3 完整数字

模型	Inclusive Acc	Inc. IoU	Inc. Dice	Exclusive Acc	Exc. IoU	Exc. Dice
U-Net	79.57	66.22	0.295	80.70	67.93	0.191
U-Net+	78.98	65.26	0.189	78.69	64.87	0.213
ResU-Net	81.04	68.01	0.149	83.30	71.50	0.166
ResU-Net++	81.67	68.78	0.198	84.35	72.94	0.156
DoubleU-Net	77.69	63.00	0.258	73.58	58.20	0.264
Attention U-Net	73.65	58.40	0.289	70.06	54.10	0.297
SAM-ViT-base（实例）	80.87	66.73	0.285	81.48	67.10	0.300
NB-Model（边界）	83.27	71.40	0.249	81.48	68.86	0.153

关键读数：

1. ResU-Net++ 是语义分割最佳（exclusive Acc 84.35 / IoU 72.94），ResU-Net 次之——残差网络结构对核分割有效。
2. ResU-Net 的 Dice Loss 最低（inclusive 0.149）。
3. Attention U-Net 最差（两套标注下准确率最低、Dice Loss 最高）——注意力机制在此小数据集上未能转化为增益，提示小样本下复杂模块反而过拟合或欠训。
4. NB-Model 在 inclusive 上准确率最高（83.27），exclusive 上 Dice Loss 最低（0.153），边界感知建模在单核场景稳健。
5. 总体准确率 70%-85%，多数约 80%——论文据此声称数据集质量高。

双口径存照（坑 3）：SAM-ViT-base 的 exclusive Dice Loss，论文正文写 0.19，而 Table 3 记 0.300。本条目以 Table 3 为准并注明正文另有 0.19 口径。

表内读法提示：表中 Acc/IoU 均为百分数（如 84.35 即 84.35%），Dice 一栏为 Dice Loss（0-1，越低越好，注意与作为相似度的 Dice 系数方向相反）。识别模型优劣时，Accuracy 与 IoU 同向、Dice Loss 反向，须一并看。

5.3 主观结果：Table 4 专家计数

由于 IoU 对分级不可靠（§5.4），论文用专家人工计数补足：

模型	Inclusive Avg. TPC	Inc. FPC	Exclusive Avg. TPC	Exc. FPC
ResU-Net+	≥ 50	≤ 12	≥ 40	≤ 10
SAM-ViT-base	≥ 55	≤ 12	≥ 35	≤ 6
NB-Model	≥ 60	≤ 7	≥ 45	≤ 5

专家使用渐近记号（≥ / ≤）而非精确计数。结论：NB-Model 主观评估最优（inclusive ≥60 真阳性 / ≤7 假阳性）；exclusive 标注下假阳性普遍更低。对照 ASCO/CAP 的 20-60 核/例要求，多数模型每图 >35-40 真阳性、配 3 图即足够分级。

为什么选这三款做主观评估：ResU-Net+ 代表经典语义分割、SAM-ViT-base 代表通用大模型迁移、NB-Model 代表本团队边界感知方法——三类范式各取一个代表，构成"通用 vs 专用 vs 边界"的对照。三者在主观计数上的差异（NB-Model 最优）与客观指标不完全一致，正是论文论证"需双轴评估"的实证。

5.4 方法学亮点：为什么纯 IoU 评估对 HER2 分级不适用

这是本论文最值得记的一笔。作者指出：基于 IoU 的客观评估对单核检测不可靠。机制是——给预测核设一个 IoU 阈值判定真/假阳性时，"多圈了一点非核区"与"漏掉了核内一小角 CEP17 信号"会产生相近的 IoU 分数，但对 HER2 分级的后果截然不同：前者把非核污染引入计数，后者丢失有效信号，二者都可能使 HER2/CEP17 比值失准，而 IoU 完全看不出来。

Fig. 9 用四象限反例说明：左上（准确）与右上（完全不可用）IoU 相似，但右上对分级毫无价值；左下（漏掉核内 CEP17 信号）与右下（纳入核外 CEP17 信号）同样会破坏信号计数。因此论文主张：HER2 相关的分割评估必须辅以信号计数层面的专家判断，不能只看 IoU。这一批评对一切"以像素重叠衡量临床价值"的医学分割任务都有警示意义——它与 PANDA-PLUS 揭示的"标签粒度决定模型上限"是同一类方法学反思。

用一张误差后果表概括：

误差类型	IoU 表现	对 HER2 分级的实际后果
多圈非核区	与正确预测相近	引入核外噪声，比值失真
漏掉核内 CEP17 信号	与多圈非核区相近	丢失有效信号点，比值失真
边界略微偏移但覆盖信号完整	中等	可能仍可用（信号未损）
核内信号完整且边界贴合	高	分级可用

表中第二、三行的关键：同样的 IoU 落点，临床后果可以完全不同。这是"指标必须贴着临床动作选"的最直观论据。

5.5 基准的可比性边界

使用 SiNuS 基准时须注意三点：其一，测试集仅 6 张原图（15% 划分），指标方差可能较大；其二，训练用了增强后的 300 张，但测试集官方口径是原图，跨论文对比时须确认划分一致；其三，exclusive 上的高分有分布效应（§3.3），不能简单解读为"exclusive 标签更好"。这些边界使 SiNuS 更适合作为方法可行性验证的基准，而非高方差的模型排序竞赛。

给复现者的三条硬约束：

1. 报告指标时必须声明是 inclusive 还是 exclusive——两套数值不可混提。
2. 报告划分必须声明是"原图口径（27/6/6）“还是"增强口径（210/45/45）”。
3. 引用 SOTA 对比时，须复算到你自己的划分上，不能直接抄论文表格跨划分比较。

§6 获取与许可：一个敞开的门

6.1 单一资产、单一许可

与 PANDA-PLUS 的"三层异构许可"不同，SiNuS 的获取结构极简：

资产	载体	许可	获取方式
数据集本体（图块 + JSON + 掩码 + CSV）	Mendeley Data	CC BY 4.0	公开直链，无需申请
论文	Data in Brief	CC BY	开放获取
代码（可视化 + 单核检测）	GitHub	未明示（默认仓库公开）	公开直链

• 数据集 DOI：10.17632/gtjrgwbntc（Mendeley Data）
• 版本链（双口径存照，坑 4）：v1 发布于 2025-12-04 → v2 发布于 2026-06-01 → v3 发布于 2026-06-25（latest）
• 论文正文引用 v2（doi 后缀 .2），而 Mendeley 站点 latest 已是 v3——引用数据时须锁定版本号
• 体量：110 MB（Download All 口径）
• 代码：https://github.com/sahil55222/SiNuS

6.2 版本链与实际差异

Mendeley 保留三个版本：

版本	发布日期	说明
v1	2025-12-04	首个版本
v2	2026-06-01	论文正文引用版本
v3	2026-06-25	最新（latest）

遗留疑点：v2→v3 的具体变更内容论文与抓取页面均未明示（v3 变更说明页未抓到明细）。研究者复现论文结果时应优先锁定 v2（论文口径），若要使用最新修订再用 v3。这一"论文引用旧版、站点已是新版"的错位，是自动化数据管道需要处理的常见坑（坑 4）。

使用目的	应选版本	理由
复现论文 Table 3/4 基准	v2	与论文正文 DOI（.2）一致
使用最新修订数据	v3	Mendeley latest
长期归档 / 引用	锁定具体版本号	避免 latest 漂移导致不可复现
教学 / 快速上手	v3 或 v2 均可	主体内容一致，差异未公开

6.3 AI-Ready 评估：小体量、全开放

按 AI-Ready 光谱衡量，SiNuS 是"高完成度"样本：

• 许可：CC BY 4.0，最宽松的可商用署名许可之一，无 NC/ND 限制；
• 可达性：公开直链，无请求制、无 gated、无登录墙；
• 结构化：JSON 坐标 + 三类 PNG 掩码 + CSV 形态学，Python 可直接解析；
• 可复现：配套 GitHub 代码 + 论文完整基准；
• 唯一短板：数据量小（39 图块 / 1,856 核），四/五节已将其写入 dataLimitations。

对比库内 PANDA-PLUS（掩码请求制、仅 Bench 公开），SiNuS 恰恰相反——本体全开放、无衍生基准。两者合起来构成"AI-Ready 完成度"的两个维度样本：PANDA-PLUS 证明"规模大但门紧"，SiNuS 证明"规模小但门全开"。

6.4 获取实操要点

1. 直接访问 Mendeley 数据集页 https://data.mendeley.com/datasets/gtjrgwbntc，选择版本后 Download All（110 MB）。
2. 引用格式：Hossain, Md Shakhawat, Md Sahilur Rahman, and Munim Ahmed. “SiNuS: A Comprehensive Dataset for Singular Nuclei Segmentation for HER2 Grading of Breast Cancer.” Data in Brief (2026): 112934.
3. 代码从 GitHub sahil55222/SiNuS 克隆，用于单核可视化与检测基线。
4. 注意 CC BY 4.0 要求署名——衍生模型/论文须引用上述出处。

下载后自检清单：核对压缩包解压后是否含 Inclusive/ 与 Exclusive/ 两个顶层目录；抽查若干 img 文件夹是否各含原图 + JSON + 三类掩码；确认 CSV 行数与你所用图块数对应。若缺项，多为版本错位或增量下载不完整。

6.5 引用与署名规范

• 数据引用：以 Mendeley DOI + 版本号为准（如 10.17632/gtjrgwbntc.2），不用裸名 “SiNuS”。
• 论文引用：Hossain et al., Data in Brief 2026;67:112934，doi:10.1016/j.dib.2026.112934。
• 代码引用：指向 GitHub 仓库 sahil55222/SiNuS。
• CC BY 4.0 义务：任何再分发或衍生产物须注明出处、保留署名、标注是否修改——这是唯一需要遵守的硬约束。

§7 生态与影响

7.1 谱系：从一个方法前作长出的数据集

SiNuS 有清晰的方法学血缘。第一作者 Hossain 团队 2022 年在 Sensors 发表 “Singular nuclei segmentation for automatic HER2 quantification using CISH whole slide images”（doi:10.3390/s22197361），提出了单核分割的 NB-Model（内容感知三分类边界模型）——正是本数据集基准里那个在多类评估中表现较优的模型（论文参考文献 [9]）。团队另有 2024 年 IEEE Access 的残余肿瘤细胞度评估工作（图像 transformer）。SiNuS 是把 2022 年方法沉淀为一个公开数据集：方法先行、数据随至，这与 PANDA-PLUS"重标注既有数据、方法随行"的路径正好相反。

时间	作品	与本数据集的关系
2022	Sensors：CISH WSI 单核分割（doi:10.3390/s22197361）	提供 NB-Model；本数据集的方法前作
2024	IEEE Access：残余肿瘤细胞度评估（图像 transformer）	团队同源工作；见参考文献 [1]
2026	SiNuS 数据集（Data in Brief 2026;67:112934）	把 2022 方法沉淀为公开数据集

7.2 在核分割数据集景观中的定位

SiNuS 站在"临床专用核分割"这一细分格的起点：

• 通用核分割（MoNuSeg、PanNuke、NuCLS、NuInsSeg）：体量大、多器官、H&E，做"把所有核都圈出来"的通用任务；
• 临床单核分割（SiNuS）：体量小、单病种、DISH，做"只圈临床可用的单核"的专用任务。

论文 Table 5 的对比是本条目最有力的定位证据：在 12 个数据集中，只有 SiNuS 同时满足"乳腺 + 单核 + Inc/Exc + 三掩码"。它不是要取代通用核数据集，而是填补"ISH 单核"这个此前只被私有数据覆盖的空白——论文原话：单核分割方法此前"rely on private datasets"。

7.3 与前作、与库内相关条目的关系

• 方法前作：Sensors 2022 CISH 单核分割（[9]，提供 NB-Model）。
• 下游应用：自动 HER2 分级、可解释 AI、核形态学分析——论文列出的复用场景。
• 平行的 HER2 路径（H&E 间接推断，非同物）：TCIA 的 HER2-TUMOR-ROIS、HEROHE 挑战赛——这些从 H&E 预测 HER2 状态，与 SiNuS 的 ISH 直接测量分属两条路线（§4.5）。

7.4 对 HER2 分级 AI 生态的意义

SiNuS 补上了一个"数据集缺口"：过去做单核分割的团队只能用私有数据，无法互相比对；公开的 H&E 核数据集又不能直接用于 ISH 任务。SiNuS 提供的公开基准，使"单核分割→HER2/CEP17 计数→自动分级"这条链路的每一步都可以被标准化评测。它体量不大，但把这条临床链路第一次摆上了公开桌面。

可预期的下游研究方向：

1. 端到端 HER2 分级：把单核分割模型接到信号点检测，做整条流水线的自动分级。
2. 标注分歧建模：用 inclusive/exclusive 差值训练"分歧感知"模型，学习专家判定的灰区。
3. 跨染色迁移：以 SiNuS 为源域，研究从 DISH 到 CISH/FISH 的迁移可行性。
4. 边界感知方法评测：NB 掩码为边界分割方法提供专用测试床。

§8 方法学启示：四条可迁移的经验

8.1 "多专家平行独立 + 双协议"是可复用的标注范式

SiNuS 的 inclusive/exclusive 双协议，本质是把"标注者分歧"从噪声变成数据：不要求专家达成一致后再发布，而是同时发布并集与交集，让下游按需选择、并让一致性可被量化。这与 PANDA-PLUS 的"学生初注 + 专家终审"是互补的两条路——前者用多专家平行保真度可测，后者用分层流水线保规模。任何要建医学标注数据集的团队，都可按"要一致性证据还是要规模"来二选一或混用。

8.2 评估指标必须对齐临床操作

本论文最有价值的教训是 §5.4：IoU 高不等于临床可用。当分割结果的下游是"数信号点"时，评估必须落到计数层面（TPC/FPC），而不是像素重叠。这条经验对所有"分割→测量→决策"的医学 AI 链路都成立：指标要贴着最终临床动作选，而非贴着最方便的损失函数选。

8.3 小数据集 + 增强可以支撑分割任务

SiNuS 只有 39 张图却训练了 8 个模型，靠的是"分割任务每图含大量像素级标注"这一特性——论文明确论证：分割比分类更省数据，因为每张图的标注信息密度极高；再用翻转+旋转增强把 39 扩到 300，即可支撑训练。这为"临床稀有图像只能收到几十张"的现实困境提供了一条现实主义路径。

8.4 工具的轻量化降低复刻门槛

ImageJ（自助选核）+ SUPERVISELY（现成 CV 平台的多边形标注）+ 自研 OpenCV 脚本（掩码生成），这套链条不含任何定制医学软件。它说明高质量病理标注不必依赖昂贵专用系统，其他团队可以低成本复刻同类数据集——这是 SiNuS 对"数据集民主化"的隐性贡献。

教训	一句话	迁移场景
双协议标注	把分歧发布成数据	任何多专家医学标注
指标对齐临床	数点比 IoU 更贴切	分割→测量→决策链路
小样本+增强	分割任务省数据	罕见病 / 稀有图像
工具轻量化	现成工具也能做病理标注	低成本数据集中建设

§9 与库内条目的关系

9.1 家族图谱

SiNuS 在库内的亲缘可分为三层：

第一层：核分割同族（最直接对标）

库内条目	rid	与 SiNuS 的关系
NuInsSeg	843	最接近的 H&E 核实例分割数据集（665 图 / 30,698 核），可作"通用 vs 专用"对照
MoNuSeg	30	多器官 H&E 核分割（44 图 / 28,846 核），SiNuS 论文对比表内条目
NuCLS	248	乳腺癌 H&E 核分类分割（~220,000 核），同为乳腺癌但 H&E、非单核
PanNuke	218	泛癌 H&E 核实例分割（205,343 核），SiNuS 论文对比表内条目

第二层：HER2 与乳腺病理

库内条目	rid	与 SiNuS 的关系
HEROHE	318	HER2 状态预测挑战赛（H&E 路径），与 SiNuS 的 ISH 路径构成"间接推断 vs 直接测量"对照
BACH	118	乳腺组织学图像分类（ICIAR 2018），乳腺癌病理 AI 的同域条目
BreastPathQ	268	乳腺癌病理切片质量评估，同属乳腺病理

第三层：病理标注方法学

库内条目	rid	与 SiNuS 的关系
PANDA-PLUS	640	像素级重标注方法论（学生流水的专家终审），与 SiNuS"三专家平行独立"形成标注范式对照
PANDA	560	前列腺 WSI 挑战赛数据，病理 WSI 生态上游

为什么这三层要分开读：第一层解决"用什么核数据"，第二层解决"HER2 从哪条路判读"，第三层解决"标注怎么做得可信"。SiNuS 是三个维度上的交点——它在第一层是"单核专用"、第二层是"ISH 直接"、第三层是"平行独立"。任一层单看都会低估它的独特性。

9.2 检索路径建议

• 精确检索词：“SiNuS”（数据集名）+ “singular nuclei” + “HER2”；勿用 “sinus” 单独检索（会撞解剖学"窦"类结果，坑 1）。
• 找同族对照：在库内用标签 医学图像分割 + 病理图像 交叉筛选（NuInsSeg/MoNuSeg/PanNuke/NuCLS）。
• 找 HER2 双路径：HEROHE（rid 318，H&E 间接）vs SiNuS（本条目，ISH 直接）并读。
• 找标注范式对照：PANDA-PLUS（rid 640，分层流水线）vs SiNuS（多专家平行双协议）。

9.3 库内可互链点（附 rid）

nuinsseg(843)、monuseg(30)、nucls(248)、pannuke(218)、herohe(318)、bach(118)、breastpathq(268)、panda-plus(640)、panda(560)。

上述 rid 均经 bash scripts/qf_psql.sh 数据库反查（url_name 精确匹配）确认存在，非臆造。前四位（nuinsseg/monuseg/nucls/pannuke）直接对应论文 Table 5 对比表内的核分割数据家族；herohe/bach/breastpathq 属 HER2 与乳腺病理同域；panda-plus/panda 属病理 WSI 与标注方法学。

9.4 互链点的读法

你想做的事	从哪条互链读起
比较"单核 vs 通用核"	nuinsseg(843)、monuseg(30)
找乳腺癌核分割对照	nucls(248)、pannuke(218)
理解 HER2 两种判读路径	herohe(318) 对照本条目
学标注范式	panda-plus(640) 对照 §3
追病理 WSI 上游	panda(560)

§10 避坑清单：六个已核实的坑

坑 1：slug 里的 “sinus” 不是解剖学"窦"。 任务头 slug sinus-her2-nuclei 的 “sinus” 是数据集官方名 SiNuS 的小写化，即 Singular Nuclei Segmentation 的首字母缩略；her2-nuclei 是任务方补的语义标识（HER2 分级 + 核分割）。检索时务必用精确词 “SiNuS” 或 DOI 10.17632/gtjrgwbntc，否则会撞上鼻窦、窦房结等无关结果。

坑 2：Table 1 只有 16 行，数据集却是 39 图块。 论文 Table 1 逐图统计只列 img 1-8（Neg）与 img 17-24（Pos）共 16 行，而摘要明确写 39 图块 / 21 患者 / 1856+1284 核。以 39 图块全量为准（inclusive 均值 47.5×39≈1852 佐证），Table 1 应作节选样例表理解。逐图-患者的完整映射未在文献中公开。

坑 3：SAM-ViT-base 的 exclusive Dice Loss 口径冲突。 论文正文写 0.19，Table 3 记 0.300。本条目以 Table 3 为准并注明正文口径；自动化抽取建议统一以表格为准。

坑 4：论文引用 v2，Mendeley 最新是 v3。 论文正文 DOI 是 10.17632/gtjrgwbntc.2（v2，2026-06-01），而 Mendeley 站点 latest 已是 v3（2026-06-25）。复现论文结果锁定 v2；用最新修订则 v3。v2→v3 变更明细未见公开。引用时务必锁定版本号。

坑 5：纯 IoU 评估对 HER2 分级不可靠。 论文明确批判：多圈非核区与漏掉核内 CEP17 信号可产生相近 IoU，但分级后果截然不同。用 SiNuS 评测模型时，必须辅以信号计数层面的专家判断（TPC/FPC），不能只看 IoU。

坑 6：DISH 图像与 H&E 差异大，别迁移模型。 现有公共核数据集几乎全为 H&E；DISH（双色原位杂交）图像的核外观与传统病理图像差别显著，H&E 训出的核分割模型不能直接用于 ISH 单核任务。SiNuS 必须独立训练——这是它存在的技术理由。

坑 7：inclusive 与 exclusive 不是"同一批数据的两种标注"，而是两个不同的核集合。 前者 1,856 核、后者 1,284 核，差 572 个。千万不要"合并去重"当成 2,000+ 核的数据集用——两套是分目录、分掩码、分 CSV 的独立资产，混用会导致标签泄漏与指标失真。

坑 8：别把"low-grade/high-grade"当成"HER2−/HER2+"。 分级（16 低 + 23 高 = 39 图块）与 HER2 状态（10 阴 + 11 阳 = 21 患者）是两个正交维度，对应单位都不同（图块 vs 患者）。论文 Table 1 中 Neg/Pos 指 HER2 状态，与 low/high-grade 不构成同一分类轴。

§11 总结

11.1 三句话总结

1. SiNuS 是首个公开的单核（singular nuclei）分割数据集，专为 Dual-ISH 乳腺癌图像 HER2 分级而建，填补了"ISH 单核"此前只被私有数据覆盖的空白。
2. 它体量小但开放度极高：39 张 1600×1200 图块、1856/1284 个 inclusive/exclusive 单核、三专家独立标注、binary/multicolor/NB 三类掩码，CC BY 4.0 公开直链，配 GitHub 代码。
3. 它的方法学贡献是双重的：inclusive/exclusive 双协议使标注分歧可量化；对"纯 IoU 评估对分级不适用"的批判，把分割指标拉回到临床计数层面。

11.2 适合谁

• HER2/ISH 分级 AI 开发者：需要临床可用的单核分割监督，本数据集是公开起点。
• 实例/边界分割方法研究者：multicolor 与 NB 掩码提供实例分割与边界感知分割的标准测试床。
• 标注一致性研究者：inclusive/exclusive 双协议是研究"专家分歧如何影响下游"的现成素材。
• 小样本医学分割实践者：39 图 + 增强训 8 个模型的范式可直接借鉴。

11.3 不适合谁

• 追求大规模核分割训练的人：1,856 核远不足以训练通用核分割大模型，应选 PanNuke/NuCLS。
• 做 H&E 通用核分割的人：DISH 染色外观差异大，模型不可迁移。
• 需要多器官/多标志物泛化的人：本数据集仅乳腺癌、仅 HER2 场景。

11.4 30 秒决策卡

你的需求	建议
要 ISH/HER2 单核分割标签	直接用（CC BY 4.0 公开直链）
要大规模通用核分割训练	选 PanNuke/NuCLS（库内 rid 218/248）
要 H&E 预测 HER2 状态	选 HEROHE（rid 318），非本条目
要研究标注者一致性	用本条目 inclusive/exclusive 双协议
要评测 ISH 单核分割模型	本条目 + 注意 IoU 陷阱（坑 5）
要复现论文基准	锁定 Mendeley v2（坑 4），8 模型配置见 §5

11.5 一句话记住它

SiNuS 把"HER2 分级只用单核"这条临床铁律，第一次做成了公开可用、双协议、三掩码、CC BY 的小数据集——不追求大，只追求临床对口。

§12 名称与身份辨析：SiNuS ≠ sinus

这是本条目最需要先讲清楚的一件事，因为 slug sinus-her2-nuclei 极易被误读。

12.1 “sinus” 的三种可能读法

读法	含义	是否本数据集	依据
SiNuS（正确）	Singular Nuclei Segmentation 首字母缩略	✓ 是	论文标题与摘要原文
sinus（解剖学）	窦（鼻窦、窦房结、海绵窦等）	✗ 否	与数据集毫无关系
sinus（其他）	正弦函数 / 窦道	✗ 否	同音异义

结论：slug 里的 “sinus” 纯粹是官方名 SiNuS 的小写化。因为 SiNuS 大小写混排，在 URL、文件系统、slug 规范里被压成全小写后就变成了 sinus，与解剖学"窦"拼写完全相同——这是一个天然的命名撞车。

12.2 slug 的分解语义

slug sinus-her2-nuclei 由三段拼成：

• sinus = SiNuS（数据集官方名的小写化）
• her2 = HER2（分级目标：HER2 基因状态）
• nuclei = nuclei（分割对象：细胞核）

即 “SiNuS + HER2 + nuclei” —— 数据集名 + 任务目标 + 任务对象。它不是 “sinus（窦）+ HER2 + nuclei”。

12.3 身份卡

项	内容
官方名	SiNuS
全称	A Comprehensive Dataset for Singular Nuclei Segmentation for HER2 Grading of Breast Cancer
缩略词展开	Singular Nuclei Segmentation
slug	sinus-her2-nuclei（任务方补，含 SiNuS 小写化 + HER2 + nuclei）
本质	首个公开的"单核"分割数据集，面向 Dual-ISH 乳腺癌 HER2 分级
检索关键词	“SiNuS” / “singular nuclei” / “HER2 grading” / DOI 10.17632/gtjrgwbntc

12.4 为什么必须写明这个辨析

自动化检索、文献去重、语义标签系统都可能把 “sinus” 误配到解剖学实体上。若不显式声明，本条目可能被错误归入"鼻窦影像"或"窦性心律"等无关类别，导致互链算法把 SiNuS 与毫不相干的数据集关联。因此所有正式引用一律使用 SiNuS，slug 仅在系统层面保留。

§13 机构与人物

13.1 三家机构

机构	国家	角色
Kochi University of Technology（高知工科大学，School of Informatics）	日本（Kami, Kochi, 782-8502）	通讯作者单位；研究设计与监督、稿件撰写、数据集整理
RIoT Center, Independent University, Bangladesh（孟加拉独立大学 RIoT 中心）	孟加拉	数据采集、编码与掩码生成、深度学习实验
Department of Histopathology, CMH（Combined Military Hospital）	孟加拉（达卡）	提供人体组织切片（数据来源地）

这是一次跨机构联合：日本高校负责方法学与写作，孟加拉 RIoT 中心负责工程实现，孟加拉 CMH 病理科提供临床组织样本。三方各司其职，构成"学术方法 + 工程实现 + 临床样本"的闭环。

13.2 三位作者与贡献

作者	隶属	贡献
Md Shakhawat Hossain（第一 + 通讯）	KUT（School of Informatics）+ RIoT Center, IUB	设计并监督研究、撰写稿件、整理数据集；通讯邮箱 md.shakhawat@kochi-tech.ac.jp
Md Sahilur Rahman	RIoT Center, IUB	数据采集、编码与掩码生成、深度学习实验
Munim Ahmed	RIoT Center, IUB	数据采集、编码与掩码生成、实验

13.3 致谢专家

• Dr. Mohammad Anowar Hussen（CMH）：提供人体组织切片。
• Dr. Khadija tul Kubra（Dhaka Medical College）：致谢。
• Dr. Sahria Bakar（University Medical College Bangladesh）：致谢。

13.4 经费与利益声明

研究由 Kochi University of Technology, Japan 部分支持；作者声明无竞争利益（no competing interests）。

13.5 人员图谱速记

KUT（日本）— Md Shakhawat Hossain（通讯，双隶属）
                 │
RIoT Center, IUB（孟加拉）— Md Sahilur Rahman、Munim Ahmed
                 │
CMH 病理科（孟加拉）— Dr. Mohammad Anowar Hussen（组织切片来源）
                 │
致谢 — Dr. Khadija tul Kubra（Dhaka Medical College）、Dr. Sahria Bakar

13.6 团队的方法学延续性

三位作者中的 Hossain 是贯穿主线的关键人物：2022 年 Sensors 的 CISH 单核分割（提出 NB-Model）与 2024 年 IEEE Access 的残余肿瘤细胞度评估，均由同一团队完成。SiNuS 是这条"单核分割 → HER2 量化"方法线的数据集化终点——团队先证明方法可行（2022），再补齐临床工作（2024），最后公开数据（2026），形成完整的三段式学术轨迹。

§14 论文与时间线

14.1 论文基本信息

项	内容
期刊	Data in Brief（Elsevier，open access）
卷期页	2026 Jun 9;67:112934
DOI	10.1016/j.dib.2026.112934
PMCID	PMC13277659
PMID	42327358
许可	CC BY（论文）；数据集 CC BY 4.0（Mendeley）
类型	Data article（数据描述论文），Related research article: None
生成式 AI 披露	论文未见 GenAI 使用声明（存照：未见 ≠ 未用，仅记"未披露"）

14.2 时间线（PMC 口径）

事件	日期
Received（投稿）	2026-06-01
Revised（修回）	2026-06-03
Accepted（接收）	2026-06-03
Collection date（正式卷期）	2026 Aug
在线发布	2026-06-09

收稿到接收仅 2 天，反映 Data in Brief 数据论文的快速通道特性（数据论文评审重点是数据可用性而非方法新颖性）。

14.3 版本链（Mendeley Data 双口径）

版本	发布日期	DOI 后缀	状态
v1	2025-12-04	.1	首个版本
v2	2026-06-01	.2	论文正文引用版本
v3	2026-06-25	.3	Mendeley latest（最新）

双口径记录：论文正文引用的是 v2（https://doi.org/10.17632/gtjrgwbntc.2），而 Mendeley 站点 latest version 已是 v3——即引用口径 v2 / 实际最新 v3，二者存在版本错位，需存照（坑 4）。

14.4 数据发布与论文发布的时间关系

值得注意的时间序列：数据集 v1 早在 2025-12-04 就已发布，早于论文投稿（2026-06-01）约半年；论文正式引用的是 v2（2026-06-01，与投稿同日）；论文在线发布（2026-06-09）后，数据集又在 2026-06-25 更新为 v3。这条时间线说明：

1. 团队先开源数据、后投稿论文（数据先行的开放科学实践）；
2. v2 的发布日与论文投稿日完全重合，很可能是"投稿即锁定引用版本"的操作；
3. v3 在论文发布后两周才出现，说明团队在论文定稿后仍有数据维护动作（具体变更未公开）。

14.5 三源互证

本条目核验采用三源互证：PMC13277659（论文全文）+ Mendeley DOI 10.17632/gtjrgwbntc（数据集本体）+ ScienceDirect/Data in Brief（期刊页）。三源一致确认数据集真实存在、规模与许可可查证，非撞库、非臆造。

FAQ（高频问答 42 问）

A. 基础认知

Q1：SiNuS 是什么的首字母缩略？
Singular Nuclei Segmentation——单核分割。不是解剖学"窦"。

Q2：数据集的官方全称是什么？
SiNuS: A Comprehensive Dataset for Singular Nuclei Segmentation for HER2 Grading of Breast Cancer。

Q3：slug 里的 “sinus” 是解剖学"窦"吗？
不是。它是官方名 SiNuS 的小写化（Singular Nuclei Segmentation）。检索请用精确词 “SiNuS”，否则会撞上鼻窦等无关结果（坑 1、§12）。

Q4：发表在哪个期刊、什么时候？
Data in Brief，2026 Jun 9;67:112934，doi:10.1016/j.dib.2026.112934；PMCID PMC13277659 / PMID 42327358。

Q5：谁做的？
Md Shakhawat Hossain（通讯）、Md Sahilur Rahman、Munim Ahmed；Kochi University of Technology（日本）+ RIoT Center, Independent University of Bangladesh。

Q6：什么是"单核（singular nuclei）"？
完整、不与相邻核重叠的细胞核。ASCO/CAP 要求 ISH 的 HER2 分级只能用单核。

B. 数据与规格

Q7：数据集多大？
39 张 1600×1200 像素图块；1,856 个 inclusive + 1,284 个 exclusive 单核；21 例患者。Mendeley 下载 110 MB。

Q8：什么染色、什么设备？
Dual-ISH（双色原位杂交/DISH）；Carl Zeiss AxioImager Z2，20×（NA 0.80），约 0.325 μm/pixel。

Q9：有多少患者，HER2 状态怎么分布？
21 例：10 例 HER2-negative + 11 例 HER2-positive（HER2/CEP17 ratio ≥ 2.0 为阳性）。

Q10：低级别/高级别图块各多少？
low-grade 16 张 + high-grade 23 张 = 39。

Q11：可选块为什么 40→39？
锐度质检剔除 1 块；DISH 大玻璃背景，模糊阈值放宽到 8。

Q12：inclusive 和 exclusive 核数为什么不同？
inclusive 是三专家任一选中（并集 1,856），exclusive 是三人都选中（交集 1,284），差 572 是专家分歧窗口。

Q13：有哪三类掩码？
binary（语义）、multicolor（实例）、NB 核边界（三分类边界感知）。

Q14：数据集里每个图块文件夹含哪些文件？
RGB 原图、单核多边形 JSON 坐标、binary mask、multicolor mask、NB mask 各一。

Q15：CSV 里有什么？
逐图核计数与形态学均值（area/perimeter/solidity/circularity），由 binary mask 计算。

C. 标注与质量

Q16：谁标的、用什么工具？
3 位专家病理医生独立标注；ImageJ 选核 + SUPERVISELY 多边形勾边，导出 JSON 坐标，自研 OpenCV 脚本生成掩码。

Q17：标注可靠性有证据吗？
exclusive 口径下专家核计数高度一致；形态学显示 HER2+ 核更大更不规则，符合病理预期。但论文未报告 κ 等标准一致性指标（可加强处）。

Q18：inclusive 和 exclusive 该用哪个？
训练要召回用 inclusive；要金标准共识评测用 exclusive。二者不可混用（坑 7）。

Q19：exclusive/inclusive 的比值说明什么？
1,284/1,856 ≈ 69%，即约七成候选核获全体专家认可，属较高的共识水平。

Q20：为什么说"三专家独立"很重要？
只有平行独立，并集与交集的差值才能被解释为真实分歧；串行参考只会得到"最后一个人的判断"。

Q21：标注有没有做第 4 位专家的验证？
有。主观评估由一位未参与原始标注的专家完成（论文未具名），用真阳性/假阳性计数评估模型。

D. 基准与结果

Q22：测了哪些模型？
6 个语义分割（U-Net/+、ResU-Net/+、DoubleU-Net、Attention U-Net）+ SAM-ViT-base（实例）+ NB-Model（边界），共 8 个。

Q23：语义分割最佳是谁？
ResU-Net++（exclusive Acc 84.35%、IoU 72.94%）；ResU-Net 的 Dice Loss 最低（0.149）。

Q24：主观评估最佳是谁？
NB-Model（inclusive ≥60 真阳性、≤7 假阳性）。

Q25：表现最差的是谁？
Attention U-Net（两套标注下准确率最低、Dice Loss 最高），小样本下注意力模块未带来增益。

Q26：为什么 exclusive 上得分普遍更高？
exclusive 只含最显著共识核、每图核数更少，任务更简单——分布效应，非标签质量效应。

Q27：训练配置是什么？
100 epochs，NVIDIA GTX 1650 4 GB，增强后 39→300 张，70/15/15 划分（原图口径 27/6/6）。

Q28：为什么可以只用 GTX 1650 训？
数据规模小、模型多为轻量级，入门级显卡即可复现，降低了基准的门槛。

Q29：为什么不能只看 IoU？
多圈非核区与漏掉核内 CEP17 信号 IoU 相近，但对 HER2 分级后果不同；须辅以专家计数评估（坑 5）。

Q30：Table 4 的 ≥ / ≤ 是什么意思？
专家用渐近记号给的主观计数下/上限，如 NB-Model inclusive ≥60 TPC、≤7 FPC，非精确计数。

Q31：多少真阳性核才够临床分级？
ASCO/CAP 要求每例 20-60 核；多数模型每图 >35-40 真阳性，配 3 图即达标。

E. 获取、许可与版本

Q32：怎么下载？许可是什么？
Mendeley Data DOI 10.17632/gtjrgwbntc，CC BY 4.0，公开直链，无需申请。代码在 GitHub sahil55222/SiNuS。

Q33：论文引用的是哪个版本？最新是哪个？
论文引用 v2（2026-06-01）；Mendeley latest 是 v3（2026-06-25）。复现论文锁定 v2（坑 4）。

Q34：v1/v2/v3 有什么区别？
版本号与发布日期已确认（v1 2025-12-04 / v2 2026-06-01 / v3 2026-06-25），但具体变更明细未公开，属遗留疑点。

Q35：代码仓库里有什么？
单核可视化与单核检测代码（GitHub sahil55222/SiNuS）。

Q36：引用格式怎么写？
Hossain, Md Shakhawat, Md Sahilur Rahman, and Munim Ahmed. “SiNuS: A Comprehensive Dataset for Singular Nuclei Segmentation for HER2 Grading of Breast Cancer.” Data in Brief (2026): 112934.

F. 定位与使用

Q37：它和 PanNuke/NuInsSeg 有什么区别？
那些是 H&E 通用核分割、体量大；SiNuS 是 DISH 单核专用、体量小，且唯一提供 inclusive/exclusive 双协议与 NB 掩码。

Q38：能用 H&E 核分割模型直接跑 SiNuS 吗？
不能。DISH 图像核外观与传统病理差异显著，H&E 模型不可迁移（坑 6）。

Q39：它和 HEROHE 是一回事吗？
不是。HEROHE 是从 H&E 间接预测 HER2 状态（rid 318）；SiNuS 是从 ISH 图像直接数信号点分级，属两条不同路径。

Q40：最适合拿它做什么？
HER2/ISH 单核分割监督、实例/边界分割测试床、标注一致性研究、小样本医学分割范式借鉴。

Q41：它不适合做什么？
大规模通用核分割训练、H&E 通用核分割、多器官/多标志物泛化。

Q42：一句话总结 SiNuS？
把"HER2 分级只用单核"这条临床铁律，第一次做成了公开可用、双协议、三掩码、CC BY 的小数据集。

事实清单（硬事实 34 条）

1. 官方名：SiNuS = Singular Nuclei Segmentation。
2. 全称：A Comprehensive Dataset for Singular Nuclei Segmentation for HER2 Grading of Breast Cancer。
3. slug：sinus-her2-nuclei（sinus = SiNuS 小写化，非解剖"窦"）。
4. 期刊：Data in Brief，2026 Jun 9;67:112934。
5. DOI：10.1016/j.dib.2026.112934。
6. PMCID PMC13277659 / PMID 42327358。
7. 论文类型：Data article；Related research article: None。
8. 时间线：Received 2026-06-01 / Revised 2026-06-03 / Accepted 2026-06-03 / Collection 2026 Aug。
9. 作者：Md Shakhawat Hossain（通讯）、Md Sahilur Rahman、Munim Ahmed，共 3 人。
10. 机构：Kochi University of Technology（日本）+ RIoT Center, Independent University, Bangladesh + CMH 病理科（孟加拉）。
11. 致谢：Dr. Mohammad Anowar Hussen（CMH）、Dr. Khadija tul Kubra、Dr. Sahria Bakar。
12. 经费：Kochi University of Technology 部分支持；无竞争利益。
13. 图像块：39 张，1600×1200 像素 RGB。
14. 单核：1,856 inclusive + 1,284 exclusive。
15. 患者：21 例（10 HER2-negative + 11 HER2-positive）。
16. 染色：Dual-ISH（DISH）。
17. 采集：Carl Zeiss AxioImager Z2，20×（NA 0.80），0.325 μm/pixel。
18. 分级分布：low-grade 16 + high-grade 23 = 39 图块。
19. HER2 判读：HER2/CEP17 ratio ≥2.0 阳性。
20. 可选块 40 → 质检后 39（锐度阈值 8）。
21. 标注：3 专家独立，ImageJ + SUPERVISELY。
22. 双协议：inclusive（并集 1856）/ exclusive（交集 1284），差 572。
23. 三掩码：binary / multicolor / NB。
24. 元数据：Inclusive.csv / Exclusive.csv。
25. 形态学均值：inclusive Cnt 47.5 / Area 1474.2 / Peri 142.0 / Solid 0.959 / Circ 0.873。
26. 形态学均值：exclusive Cnt 33.7 / Area 1557.19 / Peri 145.44 / Solid 0.948 / Circ 0.863。
27. Table 1 仅列 16 行（8 Neg + 8 Pos），与 39 图块全量口径存照。
28. 获取：Mendeley DOI 10.17632/gtjrgwbntc，CC BY 4.0，110 MB。
29. 版本链：v1 2025-12-04 / v2 2026-06-01（论文引用）/ v3 2026-06-25（latest）。
30. 代码：GitHub sahil55222/SiNuS。
31. 基准模型：6 语义 + SAM-ViT-base + NB-Model = 8 个。
32. 最佳语义：ResU-Net++ exclusive Acc 84.35% / IoU 72.94%。
33. 最低 Dice：ResU-Net inclusive 0.149。
34. 最佳主观：NB-Model inclusive ≥60 TPC / ≤7 FPC。

术语表（26 条）

• SiNuS：Singular Nuclei Segmentation，本数据集。
• 单核（singular nuclei）：完整、不与相邻核重叠的核。
• Dual-ISH / DISH：双色原位杂交，同时染 HER2 与 CEP17。
• ISH：原位杂交（in situ hybridization）。
• FISH / CISH：荧光/显色原位杂交。
• HER2：人表皮生长因子受体 2。
• CEP17：17 号染色体着丝粒，ISH 内参。
• ASCO/CAP：美国临床肿瘤学会/美国病理学家学会，HER2 判读指南来源。
• HER2/CEP17 ratio：HER2 与 CEP17 信号点数比值，分级依据。
• IHC：免疫组化（HER2 判读的另一条路径）。
• TPC / FPC：真阳性计数 / 假阳性计数（专家主观评估）。
• inclusive 标注：三专家任一选中即收录（并集）。
• exclusive 标注：三专家共同选中才收录（交集）。
• binary mask：二值掩码（核/背景）。
• multicolor mask：多色实例掩码（每核唯一色）。
• NB mask：核边界掩码（核内部/边界/背景三分类）。
• NB-Model：内容感知三分类边界模型（2022 Sensors 前作提出）。
• 语义分割：按像素分类（核 vs 背景）。
• 实例分割：区分每个独立核。
• 边界感知分割：显式建模核边界。
• SAM：Segment Anything Model（此处用 ViT-base 版做实例分割）。
• IoU：交并比，分割重叠度量。
• Dice Loss：Dice 系数损失，越低越好。
• Solidity：实度，核面积与凸包面积之比。
• Circularity：圆度，4π·Area / Perimeter²。
• ImageJ / SUPERVISELY：选核工具 / 多边形勾边平台。

附录

附录 A：条目信息速查卡

项	值
slug	sinus-her2-nuclei
官方名	SiNuS（Singular Nuclei Segmentation）
论文	Data in Brief 2026;67:112934
DOI（数据）	10.17632/gtjrgwbntc
许可	CC BY 4.0
体量	39 图块 / 1,856+1,284 核 / 21 患者 / 110 MB
库内互链	nuinsseg(843), monuseg(30), nucls(248), pannuke(218), herohe(318), bach(118), breastpathq(268), panda-plus(640), panda(560)

附录 B：来源存照（抓取时点 2026-10-09）

#	来源	URL
1	论文全文（PMC）	https://pmc.ncbi.nlm.nih.gov/articles/PMC13277659/
2	数据集本体（Mendeley）	https://data.mendeley.com/datasets/gtjrgwbntc/2
3	Mendeley DOI 解析	https://dx.doi.org/10.17632/gtjrgwbntc
4	期刊页（ScienceDirect）	https://www.sciencedirect.com/science/article/abs/pii/S2352340926004853
5	独立索引（BVS/MEDLINE）	https://pesquisa.bvsalud.org/bolivia/resource/es/mdl-42327358
6	代码仓库（GitHub）	https://github.com/sahil55222/SiNuS
7	方法前作（Sensors 2022）	https://doi.org/10.3390/s22197361

附录 C：DAIMS 数据就绪度评估

DAIMS（Data and AI Maturity Score）从六个维度衡量数据集的 AI-Ready 完成度，10 分制：

维度	评分	依据
可发现性（Discoverability）	9	独立 DOI + PMC 收录 + Mendeley 元数据完整；缺独立数据卡片（datasheet）
可获取性（Accessibility）	10	CC BY 4.0 + 公开直链，无申请、无 gated、无登录
许可清晰度（License Clarity）	10	单一 CC BY 4.0，条款明确、可商用；代码许可未显式声明（-0.5 风险已并入）
格式规范度（Format Standardization）	9	RGB PNG + JSON 坐标 + 三掩码 + CSV，结构化程度高；掩码与坐标双表达需自洽校验
标注丰富度（Annotation Richness）	9	两类协议 × 三掩码 × 形态学 CSV × HER2/分级双维度；缺观察者间一致性指标
临床相关性（Clinical Relevance）	9	直接对齐 ASCO/CAP 单核要求与 20-60 核判读标准；病种/机构单一
综合（AI-Ready 总分）	9.3 / 10	小体量高开放的典范；主要扣分在规模与单病种

对比库内 PANDA-PLUS（本体请求制、规模大）：SiNuS 以"规模换开放"，在可获取性/许可清晰度上满分，在可发现性/格式规范度上接近满分，综合完成度位居库内前列。

附录 D：兼容工具与快速上手骨架

概念级上手流程（伪代码，仅示结构，不含可直接运行代码）：

• 载入某图块的 RGB 原图 与 binary mask，作为语义分割的图像-标签对；
• 载入 multicolor mask，将唯一色映射回实例 ID，得到实例分割标签；
• 载入 NB mask，其三类像素值分别对应核内部、核边界、背景，作为三分类标签；
• 读取该图块对应 JSON，作为核边界的矢量真值（可用于计算逐核指标）；
• 读取 Inclusive.csv/Exclusive.csv 得到逐图核计数与形态学，作为统计或质控依据。

附录 E：分割标签映射表

掩码	像素取值	语义	对应任务
binary	0 / 1	背景 / 核	语义分割
multicolor	唯一随机色（逐核）	实例 ID	实例分割
NB	三类取值	核内部 / 核边界 / 背景	边界感知分割

附录 F：双口径登记表

编号	冲突项	口径 A	口径 B	本条目采信
1	Table 1 行数	16 行（Table 1）	39 图块（摘要）	39 图块（均值反推佐证）
2	SAM-ViT-base exclusive Dice Loss	0.19（正文）	0.300（Table 3）	Table 3，并注明正文口径
3	数据集版本	v2（论文引用）	v3（Mendeley latest）	复现锁 v2；最新用 v3
4	可选块到入集块	40（可选）	39（入集）	39（质检剔除 1）
5	患者数 vs 图块数	21 患者	39 图块	二者不同维度，均采信

附录 G：遗留疑点登记

1. 版本差异未比对：v1/v2/v3 的具体差异未逐版比对（v3 变更说明页未抓到明细）——引用时须锁定版本号。
2. Table 1 为何只有 16 行：论文未明确说明（疑版面控制）——按"节选样例表"记录。
3. 患者-图块映射未公开：患者级 HER2 状态与图像块的逐图映射未在文献中给出（部分图以编号 1-8/17-24 呈现，存在跳号）。
4. 第 4 位评估专家未具名：主观评估由"未参与原始标注"的专家完成，论文未具名。
5. 生成式 AI 未披露：论文未见 GenAI 使用声明——仅记"未披露"，不等于未使用。
6. 无标准一致性指标：论文未报告 κ / Dice 等观察者间一致性数值，仅有核计数一致的定性表述。

附录 H：缩写速查

缩写	全称	中文
SiNuS	Singular Nuclei Segmentation	单核分割（本数据集）
ISH	in situ hybridization	原位杂交
DISH / Dual-ISH	dual-color in situ hybridization	双色原位杂交
FISH / CISH	fluorescence / chromogenic ISH	荧光/显色原位杂交
IHC	immunohistochemistry	免疫组化
HER2	human epidermal growth factor receptor 2	人表皮生长因子受体 2
CEP17	centromere of chromosome 17	17 号染色体着丝粒
ASCO/CAP	American Society of Clinical Oncology / College of American Pathologists	美国临床肿瘤学会/美国病理学家学会
WSI	whole slide image	全片扫描图像
TPC / FPC	true / false positive count	真/假阳性计数
IoU	intersection over union	交并比
SAM	Segment Anything Model	分割一切模型
DAIMS	Data and AI Maturity Score	数据与 AI 就绪度评分

附录 I：适用任务适配表

任务	用哪个掩码/协议	备注
语义分割	binary mask	核 vs 背景二分类
实例分割	multicolor mask	逐核唯一色
边界感知分割	NB mask	核内部/边界/背景三分类
标注一致性研究	inclusive + exclusive	差值 = 专家分歧
临床分级链路研究	单核分割 + 信号计数	注意 IoU 陷阱
形态学统计	CSV	逐图核计数与形态学

存照：双口径与未核项

以下条目在正文相应位置已存照，此处集中列出，供自动化管道与人工复核重点核对：

1. 名称撞车（最高优先）：slug “sinus” = 官方名 SiNuS 小写化，非解剖学"窦"；正式引用一律 SiNuS。
2. 版本链双口径：论文引用 v2（.2，2026-06-01），Mendeley latest 为 v3（.3，2026-06-25）；v2→v3 差异未公开。
3. Table 1 vs 摘要口径：Table 1 仅 16 行（8 Neg + 8 Pos），摘要/描述写 39 图块 / 21 患者；以 39 全量为准。
4. SAM-ViT-base exclusive Dice Loss 双口径：正文 0.19 vs Table 3 记 0.300；以 Table 3 为准。
5. 患者数口径：10 HER2-negative + 11 HER2-positive = 21；组织块数亦 21（一一对应）。
6. 可选块 40 → 入集 39：1 块因锐度质检（阈值 8）被剔除。
7. 生成式 AI 未披露：论文未见 GenAI 声明——记"未披露"，不等于未使用。
8. 无观察者间一致性指标：论文未报告 κ / Dice 等数值。
9. 患者-图块映射未逐图公开：编号存在跳号（1-8、17-24）。
10. 分级与 HER2 状态为两个正交维度：16 低 + 23 高 = 39 图块（分级）；10 阴 + 11 阳 = 21 患者（HER2 状态）——勿混淆。
11. 第 4 位独立评估专家未具名：主观评估者论文未给出姓名。
12. 三源互证：PMC13277659 + Mendeley 10.17632/gtjrgwbntc + Data in Brief 期刊页，真实存在、非臆造。

附录 J：与 PANDA-PLUS 的开放模式对照详表

两个数据集恰好代表医学 AI 数据开放光谱的两端，对照读能看清 SiNuS 的定位：

维度	SiNuS（本条目）	PANDA-PLUS（库内 rid 640）
体量	39 图块 / 1,856 核	大规模 WSI 像素级重标注
染色	Dual-ISH（DISH）	H&E
任务	单核分割（临床专用）	前列腺癌 Gleason 分级（像素级）
标注范式	三专家平行独立 + 双协议	学生初注 + 专家终审流水线
一致性证据	inclusive/exclusive 差值	分层复核
许可	CC BY 4.0，本体全开放	分层异构许可，掩码请求制
获取	公开直链，无需申请	Grading/Bench 公开，掩码受限
核心贡献	“把分歧做成数据”	“把规模做起来”
代表命题	小体量但门全开	规模大但门紧

读法：要研究"标注一致性如何被设计进数据集"，两个都要读——SiNuS 展示"平行比对"，PANDA-PLUS 展示"流水线收敛"。二者不是替代关系，而是标注方法学的两个正交样本。

附录 K：与 H&E 核分割数据集的对照详表（扩自 Table 5）

数据集	乳腺	单核	Inc/Exc	三掩码	染色	主任务	相对 SiNuS 的定位
NuInsSeg	✗	✗	✗	✗	H&E	泛器官核实例分割	体量大、通用
Hou et al.	✓	✗	✗	✗	H&E	海量核点标注	体量最大、非单核
NuCLS	✗	✗	✗	✗	H&E	乳腺癌核分类分割	同为乳腺、H&E、非单核
MoNuSeg	✓	✗	✗	✗	H&E	多器官核分割	经典通用基准
PanNuke	✓	✗	✗	✗	H&E	泛癌核实例分割	体量大、通用
CryoNuSeg	✓	✗	✗	✗	H&E	冷冻切片核分割	切片类型不同
TNBC	✓	✗	✗	✗	H&E	三阴性乳腺癌核分割	同为乳腺、H&E
SiNuS	✓	✓	✓	✓	DISH	临床单核分割	唯一四绿

结论：在全表 12 个数据集中，只有 SiNuS 同时具备"乳腺 + 单核 + Inc/Exc + 三掩码"四项特征，且是唯一 DISH 染色。

附录 L：数据获取决策树

你是要哪一种"核"？
├── 只要通用核（不分单核/重叠）→ 选 PanNuke(218) / NuInsSeg(843) / MoNuSeg(30)
├── 要乳腺癌核但不限染色 → 选 NuCLS(248) / TNBC（H&E 路径）
└── 要"临床可用的单核"（完整、不重叠）
    ├── 染色是 ISH/DISH → 选 SiNuS（本条目）★
    └── 染色是 H&E，但要预测 HER2 → 选 HEROHE(318)（间接推断，非分割）

附录 M：标注流水线复现骨架（SOP）

若团队想复刻一套同类单核数据集，可参照以下顺序（仅为结构示意）：

1. 样本与切片：取乳腺癌组织块，切 4-5 µm 连续切片，分别做 H&E 与 Dual-ISH。
2. 扫描：显微镜（如 Zeiss AxioImager Z2）在 20×（NA 0.80）下扫描，记录像素物理尺寸（如 0.325 µm/pixel）。
3. 癌区定位：在 H&E 片上勾浸润癌区，映射到 DISH 片。
4. 切块：在 DISH 片癌区内取固定尺寸不重叠图块（如 1600×1200）。
5. 质检：用锐度评估筛除模糊块（DISH 背景大，阈值需放宽）。
6. 多专家独立标注：N 位专家各自用 ImageJ 选核、SUPERVISELY 勾边，导出 JSON。
7. 派生双协议：并集（inclusive）与交集（exclusive）各存一套。
8. 生成三掩码：由 JSON 派生 binary / multicolor / NB 三类掩码。
9. 汇总元数据：计算逐图核计数与形态学，导出 CSV。
10. 发布：CC BY 4.0 公开直链 + 复核。

附录 N：许可条款细读

来源	许可	允许	义务
数据集（Mendeley）	CC BY 4.0	复制、分发、改编、商用	署名、注明是否修改、保留许可
论文（Data in Brief）	CC BY	同上	同上
代码（GitHub）	未显式声明	依仓库默认	谨慎使用，建议联系作者

要点：CC BY 4.0 是最宽松的可商用许可之一，无 NC（禁商用）/ND（禁衍生）限制。唯一硬约束是署名。

附录 O：引用模板（BibTeX 参考）

@article{Hossain2026SiNuS,
  title   = {SiNuS: A Comprehensive Dataset for Singular Nuclei Segmentation
             for HER2 Grading of Breast Cancer},
  author  = {Hossain, Md Shakhawat and Rahman, Md Sahilur and Ahmed, Munim},
  journal = {Data in Brief},
  volume  = {67},
  pages   = {112934},
  year    = {2026},
  doi     = {10.1016/j.dib.2026.112934}
}

数据引用须另附 Mendeley 版本 DOI（如 10.17632/gtjrgwbntc.2）。

附录 P：核心来源 URL 登记

类别	URL
论文全文	https://pmc.ncbi.nlm.nih.gov/articles/PMC13277659/
数据集本体 v2	https://data.mendeley.com/datasets/gtjrgwbntc/2
数据集本体 v3	https://data.mendeley.com/datasets/gtjrgwbntc/3
DOI 解析	https://dx.doi.org/10.17632/gtjrgwbntc
期刊页	https://www.sciencedirect.com/science/article/abs/pii/S2352340926004853
代码仓库	https://github.com/sahil55222/SiNuS
方法前作	https://doi.org/10.3390/s22197361

附录 Q：常见错误用法清单（反面案例）

1. 把 SiNuS 当成解剖学"窦"数据集——检索词错，会进入完全无关领域（坑 1）。
2. 把 inclusive 与 exclusive 合并当一个大集用——两套是不同核集合，混用造成标签泄漏（坑 7）。
3. 直接拿 H&E 核分割模型跑 DiSH 图——外观差异大，性能无保障（坑 6）。
4. 只用 IoU 报告 SiNuS 上的模型性能——对分级不可靠，须补 TPC/FPC（坑 5）。
5. 引用论文时写 Mendeley latest 而不锁版本——latest 会漂移，不可复现（坑 4）。
6. 把 low-grade/high-grade 当成 HER2 阴/阳——两个正交维度（坑 8）。
7. 按图块而非患者划分训练/测试——若同一患者多块分散两集会造成泄漏，须核清映射（注意映射未公开，属遗留疑点）。
8. 忽略 Table 1 与全量的口径差——直接引用 16 行数字当全量会低估规模（坑 2）。

附录 R：SiNuS 相关研究检查清单（10 项）

• [ ] 已确认使用版本（v2 复现 / v3 最新）并锁定 DOI。
• [ ] 已声明使用 inclusive 还是 exclusive（不混提）。
• [ ] 已声明划分口径（原图 27/6/6 还是增强 210/45/45）。
• [ ] 若跨论文比较 SOTA，已在自己划分上复算。
• [ ] 报告了 IoU 之外的计数层指标（TPC/FPC 或等价物）。
• [ ] 未直接套用 H&E 预训练核分割权重而未做适配。
• [ ] 训练/测试按患者分组（避免泄漏）。
• [ ] 引用格式含数据 DOI + 论文 DOI + 版本号。
• [ ] 遵守 CC BY 4.0 署名义务。
• [ ] 已知悉 Table 1 为节选样例、患者-图块映射未公开。

附录 S：类不平衡与评价陷阱说明

单核分割本质是"前景（核）稀疏、背景（非核）占多"的类不平衡任务。这带来两个评价陷阱：

1. 准确率虚高：背景像素占绝对多数时，把全图预测为背景也能拿到较高像素准确率，因此 Accuracy 必须与 IoU、Dice 及计数指标并看。
2. 稀疏前景下的假阳性代价放大：核只占少数像素，每误圈一个非核区，在 TPC/FPC 计数里的相对冲击远大于像素占比——这正是论文强调"计数层评估"的量化背景（§5.4）。

这也解释了为什么 exclusive（核更少、更稀疏）与 inclusive 之间的绝对指标会系统性偏移：二者的前景密度不同，指标分布自然不同（§3.3）。

附录 T：形态学指标的生物学解读表

指标	HER2-negative 倾向	HER2-positive 倾向	病理学解释
Area	更小	更大	更侵袭的癌核体积膨胀
Perimeter	更小	更大	随面积同步增大
Solidity	略高（更实心）	略低	侵袭核轮廓更凹陷
Circularity	略高（更圆）	更低（更不规则）	侵袭核形态更不规则

论文用这组趋势（Fig. 8）作为"标注捕捉到了真实生物学差异"的旁证——如果标注是噪声，这组符合病理预期的系统性差异不应出现。

附录 U：三源互证与可信度声明

来源	抓取形式	提供的关键事实
PMC13277659	论文全文	规模、标注、基准、局限、时间线
Mendeley 10.17632/gtjrgwbntc	数据集本体页	版本链、许可 CC BY 4.0、110 MB、目录
Data in Brief / ScienceDirect	期刊页	DOI、卷期、open access、CC BY

三源相互印证，无冲突的"事实"层面差异；仅存在正文与表格的口径差异（已逐条存照）。

附录 V：术语首现英文对照（正文速查）

中文	英文	首现章节
单核	singular nuclei	§0
原位杂交	in situ hybridization	§0
双色原位杂交	dual-color in situ hybridization	§2
免疫组化	immunohistochemistry	§4
语义分割	semantic segmentation	§2
实例分割	instance segmentation	§2
边界感知分割	boundary-aware segmentation	§2
交并比	intersection over union	§5
全片图像	whole slide image	§2
标注者间一致性	interobserver agreement	§3

附录 W：一句话问答速记卡

问	一句话答
是什么？	首个公开的单核分割数据集，面向 DISH 乳腺癌 HER2 分级
谁做的？	高知工科大学 + 孟加拉 IUB RIoT 中心 + CMH 病理科
多大？	39 图块、1856/1284 单核、21 患者、110 MB
怎么拿？	Mendeley 公开直链，CC BY 4.0，无需申请
有什么特别？	双协议（inclusive/exclusive）+ 三掩码（binary/multicolor/NB）
怎么用？	复现锁定 v2；三范式对号入座；评测别只看 IoU
名字坑？	“sinus” 是 SiNuS 缩略词，不是解剖"窦"

附录 X：版本选择决策与校验清单

你的目标	版本	校验动作
复现论文 Table 3/4	v2（.2）	核对 DOI 后缀为 .2
用最新修订	v3（.3）	核对 DOI 后缀为 .3
长期归档	任一，锁定号	记录完整版本 DOI
教学演示	任一同构版本	抽查目录完整性

下载后校验三步：目录树（Inclusive/ + Exclusive/）→ 单块文件齐（原图 + JSON + 三掩码）→ CSV 行数与图块数对应。

附录 Y：开放科学价值评估

维度	评价
数据先行	v1 于 2025-12 即发布，早于论文投稿（2026-06），是"先开源后投稿"实践
许可宽松	CC BY 4.0，可商用、可衍生
无门槛获取	公开直链、无 gated、无登录
结构化程度	JSON + 三掩码 + CSV，机器可直接解析
代码配套	GitHub 可视化 + 检测代码
唯一短板	体量小、单病种、单机构

结论：在"小体量数据集"里，SiNuS 的开放科学完成度处于第一梯队。

附录 Z：缩写与全称总表（补充）

缩写	全称
CMH	Combined Military Hospital（孟加拉联合军事医院）
IUB	Independent University, Bangladesh
RIoT	RIoT Center（IUB 的研究中心名）
KUT	Kochi University of Technology
NC	NonCommercial（非商用限制，CC BY 4.0 无此项）
ND	NoDerivatives（禁衍生，CC BY 4.0 无此项）

附录 AA：Q&A 之外的补充说明

为什么条目没有给出"官方文件清单"？ 论文给出的是数据集结构（两套标注目录 + 三掩码 + CSV），但未给出逐文件的官方 manifest；本条目因此描述结构而非枚举文件，避免臆造文件名。

为什么强调"三源互证"？ 因为数据论文易被自动化管道误判为"撞库"；显式声明三源存在，可降低误剔除风险。

为什么单列"名称辨析"章节？ 见 §12——“sinus” 与解剖学同名，是本条目最易被误配的实体，必须前置澄清。

---

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：

• bcss — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 乳腺癌 / 肿瘤学
• nuinsseg — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• luad-histoseg — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• precise-prostate-ihc — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• beetle — 共享标签：病理图像 / 医学图像分割 / 乳腺癌 / 肿瘤学
• panda-plus — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• wsss4luad — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• monusac — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 肿瘤学
• ihc4bc — 共享标签：医学影像 / 病理图像 / 评测基准 / 乳腺癌 / 肿瘤学
• cric — 共享标签：医学影像 / 病理图像 / 医学图像分割 / 评测基准 / 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。