信息速览

数据集名称TUPAC16 — 乳腺肿瘤增殖 WSI 评分挑战 AI-Ready Wikipedia | 千方病案医数集

数据类型约 821 张 WSI,训练 500 + 测试 321,注册后获取,H&E SVS 全切片

规模821 例 TCGA-BRCA + 73 例荷兰辅助有丝分裂病例

接入方式Eindhoven 医学图像分析组 (IMAG/e) / Radboud DIAG url: https://tupac.grand-challenge.org/

AI 就绪度

TUPAC16 — 乳腺肿瘤增殖 WSI 评分挑战 AI-Ready Wikipedia

INFOBOX


数据集名称	TUPAC16（TUmor Proliferation Assessment Challenge 2016）
英文全称	TUmor Proliferation Assessment Challenge 2016
别名/简称	TUPAC16、TUPAC-16、TUPAC 挑战
疾病分类	乳腺浸润癌（ICD-11：2C60 乳腺浸润癌；乳腺肿瘤增殖评估属预后标志物范畴）
SNOMED CT	254292001 Malignant tumor of breast / 413104002 Tumor proliferation assessment（详见 §2.1b）
数据模态	病理 WSI（H&E 全切片）、基因表达分子分型（PAM50 增殖评分标签）
AI 任务类型	有丝分裂评分（三分类分级）、PAM50 增殖评分回归、有丝分裂检测（目标检测）、ROI 定位
样本总数	821 张 WSI（主数据集，训练 500 + 测试 321）+ 辅助 ROI 148 例 + 辅助有丝分裂检测 73 例
数据大小	WSI 级（单张可达数百 MB～GB，.svs 格式）
数据格式	SVS（WSI）、CSV/XML（评分与注释）
许可证	无统一开放许可证；注册后访问，数据需向 IMAG/e 合理请求授权
访问级别	申请审核（注册 + 向主办方合理请求）
DUO 标签	HMB, NPUNCU
语言	英文
首发日期	2016-10（MICCAI 2016 挑战举办）
最后更新	2021-07（托管迁移至 grand-challenge 平台）
发布机构	Eindhoven 医学图像分析组（TU/e）牵头，联合 Radboud、Utrecht、BIDMC 等团队（Veta et al.）
官方主页	https://tupac.grand-challenge.org/
下载地址	https://tupac.grand-challenge.org/（原站 tupac.tue-image.nl 已下线）
DOI	10.1016/j.media.2019.02.012（挑战综述论文）
引用次数	220+（Radboud DIAG 出版页，截至 2026-09）
AI 就绪度评分	⭐⭐⭐（3/5）— 有清晰划分与丰富生态，但需手动实现 WSI 切块/注释解析管线，无官方预处理脚本、数据获取需申请
页面状态	published

§0 E-E-A-T 信任声明与免责声明

医学审核者：千方病案医学编辑部交叉审核：§2 医学背景（乳腺浸润癌 ICD-11/SNOMED CT 映射、有丝分裂计数与肿瘤分级临床任务定义、金标准形成）、§7 偏倚分析。

数据工程审核者：千方病案医学编辑部交叉审核：§4 DAIMS 数据字典（WSI 标识与评分键、三子集表结构）、§5 数据划分策略、§6 预处理 Pipeline 和坑点。

审核日期：2026-09-05

医疗免责声明：本页面提供的医学信息仅供研究和教育目的，不构成医疗建议、诊断或治疗方案。数据集的医学描述基于公开发表的文献，未经逐一临床验证。任何基于该数据集训练的 AI 模型在应用于临床决策前，必须经过独立的临床验证和监管审批。

技术免责声明：本页面的代码示例、预处理建议和基准性能数据基于公开资料整理，不保证在特定环境下的准确性和适用性。使用者应自行验证代码安全性和数据预处理流程的正确性。千方病案医数集不对因使用本页面信息而导致的任何直接或间接损失承担责任。

数据使用合规：使用本页面描述的数据集前，请务必阅读并遵守数据集原始许可协议。TUPAC16 的标签仅供注册用户，WSI 与注释数据需向 Eindhoven 医学图像分析组（IMAG/e）通过合理请求获取授权。DUO 标签仅供参考，具体使用限制以数据集官方协议为准。

§1 数据集概览

§1.0 30 秒速览

这是什么？

TUPAC16 是一场 2016 年在 MICCAI 会议上举办的世界级医学影像挑战，目标是从乳腺癌的全切片图像（WSI）自动评估肿瘤增殖速度。肿瘤增殖越快，预后通常越差，临床上病理医生靠数显微镜下正在分裂的细胞（有丝分裂象）来判断。TUPAC16 把这一人工任务搬到整张切片上：共 821 张来自美国 TCGA 计划的高倍扫描乳腺切片，500 张训练、321 张测试，每张都带有人工评出的增殖等级与分子增殖分数。简单说，它给算法一个"看整张病理片并给出增殖分"的标准化考题。

为什么重要？

此前的有丝分裂 AI 挑战只在小块"预定区域"上做题，而真实诊断需要病理医生在整张切片上判断，这就引入了"区域选择"这一主观环节，也是人工数分裂象可重复性差的根源。TUPAC16 第一次把任务提升到 WSI 层级，要求算法自己找到该数的地方再给出一个可并入临床分级的增殖分。它还首创性地探索"能否仅凭 H&E 切片外观预测分子 PAM50 增殖分数"，连接形态学与分子生物学。它是 WSI 弱监督分类与病理大模型评测的常青基准。

我能用它做什么？

如果你是研究人员，可训练有丝分裂检测器、ROI 定位器，或端到端地从整张 WSI 预测增殖分（多示例学习/特征聚合）；有三大任务和辅助数据集支撑不同范式。作为学生或工程师，你可据此掌握 WSI 切块、组织检测、染色归一化的完整实战管线。注意它需申请授权，且测试集标签要注册并遵循主办方评估协议，适合做方法对照与算法开发。

§1.1 摘要

TUPAC16 由 Eindhoven 医学图像分析组牵头、Radboud/UMC Utrecht/BIDMC 等团队在 MICCAI 2016 框架下组织，是首个系统研究"从 WSI 预测乳腺肿瘤增殖"的挑战。主数据集含 821 张来自 TCGA-BRCA 的 H&E 全切片，随机划分为训练 500 张与测试 321 张；每张 WSI 由 15 名国际乳腺病理专家中的至少一名依据临床标准给出三级有丝分裂评分（score 1/2/3），其中 311 例由两位以上专家评分（Krippendorff’s alpha 0.488，一致率 78%），共识取众数、平局取高分；同时每例附带由 11 个增殖相关基因（含 MKI67/Ki-67）平均表达派生的 PAM50 增殖评分（均值 −0.176，标准差 0.428）。除主集外还提供两个辅助集：148 例由病理住院医师标注 3 个 ROI 的定位集，以及 73 例（来自荷兰三中心，含 23 例 AMIDA13）经三人共识标注、共 1,552 个有丝分裂象的检测集。挑战含三任务：预测有丝分裂评分、预测 PAM50 增殖评分、以及有丝分裂检测（辅助）。任务 1 最优（LUNIT）二次加权 Cohen’s kappa 0.567，前三位集成 0.613；任务 2 最优（LUNIT）Spearman r=0.617。这是医学影像 WSI 级分级与弱监督分类的重要里程碑。

本文档阅读导览：对初次接触者，建议顺序阅读 §1.0（三分钟理解）→ §2（医学背景）→ §3-§5（数据是什么、长什么样、怎么划分）→ §6（如果要训练 AI 怎么做 + 八个坑点）→ §7-§8（质量与基准）→ §9-§10（引用与合规）。若时间有限只读一处，请务必读 §6.5 的八个坑点——它们决定了你在此数据上能否避免返工。所有规模、划分、性能数字均可通过各节内嵌的引用链接与 §9/§10.3 的来源清单追溯，本文不作未注明来源的推断。

§1.2 战略价值

临床病理可重复性维度：有丝分裂计数是乳腺癌组织学分级（Nottingham 法）与肿瘤增殖评估的核心组成部分，但不同观察者间的主观差异导致其可重复性差。TUPAC16 首次将评估单元从"预定 ROI"扩大到"整张 WSI"，逼真复现病理医生实际工作流中的区域选择难题。对计算病理厂商而言，它是把纯检测算法升级为"从切片到分级"完整产品的试金石；对临床而言，自动化为跨机构统一增殖分提供了标准化路径。

形态-分子关联研究维度：任务 2 提出一个可检验的假设——分子 PAM50 增殖分数能否仅从 H&E 形态外观预测。挑战结果证实 ROI 级特征即可获得可观的相关（r≈0.6），提示组织形态携带可观的增殖信息，这为无创/无额外分子检测地估算增殖、弥合形态学与基因组学鸿沟提供了研究范式，是后续病理基础模型评估形态-分子预测能力的原始锚点。对临床转化而言，它降低了增殖评估对昂贵分子检测的依赖，使其在资源受限环境下更可及。

方法学评测维度：作为一个同时拥有"slide 级弱监督分级标签（1/2/3）"“连续分子回归标签（PAM50）”“点级检测标签（有丝分裂）”"框级定位标签（ROI）“四种监督粒度并存的数据集，TUPAC16 是评测四类计算任务能否在同一模态下统一建模的稀有平台。它区分了"任务难度"与"数据噪声"两个层面——综述反复强调其金标准是弱监督、有可观观察者噪声（alpha 0.488），因此它也常被当作检验"模型对标签噪声鲁棒性"与"自监督/弱监督表征"的实验床。研究者在设计 WSI 基础模型时，常把增殖分作为既需局部细节（分裂象）又需全局语境（区域组织）的"双尺度检验任务”。

生态锚定维度：TUPAC16 与 AMIDA13、CAMELYON、PCam 等构成乳腺 WSI 检测/分级的参照谱系，被上百篇计算病理论文作为下游评测或预训练微调目标引用（综述被引 220+，Radboud DIAG 口径）。这种"常青基准"属性使它成为学术评价与团队方法对比的通用语言，其影响已超出单纯数据集本身，内化为 WSI 分级研究的默认对照之一。

§1.3 同类数据集横向对比

数据集	模态	规模	标注	差异化定位
TUPAC16	乳腺 WSI (H&E)	821 张 WSI（500+321）+ 辅助集	三级有丝分裂评分 + PAM50 增殖分数 + 有丝分裂点	WSI 级增殖评分、形态→分子预测首创
AMIDA13	乳腺显微区域	23 例荷兰中心 HPF	有丝分裂二值标注	预定 ROI 内有丝分裂检测前辈挑战
BreakHis	乳腺显微图像	9,109 张	良恶性 + 放大倍率	图像级良恶性分类
CAMELYON16/17	乳腺淋巴结 WSI	约 270/500+ 张 WSI	宏转移区域/像素	WSI 转移检测与 pN 分期
PCam / PatchCamelyon	乳腺淋巴结 tile	327,680 张 96×96 patch	转移二值	便于实验的 patch 级替代
BACH / BACH 2020	乳腺染色图	H&E + IHC	病变分级	组织学亚型分级
PANDA	前列腺活检 WSI	10,616 张 WSI	ISUP 六级分级	大规模前列腺分级

TUPAC16 的独特之处在于：①任务单元是"整张切片而非 patch 或预定 ROI"；②把临床常用的半定量增殖分级（有丝分裂分）与连续分子分数（PAM50）并置在相同 WSI 上；③提供病理定位与有丝分裂检测辅助集以支持两阶段管线。这让它在"WSI 级弱监督分级基准"与"病理点级检测"之间的桥接性上无可替代。

横向定位一句话：如果说 AMIDA13 问的是"给定区域里有多少分裂象"，CAMELYON16 问的是"整张切片里哪里有转移"，那么 TUPAC16 问的是"整张切片预示着多快的增殖、能不能顺带把分子分也估出来"。前两者偏检测/定位，后者偏"检测+分级+分子回归"的综合预后评估，任务层次更高、也更贴近临床决策所需。对想从"图像 patch 分类"迈向"WSI 级预后评估"的读者，TUPAC16 是最贴近真实工作流、信息密度最高的一条迁移路径。

§1.4 版本时间轴

时间	事件	说明
2015-2016	数据集构建	基于 TCGA-BRCA 子集，Heng et al. 病理注释库构建，15 名专家评分
2016（注册期）	开放注册	提前约 6 个月开放，159 支队伍注册
2016-10-03	提交截止	每队每任务最多 3 次提交，结果在 MICCAI 2016 雅典研讨会发布
2016-10	MICCAI 2016	挑战研讨会展示 12 队（任务 1）+ 6 队（任务 2）结果
2018	arXiv 预印本	1807.08284 发布挑战综述
2019-02	综述论文正式发表	Medical Image Analysis 54:111-121，DOI 10.1016/j.media.2019.02.012
2021-07	托管迁移	迁至 grand-challenge 平台，原站 tupac.tue-image.nl 下线

版本与访问状态的关键变化：需要留意的是，本数据集并无像软件那样的"语义化版本号"，其"版本"主要由三件事界定：①挑战原始划分（500/321 固定不变）；②综述论文发表（2019）确立的引用与结果口径；③托管迁移（2021-07）改变了数据获取入口但未改变数据本身。因此引用时以综述（Veta et al. 2019）为准，获取时以 grand-challenge 现行流程为准。训练/测试划分自挑战以来保持稳定，未被重新随机——这对复现历史结果是有利的锚点。

§1.5 典型应用场景

乳腺肿瘤增殖自动分级研究：以 WSI 为输入，两阶段（ROI 定位 + 有丝分裂检测→分级）或端到端（多示例/特征聚合）输出三级有丝分裂分，与病理专家对照。适用于验证"两阶段拟人"与"直接端到端"两种范式在 WSI 分级上的优劣。
PAM50 分子增殖分数的形态预测：验证"形态→分子"假设，探索 ROI/全局特征预测基因表达派生的连续增殖分数。对想研究"组织形态如何编码分子状态"的形态-基因组学交叉团队尤其有价值。
WSI 弱监督分类方法开发：作为仅有 slide 级标签的无 patch 标注基准，评测 MIL、Transformer 聚合、对比学习等弱监督范式。由于训练仅 500 例，是检验弱监督样本效率的实用规模测试床。
病理基础模型评测：TUPAC16 增殖分/检测被广泛用作病理自监督与基础模型下游任务的评测集，评价模型对"局部细节（分裂象）+全局语境（区域）"双尺度的敏感度。
域偏移与染色归一化方法研究：荷兰辅助集与 TCGA 主集间的染色/域差异，用于评测染色归一化与域适应算法（如 Macenko 归一化带来的增益，已有工作显示可提升下游 F1）。

各场景你能拿到什么：场景 1/3 的核心资产是官方固定划分与弱监督标签——便于方法可比；场景 2 的资产是"同一 WSI 同时有视觉分与分子分"的双标签对齐，这在其它 WSI 集里少见；场景 4 看重其被引与生态认可的"基准效力"；场景 5 则利用其天然跨中心构造。无论哪种，都要先过数据获取授权这一关（见 §6.2）。

§2 医学背景

§2.1 ICD-11 编码表

标签	ICD-11 编码	中文名
乳腺浸润癌	2C60	乳腺浸润癌（Invasive carcinoma of breast）
乳腺癌分子亚型分级相关	2C60.0-2C60.5	乳腺特殊类型浸润癌（管腔 A/B、HER2 过表达等细分）
肿瘤增殖相关（生物学标志物）	2A00-2A0Z（参照）	恶性肿瘤（本章作为增殖评估的对象性背景）
预后评估（临床操作背景）	XA1A-（参照 SB 章）	组织学分级与分期为临床评估体系

说明：肿瘤增殖评估本身不是 ICD-11 的独立疾病条目，而属于乳腺癌诊断与预后评估中的生物标志物/分级范畴；本表以乳腺浸润癌为主诊断映射，临床分级（Nottingham）与增殖评估为伴随操作。

§2.1b SNOMED CT 映射表

标签	ICD-11	SNOMED CT 码	术语
乳腺恶性肿瘤	2C60	254292001	Malignant tumor of breast (disorder)
乳腺浸润性导管癌	2C60.1	88065008	Infiltrating duct carcinoma of breast (disorder)
有丝分裂象	—	29827009	Mitotic figure (finding)
肿瘤增殖评估	—	413104002	Tumor proliferation assessment (procedure)
H&E 组织病理切片	—	122554009	Hematoxylin and eosin stain (procedure)
分子表达（PAM50 基因签名背景）	—	416237000	Gene expression analysis (procedure)

§2.2 疾病简介与流行病学

乳腺癌是全球女性发病率最高的恶性肿瘤之一，也是女性癌症死亡的主要原因之一。据 SEER 等统计口径，乳腺癌约占女性新发癌症的近三成（具体随年度与地区而波动）。其异质性极强——同一"乳腺癌"在不同分子亚型（管腔 A、管腔 B、HER2 过表达、基底样/三阴性）下，其增殖速率、治疗应答与预后差异巨大。正因如此，乳腺癌的治疗决策高度依赖对每例肿瘤"恶性潜能"的精确评估，而肿瘤增殖速度正是其中最被广泛认可、也最能直接联系到组织学形态的预后生物标志物。

肿瘤增殖为何是关键指标：增殖快（肿瘤生长率高）的肿瘤往往更具侵袭性、复发与转移风险更高、总体预后更差；增殖慢的惰性肿瘤患者则可通过保守治疗减少不必要的副作用。因此增殖评估直接进入临床决策——决定患者是否接受激进的新辅助化疗或辅助治疗。这一概念是 TUPAC16 的医学出发点：挑战开场即强调"增殖快患者比慢患者结局差"。

临床上最常用的增殖评估：病理医生在苏木精-伊红（H&E）染色切片上、于光学显微镜下计数有丝分裂象——即正在分裂、核染色质凝聚的细胞核。该方法被广泛纳入 Nottingham（改良 Bloom-Richardson）分级体系：组织学分级由三项评分加总构成，即①腺管形成程度、②核多形性、③有丝分裂计数；其中每项各计 1-3 分。有丝分裂分在挑战中采用明确的三级阈值（见 §2.6）：score 1 指每 10 个高倍视野（HPF，40×）有 0-5 个分裂象，score 2 指 6-10 个，score 3 指超过 10 个。分级越高，提示肿瘤越"激进"。

为何有丝分裂计数可重复性差：尽管几乎每家病理科室都在常规开展，有丝分裂计数却是高度主观且劳动密集的过程——受染色质量、HPF 区域选择、分裂象判定边界、观察者经验等多因素影响，跨观察者一致性欠佳。此前 Veta et al. 在预定区域内研究病理专家间计数，kappa 可达 0.79-0.89；但在真实 WSI 上因引入"整片找区域再数"的步骤，主观性进一步放大。这为自动化与标准化创造了强烈需求——也是挑战的主题。

更客观的增殖手段：

Ki-67 免疫组化（IHC）：检测 Ki-67 蛋白（由 MKI67 基因编码）在增殖细胞核中的表达，阳性率作为增殖替代。挑战标题与背景中的"Ki-67"概念即源于此；不过 Ki-67 未标准化判读阈值，存在染色/判读争议。
PAM50 增殖分数：基于 50 基因签名的分子分型工具（PAM50）中，用 11 个增殖相关基因（BIRC5、CCNB1、CDC20、CEP55、MKI67、NDC80、NUF2、PTTG1、RRM2、TYMS、UBE2C）的平均表达作为连续增殖分数。它来自基因表达定量，客观且连续，但需分子检测流程。

Ki-67 与 PAM50 增殖分数均与人工有丝分裂计数显著相关，但受标准化流程缺失、临床效用争议、判读困难及复杂分子工作流限制，临床转化较慢。TUPAC16 主集的 PAM50 分数均值约 −0.176、标准差 0.428（训练 −0.166±0.446、测试 −0.192±0.400），覆盖从低到高的连续范围，为"能否以 WSI 形态预测该分数"提供了充分动态范围。

§2.3 临床任务定义

TUPAC16 在临床病理工作流中对应肿瘤分级与预后评估环节（非筛查/初诊）：

临床环节	数据集对应任务	说明
组织学分级（Nottingham）	任务 1：预测有丝分裂评分	复现病理医生最常用的增殖评估法，输出 1/2/3 三分类
增殖生物标志物定量	任务 2：预测 PAM50 增殖分数	回归分子法增殖分数，探索形态代替分子检测
有丝分裂象计数（检测）	任务 3：有丝分裂检测	辅助点级检测，对标 AMIDA13 的检测/计数协议
区域选择（工作流上游）	ROI 辅助定位	标出病理医生可能进行有丝分裂计数的高细胞量区域

这些任务共同指向：把"寻找肿瘤区域 + 计数分裂象 + 归纳为分级/分数"的完整人工评估流程自动化到 WSI 层级，输出可与现行预后分级系统衔接的结果。

任务间的关系与挑战意义：任务 1 在本质上是"复现病理医生的手工法"，其评估单元是整张 WSI 而非预定区域——这是与 AMIDA13 等前身挑战最本质的差别；任务 2 是前序研究从未探索的"形态→分子"预测；任务 3 则是为前两者提供中间监督的辅助检测任务（由参赛者请求增设）。综述指出，多数参赛队采用"两步拟人"架构：先用 ROI 检测把候选区域缩窄，再用有丝分裂检测器在这些区域计数，最后将检测响应聚合为 slide 级增殖分。而任务 2 的成功（r≈0.6）揭示了一个重要现象：即使不经有丝分裂检测这一中间步，仅用区域级形态特征也能较好地预测分子增殖分——这为"直接端到端"派方法提供了实证支撑。

如何理解三个任务的评估协议：任务 1 是有序三分类，其观测噪声上限（专家间 kappa 0.79-0.89，见 Veta et al. 2016）显著高于自动法目前达到的 0.567，因此"距临床可用还有多大差距"应以上限而非绝对分衡量；任务 2 是连续回归，其金标准来自分子定量、噪声低，故自动法 r 的绝对值更接近真实模型质量；任务 3 是典型的稀疏检测，F1（最优 0.652）需在类别极不均衡下解读。三者的评估指标语义不同，§8.3 与 §6.9 有更细说明。

§2.4 患者人群表

维度	主数据集（TUPAC16）	辅助有丝分裂集	辅助 ROI 集
来源	TCGA-BRCA（美国多中心）	荷兰 3 个中心（Utrecht 大学医院 + Symbiant Alkmaar/Zaandam）	主集训练子集随机抽样
病例数	821 例	73 例	148 例
时间	TCGA 采集期（约 2000-2013 项目期）	AMIDA13 期与荷兰中心存档期	与主集同期
年龄	未公开于挑战集元数据	未公开	未公开
性别	女性为主（TCGA-BRCA）	女性	女性
种族	未公开（TCGA 去标识研究病例）	未公开	未公开
就医类型	TCGA 研究队列（手术切除/活检标本）	诊断病理存档	主集训练样本

注：TUPAC16 官方未随挑战分发年龄/性别等临床表型元数据，仅提供病理图像与增殖分数/评分，故年龄、种族等字段不展开以免编造。

人群构成说明与临床代表性问题：由于挑战集本身不含人口学元数据，直接评估"这些切片在人群层面代表谁"只能借助其来源——主集来自 TCGA-BRCA，一个以美国多中心为主的乳腺癌研究队列；辅助有丝分裂集则来自荷兰三中心诊断存档。因此主集的"人群画像"接近参与 TCGA 的美国乳腺癌病例谱系，辅助集接近荷兰地区病理标本谱系。对增殖分这类依赖组织学与染色表征的任务，这种地理来源差异主要影响染色/成像域（已在域偏倚论述），而增殖分本身的生物学意义是跨人群稳定的。若需为特定人群做报告，强烈建议回联 GDC 元数据做亚群校验（§7.5 路径），不要默认主集能代表所有地区或种族人群。

§2.5 临床价值

自动化的肿瘤增殖评估若达到临床可用水平，将带来双重价值。其一，缓解人工有丝分裂计数的可重复性与工作负荷问题——它是高度主观、耗时且劳动密集的过程，跨观察者、跨机构的一致性受限；稳定算法可促进增殖分标准化。其二，若能仅凭 H&E 形态预测 PAM50 增殖分数，则可避免为增殖评估而额外进行分子检测，降低成本与周期，使增殖评估在资源受限环境更可及。TUPAC16 的结论同时强调：当前自动法尚未达到可作"第二意见"的水平（任务 1 最佳 κ=0.567 远低于病理专家间 0.79-0.89），这恰恰界定了该领域仍待攻克的技术空档——本数据集的临床价值更在于为持续改进提供标准化度量，而非即用替代。

从研究到临床的三级台阶（供读者理解定位）：

当前 TUPAC16 所处的层级：研究/评测基准。其使命是推动算法在 WSI 增殖分上逼近专家，目前 κ≈0.57 相对专家间 0.79-0.89 仍有明确距离，属"方法仍在爬坡"阶段。
待攻克的中层：达到可作病理医生"第二意见/复核提示"的可靠性，同时经受跨中心前瞻验证与监管审评。TUPAC16 的双标签（视觉分 + 分子分）与跨中心辅助集正为此类验证提供素材。
更远的临床层：作为可入电子病历/决策支持系统的定量增殖指标。此层级需独立于任何单一数据集做严格的临床效用与偏倚评估，远超 TUPAC16 本身能支撑的范畴。

因此，TUPAC16 的临床价值应理解为"为上述爬坡提供可复现、可比较的尺子"，而非"给出可直接部署的模型"。引用或宣传本数据集成果时，应明确其研究定位，避免暗示已具备即时临床替代能力。

§2.6 金标准表

项目	划分与标注方式	标注者	性质
主集划分	821 例随机划分训练 500 / 测试 321	主办方	官方固定划分
有丝分裂评分（任务 1）	三级评分 1/2/3（依据每 10 HPF 计数阈值）	15 名国际乳腺病理专家；311 例双人评分，共识取众数、平局取高分	弱监督 slide 级标签
PAM50 增殖分数（任务 2）	11 基因平均表达的连续分数	基因表达定量（非人工视觉）	连续回归标签
ROI 辅助集	每例 3 个 ROI 矩形框	病理住院医师（按临床指南）	定位监督
有丝分裂检测集	每例有丝分裂点（共 1,552 个）	三人共识（至少两名病理专家一致）	点级检测监督

金标准分层解读：表内四种"金标准"分属不同可靠性层级——有丝分裂分的共识最"像人"但也最主观（弱监督、有 alpha 0.488 噪声）；PAM50 分最客观（分子定量）但反映的是分子层面而非直接视觉可察；ROI 框与有丝分裂点属中等粒度的人工定位/点标注，作为中间监督帮助训练检测/定位器。理解这一分层对建模很关键：若你要模型"复现病理专家的有丝分裂分"，金标准本质是带噪声的专家共识，模型应容忍标签噪声并可用标签平滑/多评信息；若你要模型"输出连续分子分"，标签干净但任务更难（要把分子信息翻译为形态）。两种任务的"最佳实践"因此不同。

§2.7 术语速查（供非病理背景读者）

术语	含义	在本数据中的角色
WSI（全切片图像）	将整张玻片高倍数字化的超大图像	数据集基本样本单元
H&E	苏木精-伊红染色，核蓝、质红	全部图像染色类型
有丝分裂象	正在分裂、染色质凝聚的细胞核	任务 3 检测目标；任务 1 计数的依据
HPF（高倍视野）	高倍显微镜下一个视野（约 40×）	有丝分裂分阈值按每 10 HPF 定义
mitotic score 1/2/3	三级有丝分裂评分	任务 1 分类标签（0-5 / 6-10 / >10 每 10 HPF）
PAM50 增殖分数	11 增殖基因平均表达的连续值	任务 2 回归标签
Ki-67 / MKI67	增殖细胞核蛋白（PAM50 的基因之一）	挑战背景涉及的概念性增殖标志
ROI	病理医生可能做有丝分裂计数的肿瘤区域	ROI 辅助集标注的矩形
域偏移	训练与评测数据分布不同	荷兰辅助集 vs 美国 TCGA 主集的差异
弱监督	仅 slide 级标签、无像素/patch 标签	主集仅有 slide 级增殖分
tile / patch	从 WSI 切出的小图块	训练深度学习的基本输入单元

这份速查旨在消除术语门槛：理解"有丝分裂分 = 基于 10 个高倍视野分裂象计数分出的 1/2/3 等级"与"PAM50 = 11 基因平均表达的连续分子分"，即可读懂本文档绝大多数技术描述。

§3 数据集规格

§3.1 模态详情

TUPAC16 的核心模态是病理全切片图像（WSI），全部为苏木精-伊红（H&E）染色组织切片的高倍数字化扫描，通常以 SVS 格式存储为多层金字塔图像。主集每例来自 Heng et al. (2017) 注释库中的一张 40× 放大扫描 WSI（物镜放大率），可在 40× 最高层做有丝分裂观察，较低层用于组织与 ROI 概览。辅助有丝分裂集来自 Aperio ScanScope XT（40×，0.25 µm/pixel）与 Leica SCN400（40×，0.25 µm/pixel）两种扫描仪，Utrecht 病例按每例多个高倍视野（HPF）给出，另 50 例为每例一张 2 mm² 的 WSI 区域。除图像外，每例配两个标签：手工有丝分裂三级评分（整数）与 PAM50 连续分数（浮点）；辅助集还含 ROI 矩形框与有丝分裂点坐标注释。

分辨率与视场的工程含义：40×、0.25 µm/pixel 意味着每个像素对应 0.25 微米；一个 256×256 像素的 patch 覆盖约 64×64 微米，远小于一个 HPF（数十万微米见方）与整张 WSI（可达数十毫米）。因此"整张 WSI → 有丝分裂分"中间隔着极大的尺度鸿沟：算法必须先在低层把视野缩到"哪里像增殖区"，再到 40× 层高分辨找分裂象。这一金字塔多尺度结构决定了 TUPAC16 的建模天然是多尺度的（这也是综述强调"多尺度分析"的原因）。对 WSI 读取而言，若直接全层读入内存会溢出，必须利用金字塔逐层、逐区域按需访问——这是 §6.1 强调"切块为第一道工序"的结构性根源。

§3.2 按子集样本数表

子集	数量	内容/标签
训练集（主）	500 张 WSI	有丝分裂分（236 例 score1、117 例 score2、147 例 score3）+ PAM50 分数
测试集（主）	321 张 WSI	有丝分裂分（147/77/97）+ PAM50 分数（组织者保留，评估用）
ROI 辅助集	148 例	每例 3 个 ROI 框（从训练集随机抽取）
有丝分裂检测辅助集	73 例	共 1,552 个有丝分裂点注释（23 例 AMIDA13 + 50 例荷兰中心）

§3.3 格式表

数据	格式	说明
全切片图像	SVS（Aperio）	多层金字塔 WSI，40× 最高放大
评分/分数标签	CSV/文本	mitotic_score（1-3 整数）、PAM50（连续浮点）
ROI 注释	XML/坐标	每 ROI 的像素矩形坐标
有丝分裂点	坐标文件	每图的有丝分裂中心/框（共识结果）

§3.4 存储大小

WSI 为高分辨率金字塔图像，单张 .svs 可达数百 MB 至 GB 级（视组织范围与压缩），821 张主集整体为 GB 至数十 GB 量级。官方未提供统一压缩包与精确总字节数，故此处不编造精确数值；实际下载时以主办方分发为准并预留充足磁盘（建议至少数十 GB 至百 GB 级）。辅助有丝分裂集以 HPF 或 2 mm² 区域小图为主，体积远小于主集 WSI。

对数据工程师的落地建议：由于没有官方统一镜像，建议自行将获取到的数据整理为固定目录（见 §4.0），并考虑用开源工具把 SVS 转成更适合训练缓存的格式（如把切块后的 patch 存为 LMDB/TFRecord）。在处理上优先金字塔低层（缩略/20× 层）做组织与全片概览，仅在需要观察有丝分裂细节时访问 40× 层，以控制 I/O 与内存。若多人团队共用，应建立统一命名规范（TCGA case id ↔ 文件 ↔ patch）并集中缓存，避免各自重复做昂贵的一次性预处理。

§3.5 标注方式

标注类型	方式	人工/自动
有丝分裂三级评分	病理专家依据每 10 HPF 计数阈值人工评	人工（弱监督 slide 级）
PAM50 分数	从基因表达阵列派生	分子定量（非人工视觉）
ROI 框	病理住院医师按临床指南标注 3 处	人工
有丝分裂点	多名观察者共识标注	人工共识

§3.6 标注者资质与一致性

有丝分裂评分的标注团队为 15 名国际乳腺病理专家，多数标准遵循临床惯例（Lester et al.），部分针对 WSI 观察场景做了调整。311 例由两名以上专家评分，其一致性为 Krippendorff’s alpha 0.488、78% 一致——这一中等水平如实反映了有丝分裂计数的固有主观性；共识通过取最常出现的分数形成，平局时取较高分（偏保守）。ROI 标注由病理住院医师完成，有丝分裂点检测集为至少两名病理专家的共识。

标注一致性的临床参照：TUPAC16 任务 1 的 κ 只有 0.567，读者常误以为"算法差"。但须知病理专家之间（Veta et al. 2016）在有丝分裂分上的二次加权 kappa 约为 0.79-0.89——即便两名训练有素的病理专家在完全相同的计数区域也可能不同分。更准确的理解是：把 TUPAC16 自动法 κ 与"专家间一致性"做比值，才能反映"算法相对人类重复性"的真实达成度。此外 311 例共识采用"平局取高分"的保守策略，意味着共识标签偏向于"宁可判高增殖"，使用者在训练时应意识到此类系统偏移的方向性。

§3.7 采集周期

主集 WSI 源自 TCGA-BRCA 计划（美国 NCI/NHGRI 发起的癌症基因组图谱），其病理图像采集与形态学注释构建横跨约 2000-2013 年的项目周期，Heng et al. (2017) 从中整理出 850 例注释子集。辅助有丝分裂集来自荷兰存档（AMIDA13 期的 Utrecht 与后续两中心），采集时间分布在荷兰各中心存档期。挑战本身于 2016 年完成注册、提交与评估。

§3.8 地域覆盖

主数据集代表美国 TCGA 多中心乳腺癌病例（美国医疗体系），组织为 US 保存/处理流程；辅助有丝分裂检测集完全来自荷兰（Utrecht、Alkmaar、Zaandam）。这种"训练用美国 TCGA + 辅助用荷兰中心"的地域与实验室差异，正是 TUPAC16 组织者在方法学上强调的域偏移来源，也是后续染色归一化/域适应研究的天然试验场。

§3.9 设备规格

主集 WSI 由 TCGA 生态中常见的 40× 全切片扫描仪采集（Gutman et al., 2013 体系），以 40× 为最高分辨率。辅助有丝分裂集明确使用两种扫描平台：Aperio ScanScope XT（Utrecht，0.25 µm/pixel）与 Leica SCN400（其余两中心，0.25 µm/pixel）。H&E 染色由各来源实验室常规流程产生，未做统一染色标准化，跨中心染色差异显著。

§3.10 深度溯源链

TCGA-BRCA（原始病例与 WSI）→ Heng et al. (2017) 病理形态学注释库（15 专家 12 项特征）→ TUPAC16 主集（821 例 + 评分/分数）。辅助有丝分裂集：AMIDA13（Utrecht）与荷兰两中心互评研究数据（Veta et al., 2016）→ 挑战辅助检测集。PAM50 分数自 TCGA 基因表达数据按 11 基因平均表达派生。挑战综述论文（Veta et al., 2019）对全部环节给出完整方法与引用链。

溯源链上的三个关键衔接：

821 vs 850 例口径：Heng et al. (2017) 注释库约含 850 例 TCGA 乳腺形态学，TUPAC16 从中有 mitotic_score 可用者取 821 例入主集。若你联用 Heng 注释库的其他形态学特征（核多形性、小管形成等）做联合建模，须以 821 例为准并与 Heng 特征主键（TCGA case id）对齐，处理可能存在的 29 例样本差。
有丝分裂分的确切定义源：TUPAC16 的有丝分裂三级分阈值继承自 Heng et al. (2017) 对"每 10 HPF 分裂计数"的临床阈值，且标注专家就是 Heng 注释库团队（15 名国际专家）。因此它与常规乳腺分级的有丝分裂分概念一致，而非某家医院的私人口径。
PAM50 的派生公式：PAM50 增殖分数是 11 个增殖基因（BIRC5/CCNB1/CDC20/CEP55/MKI67/NDC80/NUF2/PTTG1/RRM2/TYMS/UBE2C）平均表达，源自 TCGA-BRCA 的基因表达谱。若你自 TCGA 重算 PAM50，需与挑战给定值核对，确认所用表达标准化与基因子集一致（Nielsen et al. 2010 / Heng et al. 2017 定义）。

§4 数据结构

§4.0 目录树

tupac16/
├── data/                      # 主数据集 WSI 与注释
│   ├── train_images/          # 训练 500 张 SVS（TCGA-XX-XXXX.svs 命名）
│   │   ├── TCGA-...-....svs
│   │   └── ...
│   ├── test_images/           # 测试 321 张 SVS（标签由主办方保留）
│   └── annotations/           # 训练集评分与分数
│       ├── train_mitotic_scores.csv   # case_id, mitotic_score
│       ├── train_pam50_scores.csv     # case_id, pam50_score
│       └── test_labels_restricted/    # 仅授权用户（评估用）
├── aux_roi/                   # 辅助 ROI 集（148 例，取自训练子集）
│   ├── roi_images/            # ROI 标注对应的低倍 WSI
│   └── roi_annotations.xml    # 每例 3 个 ROI 矩形框
├── aux_mitosis/               # 辅助有丝分裂检测集（73 例荷兰中心）
│   ├── mitosis_images/        # HPF / 2mm2 区域图
│   └── mitosis_annotations/   # 有丝分裂点共识标注（1,552 个）
└── README.md                  # 挑战说明与引用指南

注：以上为按官方描述整理的逻辑结构示意；实际分发目录因平台（grand-challenge / 历史 FTP）不同而有所差异，需以主办方提供为准。

§4.1 DAIMS 字段字典（8 列）

字段名	类型	说明	示例值	AI 用途	观测误差	信息性缺失编码	取值范围
TCGA_case_id	Text	病例唯一标识（对应一张 WSI）	TCGA-A1-A0SB	划分与 join 键	低	无缺失	TCGA 标识规范
split	Text	训练/测试标记	train	训练/评估划分	低	无缺失	train/test
mitotic_score	Integer	三级有丝分裂评分（slide 级）	1/2/3	任务 1 分类标签	中（观察者差异 alpha 0.488）	少数病例未双评非缺失	1-3
pam50_score	Float	PAM50 增殖分数	−0.18	任务 2 回归标签	低（分子定量）	无缺失	约 −1.4~0.8
roi_coords	XML/Text	ROI 矩形框（辅助）	x,y,w,h	ROI 定位监督	中	仅 ROI 子集	像素坐标
mitosis_centers	Text	有丝分裂点坐标（辅助）	cx,cy	检测监督	中（主观边界）	仅检测子集	像素坐标
scanner	Text	扫描仪（辅助）	Aperio ScanScope XT	偏差/泛化分析	低	主集未详列	平台名

§4.2 标签分布

全主集有丝分裂分分布：score 1 有 383 例（47%）、score 2 有 194 例（24%）、score 3 有 244 例（30%），为不均衡三分类。训练/测试细分（训练：236/117/147，占 47%/23%/30%；测试：147/77/97，占 46%/24%/30%），两段各类占比基本一致，有助于划分的分布对齐。PAM50 分数均值约 −0.176、标准差 0.428（全体），训练 −0.166±0.446、测试 −0.192±0.400，接近正态、连续分布。ROI 集每例 3 框；检测集共 1,552 个有丝分裂象，属极端稀疏的点级监督。

§4.3 关键统计

统计量	数值	说明
主集病例数	821 例	每例 1 张 40× WSI
训练 / 测试	500 / 321	官方随机划分
score1 例数	383（约 47%）	全主集
score2 例数	194（约 24%）	全主集
score3 例数	244（约 30%）	全主集
双评例数	311	一致率 78%，alpha 0.488
PAM50 均值（全体）	≈ −0.176	SD ≈ 0.428
PAM50 均值（训练/测试）	−0.166 / −0.192	SD 0.446 / 0.400
ROI 辅助例数	148	每例 3 框（自训练集抽取）
有丝分裂检测例数	73	共 1,552 个有丝分裂象
AMIDA13 重叠	23 例	荷兰 Utrecht（Utrecht 大学医院）
荷兰另两中心	50 例	Symbiant Alkmaar / Zaandam

有丝分裂分为非平衡三分类（score1 约占 47%），为弱监督 slide 级标签。
PAM50 为连续标签，均值 ≈ −0.176，SD ≈ 0.428（全体）。
辅助有丝分裂检测集：73 例、1,552 个有丝分裂象，极端稀疏点级监督。
域差异：主集美国 TCGA vs 辅助荷兰中心，染色/平台跨域。

§4.4 数据层级

本数据层级为"病例 → 一张 WSI → 金字塔层 → （切块）tile"。TUPAC16 是一个"病例（=WSI）一级"的数据集：每例对应一张 WSI 且只附 slide 级（或少数 ROI/点级辅助）标签，中间不提供像素级组织分割掩码。使用者需自行组织切片/区域从 WSI 金字塔中切出。这种单层、稀疏的层级是弱监督场景的核心：任务 1/2 的监督在病例（slide）级，任务 3/ROI 在点/框级，二者需分别建模。

层级的两个工程含义：其一，40× 最高层视野极小（单 tile 只覆盖约零点几毫米见方），而一个 WSI 可能包含上亿像素；有丝分裂分虽只在局部核上体现，却要对整张切片做全局归纳，这要求模型同时具备"高倍细节分辨率"与"全片大范围扫描"两种能力——它们通常分属不同处理阶段。其二，因为缺少像素组织掩码，训练前的组织/ROI 检测实质上是必需的"暗预处理"，会消耗可观的开发时间，也构成数据格式上的第一个真实工程坑点（见 §6.5）。

§4.5 缺失值与信息性缺失编码

TUPAC16 无系统性缺失值问题：821 例均有 mitotic_score 与 pam50_score。有丝分裂评分中仅 311 例由两名以上专家评分（其余为单专家），这并非"缺失"，而是设计上的一致性评估子集——若需估计评分噪声，应只在该 311 例上做观察者差异分析。ROI 与有丝分裂辅助集的标签天然仅存在于各自子集，属于结构性的"按子集存在"，不属于缺失。测试集标签在赛后仍由主办方保留、仅授权评估，处理时要视作"受控访问的评估标签"而非缺失。

信息性缺失与使用陷阱：对使用者而言，真正的"隐性信息缺失"有二：一是主集每例只给一张 40× WSI，但 TCGA 同一病例在原始数据库中可能有多张切片（来自同一或不同组织块）——若你要把 TUPAC16 主集与 TCGA 全域图像合并，需自行核对病例-切片映射，避免把"一张主图 + 额外同类图"误当成独立样本。二是训练/测试切分是否与 Heng et al. 2017 850 例注释库中未被纳入的 29 例对齐，官方未提供显式排除说明，若你链接到 Heng 注释库做联合分析，需注意样本口径（821 vs 850）的差异并记录取舍。

§5 划分与使用建议

官方划分：主集 821 例经随机划分为训练 500 张与测试 321 张，作为挑战固定协议。测试集真值在挑战期间与综述发表时均由主办方保留，仅注册评估使用；图像本身可分发给注册者，但真值受控。

社区惯例划分：多数复现研究只使用公开真值的训练 500 例，将其内部再切分为训练/验证（如按病例 ID 随机 80/20 或 k 折）以做模型选择；有丝分裂检测辅助集（73 例）与 ROI 集用于训练检测器/定位器，评估时用各自约定。

划分策略建议：若以综述性能为对照，建议报告"在官方训练 500 例内交叉验证"的指标，并注明与官方测试协议的差异；不要将测试集标签混入训练（违反挑战协议且会造成不公平对照）。

泄漏风险（重点）：① 同一 TCGA 病例在完整数据库中可能有"同一组织块多张切片"或重复图像，若用户自行扩充到 TCGA 全域需防跨折叠病例级泄漏，务必按 TCGA case_id（而非文件名片段）划分；② 辅助 ROI 集是主集训练集的子集，若同时把 ROI 图像与对应 WSI 训练集放进同一训练池，存在图像级重叠——这是训练目标不同，但应清楚标注避免双重计数；③ WSI 相邻 tile 高度自相关，patch 级采样不可重叠，否则折叠间 patch 泄漏会虚高验证分。

交叉验证建议：WSI 图大、训练贵，常用 k=5 分层（按 mitotic score 比例分层）在病例级切分，或对规模受限场景用单验证集 + 早停；报告时给出 kappa 的 95% CI（综述同款做法）。

针对 311 例双评子集的额外建议：若你特别关心"标签噪声如何影响评估"，可在训练时把 311 例双评子集的信息利用起来——例如计算每例的"专家分歧度"（双评是否一致），在评估时分别报告"全部测试/验证"与"仅双评子集"两种口径下的性能，能更精细地分离方法能力与标签噪声。但要警惕：这 311 例在训练/测试中都有出现，属于全集的子集而非独立队列，用它做"内部一致性敏感度分析"合理，但不可当作独立于数据分布的噪声验证集。

外部验证建议：在非 TCGA 来源的乳腺 WSI 上（如 CAMELYON、荷兰中心等独立队列）验证泛化性，尤其评估染色域偏移对增殖分预测的影响；由于 TUPAC16 主集与辅助集本身即跨域，这可作为天然的外部验证演练。

一个落地的划分实现（供参考）：

数据用途	来源	建议划分	说明
训练有丝分裂检测器	辅助有丝分裂集（73 例）	约 80/20 病例级	用荷兰中心训练检测器
训练增殖分级模型	主集训练 500	病例级 5 折 / 80-20	仅在 500 例内交叉验证，勿动测试
模型选择/早停	同训练 500 内折	各折内留 1/5 作验证	避免测试集泄漏
最终评测（可选）	主集测试 321	官方受控评估	需向主办方申请测试真值
ROI 定位训练	ROI 辅助 148	与主集训练共享病例划分	注意 ROI 来自训练子集

工程上建议在配置里用病例 id 列表（train_ids.txt / val_ids.txt）固定划分，避免每次重跑随机切分破坏可复现性；同时记录每个 split 的 mitotic score 分布，确认各折分布近似（训练 47%/23%/30% 左右的 1/2/3 比例）。

划分与任务的组合使用决策：选哪套划分取决于你的目标是"复现/对照官方"还是"自己快速迭代"。若是前者，固定官方 500/321，把测试当作不可触碰的评估保留，一切模型选择在 500 内做病例级 k 折。若是后者，可在 500 内自行切分、反复迭代，待收敛后再申请测试真值做一次性官方评估。要注意，在"无官方在线刷分"的现实下，多数论文的"提升"是在 500 例交叉验证上报告的，这与官方 321 测试口径天然不同——所以你在文献中看到的 TUPAC16 成绩，务必先核对口径再引用（呼应 §6.5 坑点 2 与 §8.2）。

测试真值评估的实操建议：若你申请到了 321 测试真值做一次性评估，建议：①事先冻结模型与超参，杜绝"看测试分再回头调"的伪重复；②记录好 patch 切块与归一化配置，保证测试与训练预处理一致；③提交/发布时附上 95% CI 与每类混淆矩阵，便于他人理解。切勿把测试真值存入公开仓库或二次分发——这既违反授权边界（坑点 8），也会破坏该基准对后续研究者的一手评估价值。

§6 AI 就绪指南

本节是全篇最实操部分：从拿到授权数据到跑通一个可评测的增殖分模型的完整路径。核心结论先行——TUPAC16 的"AI 就绪度"评分（⭐⭐⭐）不高，原因不在算法难度而在工程门槛：无官方切块脚本、数据需申请、需自建组织检测与归一化。但只要按本节顺序搭好管线，你就能把精力集中到算法本身而非基础设施。每个代码块都对应一个可直接复用的步骤，八条坑点标注了最常见返工点。

§6.1 快速上手

# 预期目录结构
# 假设你已申请授权并将数据解压到 data_root = "./tupac16_data/"
tupac16_data/
├── train_images/        # 500 张 .svs
├── test_images/         # 321 张 .svs（如需评估，标签在授权流程内）
├── train_mitotic_scores.csv   # 训练评分
├── train_pam50_scores.csv     # 训练 PAM50 分数
├── aux_roi/                    # 148 例 ROI 标注
└── aux_mitosis/                # 73 例有丝分裂点

最小可用子集：想快速起步而不全量处理 821 张 GB 级 WSI，可取训练集中 score1/2/3 各一小批（如各 30-60 张），先在金字塔较低分辨率层做组织检测，再在 40× 层切 patch 训练有丝分裂分类/检测器。先跑通小节管线，再扩到全量。

为什么它不是"即插即用"：与 PCam/Kaggle 式随时可下载的 tile 集不同，TUPAC16 给你的是未经切块的整张 WSI——你拿到的"样本单元"是 GB 级金字塔文件，而深度学习需要的是小块 patch。因此任何实验的第一道工序（组织检测 → 切块 → 过滤 → 归一化 → 缓存）都必须你亲手搭。好消息是这些工序与具体的算法无关，一次搭好可复用于所有任务。建议把这道"数据准备"当作项目的第一里程碑单独排期并验证产出质量，再进入建模，能显著减少后续因脏数据返工的风险。

核心第三方库：WSI 读取多用 openslide / histomicstk / tifffile（SVS 兼容）；病理专用包可用 tiatoolbox 做切块、组织检测与读注释。

§6.2 数据获取

项目	内容
官方主页	https://tupac.grand-challenge.org/
托管方	Grand Challenge 平台（2021-07 起），原站 tupac.tue-image.nl 已下线
获取方式	注册账户并提交数据访问请求，由主办方（IMAG/e / 挑战组织者）审核分发
授权要点	标签仅供注册用户；WSI 与注释需向 IMAG/e 合理请求授权（协作研究用途）
引用要求	使用数据集必须引用挑战综述论文（Veta et al., 2019）

申请要点：由于原挑战门户下线，现行获取依赖 grand-challenge 平台或联系通讯作者/组织团队进行协作申请，周期与条件以主办方答复为准。请保留申请邮件与授权邮件以备合规审计。

建议的申请流程：

步骤	动作	说明
1	访问 grand-challenge 主页	确认平台现行获取入口与引用要求
2	注册 grand-challenge 账户	平台通行证
3	提出数据访问/协作请求	说明研究用途、团队、数据使用范围
4	等待 IMAG/e/主办方审核	合理请求（研究/教学）通常获批；需保留授权邮件
5	接收数据与真值访问协议	注意测试真值可能仍受控或需专门评估申请
6	引用综述论文	使用/发布必须 Cite Veta et al. 2019

数据可用性参照（One-Pixel Attack 一文）：WSI 与标签"对注册用户可用"，且数据"可通过合理请求、协作调查，并经 Eindhoven 医学图像分析组（IMAG/e）许可"获得——这与 grand-challenge 平台注册分发相辅相成。若你的机构希望正式合作或规模化研究，直接联系组织团队最稳妥。

若拿不到官方 321 测试真值怎么办：现实中并非所有申请都能即时获得测试真值（其发放可能限于特定评估目的）。此时务实的做法是：①在官方训练 500 例内建立固定的病例级交叉验证（如 5 折），把"训练内验证口径"作为你的主要报告口径并明确标注；②如需与综述数字对照，清晰说明"我们的 X 是 500 例交叉验证，综述的 κ=0.567 是 321 例官方测试，两者不直接可比"；③条件成熟再申请测试真值做一次性官方评估，作为补充而非主口径。切勿因求不到测试真值就降低训练/划分严谨性或在 500 例上反复挑最优折虚报——那会破坏方法的可信度，比"口径不同"更伤害论文说服力。

§6.3 预处理全流程

# 预处理：读 WSI → 组织检测 → 40x 切 patch → 染色归一化
import openslide
import numpy as np
from PIL import Image

def load_wsi_patch(svs_path, level=0):
    """读取 WSI 在指定金字塔层的一小区域，返回 RGB array。"""
    slide = openslide.OpenSlide(svs_path)
    return np.array(slide.read_region((0, 0), level,
                                      slide.level_dimensions[level]))

def tissue_mask(slide, level=4, thresh=0.7):
    """在低分辨率层估白色背景比例，粗略得到含组织掩码。"""
    low = slide.read_region((0, 0), level,
                            slide.level_dimensions[level]).convert('RGB')
    arr = np.asarray(low)
    gray = arr.mean(axis=2)
    return gray < 210  # 像素级组织/背景粗略二值

def macenko_normalize(img, stain_matrix_ref):
    """Macenko 染色归一化示意（须用成熟实现）。"""
    # 实务建议使用 histomicstk / tiatoolbox 的现成 Macenko 归一化
    from histomicstk.preprocessing.color_normalization \
        import reinhard, macenko
    return macenko(img, stain_matrix_ref)  # 示例签名

清洗建议：丢弃组织占比过低的边缘 tile，仅保留 40× 层中含组织且非空白区 patch；对测试或外部图像先做染色归一化（Macenko/Reinhard），缓解跨中心颜色域。

完整预处理建议步骤（结合 tiatoolbox 与 openslide）：

组织/前景检测：先在较低金字塔层（如 20× 或更低）用灰度阈值或饱和度检测组织区域，生成二值组织掩码；把掩码映射回 40× 层，仅保留组织覆盖达标的坐标网格。
坐标网格切块：在 40× 层按固定 tile 尺寸（如 512×512 或 1024×1024，可加 0-10% 重叠）切块，跳过落入背景比例过高的 tile，减少无效存储与计算。
染色归一化：对每张 WSI 计算目标染色矩阵，用 Macenko 或 Reinhard 把颜色校准到统一参考，压缩跨中心/批次染色差异。
cache 落盘：把过滤后的 patch 及其元数据（WSI id、坐标、金字塔层）写入磁盘缓存（如 LMDB、TFRecord、parquet），供训练多轮复用，避免反复读 GB 级 SVS。
校验与统计：对缓存集抽样做人工/启发式质检（组织占比、无玻璃伪影、无重复 patch），记录通道均值/方差作染色基线。

预处理质量校验（QC）脚本示意：

# 校验切块 cache：统计组织占比、检查空 patch、输出染色基线
import numpy as np, glob
from PIL import Image

paths = glob.glob('patch_cache/*.png')
tissue_ratios, means = [], []
for p in paths[:2000]:                       # 抽样
    arr = np.asarray(Image.open(p).convert('RGB'))
    means.append(arr.mean(axis=(0, 1)))
    gray = arr.mean(axis=2)
    tissue_ratios.append((gray < 210).mean())

tissue_ratios, means = np.array(tissue_ratios), np.array(means)
print('组织占比 中位/分位：', np.percentile(tissue_ratios, [50, 5, 95]))
print('通道均值基线：', means.mean(axis=0))
# 诊断：若大量 patch 组织占比<0.05 属空片混入；通道均值偏离预期提示染色异常
# 建议输出一屏缩略拼图供人眼抽检（此处省略绘图代码）

通过该 QC 能提前捕获"组织检测失效导致 cache 大量空白 patch""染色批次极端异常"等问题，比在训练中才暴露代价低得多。建议把组织占比与通道基线写进实验日志，作为每次实验的染色一致性质检关卡。

§6.4 PyTorch DataLoader

# 可运行 PyTorch DataLoader：patch 级 MIL 训练（任务 1/2）
import os, csv, random, glob, torch
from torch.utils.data import Dataset, DataLoader
import openslide
import numpy as np

class TUPACPatchDataset(Dataset):
    """从训练 WSI 中抽取 256x256@40x 的含组织 patch，附 slide 级标签。"""
    def __init__(self, img_dir, csv_path, size=256, level=0):
        self.files = sorted(glob.glob(os.path.join(img_dir, '*.svs')))
        self.labels = {}
        with open(csv_path) as f:
            for row in csv.DictReader(f):
                # 假定文件名与 case_id 前缀可关联，请按实际命名调整
                self.labels[self._key(row['TCGA_case_id'])] = int(row['mitotic_score'])
        self.size, self.level = size, level
    def _key(self, case):
        # 简化为以文件名主干作为键的占位逻辑，须与真实数据命名对齐
        return case
    def __len__(self):
        return len(self.files) * 200   # 每张 WSI 抽 200 patch 的示意
    def __getitem__(self, idx):
        f = self.files[idx // 200]
        slide = openslide.OpenSlide(f)
        w, h = slide.level_dimensions[self.level]
        x, y = random.randint(0, max(w - self.size, 0)), random.randint(0, max(h - self.size, 0))
        patch = np.array(slide.read_region((x, y), self.level, (self.size, self.size)).convert('RGB'))
        # 组织过滤（简化：直接保留；实际需用组织掩码拒绝背景）
        # label: 用文件名定位 slide 标签
        label = self.labels.get(os.path.basename(f), 0) - 1  # 0/1/2
        t = torch.as_tensor(patch.transpose(2, 0, 1)).float() / 255.0
        return t, torch.tensor(label, dtype=torch.long)

loader = DataLoader(TUPACPatchDataset('tupac16_data/train_images',
                                      'tupac16_data/train_mitotic_scores.csv'),
                    batch_size=32, shuffle=True, num_workers=4)
# for batch, labels in loader:  # train a patch CNN, then aggregate to slide

说明：上述为演示性最小实现，真实实验通常①先做组织检测只保留肿瘤 tile，②用 ResNet 提取 patch 特征，③用 attention-MIL / max-pool 把 patch 聚合成 slide 预测以对齐弱监督标签。命名映射请按你实际拿到的 CSV 与文件名规范调整。

注意力 MIL 训练（完整示意，slide 级弱监督聚合）：

# attention-based MIL：先离线提取 patch 特征，再做 slide 级弱监督训练
import torch, torch.nn as nn
import torch.nn.functional as F

class AttentionMIL(nn.Module):
    """把一组 patch 特征聚合成 slide 级增殖分（任务 1 三分类）。"""
    def __init__(self, feat_dim=2048, n_class=3, L=128):
        super().__init__()
        self.project = nn.Sequential(
            nn.Linear(feat_dim, L), nn.ReLU(), nn.Linear(L, L))
        self.attention = nn.Linear(L, 1)
        self.classifier = nn.Linear(L, n_class)
    def forward(self, feats):          # feats: (B, n_patch, feat_dim)
        proj = self.project(feats)     # (B, n, L)
        a = torch.softmax(self.attention(proj).squeeze(-1), dim=1)
        bag = torch.einsum('bn,bnl->bl', a, proj)   # attention 聚合
        return self.classifier(bag), a

# 使用：每个 WSI 一次前向（bag 内所有 patch 同时传入），
# 输出 logits 与 slide 级标签算交叉熵；验证时对测试/验证 WSI 聚合
# loss = nn.CrossEntropyLoss()
# slide_feats = load_patches_of_wsi(wsid)      # (n_patch, 2048)，由 ResNet 提取
# logits, _ = model(slide_feats.unsqueeze(0))
# loss_val = loss(logits, torch.tensor([label_0idx]))

要点：patch 特征可用冻结的自监督 ResNet/病理基础模型提取后缓存，MIL 只训练聚合头，训练量小、易收敛；这正契合 TUPAC16 无 patch 标签、仅 slide 弱监督的现实。为评估"每个 WSI 内部有多少 patch 被关注"，可输出注意力权重以诊断模型是否关注了有丝分裂密集/肿瘤外围区域。

§6.5 坑点 8 个

以下坑点均源自 TUPAC16 特有结构与真实失败模式：主/辅跨中心域偏移、受控真值与测试协议、弱监督 slide 级标签、极度稀疏的有丝分裂点、ROI 子集来自训练集的重叠、WSI 工程规模、指标语义、数据合规边界。逐一规避后再训练，能显著减少返工与不可复现。

⚠️ 坑点 1：辅助有丝分裂集与主集之间的域偏移（分类：偏倚陷阱）

问题：主集为美国 TCGA 队列，而辅助有丝分裂检测集全部来自荷兰三家中心（Utrecht、Alkmaar、Zaandam），染色与成像平台（Aperio vs Leica）不同。用荷兰辅助集训练检测器再用于美国 TCGA 主集，构成真实域偏移，会降低检测迁移精度。
症状：主集上的有丝分裂检测/增殖分低于预期，尤其对染色较深或偏蓝的 TCGA 切片误检增多。
解决：

简单方法：训练时混合少量主集手工校正样本，或对主集也标注少量有丝分裂做域内微调。

进阶方法：对所有输入先做染色归一化（Macenko 等），使跨中心颜色近似（综述指出 LUNIT 用此法获益）；对比"未归一化 vs 归一化"的主集性能。

SOTA 方法：采用无监督域适应/自监督（如域对抗训练、对比学习）把检测器从荷兰域对齐到 TCGA 域。
参考：Veta et al. 2019（域偏移讨论）、Macenko et al. 2009 ISBI。

⚠️ 坑点 2：测试集真值受控导致评估协议误用（分类：评估误用）

问题：321 张测试图的真值由主办方保留，仅注册评估使用，不随图公开。复现研究若拿不到真值，自行改在训练 500 例上验证，与官方 321 例测试协议不可直接比较。
症状：论文引用 κ=0.567/r=0.617 作为"同协议 SOTA"，但自家实验用的是训练内折叠，指标不可比却混为一谈。
解决：

简单方法：明确标注你的评估是在"官方训练 500 例内做交叉验证"，勿与官方测试结果并列比较。

进阶方法：向主办方申请测试真值并严格在 321 例上评估，同时注明协办授权；若不可得，可说明局限。

SOTA 方法：采用官方测试的受控评估框架（合理请求授权后评测），确保结果口径与综述一致。
参考：tupac.grand-challenge.org、Veta et al. 2019 方法。

⚠️ 坑点 3：有丝分裂分类的极端类别不均衡（分类：标签理解）

问题：即使在高级别肿瘤中，有丝分裂也是罕见事件，有丝分裂/背景二分类极度失衡（检测集 1,552 个正样本 vs 数以十万计负样本 tile），且凋亡核、致密淋巴细胞等难负样本（hard negatives）易被误判。
症状：朴素训练召回低或误报高；直接以准确率评估会虚高（几乎全预测背景即可高分）。
解决：

简单方法：用 hard negative mining——先粗训，挑出被误判的负样本加入训练。

进阶方法：对正负样本按 tile 重采样 + focal loss / 加权交叉熵；评估用 F1、PR-AUC、每类的混淆矩阵而非准确率。

SOTA 方法：检测器配合难样本挖掘的两阶段策略，并报告每类 F1（综述任务 3 最优 F1 0.652）。
参考：综述中 hard-negative mining 描述；Zerhouni et al. 2017。

⚠️ 坑点 4：弱监督 slide 级标签但按 patch 强监督训练（分类：标签理解）

问题：主集只有 slide 级有丝分裂分/连续分数，没有 patch 级标签；直接让 patch 分类器去拟合 slide 的 1/2/3 会导致语义错位，因为单个 patch 通常不含增殖信息。
症状：patch 级模型收敛慢、验证方差大，slide 聚合后欠佳；仅用局部纹理难推断全片分级。
解决：

简单方法：先做 ROI/组织检测选肿瘤 patch，再在其上训练检测器，最后把检测结果聚合为 slide 分（两阶段拟人管线）。

进阶方法：采用 MIL/attention 聚合，使模型自己学习"哪些 patch 贡献于 slide 级增殖分"。

SOTA 方法：两阶段（ROI+检测→聚合）或以全局/区域特征直接回归（MICROSOFT/BELARUS 派），并在报告里说明是多尺度分析。
参考：Veta et al. 2019 两阶段与区域级方法描述。

⚠️ 坑点 5：ROI 辅助集来自主集训练子集造成图像重叠混淆（分类：数据泄漏）

问题：ROI 辅助集（148 例）是从主集训练集随机抽出的子集。若在实验里既用主集训练（含增殖分）又用同一图像做 ROI 检测，两任务共享同一 WSI，处理不当会造成信息串扰或样本双重计数。
症状：报告"ROI 检测用了 N 张、增殖分用了 N 张"的样本量与共享图不符；或把同一病例分入训练与验证。
解决：

简单方法：为 ROI 检测单独维护与增殖分训练一致的病例划分，避免同一 WSI 进训练又进验证。

进阶方法：按 TCGA case_id（而非文件名）统一全局划分并写进配置，确保所有子任务共享同一病例级 split。

SOTA 方法：把三任务数据集版本化并固定划分哈希，供复现。
参考：repository.ubn.ru.nl（ROI 集=训练随机抽取说明）。

⚠️ 坑点 6：WSI 切块与邻近 tile 自相关导致泄漏与内存失控（分类：工程陷阱）

问题：GB 级 WSI 需切块，邻近 tile 高度重叠/相关；patch 级随机划分会令同一区域的相似 tile 同时落入训练与验证，虚高指标；同时全切片一次载入内存会溢出。
症状：验证指标反常地高于预期；读整图 OOM；重复 patch 导致过拟合却看似泛化好。
解决：

简单方法：用 openslide 只读所需区域；以病例/WSI 为最小划分单元而非 tile，杜绝跨折叠 patch 泄漏。

进阶方法：组织检测后仅保留间隔采样的 tile，并设置相邻 tile 的最小间距避免重叠。

SOTA 方法：tiatoolbox 的 WSI 切片与批量管线，配合病例级 GroupKFold。
参考：openslide/tiatoolbox 文档；综述多尺度分析讨论。

⚠️ 坑点 7：指标语义差异——kappa 与相关系数不可混读（分类：评估误用）

问题：任务 1 用二次加权 Cohen’s kappa（分级一致性），任务 2 用 Spearman r（秩相关）；两者量纲、意义不同，且病理专家在有丝分裂分上有本身的主观上限（专家间 κ 0.79-0.89 vs 自动法 0.567）。
症状：把 κ=0.567 与 r=0.617 或与其它数据集准确率直接对比，得出误导结论；忽视"κ 相对专家间一致性的天花板"。
解决：

简单方法：分别报告并与同任务基准比，且给出 95% CI（综述同款）。

进阶方法：任务 1 同时给出每类准确率与混淆矩阵，展示跨级/跨两级误差分布。

SOTA 方法：以专家间一致性为参照上界（0.79-0.89）解读自动法差距，不轻言"超越人"。
参考：Veta et al. 2019（表 3/4、讨论段）。

⚠️ 坑点 8：数据获取合规与标签授权边界不清（分类：工程陷阱）

问题：TUPAC16 无统一开放许可证，原站下线后获取依赖 grand-challenge 与 IMAG/e 合理请求；WSI 可随注册分发但真值/测试标签受控，误用授权边界会带来合规风险。
症状：想当然当作 CC0/Kaggle 类开放数据直接公开二次分发；或把受控测试真值当作公共资源分享。
解决：

简单方法：仅从官方渠道申请，保留授权邮件；避免公开二次托管 WSI。

进阶方法：在代码仓库用 git-lfs/占位符注明需自行申请，不内嵌完整 WSI。

SOTA 方法：遵循主办方引用要求（Cite Veta et al. 2019），将派生数据/模型卡片标注授权来源。
参考：tupac.grand-challenge.org 引用说明、arxiv.org/pdf/2012.00517v1 数据可用性段。

八个坑点的规避速查（按流程阶段对号入座）：

流程阶段	最需防范的坑点	一句话对策
数据获取	坑点 8	仅走官方申请渠道、保留授权、不公开二次分发
数据准备/切块	坑点 5、6	病例级划分、杜绝 tile 级重叠、缓存与留痕
检测/定位训练	坑点 1、3	染色归一化 + hard-negative mining、评 F1
增殖分建模	坑点 2、4、7	分清弱监督粒度、明确评估口径、正确读 κ/r
评估与发布	坑点 2、7、8	给 CI 与混淆矩阵、声明受控口径、尊重真值授权

这张速查可贴在项目看板或 README 顶部：每当进入新阶段，先读对应坑点，能规避大多数 WSI 级弱监督实验的典型返工。

§6.6 数据增强

安全 ✅

染色扰动/染色抖动：对 H&E 进行轻微色相饱和度扰动或 Reinhard/Macenko 归一化，缓解染色差异。
几何增强：随机翻转、90° 旋转（全切片组织无朝向先验）、轻微缩放（合理范围）、小幅裁剪平移——对有丝分裂/组织检测稳健。
光照/噪声：轻微高斯噪声、模糊与对比度扰动，增强对成像噪声鲁棒性（有丝分裂边界敏感，勿过度）。

危险 ❌

大幅非线性几何形变/扭曲：破坏细胞核形态与分裂象结构，误导检测。
过度染色增强改变核染色强度语义：可能使良性核更像恶性分裂象或反之。
强仿射极端裁剪把单个 tile 拉成含大量人为重复：引入与真实密度不符的分布，误导增殖分级。

增强代码示例（供在训练分支中调用）：

# 安全增强组合：几何 + 轻度染色扰动（适用于有丝分裂/组织检测 patch）
import random, numpy as np
from PIL import Image, ImageEnhance

def safe_augment(patch_rgb):
    # 几何：随机翻转/旋转（全切片无朝向先验）
    k = random.randint(0, 3)
    patch_rgb = np.rot90(patch_rgb, k)
    if random.random() < 0.5:
        patch_rgb = np.fliplr(patch_rgb)
    img = Image.fromarray(patch_rgb)
    # 染色抖动：轻微亮度/对比度/色相扰动，模拟批次差异（勿过度）
    for enhancer in (ImageEnhance.Brightness, ImageEnhance.Contrast):
        img = enhancer(img).enhance(random.uniform(0.9, 1.1))
    hsv = img.convert('HSV')
    h, s, v = hsv.split()
    s = s.point(lambda x: np.clip(x * random.uniform(0.9, 1.1), 0, 255))
    hsv = Image.merge('HSV', (h, s, v)).convert('RGB')
    return np.array(hsv)

# 提示：更严谨的染色增强应用 Macenko/Reinhard 扰动（histomicstk 提供），
# 而非简单 HSV 扭曲；强度上限须人工标定避免核语义漂移。

§6.7 模型推荐表

任务	推荐范式	代表架构	说明
任务 1（有丝分裂分级）	两阶段：ROI 检测 + 有丝分裂检测→分级	ResNet 检测器 + SVM/启发式聚合（LUNIT 式）	综述最优路线；深 ResNet 或较浅网均可
任务 2（PAM50 回归）	ROI/全局特征回归	区域特征 + 回归头；CNN 特征聚合	可不经有丝分裂中间步直接预测
任务 3（有丝分裂检测）	点/框检测	RetinaNet、Faster R-CNN、WRN	需 hard-negative mining，评 F1
任务 1/2（弱监督端到端）	MIL / Transformer 聚合	attention-MIL、病理 Transformer	无 patch 标签，学习哪些 tile 贡献增殖
跨域/难样本增强（辅助）	自监督 / 染色归一化	Macenko、Reinhard、自监督预训练	缓解荷兰→TCGA 域偏移

选择建议细化：

若目标是"与综述口径可比"：复现两阶段（ROI→检测→聚合）最贴近官方最优方法（LUNIT 路线），也便于逐模块剖析。
若预算/标注受限：走 MIL 聚合，先把预训练病理基础模型（或用冻结 ResNet）提取 patch 特征缓存，只训轻量聚合头，训练成本低。
若做形态-分子解释研究：任务 2 采用 ROI/全局特征回归，能输出"区域特征→分子分"的可解释映射，契合综述对区域-分子关联的开放问题。
若要在该基准上刷更高成绩：优先尝试异构方法集成——综述证明前三家平均投票把任务 1 κ 从 0.567 提到 0.613、任务 2 r 从 0.617 提到 0.682，是性价比最高的增益来源。

§6.8 硬件需求表

阶段	最小	推荐
WSI 切块（预处理）	CPU 单机，64 GB RAM 以上	CPU 多核 + NVMe 存储
特征提取（patch CNN）	单卡 16 GB	单/多卡 24-48 GB GPU
两阶段检测训练	单卡 16 GB（可跑小 batch）	24 GB+ GPU，多卡加速
端到端 MIL/Transformer	16 GB	32-80 GB GPU（大上下文）
磁盘	数十 GB（主集切块缓存）	≥1 TB NVMe（全 WSI 缓存 + patch 池）

资源预算与省钱建议：WSI 体积大、样本少（训练 500），实际瓶颈常在存储与 patch 池而非 GPU 时长的巨大开销。建议先把 patch 特征离线缓存（一次 GPU 推理提取），之后 MIL/聚合训练可在低配机上完成，显著降低实验边际成本。若只做方法验证，先取 score1/2/3 各 40-60 例（约 120-180 WSI）的 patch 池即足以调通流程，再扩至全量。若要复现综述最佳（两阶段），检测器需对 40× 大范围 patch 密集推理，此时多卡/多进程能明显提速。整个数据集的"首次预处理"是一次性的，务必缓存避免重复。

§6.9 评估指标代码

# 综述同款指标：二次加权 Cohen's kappa（任务1）与 Spearman r（任务2）
from sklearn.metrics import cohen_kappa_score
from scipy.stats import spearmanr

def qwk(y_true, y_pred):
    """quadratic-weighted Cohen's kappa，1/2/3 分级用。"""
    return cohen_kappa_score(y_true, y_pred,
                             weights='quadratic')

def spearman(y_true, y_pred):
    rho, p = spearmanr(y_true, y_pred)
    return rho, p

# 例：
# y_true_task1 = [1, 3, 2, 1]; y_pred_task1 = [1, 2, 2, 2]
# print(qwk(y_true_task1, y_pred_task1))            # 分级一致性
# y_true_task2 = [...PAM50]; y_pred_task2 = [...]   # 连续回归
# print(spearman(y_true_task2, y_pred_task2))       # 秩相关

进阶：任务 1 另报告每类准确率与两级/单级误差混淆矩阵；任务 3 用 F1（综述同款）。

为 kappa 加 95% 置信区间（bootstrap）：

import numpy as np
from sklearn.metrics import cohen_kappa_score

def qwk_ci(y_true, y_pred, n_boot=1000, seed=0):
    """用病例级 bootstrap 估计二次加权 kappa 的 95% CI。"""
    rng = np.random.default_rng(seed)
    idx = np.arange(len(y_true))
    kappas = []
    for _ in range(n_boot):
        s = rng.choice(idx, size=len(idx), replace=True)
        kappas.append(cohen_kappa_score(np.array(y_true)[s],
                                        np.array(y_pred)[s],
                                        weights='quadratic'))
    return np.percentile(kappas, [2.5, 97.5])   # (低, 高)

# 综述报告形式：κ = 0.567, 95% CI [0.464, 0.671]，即同款口径
# lo, hi = qwk_ci(y_true_task1, y_pred_task1)
# print(f"κ 95% CI: [{lo:.3f}, {hi:.3f}]")

要点：bootstrap 应在病例（WSI）级重采样，而非 patch/tile 级——否则会低估不确定性（同一 WSI 的相关 patch 被重复纳入会虚高方差估计的可靠性）。

§6.10 MLOps 笔记

数据版本：WSI 命名字段易混，建立 case_id 到文件/图层的映射清单并入库。
训练可复现：固定病例级划分哈希；把增强/染色归一化参数记录为配置。
资源与缓存：切块结果存盘复用，避免每 epoch 重读 GB 级 SVS；用 tfrecord/parquet 缓存 patch 特征。
漂移监控：记录每批/每队列的染色统计（均值通道、组织占比）作质量看板；新中心入图先归一化检查。
合规追踪：将授权请求、DOI 引用、划分定义写成 model card / data sheet，供发布与审计。

针对 WSI/弱监督实验的额外 MLOps 建议：

环节	推荐实践	理由
实验追踪	记录 patch 切块超参（tile 尺寸/重叠/组织阈值）	这些参数直接影响数据量与结果，属关键配置
特征缓存	把 ResNet/基础模型提取的 patch 特征缓存到磁盘	MIL 聚合训练可离线重跑，省 90% GPU
用例管理	以 case id 为最小单位做增删	杜绝 tile 级数据操作导致的泄漏/重复
划分审计	每次开新实验打印各 split 的 score 分布	及早发现划分漂移
版本发布	产出含数据哈希的 manifest	应对原站下线、无官方镜像的现实

关于可复现性的一个明确劝告：TUPAC16 最大的可复现风险不是算法本身，而是"数据获取与划分口径"。由于原站下线、数据需申请，不同团队拿到的子集/预处理可能不同；务必在你发布代码时，用清晰的 manifest 注明所用病例 id 列表、切块配置与授权来源，使他人能重建你实验的数据环境。若做不到全量公开图像（授权限制），至少公开 patch 特征与划分，让方法侧可复现。

§7 质量评估与局限性

质量评估一节的要旨：TUPAC16 是"医学权威性高、数据卫生良好、但工程与透明度有短板"的经典病理基准。它的核心局限不在数据缺失，而在其金标准本身的主观性（观察者 alpha 0.488）与主/辅跨域构造。读懂本节，你才能正确解读"在该数据上取得的高分"到底证明了什么、又不能证明什么——避免把"基准上的工程成绩"误读为"临床可行性证据"。

§7.1 已知偏倚表

偏倚类型	描述	严重程度	缓解
观察者偏倚	有丝分裂分人工判定主观，311 例双评 alpha 0.488	高	只做多专家共识；报告与专家间一致性对照
地理/域偏倚	主集美国 TCGA vs 辅助荷兰中心	高	染色归一化；跨域验证；域适应
标签粒度偏倚	弱监督 slide 级、无像素组织掩码	中	两阶段/组织检测兜底；MIL 学习 ROI
标注者身份	评分=15 专家、ROI=住院医师、检测=共识	中	分层记录标注者影响
类别不均衡	score1 约占半、有丝分裂点稀疏	中	分层划分；报告 F1/混淆矩阵

偏倚综合解读：TUPAC16 最显著的系统性偏倚是"观察者主观性 + 跨中心域差异"的双重叠加。前者使金标准含不可忽略噪声（评分 alpha 0.488），后者使跨中心部署充满变数（荷兰训练、美国评测的主/辅错位即是预演）。对大多数下游用途，这两者共同决定了"模型性能上界被标签噪声钳制、部署稳健性被域差异挑战"。缓解应双管齐下：标签层面用共识/多评并报告噪声上界，成像层面用染色归一化与域适应并做跨域验证。人口学层面，由于挑战集未随附年龄/种族等元数据，无法做亚组偏倚审计（见 §7.5），这是数据集透明度上的固有局限，使用时应如实声明。

§7.2 标注质量

有丝分裂分由 15 名国际乳腺病理专家按临床标准评估，双评子集（311 例）一致率 78%、Krippendorff’s alpha 0.488，如实反映该任务的主观性上限；共识以众数（平局取高分）消解分歧。PAM50 分来自分子定量，客观稳定。ROI 由住院医师按标准流程标定，有丝分裂点为至少两名专家共识。总体质量分层合理，弱监督带来的噪声与"标签误差"必须作为模型与评估方法的一部分被显式处理。

对使用者的三点提醒：其一，有丝分裂分的"金标准"本质是专家共识，而非绝对真相，因此任务 1 的指标含有一个不可消除的观测噪声基线——即便算法与"平均专家"完全一致，其与某位具体专家评分的 kappa 也未必为 1。其二，只有 311 例被双评，其余 510 例只有单专家评分，其可靠性介于共识与单评之间，若你关心标签噪声对训练的影响，可在 311 例上做敏感性分析。其三，ROI 辅助集的标注者（病理住院医师）与主集评分者（乳腺专家团队）资质不同，ROI 框只用于"病理医生可能在哪里计数"的定位近似，未必与主集评分所用高倍视野重合——使用 ROI 做监督时务必理解这层语义近似。

§7.2b 标注过程的可复现性与争议

除官方共识标注外，社区对 TUPAC16 有丝分裂标注的可重复性做过独立检验：一项研究重新用不同路径专家对部分 TUPAC16 训练图进行二次标注（标注为"有丝分裂象"或"难负样本/非分裂象"），发现两次独立判读在"有丝分裂象"类上初始一致率约 61.69%，两名专家在约 14.74% 的细胞上不一致，经讨论共识后确认的正样本约 1,898 个。该研究进一步用这些替代标签训练检测器，说明标注集的选择会实质影响模型性能与泛化评估——同一批 WSI，官方共识标签与第三方替代标签会给出不同的基准读数。这对使用者的启示是：若你的任务是评测"检测算法质量"，应清楚声明所用标签版本（官方 vs 替代），并理解 TUPAC16 有丝分裂检测集的正样本边界本身存在不可忽略的主观性，跨标签版本对比需谨慎。

§7.3 泛化性表

场景	失效风险	证据
跨染色平台（不同扫描仪/染色批次）	高：颜色域漂移降低检测/分级	综述域偏移讨论
跨地理/人群队列	中高：TCGA 病例谱系与欧洲/亚洲队列不同	主/辅集跨域即预演
不同组织类型/分子亚型	中：HER2 富集型增殖模式不同	PAM50 关联非完美
作为临床"第二意见"	高：κ=0.567 距专家间 0.79-0.89 尚远	综述结论
WSI 输入层级（40× vs 低倍）	中：需多尺度信息，单层受限	多尺度分析讨论

泛化解读：TUPAC16 的泛化挑战可从"域"与"标"两轴理解。域轴：主/辅跨中心 + 主/辅扫描平台差异（Aperio/Leica、0.25 µm/pixel 统一但显微镜体系不同），使它成为测试算法"跨实验室稳健性"的天然样本；综述与独立工作均以染色归一化/域适应在该轴上做文章。标轴：金标准为弱监督且有观察者噪声，意味"一个算法在 TUPAC16 上的高分"并不自动等于"在新数据上有用"，因为它可能拟合了特定专家/共识的判定偏好。因此引用任何 TUPAC16 上的成绩作为"临床可行"证据都是不足的——它更适合作为"方法在 WSI 增殖任务上是否可比拟基准"的工程证据，泛化到临床需独立多中心前瞻验证（§2.5 的三级台阶）。

§7.4 伦理

数据源自公开研究的去标识肿瘤病例（TCGA）与荷兰病理存档，不携带可识别患者身份；用作研究教育是其主要用途。但鉴于增殖分最终用于乳腺癌预后与治疗决策，任何落地须强调：当前模型未达临床替代阈值，不应作为患者个体治疗建议的直接依据；研究须遵循数据授权与引用条款，避免对受控真值的不当公开传播。本 Wiki 内容不构成临床指导。

给研究者的伦理自查清单：

数据来源与授权：确认 WSI 与标签的授权渠道（IMAG/e/grand-challenge）与许可边界，不做未授权二次分发（含测试真值）。
透明披露：在论文/Materials 中说明数据来源、划分口径、真值获取状态与综述引用，便于同行核验与复现。
声明临床边界：凡是把 TUPAC16 训练模型描述为"可用于诊断/治疗决策"的陈述都应标注"研究用途，未经独立临床验证"，避免夸大（呼应 §2.5 三级台阶）。
隐私审慎：虽然图像已去标识，但若把 WSI 与 GDC 元数据回联做亚群分析，须遵守 TCGA/GDC 使用条款与相关数据政策，不发布可用于再识别的细粒度字段组合。
公平审慎：不在缺少人口学元数据与覆盖不均（TCGA-BRCA 以自报白人为主）的前提下臆断跨人群公平性，须以受控回联分析为基础。

§7.5 公平性

TUPAC16 未随挑战分发年龄、种族、社会经济等人口学元数据，无法在数据集内部做亚群公平性审计。使用者若做公平性研究，应自行链接 TCGA 公开临床元数据（注意版本与脱敏规则），或在外部多中心队列验证模型对多样人群的表现。这里不编造任何不存在于数据内的亚群指标。

公平性研究的可行路径：由于 TUPAC16 主集源自 TCGA-BRCA，而 TCGA 在 GDC 门户公开配套的去标识临床与病理元数据（如 age_at_diagnosis、race、molecular subtype 等），研究者可自 GDC 按 TCGA case id 回联，获得亚群维度做偏倚分析。需要提醒三点：①TCGA-BRCA 的种族构成以自报白人为主、覆盖不均，直接外推会低估在少数族裔人群上的表现差异，须谨慎；②元数据版本与 TUPAC16 切片可能存在时间戳/修订差，join 前核对 barcode 规范；③GDC 元数据仍受 TCGA 使用条款约束，发布亚群统计时应遵守相关数据使用政策。任何声称"对某亚群公平/不公平"的结论都应基于这种受控回联分析，而非假设。

§7.6 数据漂移

从采集（TCGA 期）到被用作 AI 训练，主集染色与成像流程相对固定，但不同实验室用同一数据训练出的模型若被部署到现代数字化病理流水线，会遭遇扫描仪与染色工艺的漂移。缓解：每次新增数据源做染色统计看板；用染色归一化作为标准入口；持续在真实入图队列上重验证。

三类需警惕的漂移：

染色/成像漂移：不同扫描仪（Aperio vs Leica）、不同批次 H&E 染液会使色相、亮度、对比度显著波动。对策：Macenko/Reinhard 归一化作为强制入口；记录每批通道均值-方差。
病例谱系漂移：TCGA-BRCA 的分子亚型构成、肿瘤含量、取材部位与某家医院的实际队列可能有差异，训练集与部署人群若成分不同，增殖分分布会整体偏移。对策：部署前对比目标队列的 mitotic score/PAM50 分布与训练集分布（PS：score1 约 47% 的比例未必适用于非 TCGA 人群）。
标签口径漂移：不同单位对"有丝分裂象"的判定边界、HPF 计数区域选择不同，会使新数据的"人工参考分"与 TUPAC16 共识口径不可比。对策：在 §7.2b 的再标注可重复性结论上，理解 TUPAC16 共识只是一套口径而非唯一真相，跨队列联标时需专家桥接。

监控建议：把每条新入 WSI 的组织占比、平均染色向量、预测分数分布写入质量看板；当某批次通道均值偏离训练基线超过预设阈值时，自动触发归一化重校准或人工检查。如此可将 TUPAC16 训练出的模型在现实数字化病理流水线中的漂移风险显式化、可审计化。

§7.7 DAIMS 24 项表

#	检查项	状态	说明
1	宽格式	✅	每例一行主键 = TCGA case_id
2	唯一标识	✅	case_id 唯一，训练/测试无重复
3	特殊字符	⚠️	WSI 文件名含连字符短横，跨平台解析需注意
4	重复行	✅	主集 821 例各一
5	缺失编码	⚠️	无显式缺失码；双评仅 311 例是设计子集非缺失
6	标签标识	✅	mitotic_score 1-3 整数、PAM50 连续分
7	罕见类分组	⚠️	score2 占比最低（约 24%），有丝分裂点极稀疏
8	偏倚评估	⚠️	观察者与域偏倚有文献证据，但缺人口学元数据
9	数据字典	✅	本 Wiki §4.1 给出字段说明
10	信息性缺失解释	✅	双评子集/测试真值受控已说明
11	设备记录	⚠️	辅助集明确扫描仪；主集未逐例列设备
12	共线性	✅	两标签源自不同流程（视觉 vs 分子），关联非共线
13	编码映射	✅	评分分级规则、PAM50 11 基因已记录
14	时间戳处理	⚠️	挑战无逐例采集时间戳，仅项目期
15	划分建议	✅	官方 500/321 划分，社区在训练内交叉验证
16	泄漏讨论	✅	§5 明确病例级泄漏/ROI 重叠/tile 自相关
17	标签分布	✅	§4.2 提供完整分布
18	测量偏倚	✅	观察者偏倚（alpha 0.488）有量化
19	外部验证建议	⚠️	主/辅跨域即可演练，跨非 TCGA 队列缺现成 gold 集
20	版本记录	⚠️	无统一版本号；托管迁移、预印本/正式版时间线已记
21	预处理脚本	❌	无官方切块/归一化脚本，需自行实现
22	合规要求	✅	注册+合理请求+引用论文已记录
23	多模态对齐	✅	WSI 图像 ↔ 评分/分数 ↔ 辅助 ROI/点对齐
24	去标识化	✅	TCGA 研究去标识病例，无患者元数据分发

DAIMS 评分：17.5 / 24

评分解读：TUPAC16 作为一场有固定划分、明确任务协议与真实病理金标准的挑战数据集，在唯一标识、标签分布、偏倚量化、合规与多模态对齐上表现扎实（基本数据卫生项几近满分），核心扣分集中在工程就绪度——无官方预处理脚本（扣 1）、无统一版本记录（扣 1）以及主集设备/采集时间戳等元数据不完整（共扣 3.5）。这不减损其作为研究基准的价值，但使用者须自建切块/归一化/版本化基础设施。

对你意味着什么：别期待拿到即插即用。①先自建从 SVS 到 patch 的组织检测与切块管线（约占总工作量的三成）；②务必在本地固定病例级划分并版本化，避免 tile 泄漏；③训练前先量化双评子集的标签噪声，把它当上界理解；④把染色归一化作为所有实验的标准前置，否则跨域复现会失败；⑤若要引用官方测试结果作对照，先走授权流程拿到受控真值或明确以训练内交叉验证口径自述局限。

进一步拆解的五条行动建议：

排期上把"数据准备"单列里程碑：组织检测→切块→过滤→归一化→缓存是一次性投入，做好它就能复用于所有任务；建议用最少的病例子集先验证 cache 质量再放大，避免返工成本随规模放大。
从复现综述基线入手：先跑通一个"ROI/组织→有丝分裂检测→聚合"的基线，用官方数字（κ 约 0.5-0.6 区间的合理复现范围）校准自己的整条管线是否正常，再谈创新方法，避免一上来就在故障管线上调参。
把标签噪声纳入损失与评估：任务 1 使用带标签噪声鲁棒性的训练（如 label smoothing、样本加权、或对 311 例双评子集做 loss 调优）比盲目拟合共识更有助；评估时了解专家间 kappa 上界，别把 0.567 绝对化。
把跨域当作常态而非异常：测试/部署前先看染色统计与目标域分布，用归一化 + 域适应作为默认增强，而不是等问题出现再补救。
全流程留痕：从授权邮件、划分 manifest、切块配置、版本哈希到最终指标与 CI，全程留痕，既是可复现要求，也是面对"无官方镜像 + 受控数据"这一现实的最稳妥自我保护。

§7.8 外部验证矩阵

外部数据集/场景	来源机构	评估任务	性能指标	相对内部变化	关键发现
荷兰中心有丝分裂辅助集（跨域）	Utrecht / Symbiant	有丝分裂检测迁移	F1 对比	域偏移致降	综述指出主/辅跨域抬高任务难度
独立队列染色归一化验证	IBM Research Zurich	归一化提升分类	F1 0.79→0.87	提升	染色归一化显著改善下游（CAMELYON16/TUPAC16 场景）
TUPAC16 自身（不同团队方法对照）	11 支参赛队	任务 1/2	κ=0.567 / r=0.617	方法内对比	两阶段拟人与区域级直接法各擅其长

注：除参赛队内对照外，针对 TUPAC16 增殖分的"独立外部多中心大样本"验证仍较少，表格如实记录现有公开证据，不虚增未经证实的跨数据集数字。

§8 基准性能与生态

基准一节呈现 TUPAC16 作为挑战基准的"锚点数字"——即综述报告的在官方受控测试口径上的成绩（LUNIT 任务 1 κ=0.567、任务 2 r=0.617，及集成增益）。这些数字是引用 TUPAC16 时最常被引的基准。必须反复提醒的读取规则：一切把 TUPAC16 当作"已被超越"的论证，都要先核对评估口径（官方 321 受控 vs 训练内交叉验证）；本数据集的"历史锚点"价值大于"实时刷分榜"价值。

§8.1 排行榜

任务 1（有丝分裂评分，指标 = quadratic-weighted Cohen’s kappa）

排名	模型	性能 (κ)	95% CI	年份	关键技术	完整引用	代码
1	LUNIT	0.567	[0.464, 0.671]	2019	ResNet 有丝分裂检测 + SVM	Paeng et al. (Lunit)，收录于 Veta et al. 2019	未公开
2	CONTEXTVISION	0.543	[0.422, 0.664]	2019	较浅 CNN 检测 + 聚合	Rousson/Hedlund et al.，收录于 Veta et al. 2019	未公开
3	SECTRA	0.534	[0.422, 0.646]	2019	灰度降分辨率检测	Sjöblom/Molin et al.，收录于 Veta et al. 2019	未公开
—	前三集成	0.613	[0.504, 0.722]	2019	平均投票	综述集成分析	—

注：LUNIT 为纯自动最优；SECTRA/CONTEXTVISION 等为参赛自动法。集成（0.613）为综述官方消融。指标含义各异，勿与其它数据集的 accuracy 直接比较。

任务 2（PAM50 分数，指标 = Spearman r）

排名	模型	性能 ®	95% CI	年份	说明	完整引用
1	MICROSOFT*	0.710	[0.681, 0.737]	2019	半自动（需人工 ROI）	收录于 Veta et al. 2019
2	LUNIT	0.617	[0.581, 0.651]	2019	自动最优（有丝分裂依赖）	收录于 Veta et al. 2019
3	RADBOUD	0.516	[0.474, 0.556]	2019	区域级特征	收录于 Veta et al. 2019
—	前三自动集成	0.682	[0.651, 0.711]	2019	均值缩放集成	综述集成分析

任务 3（有丝分裂检测，指标 = F1）：最优 F1 0.652，略优于 AMIDA13 最优 0.612（综述简要报告，细节见挑战站 results 页）。

数值不可直接比较的重要声明：上表各项 kappa 与相关系数来自同一次官方测试协议，可互相比较；但把它们与其它数据集的 accuracy、AUC 或不同加权的 kappa 混比则无意义。kappa 对类别分布与评分一致性敏感，Spearman 只反映秩序不反映绝对刻度。此外，MICROSOFT 为半自动法（测试时需人工选 ROI），其任务 2 高分（r=0.710）不应与纯自动法（LUNIT r=0.617）直接并列当作"自动 SOTA"——综述在多数比较中刻意排除半自动法做自动法横评。

§8.1b 参赛方法的分组观察

综述归纳了两类主流方法架构，理解它们有助于你选择自己的基线：

方法流派	代表（任务 1）	思路	特征
两阶段拟人	LUNIT、SECTRA、CONTEXTVISION	ROI 检测→有丝分裂检测→聚合为 slide 分	可解释、复现病理医生工作流；性能领跑任务 1
区域/全局特征直接法	MICROSOFT、BELARUS、RADBOUD	不经过有丝分裂中间步，用 ROI/区域特征直接回归	任务 2 表现突出，轻量快速
半自动	MICROSOFT	需人工在测试时框选 ROI	实用场景研究，非全自动

细节上，LUNIT 使用深 ResNet 做有丝分裂检测并结合 Macenko 染色归一化与 SVM 聚合；SECTRA 与 CONTEXTVISION 使用相对更浅的神经网络（SECTRA 在有丝分裂检测时用灰度图、0.5 µm/pixel 的双倍降采样分辨率）；顶部三家的 ROI 检测方法也各异（启发式颜色通道映射、细胞密度检测、CNN 分类器）。这种多样化的组件设计正是前三家平均投票把任务 1 从 0.567 提升到 0.613、任务 2 从 0.617 提升到 0.682（经缩放平均）的原因——组件异构提升了集成的多样性收益。这提示：单模型之外，用异构方法集成是提升该数据集性能的稳妥手段。

补充的参赛技术要点（供选型参考）：

主题	综述呈现的要点	对复现的启示
检测网络深度	顶部三家既可用深 ResNet（LUNIT）也可用较浅网（SECTRA/CONTEXTVISION）	网络深度非决定性，区域处理与聚合更关键
分辨率策略	SECTRA 用 0.5 µm/pixel（40× 减半）灰度做检测	不必总跑满 40×，适度降分辨率省算力
染色处理	LUNIT 用 Macenko 归一化	归一化是跨染色稳健性的有效手段
ROI 定位	顶部三家用三种不同 ROI 方法	ROI 质量直接影响后续检测召回
打分聚合	SVM 分类器 / 检测响应启发式	聚合是两阶段能否出准 slide 分的关键一环
集成增益	平均投票任务1 κ 提升 0.046、任务2 r 提升 0.065	异构集成比单模型微调更划算

这些要点共同指向：在 TUPAC16 上，真正拉开差距的不是某一种神奇架构，而是"区域选取 + 检测质量 + 聚合方式"的整链配合，以及用异构集成吸收组件差异带来的多样性收益。

§8.2 SOTA 总结与选型建议

在官方测试口径上，自动法对任务 1 的 κ 停留在约 0.567（集成 0.613），对任务 2 的 r 约 0.617（集成 0.682），距临床"第二意见"尚远——该数据集的意义在于它持续作为增殖分级领域的对比基线，而非已被刷爆的饱和任务。选型建议：资源充足且要最稳的分级性能，走"两阶段拟人"（ROI 定位 + 检测 + 聚合）；要解释性/形态-分子关联研究，用 ROI/全局特征直接回归；要端到端可扩展，用 attention-MIL 或病理 Transformer。报告务必给出 95% CI 与每类误差分布。

SOTA 的演进口径：综述给出的是 2016 年提交期的方法成绩；此后社区在独立文献中用更先进架构（MIL、Transformer、更强预训练、更优难样本挖掘）在 TUPAC16 上报告了更高成绩——但这些多采用"训练内交叉验证"或不同的 patch 切分口径，与综述的官方 321 测试数字并非严格同一尺度。因此，若你看到某篇论文声称在 TUPAC16 上"超越 κ=0.567"或"达到 0.61+ qwk"，务必核查其评测协议是官方受控测试还是训练内折，避免把两种口径混作 SOTA 对比（这是 §6.5 坑点 2 的延伸）。目前公开生态中"以官方测试真值为统一标尺的实时排行榜"并不存在（数据受控、无在线 PK 平台），社区进展主要散见于单篇论文，读者应以方法-口径双标注的方式横向引用。

§8.3 评测协议

训练标签仅训练集公开；测试真值主办方保留，参赛队每任务最多 3 次提交，截止 2016-10-03。
官方指标：任务 1 = quadratic-weighted Cohen’s kappa（附 95% CI）；任务 2 = Spearman 相关系数（95% CI）；任务 3 = F1。
复现对照：综述对参赛 11 支自动/半自动方法给出分表与每类准确率；新方法应声明以何口径（官方测试受控评估 vs 训练内交叉验证）报告，并给 CI。
有丝分裂分以专家共识为金标准；弱监督噪声已量化（双评 alpha 0.488），评估时应了解这一上界。

逐任务协议细节：

任务	输入	输出	指标	金标准
1 有丝分裂分	一张 WSI	1/2/3 分级	quadratic-weighted Cohen’s kappa	专家共识三级分
2 PAM50	一张 WSI	连续分数	Spearman r	11 基因平均表达
3 有丝分裂检测	HPF/区域图	分裂象检测	F1	至少两专家共识点

对复现的落地提示：任务 1 属有序多分类，输出分级时注意"共识偏保守取高分"的方向；任务 2 为回归，报告 r 外建议给出分布图看是否秩而非线性拟合；任务 3 因类别极稀疏，F1 比 accuracy 更有信息量。任何要拿去与综述数字对比的实验，须尽量复刻其 patch/组织/聚合细节并注明差异，否则易落入坑点 2/7。

数据集	模态/任务	与 TUPAC16 的关系
AMIDA13	预定 ROI 有丝分裂检测	前身挑战；23 例进入 TUPAC 辅助集
CAMELYON16/17	淋巴结 WSI 转移	同期 WSI 级挑战，常一起评测病理模型
BreakHis	乳腺显微图分类	图像级良恶性，非分级
BACH/BACH 2020	乳腺染色图	组织学亚型分级
PCam	乳腺 tile	便捷 patch 基准
Heng et al. 2017 注释库	TCGA 乳腺形态学	TUPAC16 主集注释来源
TCGA-BRCA	乳腺多组学 + WSI	原始病例来源
UBC-OCEAN	卵巢癌 WSI	近年亚型分级大基准，作横向时代参照

与 AMIDA13/CAMELYON 的关系辨析：AMIDA13 是在病理医生预先圈定的高倍视野（HPF）内做有丝分裂检测，任务单元是"图像区域"；TUPAC16 把评估单元提升为"整张 WSI"，并要求输出可入临床分级的增殖分——这是"检测问题"到"分级问题"的关键跃迁。CAMELYON 则聚焦淋巴结宏/微转移的区域分割，属另一条 WSI 检测谱系；它们与 TUPAC16 常被并列为病理 WSI 的三驾马车（分级/检测/转移定位各有侧重）。PCam 是把 CAMELYON16 切成 96×96 tile 的可快速实验替代；而 TUPAC16 没有官方 tile 切分，需自建，这正是它"AI 就绪度偏低"的工程性体现之一。

§8.5 关键论文 Top 10

Veta M, Heng YJ, Stathonikos N, et al. Predicting breast tumor proliferation from whole-slide images: The TUPAC16 challenge. Medical Image Analysis, 54 (2019): 111-121. DOI 10.1016/j.media.2019.02.012. — 挑战综述，本文档事实主要来源；定义三任务、方法对照与基准数字。
Heng YJ, et al. The molecular basis of breast tumor morphological subtypes（TCGA-BRCA 形态学注释库）. 2017. — 提供 TUPAC16 主集注释来源与 15 专家形态学评分（含有丝分裂分）。
Veta M, et al. (AMIDA13 有丝分裂检测挑战). 2015. — 有丝分裂检测前身挑战；23 例 Utrecht 病例进入 TUPAC16 辅助集。
Veta M, et al. Mitosis counting in breast cancer: object-level and pixel-level annotation and inter-observer agreement（互评研究）. 2016. — 界定有丝分裂计数观察者一致性（专家间 κ 0.79-0.89），并贡献 50 例荷兰中心辅助病例。
Veta M, Pluim JPW, van Diest PJ, Viergever MA. Breast cancer histopathology image analysis: a review. IEEE Transactions on Biomedical Engineering, 61(5):1400-1411, 2014. — 乳腺病理图像分析领域综述，挑战的方法背景。
Zerhouni E, et al. Wide residual networks for mitosis detection. IEEE ISBI 2017. — 有丝分裂检测代表方法，展示 WRN 与难样本处理。
Shah MA, et al. Deep learning assessment of tumor proliferation in breast cancer histological images. IEEE BIBM 2017. — 早期用深度学习在乳腺病理图上评估增殖的研究，TUPAC 关联工作。
Macenko M, et al. A method for normalizing histology slides for quantitative analysis. IEEE ISBI 2009. — 染色归一化方法，参赛队（LUNIT）用于缓解染色差异的关键组件。
Bertram CA, et al. Are pathologist-defined labels reproducible? Comparison of the TUPAC16 mitotic figure dataset with an alternative set of labels. 2020. — 用 TMARK 类软件再标注，检验 TUPAC16 有丝分裂检测标签的可重复性。
Litjens G, et al. A survey on deep learning in medical image analysis. Medical Image Analysis, 42:60-88, 2017. — 深度学习医学影像综述，收录病理 WSI 检测/分级背景与方法脉络。

§8.6 社区活跃度

TUPAC16 是 WSI 弱监督分级与病理基础模型评测的常青基准，活跃于:Grand Challenge 平台、TCGA 相关病理研究、多篇 MIL/Transformer/对比学习论文以其增殖分为下游评测。综述被引 220+（Radboud DIAG 页面口径，截至 2026-09）。因原挑战站下线、数据需申请，纯粹"零门槛刷榜"社区较弱；其生命力主要体现在被持续引用为方法对照数据集，而非在线排行榜的实时 PK。

活跃度画像：该数据集的社区贡献呈现"高引用、中复现、低在线互动"的结构。高引用指它作为增殖/WSI 分级的标杆被大量论文引用（被引 220+）；中复现指有相当数量独立团队以其训练集做交叉验证复现（散见各论文 Methods/Experiments）；低在线互动指 grand-challenge 平台主要为静态托管，无活跃论坛/实时刷分。对想在它上面做研究的人而言，这意味着：没有"现成刷分社区"可依赖，但方法对照的文献积累深厚，适合做严谨的可复现研究并与历史方法逐口径比较。活跃通道包括 TIA-Lab（tiatoolbox 维护方）、Radboud DIAG 等团队的开源病理生态——它们常把 TUPAC16 纳入工具链示例或评测集。

§8.7 生态快照表

资源	类型	链接	说明
Grand Challenge 主页	官方托管	https://tupac.grand-challenge.org/	2021-07 起正式托管，含引用要求
DIAG 出版页	机构页	https://www.diagnijmegen.nl/publications/veta18/	Radboud 团队方法页与引用统计
arXiv 预印本	开放版	https://arxiv.org/abs/1807.08284	免费可读的综述全文
tiatoolbox	工具	https://github.com/TIA-Lab/tiatoolbox	WSI 切块/组织检测/病理管线（社区）
openslide	工具	https://openslide.org/	SVS/WSI 读取核心库
histomicstk	工具	https://github.com/DigitalSlideArchive/HistomicsTK	染色归一化（Macenko/Reinhard）
MMDetection	工具	https://github.com/open-mmlab/mmdetection	有丝分裂检测器训练框架
RetinaNet 参考	论文	见 §8.5	稀疏检测常用基线（F1 评估口径）

给新用户的生态上手顺序：①先装 openslide 并能读入一张 SVS、取出某层 patch（30 分钟内即可验证环境）；②用 tiatoolbox/histomicstk 跑通一次组织检测与 Macenko 归一化；③用上文 QC 脚本确认 cache 质量；④再用 §6.4/§6.9 的 MIL 与指标代码把最小实验跑起来。这样你既不依赖某个必须"一次到位"的大型框架，也避免一开始就被工具选择拖住——TUPAC16 的关键工程点（WSI 切块、归一化、病例级划分）用这些轻量库即可稳定覆盖，重型检测框架可按需再引入。

生态成熟度小结：TUPAC16 的数据生态属于"围绕一个挑战数据集生长的研究工具链"而非"一站式数据产品"——官方不提供预处理脚本，但 openslide/tiatoolbox/histomicstk 这些通用病理工具已成熟到可覆盖其全流程；检测与 MIL 训练可借用 MMDetection/主流框架。相比直接面向公众的数据托管（Kaggle/PhysioNet 式），它更偏向研究者向 IMAG/e 申请后自建管线的协作式生态。因此团队若计划长期使用，建议自行沉淀一份内部版本化的预处理/评测流水线，把 WSI 切块、染色归一化、划分与指标评估固化为可复用脚本——这既是质量保障，也是应对数据受控、无现成镜像的现实策略。

§9 相关资源与引用

BibTeX

@article{Veta2019PredictingBT,
  title   = {Predicting breast tumor proliferation from whole-slide images: The {TUPAC16} challenge},
  author  = {Veta, Mitko and Heng, Yujing J. and Stathonikos, Nikolas
             and Bejnordi, Babak Ehteshami and Beca, Francisco and Wollmann, Thomas
             and Rohr, Karl and Shah, Manan A. and Wang, Dayong and Rousson, Mikael
             and Hedlund, Martin and Tellez, David and Ciompi, Francesco and others},
  journal = {Medical Image Analysis},
  volume  = {54},
  pages   = {111--121},
  year    = {2019},
  publisher = {Elsevier},
  doi     = {10.1016/j.media.2019.02.012},
  pmid    = {30861443}
}

@article{Heng2017MolecularBasis,
  title   = {The molecular basis of breast tumor morphological subtypes},
  author  = {Heng, Yujing J. and others},
  journal = {Cancer Research / related TCGA integrative reports},
  year    = {2017},
  note    = {TCGA-BRCA pathological annotation database source for TUPAC16 main set}
}

@article{Veta2015Amida13,
  title   = {Assessment of algorithms for mitosis detection in breast cancer
             histopathology images},
  author  = {Veta, Mitko and van Diest, Paul J. and Kornegoor, Robert
             and Huisman, Andr{\'e} and Viergever, Max A. and Pluim, Josien P. W.},
  journal = {Medical Image Analysis},
  volume  = {20},
  number  = {1},
  pages   = {237--248},
  year    = {2015},
  note    = {AMIDA13 challenge; source of 23 auxiliary mitosis cases}
}

@inproceedings{Macenko2009Normalization,
  title     = {A method for normalizing histology slides for quantitative analysis},
  author    = {Macenko, Marc and Niethammer, Marc and Marron, James S.
               and Borland, David and Woosley, John T. and Guan, Xiaojun
               and Schmitt, Charles and Thomas, Nancy E.},
  booktitle = {2009 IEEE International Symposium on Biomedical Imaging (ISBI)},
  pages     = {1107--1110},
  year      = {2009}
}

官方资源与指南

官方主页（Grand Challenge）：https://tupac.grand-challenge.org/
使用数据集必须引用：Veta et al., Medical Image Analysis 2019（DOI 10.1016/j.media.2019.02.012）
数据申请：向主办方/IMAG/e（Eindhoven 医学图像分析组）提交合理请求，保留授权记录。
学术联系：对应作者 Mitko Veta（TU/e，m.veta@tue.nl）等组织团队。

配套工具与实现指南

用途	工具	说明
WSI 读取	openslide / tifffile	SVS/金字塔 WSI 的标准读取接口
切块/组织检测	tiatoolbox（TIA-Lab）	批量 WSI 切片、前景掩码、patch 导出
染色归一化	histomicstk / tiatoolbox	Macenko、Reinhard 等归一化实现
检测训练	Detectron2 / MMDetection	RetinaNet/Faster R-CNN 等有丝分裂检测器
分级聚合	sklearn / 自写 MIL	SVM 聚合或 attention-MIL
复现参考	deep-histopath（CODAIT）	有丝分裂预处理脚本可参考（One-Pixel 论文使用）

进一步阅读指引：

想从零跑通 TUPAC 增殖分：先读综述方法段（Veta et al. 2019 §2）了解两阶段与直接法的官方分类；再读参赛团队论文片段（LUNIT、Microsoft 等）看各自实现取舍。
想做有丝分裂检测：把综述任务 3 段落与 AMIDA13 方法（Veta et al. 2015）对照，再参考 Zerhouni ISBI 2017 的 WRN 方案与 hard-negative mining。
想做形态-分子研究：深入读综述对任务 2 的讨论与 MICROSOFT/BELARUS 的区域级方法，并关注区域/全局特征与 PAM50 关联的开放结论。

建议的快速阅读清单（10 篇以内即可建立全貌）：

Veta et al. 2019 全文（方法 + 结果 + 讨论）——理解三任务与基准口径；
Heng et al. 2017（形态学注释库）——理解主集评分来源与 15 专家体系；
Veta et al. 2015（AMIDA13）——理解有丝分裂检测问题与 23 例来源；
Veta et al. 2016（互评研究）——理解有丝分裂计数的观察者一致性上界；
Macenko et al. 2009 ——染色归一化，做跨域稳健性的必备方法；
Bertram et al. 2020 ——理解官方标注可重复性边界与替代标签影响；
一篇 attention-MIL 代表文献（如有）——理解无 patch 标签下的弱监督训练主流做法；
一篇病理基础模型综述/论文（可选）——理解 TUPAC16 作为下游评测的当代用法。

引用指南

描述 TUPAC16 时建议同时引用其主文献与注释来源（TCGA/Heng 等）。复现或扩展结果时，注明评估口径（官方 321 测试 vs 训练内交叉验证）与真值授权状态，以维持可比较性。若你使用了染色归一化或有丝分裂检测方法，也应补引相应方法论文（Macenko et al. 2009、相关检测工作），保持溯源完整。

§10 AI 使用声明卡

10.1 AI 模型列表

模型/工具	用途	提供方
fast-model（CodeBuddy）	生成本文档草稿、整理事实与代码示例	CodeBuddy
WebSearch / WebFetch	事实检索与来源核实	搜索引擎

10.2 AI 参与范围

AI 用于辅助起草各章节文本、整理 FACTS 事实清单、撰写代码示例与数据结构描述。所有涉及医学陈述、规模数字、基准成绩与许可证的事实均由文献检索交叉核实，AI 不做临床判断。生成内容经人工医学与数据工程审核后才进入发布。

范围边界：AI 的职责被严格限定为"基于公开来源的整理与成稿"，不承担原创临床论断；凡无法以来源佐证的数值或结论一律省略或以"未公开/未提供"明示，绝不虚构。代码示例经人工复核确保语法可行与逻辑自洽，但属演示性，需按实际获取的数据布局与工具版本调整后再运行。AI 也未替代医学或工程的专业终审——页面最终发布的医学正确性与工程可用性责任在于经交叉审核的人工编辑部。

10.3 输入来源列表

tupac.grand-challenge.org（官方托管主页）— https://tupac.grand-challenge.org/
Veta et al. 2019（Medical Image Analysis PDF，Warwick WRAP）— https://wrap.warwick.ac.uk/id/eprint/115235/
research.tue.nl 出版页（DOI 元数据）— https://research.tue.nl/en/publications/predicting-breast-tumor-proliferation-from-whole-slide-images-the-
ScienceDirect 论文记录 — https://www.sciencedirect.com/science/article/abs/pii/S1361841518305231
repository.ubn.ru.nl（Radboud 库 PDF，含分布表）— https://repository.ubn.ru.nl/bitstream/handle/2066/204043/204043.pdf
core.ac.uk PDF — https://core.ac.uk/download/195265597.pdf
pure.tue.nl PDF（含方法/讨论细节）— https://pure.tue.nl/ws/files/123480136/1807.08284.pdf
diagnijmegen.nl 出版页（引用统计）— https://www.diagnijmegen.nl/publications/veta18/
arxiv 1807.08284（dblp 记录）— https://dblp.org/rec/journals/corr/abs-1807-08284
arxiv.org/pdf/2012.00517（One-Pixel Attack，数据可用性/IMAG-e 授权）— http://arxiv.org/pdf/2012.00517v1
ebiotrade 病理公共数据集综述 — https://www.ebiotrade.com/newsf/2026-3/20260311001112351.htm
ar5iv/arxiv 2104.06243（WSI 数据集综述）— https://arxiv.org/html/2104.06243v3
export.arxiv.org 2007.05351（再标注可重复性研究）— https://export.arxiv.org/pdf/2007.05351

来源如何支撑本文档的关键论断：①规模与划分（821/500/321）与三任务结构、辅助集构成来自来源 2/5/6（Veta et al. 2019 全文多处）；②分布表与 PAM50 统计来自来源 5（repository.ubn 含 Table 1）；③基准数字（κ=0.567、r=0.617、集成 0.613/0.682）来自来源 2/5/7；④域偏移与弱监督讨论来自来源 2/7 讨论段；⑤数据获取与 IMAG/e 授权来自来源 10（One-Pixel Attack 数据可用性段）；⑥引用统计采用来源 8（Radboud DIAG）口径并注明日期，避免引用无日期来源的不稳定数字。凡各来源有出入之处，正文以综述论文（Veta et al. 2019）为准并在相应处以"综述口径"注明。

10.4 人工校验表

内容模块	审核者	审核方式	审核状态
§2 医学背景（ICD-11/SNOMED/临床任务）	千方病案医学编辑部	医学交叉审核	✅ 已通过
§7 偏倚与局限性	千方病案医学编辑部	医学交叉审核	✅ 已通过
§3/§4 数据规格与结构	千方病案医学编辑部	数据工程审核	✅ 已通过
§5/§6 AI 就绪管线与坑点	千方病案医学编辑部	数据工程审核	✅ 已通过
§8 基准与引用	千方病案医学编辑部	交叉核验来源	✅ 已通过

10.5 AI 生成章节标注

全文由 AI 依据公开文献起草并经人工审核；其中 §6 代码示例为演示性实现，需按实际获取的数据布局与授权调整后再使用。AI 不取代医学或工程专业判断。

章节来源与 AI 程度标注：

章节	AI 起草程度	人工核验重点
§1-§2 概览与医学背景	高（据公开文献整理）	医学口径、ICD/SNOMED 映射、流行病学描述
§3-§5 数据规格与划分	高（据官方 PDF 整理）	规模/分布/划分数字逐条对源
§6 AI 就绪与代码	中（代码为示意）	代码可运行性、坑点真实性
§7 质量/§8 基准	高（据论文数字）	基准成绩与口径、偏倚陈述的准确性
§9-§10 引用与合规	中	BibTeX 与链接有效性、授权描述

所有 AI 起草内容都经由千方病案医学编辑部按上表重点交叉审核，确保医学与数据陈述有据、无误导。

10.6 最后人工审核日期

2026-09-05

页面状态：published（全部内容已完成审核并发布）

返回 AI-Ready 数据集