Name: Yale-Brain-Mets-Longitudinal: Yale longitudinal dataset of brain metastases on MRI with associated clinical data
Creator: 耶鲁大学医学院放射与生物医学影像系（Yale School of Medicine, Department of Radiology and Biomedical Imaging）

信息速览

数据集名称Yale Brain Metastases Longitudinal — 耶鲁脑转移瘤纵向 MRI 数据集：1,430 患者 11,892 studies 近 20 年随访四序列影像与临床元数据

数据类型影像数据,原始数据

规模1,430 例经病理或影像学确认的脑转移患者（TCIA 与论文口径一致）

接入方式耶鲁纽黑文医院（Yale New Haven Hospital）电子病历系统 2004–2023 年脑转移相关 MRI；四序列 mpMRI（T1W/T1CE/T2/FLAIR，1.5T 或 3T，Siemens Healthineers 或 GE Healthcare），NIfTI 导出并经 HD-BET 脑实质提取去标识化；临床与采集元数据抽取自 EMR 与 DICOM

AI 就绪度

Yale 脑转移瘤纵向 MRI 数据集：把「近 20 年的随访轨迹」做成一份 AI-Ready 语料

INFOBOX — Yale Brain Metastases Longitudinal 一屏速览

维度内容

本质 TCIA 旗下的脑转移瘤纵向 MRI 数据集（非挑战赛、非分割数据集）

官方全名 Yale longitudinal dataset of brain metastases on MRI with associated clinical data

TCIA 短名 Yale-Brain-Mets-Longitudinal（集合页 URL 大小写混合）

本库 slug yale-brain-mets-longitudinal

DOI 10.7937/3YAT-E768（DataCite，TCIA，“Data Citation Required”）

发布方耶鲁大学医学院放射与生物医学影像系（Yale School of Medicine）

数据来源耶鲁纽黑文医院（Yale New Haven Hospital）电子病历 2004–2023

患者数 1,430 例经病理/影像学确认的脑转移患者

studies 11,892（TCIA 口径） / 11,884（论文口径）——双口径见 §11

series / 体积 33,811 series / 43 GB（影像）+ 2.67 MB（临床 XLSX）

序列 T1W / T1CE / T2 / FLAIR 四序列，NIfTI 格式

时间维度 2004–2023 近 20 年；治疗前 30 天内基线 + 全部随访影像

场强/厂商 1.5T 或 3T；Siemens Healthineers 或 GE Healthcare

去标识化 Visage 导出 NIfTI + HD-BET 脑实质提取（去面部特征）

许可 CC BY 4.0（影像与临床数据均为）+ Data Citation Required

获取影像走 TCIA + IBM Aspera Connect（43 GB）；临床 XLSX 直下

标注 无病灶级分割 mask（区别于 BraTS-METS）

官方基准无（数据描述型资源）

论文 arXiv:2506.14021（2025-06-16），通讯作者 Mariam S. Aboian

状态 Complete（Version 1，Updated 2025/05/30）

一句话：这是公开资源里稀缺的「以纵向随访为第一资产」的脑转移瘤 MRI 数据集——你要读的是时间，不是单张切片。

§0 导读：这个数据集解决什么问题

脑转移瘤（brain metastases）是系统性肿瘤最常见的颅内并发症——原发性恶性肿瘤患者中超过 20% 会发展出脑转移。它带来的不仅是诊断问题，更是一个跟着时间走的管理问题：立体定向放射外科（SRS）、全脑放疗（WBRT）、手术切除之后，病灶会缩小、会复发、会新增，疗效评估与疾病进展判断全靠在多个时间点上反复做 MRI、把这一次的片子跟上一次比。

现实里这套流程极为耗时：一个患者可能有多个病灶、四个序列、跨越数年的十几次随访。放射科医生要在成堆的时间点里找出「哪个病灶在长大」这种细微信号，工作量随病灶数与随访次数呈乘法级膨胀。人工智能本可以帮忙——自动分割、自动追踪、自动预测治疗反应——但训练这样的模型需要真实世界的、带完整随访时间结构的、异质的大规模影像数据，而这种数据长期稀缺。

Yale Brain Metastases Longitudinal（耶鲁脑转移瘤纵向 MRI 数据集）正是为填这个缺口而生。它由耶鲁大学医学院放射与生物医学影像系发布，托管于 TCIA（The Cancer Imaging Archive），从耶鲁纽黑文医院 2004–2023 年近 20 年的电子病历中筛选出 1,430 例经病理或影像学确认的脑转移患者，保留其 11,892 次纵向脑 MRI studies（TCIA 页面口径；论文口径为 11,884，见 §11 双口径存照），影像与临床元数据均以开放许可 CC BY 4.0 发布。

它的独特之处，用一句话概括：这是一个把「纵向随访」当成第一资产、而不是顺手附带的元数据的脑转移瘤数据集。绝大多数公开脑转移瘤数据集（如 BraTS-MET、UCSF-BMSR）的重点是「单次或治疗前后两次扫描的病灶分割」；而 Yale 这个数据集的重点是「同一个患者从确诊到治疗后、跨越数年的多个时间点的连续影像轨迹」。任务重心因此从「把病灶勾出来」转向「把时间读出来」。

§0.1 三句话定位

它是谁：TCIA 托管、耶鲁发布的脑转移瘤纵向 MRI 数据集，1,430 患者 / 11,892 studies / 43 GB，DOI 10.7937/3YAT-E768。
它给什么：T1W / T1CE / T2 / FLAIR 四序列 NIfTI 影像 + 1,430 行临床与采集参数表，覆盖放疗/手术前后多时间点，跨近 20 年。
它不是什么：不含病灶级分割标签、不是挑战赛、没有官方排行榜——它是语料底座，不是评分赛道。

§0.2 红线提示（负面清单）

想找已勾好的病灶 mask：本集没有。要病灶级分割标签，请看 BraTS-MET（库内 rid 950）。
想找官方 benchmark 与榜单：本集没有。它是数据描述型论文，不设赛题。
想单次扫描做分类：可以做，但浪费了它的核心价值（时间序列）。
想直接 curl 下载：影像走 TCIA + IBM Aspera Connect 客户端，不是普通 HTTP 直链；临床 XLSX 才可直下。

§0.3 一句话使用指引

如果你的研究问题是「跨时间点的变化、进展、疗效、轨迹」，这是当前公开数据里最对口的一份；如果你的研究问题是「单一时间点的病灶勾画」，请移步 BraTS-MET / UCSF-BMSR。

§0.4 读者导览：不同身份怎么读这篇条目

只想下数据的人：直奔 §1 速览卡与 §5 获取与许可——CC BY 4.0，影像走 Aspera、临床表直下，DOI 10.7937/3YAT-E768。
想搞清它和 BraTS-MET 区别的人：直奔 §3.2 对照专节——一张表把「纵向随访 vs 病灶分割」说清，这是本条目最重要的辨识点。
要用来训练纵向模型的人：先读 §2.4 数据结构、§4 处理流水线，理解 caseID × date-time × sequence 的稀疏张量形态。
关心许可合规的人：读 §5.2 与 §5.3——CC BY 4.0 叠加 Data Citation Required 的组合。
做数据集调研的人：读 §7 生态定位与 §8 方法学启示，理解「单中心深挖 vs 多中心拼接」两条哲学。
踩过坑的人：读 §10 八坑清单与 §11 双口径存照。

§0.5 为什么「纵向」在脑转移瘤里特别重要（临床背景）

脑转移瘤与原发性脑肿瘤（如胶质瘤）在临床管理上的根本差异，决定了纵向数据的重要性：

它的出现是全身病的局部表现：脑转移来自肺、乳腺、黑色素瘤、结直肠等原发灶的血行播散。患者的治疗是一个持续调优的过程，而非一次性手术。
治疗手段多且会切换：SRS（立体定向放射外科）、WBRT（全脑放疗）、手术切除，以及各种系统治疗（靶向、免疫）。患者病情变化时，方案会换——每一次换方案前后都要成像评估。
疗效判断靠「比较」而非「单看」：放射性坏死（radiation necrosis）与肿瘤复发在单张影像上极难区分，常常要靠多个时间点的动态变化才能判断。这是纵向数据不可替代的核心价值。
多病灶患者是常态：一个患者可能有几十个微小病灶，逐一手工比较跨越数年的随访片，工作量呈爆炸式增长——这正是 AI 最该帮忙的地方。

因此，Yale 这个数据集的存在意义，不是「又一份脑 MRI」，而是提供了让 AI 学「时间上的脑转移」的素材。

§0.6 阅读本条目需要记住的三个数字

1,430：患者数（别和 studies 混）。
11,892 / 11,884：studies 数的双口径（TCIA / 论文）。
43 GB：影像体积（下载门槛所在）。

§1 数据集速览：十问十答

Q1：这个数据集官方叫什么？
官方全名 “Yale longitudinal dataset of brain metastases on MRI with associated clinical data”，TCIA 集合短名 “Yale-Brain-Mets-Longitudinal”（集合页 URL 写作 Yale-Brain-Mets-Longitudinal）。本条目 slug 为 yale-brain-mets-longitudinal。

Q2：谁发布的？托管在哪？
发布方为耶鲁大学医学院放射与生物医学影像系（Yale School of Medicine, Department of Radiology and Biomedical Imaging）；数据来源医院为耶鲁纽黑文医院。托管平台为 TCIA（The Cancer Imaging Archive），DOI 10.7937/3YAT-E768。

Q3：有多少患者、多少影像？
1,430 例经病理或影像学确认的脑转移患者，11,892 次纵向脑 MRI studies（TCIA 口径），33,811 series，43 GB。论文口径 studies 数为 11,884（见 §11）。

Q4：包含哪些序列？
每例最多四序列：T1 加权平扫（T1W）、T1 加权增强（T1CE，钆对比后）、T2 加权（T2/T2W）、FLAIR（fluid-attenuated inversion recovery，液体衰减反转恢复）。格式为 NIfTI（.nii.gz）。

Q5：时间跨度多长？
2004–2023 年，近 20 年（论文措辞 “spanning nearly 20 years”），覆盖治疗前 30 天内的基线扫描与全部随访影像。

Q6：有没有临床数据？
有。附一个 2.67 MB 的 Excel 表，含患者人口学信息（成像时点年龄、性别、study date）、扫描仪细节（厂商/型号/场强）、图像采集参数（采集类型 2D/3D、层厚、层间距、TR、TE、TI）。

Q7：怎么获取？许可是什么？
影像经 TCIA 用 IBM Aspera Connect 插件下载（43 GB）；临床 XLSX 直接下载。影像与临床数据许可均为 CC BY 4.0，附加 TCIA “Data Citation Required” 政策（引用须含 DOI）。

Q8：有没有病灶分割标注？
没有。TCIA 页面明示 “No related Analysis Results found”，数据集本身不提供分割 mask。核心资产是影像时间序列 + 元数据。

Q9：有没有官方基准或排行榜？
没有。这是数据描述型（dataset descriptor）论文，无挑战赛、无官方评测口径。

Q10：它和 BraTS-MET 有什么区别？
一句话：BraTS-MET 是「病灶分割赛道」（单次/治疗前后分割，病灶级 Dice，专家勾画 mask）；Yale 是「纵向随访语料」（多时间点时间序列，无 mask，临床元数据）。详见 §3.2 对照专节。

§1.1 十问十答的补充细节

上面十个问题覆盖了最常用的检索需求，这里补充几个常被追问但答不进去的细节：

关于「最大」的边界：论文原话是 “the largest publicly available MRI dataset of patients with brain metastases”。这里的「最大」限定在「公开可得的脑转移瘤 MRI 数据集」范围内，且以患者数 + 时间深度衡量。若单论病灶分割标注的精细度，BraTS-METS 的病灶级标注更「密」。
关于「studies」的确切含义：一次 study = 一次 MRI 检查（一次进扫描舱），一次检查可能产出多个 series（不同序列），每个 series 含多张切片（images）。所以 1,430 患者 → 11,892 studies → 33,811 series 是三级放大。
关于时间戳的匿名化：论文使用「anonymized study date-time」，即日期时间做过匿名化处理（可能做了偏移或截断），因此绝对日期可能不可靠，但相对先后顺序与间隔通常保留——这对纵向分析是关键，因为纵向建模关心的是「间隔」而非「具体是哪一天」。
关于序列齐全度：并非每次 study 都四序列齐全，使用者需在索引阶段统计每个时间点实际有哪些序列。

§1.2 与「脑转移瘤」相关的流行病学锚点

理解数据集价值需要一点背景数字（来自数据集引用的文献网络）：

脑转移瘤是成人最常见的颅内肿瘤（其发生率超过原发性脑肿瘤）；
原发性恶性肿瘤患者中 >20% 会发展出脑转移（论文摘要明确给出）；
高发原发灶包括肺癌、乳腺癌、黑色素瘤、结直肠癌、肾癌等；
脑转移带来的发病率与死亡率负担显著，需要频繁的影像评估配合神经肿瘤科治疗决策。

这些背景说明了为什么「脑转移瘤的纵向影像数据」是一个真实且急切的需求缺口——它面对的是一个人群巨大、随访密集、判读困难的临床问题。

速览卡（一屏掌握）

维度	内容
官方名	Yale longitudinal dataset of brain metastases on MRI with associated clinical data
TCIA 短名	Yale-Brain-Mets-Longitudinal
slug	yale-brain-mets-longitudinal
DOI	10.7937/3YAT-E768
发布方	耶鲁大学医学院放射与生物医学影像系
托管	TCIA（The Cancer Imaging Archive）
患者数	1,430
studies	11,892（TCIA） / 11,884（论文）
series	33,811
体积	43 GB（影像）+ 2.67 MB（XLSX）
序列	T1W / T1CE / T2 / FLAIR
格式	NIfTI（.nii.gz）
时间跨度	2004–2023（近 20 年）
场强	1.5T 或 3T（Siemens / GE）
许可	CC BY 4.0
获取	TCIA + IBM Aspera Connect（影像）；XLSX 直下（临床）
标注	无病灶级分割 mask
官方基准	无
论文	arXiv:2506.14021（2025-06-16）
状态	Complete（Version 1，Updated 2025/05/30）

§2 数据构成与规格

§2.1 规模、来源与机构构成

Yale Brain Metastases Longitudinal 的 1,430 例患者全部来自单一中心——耶鲁纽黑文医院（Yale New Haven Hospital）。这与 BraTS-MET 的「8 个国际来源」多中心拼盘形成鲜明对照。单中心带来的取舍是双向的：

优势：临床流程、PACS 系统、序列命名习惯、随访节奏在同一体系内高度一致，纵向可比性更好；临床元数据（年份、性别、年龄）与影像同源抽取，链接可靠。
代价：人群构成、扫描仪型号、协议变异的「真实世界多样性」天然受限于一家医院；泛化到其他机构时，域漂移（domain shift）风险需要额外评估。

数据来源的筛选链条在论文与 TCIA 页面中写得相当清楚，是理解这个数据集规模的关键：

阶段	studies	患者	说明
自动 EMR 初筛	46,364	7,111	检索「潜在颅内转移性疾病」的 MRI 检查
人工 EHR 审查剔除	—	—	排除缺乏影像或病理确认的病例
序列一致性筛选	—	—	仅保留含 axial T1W/T1CE/T2/FLAIR 之一的检查
治疗前后纳入规则	—	—	治疗前 30 天内扫描 + 全部随访影像
最终数据集	11,892	1,430	确诊脑转移患者

从 46,364 到 11,892，筛掉了约 74%——这个数字本身就是研究者需要知道的「数据纯度」信号：最终集里的每一条 study 都经过影像或病理层面的脑转移确认，而非「疑似」。

§2.2 四序列规格与成像参数

数据集每例最多包含四个序列，选择依据是它们在脑转移瘤评估中扮演的互补角色：

序列	英文全称	临床作用	脑转移瘤场景中的意义
T1W	T1-weighted pre-contrast	解剖基线	显示解剖结构，作为对比参照
T1CE	contrast-enhanced T1-weighted	血脑屏障破坏显示	脑转移瘤诊断与随访的核心序列，增强病灶清晰可见
T2	T2-weighted	水肿与液体敏感	显示瘤周水肿，评估占位效应
FLAIR	fluid-attenuated inversion recovery	水肿敏感 + 脑脊液抑制	突出脑实质水肿，转移瘤随访常用

成像参数（论文与 TCIA 页面口径）：

场强：多数为 1.5T 或 3T；
厂商：Siemens Healthineers 或 GE Healthcare（GE Healthcare 即 GE 医疗）；
采集类型：2D 或 3D 混合；
每例每个 study 最多四个文件，命名规范为 caseID_date-time_sequence.nii.gz（匿名患者标识 + 匿名化的 study 日期时间 + 序列类型）。

这套参数区间是有意为之的真实世界异质性：跨 20 年、跨 1.5T/3T、跨两家厂商，任何一个「只在单一协议上训练」的 AI 模型都会在这里暴露鲁棒性问题。

§2.3 临床与采集元数据（XLSX 规格）

除影像外，数据集附带一个 2.67 MB 的 Excel 文件（文件名带 20250605 日期戳）。它有两个分开的 sheet：

临床数据 sheet：患者基线信息——成像时点的年龄、性别、study date。论文说明这些数据「从每个 study 时间点的 EMR 抽取」，且「全部数据检索截至 2023 年 12 月」。
影像采集参数 sheet：从 DICOM 元数据提取的关键参数——study location、扫描仪厂商、扫描仪型号、磁场强度、采集类型（2D vs 3D）、序列指定、层厚、层间距、重复时间（TR）、回波时间（TE）、反转时间（TI）。

论文特别强调：「A comprehensive breakdown of these acquisition parameters for each scan is available in the accompanying Excel file.」也就是说，逐次扫描的完整采集参数明细都在这个表里——这是做 harmony（批次效应校正）、protocol 分层分析、扫描仪混杂控制的必需材料。

§2.4 纵向随访的结构：数据结构上「时间」长什么样

这是本数据集最容易被误读、也最值得单独讲清的一点。「纵向（longitudinal）」不是一个标签，而是一种数据组织方式：同一个 caseID 下会挂着多个不同日期时间的 study 目录，每个 study 里最多四个序列文件。

其结构可以近似表示为：

caseID/
  ├── date-time_A (治疗前基线，治疗前 30 天内)/
  │     ├── caseID_datetime_A_T1W.nii.gz
  │     ├── caseID_datetime_A_T1CE.nii.gz
  │     ├── caseID_datetime_A_T2.nii.gz
  │     └── caseID_datetime_A_FLAIR.nii.gz
  ├── date-time_B (治疗后随访 1)/
  │     └── ...
  ├── date-time_C (治疗后随访 2)/
  │     └── ...
  └── ...

纳入规则为这套结构提供了时间语义：对接受 SRS / WBRT / 手术切除的患者，治疗前 30 天内的扫描被保留作为基线，治疗后全部随访影像被保留——这正是「放疗前后多时间点」的具象含义。使用者的核心工作，就是把这个 caseID × date-time × sequence 的稀疏张量组织成可以喂给纵向模型的形式。

§2.5 稀疏性：纵向数据的结构性现实

必须提醒的一个现实：这个时间序列是高度稀疏和不等长的。理由很直白——临床上不会按固定间隔给你做 MRI，而是医生觉得需要评估时才开单。于是：

不同患者的随访次数差异极大：有的患者只有 2 次（基线 + 一次随访），有的可能十几次；
时间间隔不规则：可能 1 个月一次，也可能隔一年；
序列不完整：不是每次 study 都四个序列齐全，可能某次只做了 T1CE；
有的患者在某个时间点后失访（转到别的医院、或病情终止）。

这意味着直接把它当规则张量喂模型会失败。常见的工程应对包括：按时间桶（time bin）聚合、用序列补齐或掩码机制（masking）、按「最后一次观测」做前向填充、或采用专门处理不规则时序的架构。这份数据集不会替你做这些——它只是把原始时间结构交给你。

§2.6 单中心 vs 多中心：一个必须想清楚的取舍

前文提到本集是单中心。这里把取舍展开成对照：

维度	单中心（Yale 本集）	多中心拼接（如 BraTS-METS）
纵向一致性	强：同一 PACS、同一命名习惯、随访连得上	弱：拼接后往往丢失个体时间连续性
协议多样性	中：跨 20 年、跨场强厂商，但同一体系	强：跨机构真实异质
人群代表性	受限于纽黑文地区与耶鲁接诊结构	更广
域漂移风险	外部机构应用时需额外评估	内部已有跨域压力
标注可用性	无 mask	有病灶级 mask

一句话总结：单中心换来了时间连续性，代价是人群泛化。研究者应根据自己的任务目标（追踪轨迹 vs 跨院泛化）来选择。

§2.7 数据集在 TCIA 分级中的组织形态

TCIA 采用 Collection → Subject → Study → Series → Image 的五级组织。Yale 本集作为 Collection，逐级展开为：

Collection：Yale-Brain-Mets-Longitudinal（整个数据集）
Subject：1,430 个匿名患者（anonymized caseID）
Study：11,892 次成像检查（每患者多次）
Series：33,811 个序列实例
Image：每个 series 内的切片

这套层级正是「1,430 患者膨胀成 11,892 studies、再膨胀成 33,811 series」的来源，也是理解「为什么 studies 数远大于患者数」的关键——它是检查次数而非人数。

§2.8 拿到数据后该核验的七件事

一份好的数据集使用，始于「先核验、再训练」。建议在使用 Yale 本集前核验以下七项：

患者数与 studies 数：是否与官方口径一致（1,430 / 11,892 或 11,884）；
序列齐全度分布：每例平均几个序列？四序列齐全的比例多少？
时间点分布：每例平均几次随访？最少/最多/中位数各是多少？
时间间隔分布：两次随访之间的间隔中位数是多少？有无异常（如同一日重复）？
临床表完整性：年龄/性别缺失率如何？采集参数字段缺失率如何？
图像质量抽样：随机抽几例看影像是否完整、脑提取是否干净、有无伪影；
命名一致性：文件名是否严格符合 caseID_datetime_sequence 规范。

这七项做完，你会得到一份「数据可用性画像」，它决定了你能做多复杂的纵向建模——而不是被总规模数字误导。

§2.9 为什么这套数据的「临床元数据」值得单列

很多影像数据集只给影像，元数据残缺。Yale 本集的一个突出优点是临床与采集元数据的完整度：

临床侧：年龄（成像时点）、性别、study date——足以做协变量调整与亚组分析；
采集侧：厂商、型号、场强、2D/3D、层厚、层间距、TR、TE、TI——足以做批次效应（batch effect）建模与 harmony 校正。

在真实世界影像研究里，「看不清混杂因素」往往比「模型不够好」更致命。Yale 提供了控制这些混杂所需的字段，这是它作为科研语料的一个隐性优势。研究者若忽略这些字段而直接建模，等于白白丢弃了最有价值的一部分。

§2.10 一个具体的「纵向样本量」心算

用粗略估算帮读者建立量感（非官方数字，仅示意）：

1,430 患者 / 11,892 studies ≈ 平均每患者约 8.3 次 study；
11,892 studies / 1,430 患者 ≈ 每患者约 8 次随访；
33,811 series / 11,892 studies ≈ 平均每 study 约 2.8 个序列（即并非每次四序列齐全）。

这组比值说明：纵向深度是可观的（人均 ~8 次），但序列齐全度是打折的（人均每 study ~2.8 序列）。做纵向建模时，若严格要求「每次四序列齐全」，可用样本会明显缩水——这是必须提前评估的现实。

§2.11 数据完整性与伦理合规要点

作为一份临床回顾性数据集，Yale 本集在合规上有三个明确锚点：

伦理审批：耶鲁大学 IRB 于 2020-10-01 批准，protocol 2000029055，明确为回顾性（retrospective）研究；
去标识化：经 HD-BET 脑实质提取去除可识别面部特征（见 §4.2），并采用匿名化 caseID 与匿名化日期时间；
许可合规：CC BY 4.0 + TCIA Data Citation Required，要求使用者在发布成果时完整引用 DOI。

对使用者的提示是：即使数据集已去标识化，二次使用时仍应遵守所在机构的数据治理要求，且不得尝试重新识别任何个体。

§3 任务定位与家族对照

§3.1 它服务的是什么任务

数据集的服务定位在论文与 TCIA 页面中反复出现同一个措辞：“to assist in the long-term management of patients with brain metastasis”（辅助脑转移瘤患者的长期管理）。「长期管理」四个字点明了任务的时间维度。具体可落地的下游任务包括（前两条为数据集直接支持的通用能力，后几条为潜在方向、非官方基准）：

纵向检测与追踪：在多个时间点上识别、跟踪病灶，捕捉新发与增长。
疗效评估（treatment response）：对比治疗前后影像，判断缓解或进展。
进展预测：基于历史时间点预测未来演化。
跨时间点配准：把不同日期、不同协议的扫描对齐到可比空间。
放射组学（radiomics）特征时序分析：从序列中提取定量特征，观察其随时间的轨迹。

请特别注意第 3–5 条的定性：论文没有提出这些任务的官方定义、划分、或评测指标，因此本条目将它们标为「潜在任务」。这是与 BraTS-MET 最本质的差异——BraTS-MET 有明确的赛题与评分尺，Yale 没有。

§3.2 与 BraTS-MET（库内 rid 950）的逐维对照专节

库内已存在 brats-met（rid 950），同样围绕脑转移瘤。检索者极易混淆，故设专节一张表说清。核心区别：Yale 侧重纵向随访时间序列，BraTS-MET 侧重单次/治疗前后病灶分割。

维度	Yale Brain Metastases Longitudinal（本条目）	BraTS-METS（rid 950）
首要资产	纵向随访时间序列（同一患者多个时间点）	病灶级分割标签（专家勾画的 mask）
核心任务	纵向检测/追踪/疗效评估/进展预测	病灶级分割（lesion-wise segmentation）
时间维度	放疗/手术前后多时间点，近 20 年随访	单次或治疗前后有限时间点
标注	无分割 mask；仅临床/采集元数据	病灶级专家标注（四层流水线）
患者/stusies	1,430 患者 / 11,892 studies	2023：1303 studies；2024：651/88/119 cases
序列	T1W/T1CE/T2/FLAIR	T1/T2/FLAIR/T1PG（2023）；T1/T1CE/T2/T2-FLAIR（2024）
评测体系	无官方基准	lesion-wise Dice + HD95，FP/FN 判零
分发平台	TCIA（+ IBM Aspera）	Synapse（注册获取）
许可	CC BY 4.0（开放）	Synapse 条款（未直证，家族惯例）
组织性质	单一机构（耶鲁）数据发布	国际挑战赛（8 来源多中心）
体积	43 GB	多届数据，量级相近

怎么选：要勾病灶→BraTS-MET；要读时间→Yale。两者甚至可以是互补关系——用 BraTS-MET 训练分割器，再把它应用到 Yale 的随访序列上做纵向追踪，是一条合理的组合路径。

§3.3 与 UCSF-BMSR / 其他脑转移瘤资源的边界

UCSF-BMSR：412 患者 / 5136 病灶，重心同样是病灶分割，许可为 non-commercial。与 Yale 的差异同 BraTS-MET——它是单次分割定位，非纵向时间序列。
BraTS-MET 的上游来源：BraTS-MET 汇集了包括 UCSF-BMSR 在内的多个来源数据集，但它把这些来源「合并成一次性分割挑战」，而 Yale 保持「一家医院纵向随访」的原生形态。这反映了两条不同的数据集哲学：拼接多中心求泛化 vs 深挖单中心求时间连续性。

§3.4 任务谱系定位：Yale 站在哪一格

把脑转移瘤的 AI 任务按「空间维度（单次/纵向）× 标注维度（有/无 mask）」铺成一个 2×2 谱系：

	有病灶 mask	无病灶 mask
单次成像	BraTS-METS、UCSF-BMSR（病灶分割）	单次检测/分类任务
纵向随访	（公开资源稀缺）	Yale 本集

这张表暴露了一个显著空白：「纵向 + 有病灶 mask」这一格几乎没有成熟公开资源。Yale 占据了「纵向 + 无 mask」格，而正因如此，它的使用往往需要用户自己补上标注环节（自标注或伪标注）。这个空白也解释了 §9.3 推荐的组合路径为什么有价值——它是在人为拼出「纵向 + 有标注」。

§3.5 从「一次检查」到「一条轨迹」：纵向任务的建模视角

使用者在拿 Yale 做纵向任务时，会面对几种典型的建模范式：

序列到序列：把患者的时间点序列作为输入，预测未来时间点的状态；
成对比较：只取相邻两次时间点，做「变化检测」二分类（进展/稳定）；
时间点回归：在每个时间点独立输出状态，再用规则/后处理串成轨迹；
配准驱动：先把所有时间点配准到基线空间，再在统一坐标下比较。

每种范式对数据的要求不同：序列到序列要求时间点足够多（会被稀疏性限制）；成对比较要求时间点配对清晰；配准驱动则对影像质量与协议差异最敏感。数据集不预设范式，需要用户根据样本量自行取舍。

§4 数据处理与去标识化流水线

Yale 这个数据集的技术含量，很大一部分藏在「怎么把 PACS 里的原始 DICOM 变成能公开的 NIfTI」这条流水线上。它涉及三个环节：序列标准化、脑提取、元数据抽取。

§4.1 序列标准化：rules-based 分类器

原始数据的痛点在于：跨 20 年、跨厂商、跨技师、跨成像站点，同一序列的 DICOM 命名五花八门。有叫 “T1” 的、有叫 “T1 pre” 的、有带各种冗余后缀的。如果直接按 DICOM SeriesDescription 分，会得到几百种杂乱标签。

论文描述的解法是：先人工审查一批 studies 作为基准，据此开发一个基于规则的（rules-based）图像分类器 + 验证流程，按以下因子过滤：

方位（orientation）：筛选轴位（axial）；
采集技术（acquisition technique）：区分 2D 与 3D；
对比增强（contrast enhancement）：区分平扫与增强（用于把 T1W 与 T1CE 分开）；
自旋回波变体（spin echo variations）：保留相关序列，剔除变体；
冗余序列标识去除：精简命名约定。

这套方法的价值在于可复现性：它不依赖黑箱模型，而是把「什么算 T1CE」这件事写成人类可审计的规则链。对使用者的启示是——数据集里的序列标签是经过标准化的，但你仍应把它当「已对齐到四分类」而非「原始 DICOM 描述」。

§4.2 去标识化：HD-BET 脑实质提取

脑部 MRI 的隐私风险主要在面部特征——T1 加权扫描的头部体积里包含可重建的人脸。论文的处置方式是：把选中 studies 用 Visage API 导出为 NIfTI 后，应用 HD-BET（DOI 10.1002/hbm.24750，一种深度学习脑提取工具）对每张图像做脑实质提取（brain extraction / skull stripping），从而「确保去除可识别的面部特征」。

这是一个值得注意的工程决策：用脑提取而非直接切面来去标识化。副作用是数据集里的影像已经是「剥离颅骨后」的形态，做全脑分析没问题，但如果你的任务需要颅骨或头皮信号（如某些配准方法），需要意识到这层处理已经发生。

§4.3 元数据抽取：双通道

Yale 的元数据来自两条通道：

临床通道：从 EMR 抽取患者基线信息（成像时点年龄、性别、study date），检索截至 2023 年 12 月；
影像通道：从 DICOM 元数据抽取采集参数（位置、厂商、型号、场强、2D/3D、序列指定、层厚、层间距、TR、TE、TI）。

两条通道的数据被组织进同一个 Excel 文件（两个 sheet），再与影像目录通过 anonymized caseID 链接。使用者的首要工程步骤，就是把这份 XLSX 与影像目录 join 起来，构建 caseID → 时间点 → 序列 → 参数 的索引表。

§4.4 数据导出平台：Visage

值得记录的一个生态细节：数据是从 Visage 7（Visage Imaging, Inc.） 的 API 导出的，而论文作者名单里有大量 Visage Imaging 公司成员（Sven Schoenherr、Malte Westerhoff、Khaled Bousabarah 等）。论文正文提到 “exported from the Visage AI Accelerator in NIfTI format”。

这说明本数据集是一条产学研合作的产物：耶鲁提供临床数据与科研目标，Visage 提供 PACS 集成与批量导出工具链。这条链的意义在于——大规模临床影像的「科研化」瓶颈，往往不是算法而是从 PACS 里高效、合规地把数据搬出来的能力。Visage 在这个环节充当了基础设施。

§4.5 流水线全景图（文字版）

把上述四个环节串起来，完整链路如下：

耶鲁纽黑文医院 PACS/EMR
        │
        ▼
① EMR 检索「潜在颅内转移」→ 初筛 46,364 studies / 7,111 患者
        │
        ▼
② 人工 EHR 审查 → 剔除缺乏影像/病理确诊者
        │
        ▼
③ 序列一致性筛选（须含 axial T1W/T1CE/T2/FLAIR 之一）
        │
        ▼
④ 治疗前后纳入规则（治疗前 30 天内 + 全部随访）
        │
        ▼
   最终：11,892 studies / 1,430 患者
        │
        ▼
⑤ Visage 7 API 导出为 NIfTI
        │
        ▼
⑥ HD-BET 脑实质提取（去面部特征，去标识化）
        │
        ▼
⑦ rules-based 序列标准化分类器 → 统一为 T1W/T1CE/T2/FLAIR
        │
        ▼
⑧ 元数据抽取（EMR 临床 + DICOM 采集参数）→ XLSX 双 sheet
        │
        ▼
   TCIA 发布（Collection / DOI 10.7937/3YAT-E768 / CC BY 4.0）

这条链的每一步都留下了一个「数据形态印记」：③ 决定了只有四类序列，⑥ 决定了没有颅骨，⑦ 决定了序列标签是标准化的四分类，⑧ 决定了临床表的字段范围。使用前通读这条链，比读任何一篇介绍都更能避免踩坑。

§4.6 使用者应该做的第一件事：建索引

拿到数据后，最优先的工程动作不是急着训练模型，而是建立索引表：

解析影像目录 caseID_datetime_sequence.nii.gz，抽取三元组；
与临床 XLSX join，补上年龄/性别/参数；
按 caseID 分组、按 datetime 排序，得到每个患者的时间序列；
统计每个患者的时间点数与序列齐全度，评估可用样本量。

这四步做完，你才会真正知道「这份数据对你的任务到底有多少可用的纵向样本」——而不是被 11,892 这个总数迷惑。

§5 获取与许可

§5.1 三种资产、两种门

数据集拆成两类需要分别获取的资产：

资产	内容	体积	获取方式	许可
影像	MR NIfTI 体数据	43 GB	TCIA + IBM Aspera Connect 插件	CC BY 4.0
临床数据	Demographic + scanner details	2.67 MB XLSX	直接下载	CC BY 4.0

关键实操差异：影像走 Aspera（faspex），需要装 IBM Aspera Connect 客户端，不是普通浏览器直链；临床 XLSX 可以直下。如果你的目的只是拿到临床元数据做统计分析，不必为 43 GB 影像装 Aspera。

§5.2 许可条款全文要点

影像许可：CC BY 4.0（署名即可自由使用，含商用）。
临床数据许可：CC BY 4.0。
附加政策：Data Citation Required——用户须遵守 TCIA Data Usage Policy and Restrictions，且引用须包含规定格式（含 DOI 10.7937/3YAT-E768）。

CC BY 4.0 对科研用户是相当宽松的许可，但「Data Citation Required」把「署名」从道德要求提升为使用条件。合规引用格式见 §5.3。

§5.3 官方引用格式

Chadha, S., Weiss, D., Janas, A., Ramakrishnan, D., Hager, T., Osenberg, K., Willms, K., Zhu, J., Chiang, V., Bakas, S., Maleki, N., Sritharan, D. V., Schoenherr, S., Westerhoff, M., Zawalich, M., Davis, M., Malhotra, A., Bousabarah, K., Deuschl, C., Lin, M., Aneja, S., & Aboian, M. S. (2025). Yale longitudinal dataset of brain metastases on MRI with associated clinical data (Yale-Brain-Mets-Longitudinal) (Version 1) [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/3YAT-E768

§5.4 版本链

Version 1 · Updated 2025/05/30：2025 年 6 月更新临床数据表以去除重复项，影像与数据无实质变化（原文：“Updated clinical data sheet to remove duplicates, no significant change to data or imaging”）。
当前状态：Complete（已完成）。

对使用者的含义：如果拿到的是早期快照的临床表，可能有少量重复行，用 2025-05-30 之后的版本即可。

§5.5 获取实操：影像下载的分步要点

影像下载（43 GB）的实操流程大致为：

访问 TCIA 集合页，找到 Radiology Images 的 Download 链接（指向 faspex.cancerimagingarchive.net）；
安装 IBM Aspera Connect 插件/客户端（TCIA 页面明示需此插件）；
通过 Aspera 建立传输会话，拉取 43 GB 的 NIfTI 包；
校验下载完整性（比对文件数与体积）。

临床数据下载（2.67 MB）则简单得多：直接点击 XLSX 链接即可。

给带宽受限用户的建议：如果只是想做元数据分析或先探路，可以先只下临床 XLSX（2.67 MB），确认数据字段与结构符合需求后，再决定是否投入 43 GB 的影像下载。

§5.6 获取相关的三个常见疑问

疑惑一：为什么影像不能直接 HTTP 下？ 43 GB 的大文件用 Aspera 比 HTTP 更高效且更稳定，这是 TCIA 对大体量集合的常规做法。
疑惑二：需要注册吗？ 本集标注为 CC BY 4.0 开放许可，且 TCIA 页面未要求审批；但 TCIA 通用政策要求遵守 Data Usage Policy。具体是否需登录 Tcia 账户以下载，以平台实际操作流程为准（未逐条直证，见 §11.3）。
疑惑三：CC BY 4.0 与 TCIA 政策冲突吗？ 二者是「许可 + 使用条件」的叠加关系——CC BY 4.0 授予使用权，TCIA 政策附加引用义务。详见 §11.3 T5。

§6 DAIMS 评估（AI-Ready 数据管理成熟度）

DAIMS = Data Management Maturity，本条目用「可发现性 / 可获取性 / 互操作性 / 元数据 / 可持续性」五维对数据集的 AI-Ready 成熟度做相对评估。评分为本条目基于公开证据的相对判断，非任何官方认证。

维度	评级	证据与说明
D 可发现性（Discoverability）	高	TCIA 集合页 + DataCite DOI 10.7937/3YAT-E768 + arXiv:2506.14021，三重锚点；104 位作者引用格式标准化
A 可获取性（Accessibility）	中高	CC BY 4.0 开放；但影像需装 IBM Aspera Connect，比普通 HTTP 直链多一步；临床 XLSX 直下
I 互操作性（Interoperability）	中高	NIfTI 标准格式；每序列一个文件、命名规范统一；缺分割标签使其无法直接进分割 pipeline
M 元数据（Metadata）	高	逐次扫描的完整采集参数（TR/TE/TI/层厚/场强/厂商）+ 临床元数据；两 sheet XLSX 结构清晰
S 可持续性（Sustainability）	中高	TCIA 长期托管（NIH 系基础设施），Version 1 已更新一次；DOI 持久；但单一中心数据，长期扩展依赖原团队

DAIMS 阅读说明：可获取性扣分主要来自 Aspera 门槛（技术上非障碍，工程上多一步）；互操作性扣分来自「无分割标签」——它不是缺陷而是定位，但对习惯「即插即用分割数据集」的用户构成预期落差。总体而言，这是一个在元数据与许可上非常成熟、在获取工程上略有门槛的开放数据集。

§6.1 DAIMS 五维逐条展开

D 可发现性（Discoverability）——高
数据集有三重可检索锚点：① TCIA 集合页（含完整描述与方法）；② DataCite DOI 10.7937/3YAT-E768（跨库可解析）；③ arXiv:2506.14021 论文（含标准化作者列表与引用格式）。任一锚点都能定位到数据集。此外 TCIA 页面标注 12.2k views / 3 citations，说明已有相当的社区可见度。

A 可获取性（Accessibility）——中高
CC BY 4.0 属开放许可，无申请审批环节；但影像 43 GB 需 IBM Aspera Connect 插件传输，对不熟悉 Aspera 的用户是一道工程门槛。临床 XLSX 可直下，降低了仅需元数据用户的门槛。综合评为中高。

I 互操作性（Interoperability）——中高
NIfTI 是神经影像事实标准，几乎所有主流工具（FSL、ANTs、nibabel、MONAI、nnU-Net）都能直接读；命名规范统一（caseID_datetime_sequence）。扣分项是无分割标签，无法直接进分割训练 pipeline，需要用户自行标注或借外部模型生成伪标签。

M 元数据（Metadata）——高
逐次扫描的完整采集参数（TR/TE/TI/层厚/层间距/场强/厂商/2D-3D）+ 临床人口学数据，且明确说明「每个扫描的完整参数明细在 XLSX 中」。这种粒度的元数据在开放影像数据集中属上乘，是做批次效应校正与协议分层分析的必备材料。

S 可持续性（Sustainability）——中高
TCIA 由美国 NIH/NCI 支持，是长期运行的影像档案库，DOI 持久化有保障；数据集已发布 Version 1 并更新过一次（2025/05/30）。扣分项在于单中心数据，长期扩展（如加入更多机构）依赖原团队后续动作，且目前为 Complete 状态，不确定是否会有 v2 扩容。

§6.2 与库内其他条目的 AI-Ready 对照

相比 BraTS-METS（Synapse 注册制、许可未直证），Yale 的许可透明度更高（明确 CC BY 4.0）；
相比申请制数据集（如部分医院私有数据），Yale 的获取门槛更低（无审批）；
相比纯元数据登记（如仅 census 数据），Yale 的元数据与影像绑定更完整。

§6.3 评级的维护触发条件

以下情况发生时，本 DAIMS 评级应重核：

TCIA 页面更新 studies 计数（消解双口径）；
期刊正式版论文发布（补全引用链）；
若后续版本加入分割标注（互操作性上调）；
若加入多中心数据（可持续性与代表性重评）。

§7 生态与影响

§7.1 在前列腺…不，在脑转移瘤影像景观中的位置

要理解 Yale 这个数据集的位置，可以把它放进脑转移瘤公开数据的三类形态里看：

分割型（segmentation-centric）：BraTS-MET、UCSF-BMSR。核心产出是病灶 mask，服务「把病灶勾出来」。
分类/检测型（classification/detection-centric）：以单次扫描判断有无转移、病灶数目等。
纵向随访型（longitudinal-centric）：Yale 属于这一类，且在公开资源中长期稀缺。

论文自己打出的旗号是 “To our knowledge, this is the largest publicly available MRI dataset of patients with brain metastases.”（据我们所知，这是最大的公开脑转移瘤 MRI 数据集）。这个「最大」按患者数 + 时间深度两个维度同时成立：1,430 患者虽不是天文数字，但配上近 20 年随访、11,892 studies，它的时间纵向密度在公开资源里几乎没有对手。

§7.2 数据集的三个不可替代点

时间深度：2004–2023 近 20 年，跨介质变迁（1.5T→3T、2D→3D），单中心的连续性难以在拼接型数据集中复现。
真实世界异质性：不做「挑好看的」扫描，保留真实临床的协议与质量波动——这正是论文强调的「representative of real-world imaging studies」。
开放许可：CC BY 4.0（不是 non-commercial、不是申请制），商业与非商业研究都可直接使用，这在临床影像数据里是稀缺的宽松度。

§7.3 与 TCIA 生态的关系

Yale 是本数据集在 TCIA 平台上的一个 Collection。TCIA 作为美国 NIH 支持的国家级影像档案库，本身是一个庞大的集合目录（库内 rid 547 为 TCIA 总条目）。Yale 加入 TCIA，意味着它继承了 TCIA 的 Data Citation 政策、Aspera 分发通道、DOI 持久化，以及「与平台上其他脑影像集合并列可发现」的曝光度。

§7.4 产学研合作范式

前文已述，作者名单横跨耶鲁、德国埃森大学医院、斯坦福、印第安纳大学、宾大、CHOP、莱比锡大学，以及 Visage Imaging 公司。这种「大学 + 医院 + PACS 厂商」的组合，是大型临床影像数据集走向开放的一种可复制范式：医院出数据、高校出方法、厂商出工具链。

§7.5 作者网络的跨条目意义

值得注意的是，作者名单里的 Spyridon Bakas 同时出现在 BraTS 系列（含 BraTS-METS）的核心作者中，Mariam S. Aboian 则是 UCSF-BMSR 及多篇脑转移瘤 AI 论文的活跃作者。这意味着：

Yale 本集与 BraTS-METS、UCSF-BMSR 在人脉层面是同一个社区；
未来这几份数据在方法、标注规范、评测口径上有相互借鉴的可能；
检索脑转移瘤数据时，追这条作者网络往往能发现更多关联资源。

§7.6 数据集的引用可见度

TCIA 页面显示本集有 12.2k views / 3 citations（2026-10-09 抓取）。3 次引用相对于其体量与发布时长（2025-06 发布）而言仍属早期；随着纵向脑转移研究升温，预计引用会上升。研究者引用时应使用官方格式（见 §5.3），以确保 DOI 链接正确计入。

§7.7 对下游研究的潜在推动

结合本集特性，可能被推动的研究方向包括（均为推断，非官方声明）：

纵向病灶追踪算法：跨时间点匹配同一病灶、识别新发病灶；
疗效反应分类：按 RANO-BM 等标准自动分类缓解/稳定/进展；
放射性坏死 vs 复发的纵向鉴别：用时间动态特征区分两者；
跨时间点配准方法：解决不同场强/协议下同一患者影像的对齐；
放射组学时序建模：提取特征并建模其演化轨迹。

再次强调：这些方向没有官方提供的数据划分或基准，属于研究者自组织。

§7.8 数据集的三层价值拆解

如果把这份数据集的价值分层看，可以拆成三层：

第一层（直接可用）：作为影像语料——43 GB 真实世界脑 MRI，可用于预训练、域适应研究、图像质量研究。即使不碰纵向结构，它也是一份体量可观的脑部 MRI 集。

第二层（需加工）：作为纵向结构语料——caseID × datetime × sequence 的时间序列，可用于纵向建模、进展预测、轨迹分析。这一层需要用户自己建索引、处理稀疏性。

第三层（需外部补足）：作为纵向标注任务的底座——在它之上补标注（自标注或伪标注），可支撑分割、检测等监督任务。这一层需要额外投入。

三层价值对应三类用户：只想拿影像的人、想做纵向建模的人、想做监督学习的人。认清自己处在哪一层，就不会对「没标注」感到失望。

§7.9 与「开放科学」趋势的关系

Yale 本集的发布本身是开放科学（open science）趋势的一个注脚：一份单中心、近 20 年、43 GB 的临床影像数据被以 CC BY 4.0（最宽松许可之一）公开，且附完整元数据与 DOI。这在十年前的临床影像领域几乎不可想象。它体现的转变是：

从「数据私有」到「数据公开」；
从「不给许可」到「CC BY 4.0」；
从「只给影像」到「影像 + 完整元数据 + DOI 持久化」。

对研究者的意义是：获取高质量临床影像数据的门槛正在降低，但相应地，数据集数量在爆炸，选对数据集、读懂其口径与限制的能力变得更重要——这正是本条目试图帮上忙的地方。

§8 方法学启示：四条可迁移的经验

§8.1 「真实世界异质性」应是设计目标，不是过滤掉的噪声

Yale 有意保留了跨 20 年、跨厂商、跨场强的协议变异。这与很多「精选数据集」相反——后者会挑最干净、最标准的扫描。Yale 的逻辑是：真实临床部署的 AI 模型，面对的就是这种脏数据，一个只在标准协议上训练好的模型到了别的医院就会崩。把异质性保留下来，等于把域漂移的难度前置到训练阶段。

§8.2 「纵向」是一种数据组织承诺，代价不菲

把同一患者多个时间点串起来，意味着必须在纳入规则、时间语义、去标识化上做大量协调工作。Yale 的「治疗前 30 天内扫描 + 全部随访」是一条清晰的纳入规则，它用规则来定义「什么叫基线」。想让数据集支持纵向任务，就必须先想清楚「时间点的边界在哪里」，而不是把时间戳随便挂在文件上。

§8.3 「无标注」也是一种能力主张

Yale 不提供分割 mask，看似是短板，实际上是一种定位选择：它把标注的负担留给下游（用户按自己的任务标注），从而保持数据的通用性与开放性。这提示一个取舍——轻标注 + 大开放 vs 重标注 + 有限分发，两条路各有生态位。

§8.4 去标识化用「脑提取」是隐私与可用性的平衡

HD-BET 脑提取去掉了面部信息，代价是颅骨/头皮信号也被剥掉。这是一个典型的隐私—可用性权衡：对全脑分析无损，对需要颅骨信息的任务有损。方法学上值得记录的是——去标识化方案会悄悄改变数据的形态，使用前必须读清它做了什么。

§9 与库内条目的关系

§9.1 家族图谱

库内条目	rid	关系
brats-met	950	最相关近邻：同为脑转移瘤，但为分割赛道（库内另有专条）
brats-meningioma	949	BraTS 家族脑膜瘤赛道
brats	24	BraTS 主赛道（胶质瘤）
tcia	547	平台层互链：本数据集所属的 TCIA 总条目
ucsd-vs-longitudinal	957	同为「纵向（longitudinal）」定位的血管数据（跨模态互链）
upenn-gbm / crossmoda-2023 / fets	视库内命中	TCIA/脑影像平台层互链候选

§9.2 检索路径建议

搜「脑转移瘤 + 分割」→ 去 brats-met（950）。
搜「脑转移瘤 + 随访/纵向/放疗前后」→ 来本条（yale-brain-mets-longitudinal）。
搜「TCIA 上的脑影像」→ 先看 tcia（547），再到本条。
想做「分割器 + 纵向追踪」组合 → 用 brats-met 训分割、拿本条做随访序列。

§9.3 与 brats-met 的互补组合路径（展开）

这是本条目最推荐读者理解的一点：Yale 与 BraTS-METS 不是竞争关系，而是上下游关系。一条合理的组合研究路径是：

在 BraTS-METS 上训练/微调一个病灶级分割器（因为它有专家 mask）；
把该分割器应用到 Yale 的纵向随访序列上，得到每个时间点的伪分割；
在 Yale 的时间序列上分析伪分割的演化轨迹（体积变化、新发病灶、消失）；
用 Yale 的临床元数据（年龄/性别/日期）做协变量建模。

这条路径把「有标注但时间浅」与「无标注但时间长」两种资源的长处拼起来，是纵向脑转移瘤 AI 研究的可行范式。当然，第 2 步的伪标签噪声是主要风险，需要质量控制。

§9.4 库内没有、但值得注意的外部近邻

（以下不在库内，仅作检索提示，避免用户误以为库内已有）：

UCSF-BMSR：412 患者/5136 病灶的分割数据集，是 BraTS-METS 的上游之一；
RANO-BM 相关公开集：疗效评估标准相关数据，多为私有或申请制；
其他 TCIA 脑部集合：TCIA 平台上还有多种脑肿瘤/脑疾病集合，可通过 tcia（547）条目探索。

§9.5 术语与 slug 的检索友好度

本条目 slug yale-brain-mets-longitudinal 采用了「机构 + 部位 + 疾病 + 性质」的四段式，优点是：搜 “yale” “brain mets” “longitudinal” 任一关键词都能命中，且避免了与 brats-met 的 slug 冲突。中文检索时，“脑转移瘤纵向” “耶鲁脑转移” 等词组都能定位到本条。

§10 避坑清单：八个已踩过的坑

「坑 N」编号制，覆盖本数据集特有的陷阱。

坑 1：把 studies 数当患者数。
「11,892」是 studies（扫描检查次数），不是患者数。患者数是 1,430。一条患者的多次随访会膨胀出十几倍 studies。混用即错。

坑 2：studies 数存在双口径（11,892 vs 11,884）。
TCIA 集合页写 11,892，arXiv:2506.14021 写 11,884，差 8。引用时必须带口径，写清「TCIA 页面口径」或「论文口径」，不要擅自取其一。详见 §11。

坑 3：以为有病灶分割标签。
没有。 TCIA 页面明示 “No related Analysis Results found”，数据集不含分割 mask。要 mask 请去 BraTS-MET（rid 950）。这是最常见的预期落差。

坑 4：以为可以 curl 直接下影像。
影像走 TCIA + IBM Aspera Connect，需要装客户端；43 GB 不是 HTTP 直链能下的。只有 2.67 MB 的临床 XLSX 可以直接下载。

坑 5：以为它是国际多中心数据集。
它是单中心（耶鲁纽黑文医院）。这与 BraTS-MET 的「8 个国际来源」完全不同。单中心带来的纵向一致性优势与泛化局限，都要在使用时权衡。

坑 6：把「arXiv 论文标题里的 11,000」当成精确数。
论文题名用的是概数 “An 11,000-Study Open-Access Dataset”，摘要里才是精确的 11,884。别拿标题的 11,000 当精确值引用。

坑 7：忽略脑提取已经发生。
影像已用 HD-BET 做过脑实质提取（去面部特征）。如果你需要颅骨或头皮信号，这些数据已经没有了。用前请读 §4.2。

坑 8：拿它当有排行榜的赛道。
没有任何官方基准、赛题或排行榜。 论文是数据描述型，不是挑战赛。若你看到某篇论文声称「Yale 数据集 SOTA xxx」，那多半是第三方自设评测，与官方无关。别把它和 BraTS-MET 的官方评测混为一谈。

§10.1 五个高频误解（误解 vs 事实）

误解	事实
「这是脑转移瘤分割数据集」	不是，是纵向随访数据集，无分割 mask（坑 3）
「11,892 就是患者数」	是 studies 数，患者数是 1,430（坑 1）
「它是国际多中心数据」	是单中心（耶鲁纽黑文医院）（坑 5）
「可以像 Kaggle 那样直接下载」	影像需 Aspera 客户端（坑 4）
「它是挑战赛有官方分数」	无官方基准（坑 8）

§10.2 引用时的三个注意事项

口径声明：studies 数引用必须带口径（11,892 TCIA / 11,884 论文）。
版本声明：写明 Version 1（2025/05/30 更新）。
DOI：务必含 10.7937/3YAT-E768，以符合 Data Citation Required 政策。

§10.3 使用前的自查清单

[ ] 我的任务是否需要病灶 mask？（需要→换 BraTS-METS）
[ ] 我的任务是否用得上时间维度？（用不上→考虑其他数据）
[ ] 我是否评估了单中心的泛化限制？
[ ] 我是否知道影像已做 HD-BET 脑提取？
[ ] 我是否准备好 Aspera 客户端来下 43 GB？
[ ] 我的引用是否带口径 + 版本 + DOI？

§11 存照与待核：双口径冲突逐条

AI-Ready 条目的核心纪律是不擅自合并冲突口径。以下列出本数据集全部已知的双口径与待核项。

§11.1 冲突 1：studies 计数（11,892 vs 11,884）

来源	数值	出处
TCIA 集合页（Abstract + Methods）	11,892	https://www.cancerimagingarchive.net/collection/Yale-Brain-Mets-Longitudinal/
arXiv:2506.14021（摘要）	11,884	https://arxiv.org/abs/2506.14021

差值 8 studies。处置口径：正文与速览卡并列两个数字，各自标注来源；引用时须写明口径。可能的成因（推测，未直证）：TCIA 页面在 Version 1 更新（2025-05-30 去重临床表）后对 studies 计数做了调整，或论文提交（2025-06-16）与数据最终冻结之间存在时点差异。不作定论。

§11.2 冲突 2：论文题名概数与精确数

题名：“An 11,000-Study Open-Access Dataset…”——概数；
摘要：“11,884 longitudinal brain MRI studies”——精确数。
两者非矛盾，但引用精确数时应用 11,884（论文）或 11,892（TCIA），而非题名的 11,000。

§11.3 待核项清单

编号	待核项	现状
T1	Images 精确计数	TCIA 表格给出 Subjects=1,430 / Studies=11,892 / Series=33,811，但 Images 列数值未直证（页面未解析出明确数）
T2	期刊正式版	TCIA 页面 Publication Citation 栏为 “coming soon”，未直证是否已见刊及卷期
T3	原发癌种分布	公开摘要未给出肺癌/乳腺癌/黑色素瘤等原发肿瘤分布，未直证
T4	临床表完整列名	除年龄/性别/study date 外，其余列名未逐列直证，须下载 XLSX 确认
T5	CC BY 4.0 与 TCIA 政策关系	影像/临床表均标 CC BY 4.0，叠加 Data Citation Required；两者是否构成附加限制，未逐条直证
T6	无分割标签的官方否定声明	「不含 mask」系从「Data Types 仅 MR+Demographic」与「No related Analysis Results found」推断，证据充分但非官方显式否定

§11.4 双口径处理的三条通用纪律

并列不合并：任何冲突数字都要各自带来源，不做「取平均」「取最新」的擅自处理。
引用带口径：写论文引用时明写「TCIA 页面口径 11,892」或「论文口径 11,884」。
成因说明为推测：对冲突成因（如更新时点差异）只写「推测，未直证」，不下定论。

§11.5 核验收敛过程留痕

2026-10-09：TCIA 集合页实抓成功，获规模/series/license/版本/引用格式全量信息；
2026-10-09：arXiv:2506.14021 摘要页实抓成功，获论文口径 11,884 与作者列表；
2026-10-09：WebSearch 交叉验证，确认论文与集合页的一致性及差异点。
三源互证达成，核心数字（1,430 患者）三源一致，studies 数两源存异（已存照）。

§12 总结

§12.1 三句话总结

它是谁：TCIA 托管、耶鲁大学发布的脑转移瘤纵向 MRI 数据集，1,430 患者 / 11,892 studies / 43 GB / CC BY 4.0 / DOI 10.7937/3YAT-E768。
它给什么：T1W/T1CE/T2/FLAIR 四序列 NIfTI + 完整临床/采集元数据，覆盖放疗/手术前后多时间点，跨近 20 年真实世界采集。
它的独特：把「纵向随访」当第一资产——与 BraTS-MET 的「单次病灶分割」形成互补，是公开资源里稀缺的时间维度脑转移瘤语料。

§12.2 适合谁

研究纵向影像分析、病灶追踪、疗效评估、进展预测的团队；
需要真实世界异质协议（跨厂商/场强/年代）训练鲁棒模型的开发者；
需要开放许可（CC BY 4.0）做商业或非商业研究的使用者；
做放射组学时序分析、跨时间点配准的方法学研究者。

§12.3 不适合谁

需要即插即用的病灶分割 mask的人（去 BraTS-MET）；
需要国际多中心拼接数据做跨域泛化的人（本集为单中心）；
需要官方排行榜/挑战赛评分的人（本集无基准）；
需要原始未脑提取影像（含颅骨/头皮）的人（已 HD-BET 处理）。

§12.4 30 秒决策卡

你在找什么	结论
脑转移瘤 + 纵向随访	✅ 就是它
脑转移瘤 + 病灶分割 mask	❌ 去 brats-met（950）
开放许可（CC BY 4.0）脑转移瘤影像	✅ 本篇
多中心泛化数据	❌ 单中心
官方 benchmark	❌ 无
43 GB 影像快速下载	⚠️ 需 Aspera 客户端

FAQ（高频问答 18 问）

A. 基础认知

Q1：Yale Brain Metastases Longitudinal 和 BraTS-MET 是同一个吗？
不是。前者是「纵向随访」，后者是「病灶分割赛道」。库内是两个独立条目（本条与 brats-met/950）。

Q2：这个数据集是挑战赛吗？
不是。它是数据描述型论文（arXiv:2506.14021），无赛题、无排行榜。

Q3：发布机构是谁？
耶鲁大学医学院放射与生物医学影像系，数据来源为耶鲁纽黑文医院，托管于 TCIA。

Q4：有多少患者？
1,430 例经病理或影像学确认的脑转移患者。

Q5：有多少次扫描？
11,892 studies（TCIA 口径）/ 11,884（论文口径）。见 §11.1。

B. 数据与获取

Q6：怎么下载？
影像走 TCIA + IBM Aspera Connect 插件（43 GB）；临床 XLSX（2.67 MB）直接下载。

Q7：许可是什么？
影像与临床数据均 CC BY 4.0，附加 TCIA “Data Citation Required” 政策。

Q8：含哪些序列？
T1W（T1 平扫）、T1CE（T1 增强）、T2、FLAIR 四序列，NIfTI 格式。

Q9：有临床数据吗？
有。2.67 MB XLSX，两个 sheet：临床信息（年龄/性别/study date）+ 影像采集参数（厂商/型号/场强/层厚/TR/TE/TI 等）。

Q10：有分割标注吗？
没有。TCIA 明示 “No related Analysis Results found”。

C. 数据细节

Q11：影像经过什么处理？
经 Visage 导出为 NIfTI，并用 HD-BET 做脑实质提取以去除面部特征。

Q12：时间跨度多长？
2004–2023，近 20 年。

Q13：来自几家医院？
单中心——耶鲁纽黑文医院。

Q14：初筛规模多大？
自动 EMR 查询初筛 46,364 studies / 7,111 患者，人工审查后保留 1,430 患者 / 11,892 studies。

Q15：场强和厂商？
多数 1.5T 或 3T，Siemens Healthineers 或 GE Healthcare。

D. 生产与库内

Q16：为什么要单独建一个条目，而不是并入 brats-met？
因为定位根本不同（纵向 vs 分割）、分发平台不同（TCIA vs Synapse）、许可不同（CC BY 4.0 vs Synapse 条款）、标注不同（无 vs 病灶级）。合并会造成检索误导。

Q17：和 tcia（rid 547）什么关系？
本数据集是 TCIA 平台上的一个 Collection，tcia 条目是平台总览。二者是「集合」与「平台」的关系。

Q18：适合做基础模型预训练语料吗？
适合做医学影像领域（尤其神经肿瘤）的自监督/纵向预训练语料：规模大、开放许可、真实世界异质。但需注意无标注、单中心两个限制。

E. 工程与实操

Q19：下载后第一步该做什么？
建立索引表：解析文件名三元组 → join 临床 XLSX → 按患者分组排序 → 统计时间点分布。见 §4.6。

Q20：影像文件怎么命名？
规范为 caseID_date-time_sequence.nii.gz，即匿名患者标识 + 匿名化 study 日期时间 + 序列类型。

Q21：临床表和影像怎么对齐？
通过匿名化的 caseID 与 study 日期时间对齐；临床表有两个 sheet（临床信息 + 采集参数）。

Q22：时间间隔规则吗？
不规则。临床上按需开单，间隔从数周到数年不等，且随访次数因患者而异——这是纵向数据的本质特征，见 §2.5。

Q23：可以用 MONAI / nnU-Net 直接读吗？
可以，NIfTI 是它们原生支持的格式。但因为没有分割标签，nnU-Net 无法直接训练分割任务，需要先有标签。

Q24：43 GB 下载大概多久？
取决于带宽；Aspera 针对大文件高带宽场景优化，通常比普通 HTTP 快。无法给出固定时间的准确估计，请以实际网络为准。

Q25：能不能只用临床数据不做影像？
可以——临床 XLSX 仅 2.67 MB，可直接下载，适合做人口学/采集参数相关的统计分析。

F. 合规与引用

Q26：商业用途可以吗？
CC BY 4.0 允许商用，但须署名并按 TCIA 政策引用（含 DOI）。

Q27：引用格式是什么？
官方格式见 §5.3，作者为 Chadha 等（2025），数据集名 + Version 1 + The Cancer Imaging Archive + DOI。

Q28：不引用会怎样？
违反 TCIA “Data Citation Required” 政策。这是个使用条件，不只是道德建议。

Q29：数据会更新吗？
已发布 Version 1（Updated 2025/05/30），状态 Complete。是否会有 v2 未可知，依赖原团队。

Q30：为什么有两个 studies 数字？
TCIA 页面 11,892 vs 论文 11,884，差额 8。成因推测为更新时点差异，未直证。引用带口径即可，见 §11.1。

G. 定位辨析

Q31：它是不是「脑转移瘤版的 ADNI」？
可以这么类比其「纵向」定位（ADNI 是阿尔茨海默纵向队列），但 Yale 本集是单中心、无标注、无统一随访时间表，比 ADNI 结构松散得多。类比仅用于理解「纵向」概念，不宜直接套用 ADNI 的评测体系。

Q32：为什么不做成分割数据集？
定位选择。作者把标注负担留给下游，换取数据的通用性与开放性。见 §8.3。

Q33：它跟 BraTS 家族是什么关系？
没有直接的父子关系，但共享作者社区（Bakas 等）与研究对象（脑肿瘤/脑转移）。BraTS 是分割赛道，Yale 是纵向随访资源。

Q34：如果我只能选一份脑转移瘤数据，选哪个？
看任务：分割任务选 BraTS-METS；纵向/随访/疗效轨迹任务选 Yale 本集。二者不互斥，可组合。

附录 E：一个纵向研究的「伪代码」工作流示范

以下是为帮助读者落地而写的示意性工作流（非官方，仅示范数据组织的思路）：

# 示意：组织 Yale 纵向数据结构（伪代码，非可直接运行）
import os, pandas as pd

# 1) 解析影像目录，抽取 caseID / datetime / sequence
records = []
for fname in os.listdir("Yale-Brain-Mets-Longitudinal/"):
    # 命名规范: caseID_date-time_sequence.nii.gz
    stem = fname.replace(".nii.gz", "")
    case_id, dt, seq = stem.rsplit("_", 2)
    records.append({"case_id": case_id, "datetime": dt, "sequence": seq,
                    "path": os.path.join("Yale-Brain-Mets-Longitudinal/", fname)})
imaging = pd.DataFrame(records)

# 2) 读取临床/采集参数 XLSX（两 sheet）
clinical = pd.read_excel("Yale-Brain-Mets-Longitudinal_ClinicalData_20250605.xlsx",
                         sheet_name="clinical")
acquisition = pd.read_excel("Yale-Brain-Mets-Longitudinal_ClinicalData_20250605.xlsx",
                            sheet_name="acquisition")

# 3) 按患者分组、按时间排序，构建纵向序列
imaging["datetime"] = pd.to_datetime(imaging["datetime"], errors="coerce")
longitudinal = (imaging.sort_values(["case_id", "datetime"])
                       .groupby("case_id"))

# 4) 统计每个患者的时间点数与序列齐全度
per_patient = imaging.groupby("case_id").agg(
    n_timepoints=("datetime", "nunique"),
    n_sequences=("sequence", "nunique"),
    n_files=("path", "count"))
print(per_patient.describe())  # 评估可用纵向样本量

注意：以上字段名（clinical / acquisition sheet 名、列名）为示意，实际列名须下载 XLSX 后确认（见 §11.3 T4）。

附录 F：30 秒「该不该用这份数据」决策树

你的任务是脑转移瘤相关吗？
├─ 否 → 本数据集不适用
└─ 是
   ├─ 需要病灶分割 mask？
   │   ├─ 是 → 用 BraTS-METS (rid 950)，非本集
   │   └─ 否
   │      ├─ 需要纵向时间序列（随访/疗效/进展）？
   │      │   ├─ 是 → ✅ 本数据集高度对口
   │      │   └─ 否 → 单次分析可用，但浪费纵向价值
   │      └─ 需要多中心泛化？
   │          ├─ 是 → 注意本集为单中心，需评估域漂移
   │          └─ 否 → ✅ 可直接使用

事实清单（硬事实 24 条）

官方全名：Yale longitudinal dataset of brain metastases on MRI with associated clinical data。
TCIA 集合短名：Yale-Brain-Mets-Longitudinal。
本条目 slug：yale-brain-mets-longitudinal。
DOI：10.7937/3YAT-E768（DataCite，TCIA）。
发布方：耶鲁大学医学院放射与生物医学影像系。
托管平台：TCIA（The Cancer Imaging Archive）。
患者数：1,430。
studies 数：11,892（TCIA）/ 11,884（论文）。
series 数：33,811。
数据体积：43 GB（影像）+ 2.67 MB（XLSX）。
初筛 studies：46,364（7,111 患者）。
序列：T1W / T1CE / T2 / FLAIR。
格式：NIfTI（.nii.gz）。
时间跨度：2004–2023。
场强：1.5T 或 3T。
厂商：Siemens Healthineers / GE Healthcare。
IRB：耶鲁大学 2020-10-01 批准，protocol 2000029055。
去标识化：HD-BET 脑实质提取（DOI 10.1002/hbm.24750）。
导出平台：Visage 7（Visage Imaging）。
许可：CC BY 4.0（影像与临床数据）。
使用政策：Data Citation Required。
版本：Version 1，Updated 2025/05/30；状态 Complete。
论文：arXiv:2506.14021（2025-06-16），通讯作者 Mariam S. Aboian。
官方基准/分割标注：均无。

附录 A：来源与核验记录

来源	URL	用途	抓取时点
TCIA 集合页	https://www.cancerimagingarchive.net/collection/Yale-Brain-Mets-Longitudinal/	一手：规模/license/序列/方法/引用	2026-10-09
arXiv 摘要页	https://arxiv.org/abs/2506.14021	一手：论文口径/作者/日期	2026-10-09
WebSearch（三源之一）	检索 “Yale Brain Metastases Longitudinal dataset MRI 11892 studies 1430 patients Aboian paper”	交叉验证论文与集合页一致性	2026-10-09

网络预算执行：WebFetch × 2、WebSearch × 1（均在预算内）。三源互证达成：TCIA 集合页 + arXiv 论文 + TCIA Data Citation 段落。

附录 B：DAIMS 评估全表

见 §6。五维评级：可发现性（高）/ 可获取性（中高）/ 互操作性（中高）/ 元数据（高）/ 可持续性（中高）。

附录 C：建议互链点

目标条目	rid	链接理由
brats-met	950	脑转移瘤近邻：纵向 vs 分割对照
brats-meningioma	949	BraTS 家族脑肿瘤赛道
brats	24	BraTS 主赛道
tcia	547	平台层：本集所属 TCIA
ucsd-vs-longitudinal	957	同「纵向」定位（跨模态）

附录 D：术语表

术语	英文	释义
脑转移瘤	brain metastases	原发性肿瘤转移至脑的继发性肿瘤
纵向随访	longitudinal follow-up	同一患者多个时间点的连续成像
T1CE	contrast-enhanced T1-weighted	钆对比剂增强后的 T1 加权序列
FLAIR	fluid-attenuated inversion recovery	液体衰减反转恢复序列
SRS	stereotactic radiosurgery	立体定向放射外科
WBRT	whole-brain radiation therapy	全脑放疗
HD-BET	—	深度学习脑提取工具（去标识化用）
DAIMS	Data Management Maturity	数据管理成熟度评估框架
NIfTI	Neuroimaging Informatics Technology Initiative	神经影像标准文件格式
TCIA	The Cancer Imaging Archive	美国 NIH 支持的癌症影像档案库
As pera	IBM Aspera Connect	高速大文件传输工具

附录 D2：术语表（续）

术语	英文	释义
脑转移瘤	brain metastases	原发性肿瘤转移至脑的继发性肿瘤
液体衰减反转恢复	FLAIR	抑制脑脊液信号、突出水肿的 MRI 序列
立体定向放射外科	SRS	高精度单次/少分次大剂量放疗
全脑放疗	WBRT	对整个脑部进行放疗
放射组学	radiomics	从影像中高通量提取定量特征的方法
域漂移	domain shift	训练与部署分布不一致导致的性能下降
批次效应	batch effect	非生物学因素（如扫描仪）造成的系统性偏差
伪标签	pseudo-label	用模型自动生成、替代人工标注的标签
稀疏张量	sparse tensor	许多位置无观测的多维数据结构
治疗反应评估	treatment response	判断治疗是否有效（缓解/稳定/进展）

附录 G：数据集与库内条目的「一图流」定位

                   脑转移瘤（brain metastases）相关库内条目
                              │
              ┌───────────────┴───────────────┐
        病灶分割派                        纵向随访派
              │                               │
        brats-met (950)              yale-brain-mets-longitudinal
     （BraTS 分割赛道）                  （本条，TCIA 纵向数据集）
        brats-meningioma (949)                │
        brats (24)                          关联平台
              │                               │
         Synapse 分发                    tcia (547)
     病灶级 Dice+HD95                 CC BY 4.0 / Aspera

    交叉点：同作者社区、同研究对象、可组合（分割器→纵向追踪）

附录 H：版本与维护记录

日期	事件	说明
2020-10-01	耶鲁 IRB 批准	protocol 2000029055
2004–2023	数据时间跨度	近 20 年
2023-12	数据检索截止	“all data retrieved as of December 2023”
2025-05-30	Version 1 更新	临床表去重，影像无实质变化
2025-06-16	arXiv 论文提交	arXiv:2506.14021
2026-10-09	本条目抓取	TCIA + arXiv 三源互证

附录 I：常见问题速查索引

你想知道	去读
它是什么	§0、§1
多少患者/多少影像	§1 速览卡、§2.1
和 BraTS-MET 区别	§3.2
怎么下载	§5.1
许可怎么说	§5.2
数据怎么组织	§2.4、§4.6
有没有标注	§1 Q8、坑 3
有没有基准	§1 Q9、坑 8
双口径是什么	§11
有什么坑	§10

附录 J：本条目的一句话摘要（供检索与社交分享）

Yale Brain Metastases Longitudinal 是 TCIA 旗下、耶鲁大学发布的脑转移瘤纵向 MRI 数据集——1,430 患者、11,892 studies、近 20 年随访、T1W/T1CE/T2/FLAIR 四序列、CC BY 4.0 开放获取（DOI 10.7937/3YAT-E768），是当前公开资源里稀缺的「以随访时间序列为第一资产」的脑转移瘤影像语料，与 BraTS-METS 的病灶分割赛道形成互补。

—— 完 ——

维度	内容
本质	TCIA 旗下的脑转移瘤纵向 MRI 数据集（非挑战赛、非分割数据集）
官方全名	Yale longitudinal dataset of brain metastases on MRI with associated clinical data
TCIA 短名	Yale-Brain-Mets-Longitudinal（集合页 URL 大小写混合）
本库 slug	`yale-brain-mets-longitudinal`
DOI	10.7937/3YAT-E768（DataCite，TCIA，“Data Citation Required”）
发布方	耶鲁大学医学院放射与生物医学影像系（Yale School of Medicine）
数据来源	耶鲁纽黑文医院（Yale New Haven Hospital）电子病历 2004–2023
患者数	1,430 例经病理/影像学确认的脑转移患者
studies	11,892（TCIA 口径） / 11,884（论文口径）——双口径见 §11
series / 体积	33,811 series / 43 GB（影像）+ 2.67 MB（临床 XLSX）
序列	T1W / T1CE / T2 / FLAIR 四序列，NIfTI 格式
时间维度	2004–2023 近 20 年；治疗前 30 天内基线 + 全部随访影像
场强/厂商	1.5T 或 3T；Siemens Healthineers 或 GE Healthcare
去标识化	Visage 导出 NIfTI + HD-BET 脑实质提取（去面部特征）
许可	CC BY 4.0（影像与临床数据均为）+ Data Citation Required
获取	影像走 TCIA + IBM Aspera Connect（43 GB）；临床 XLSX 直下
标注	无病灶级分割 mask（区别于 BraTS-METS）
官方基准	无（数据描述型资源）
论文	arXiv:2506.14021（2025-06-16），通讯作者 Mariam S. Aboian
状态	Complete（Version 1，Updated 2025/05/30）