知识卡片：OpenBrain——面向全脑 MRI 分区、可审计的生成标签发布集

一句话结论

OpenBrain 把 35,838 例来自 607 个 OpenNeuro 源数据集的 T1w 全脑 MRI 生成式分区，打包成“带风险证据的可审计病例记录”而非单纯的标签文件夹：每条记录附带 QC-7 无参考可靠性指标、百分位风险、综合风险分 R 与置信分层，使用户在下载后仍可过滤、加权、审计或重新阈值化，而不必重跑推理。

事件概述或研究问题

自动工具已能在队列规模上生成全脑 MRI 分区，但生成标签的发布往往缺少“哪些病例可靠到可复用”的证据。OpenBrain 针对这一发布期质控（release-time QC）缺口，提出一种置信度感知的发布形式，并在冻结协议下评估该证据层是否真的与标签质量相关。

方法/产品要点

• 规模与来源：35,838 例经来源核验的 OpenNeuro T1w 病例，覆盖 607 个源数据集。
• 记录结构：每条病例记录链接一个主分区、两个委员会（committee）分区、来源/许可溯源、QC-7 原始测量、百分位风险、综合风险分 R 和置信分层。
• QC-7 设计：无参考的可靠性面板，覆盖标签几何、图像—标签一致性、委员会分歧三类信号。
• 使用方式：用户可基于发布的证据做过滤、加权、审计或重新阈值化，无需重新运行推理。
• 可检查性：公开原始轴、委员会输出、溯源信息与 datasheet 文档。
• 资源：数据集见 Hugging Face（lanqz7766/OpenBrain），代码见 GitHub（lanqz7766/openbrain）。

主要结果或产业意义

• 在外部队列上，QC-7 风险越低，生成标签质量越高。
• 在固定预算训练中，按低风险选择相较随机选择，配对 macro Dice 提升 +3.2 至 +3.7 个百分点。
• 贡献可归纳为三件产物：大规模开放的生成式分区基底、可复用的病例级风险证据层、以及发布期 QC 的外部验证协议。

为什么重要

它把“生成标签发布”从文件分发转为可审计的证据分发：下游使用者能在不重跑模型的前提下判断复用价值，并以风险分层指导训练数据选择。这一“风险证据随标签一起发布”的思路，对大规模自动标注数据集的发布规范具有参考意义；与既有卡片中强调可审计性的系统（如 DIASENTINEL）在“可信性/可审计性”脉络上相呼应，但对象从临床筛查报告换成了脑 MRI 生成标签。

局限与不确定性

• 作者明确声明：OpenBrain 不把生成标签变成人工标注，也不等同于临床级分割。
• 外部验证的具体队列构成、冻结协议细节、置信分层的阈值定义，材料未展开，待核实。
• QC-7 各轴的具体计算方式与权重、R 的合成公式，材料未给出，待核实。
• 固定预算训练的模型架构、预算规模与统计检验细节，待核实。

可用于图书/PPT/简报的角度

• “发布即质控”：数据集发布从目录式交付转向病例级风险证据交付。
• 无参考质控面板（QC-7）如何用几何、图像—标签一致性、委员会分歧替代金标准。
• 固定标注/训练预算下，按风险选样相对随机选样的收益量化（+3.2～3.7 个百分点 macro Dice）。
• 生成标签的“置信分层”作为数据卡（datasheet）的新组成字段。
• 明确边界：生成标签 ≠ 人工标注 ≠ 临床级分割，适合用作负责任发布的反例对照。

与既有脉络的关系

本条延续“可审计/可信赖自动系统”的关切，但增量在于：把审计对象从系统输出报告（如 DIASENTINEL 的指南 grounded 报告）扩展到数据集发布层面的病例级风险证据；与脑 MRI 分割相关卡片（INR 跨域分割）相比，关注点不是模型结构或跨域 Dice，而是发布时如何让使用者自行判断每条生成标签的可复用性。

原始材料

• 标题：OpenBrain: An Auditable Generated-Label Release for Whole-Brain MRI Parcellation
• arXiv ID：2611.05348v1（Primary category: cs.CV）
• 作者：Qizhen Lan, Yu-Chun Hsu, Yuxiang Wei, Lijing Zhu, Zenan Sun, Liang He, Lishan Yu, Xiaoqian Jiang
• 发布/更新：2026-11-03T18:47:53Z
• Abstract URL: https://arxiv.org/abs/2611.05348v1
• PDF URL: https://arxiv.org/pdf/2611.05348v1
• Dataset: https://huggingface.co/datasets/lanqz7766/OpenBrain
• Code: https://github.com/lanqz7766/openbrain