9 月 16 日，SonoBase 论文把 53 个公开超声数据集合并成一项看起来很直接的承诺：456,963 张图像或视频帧、1,626,085 个专家分割掩码，以及一个能跨器官、设备和地区工作的交互式分割模型。真正不寻常的部分却在两天后上线的 SonoCorpus 清单里——团队没有把这些医学影像重新打包后供人下载，而是交出来源、许可、切分、逐文件哈希和逐样本评测记录，让研究者按原始条款自行重建同一份训练材料。
这种“开放”比一个可下载的数据压缩包麻烦，却更接近医疗数据现实。它承认 53 个来源并不共享一张许可证，也把训练能否复核的问题从“有没有权重”推进到“能否拿到同一批文件、恢复同一训练状态、在同一测试行上重算结果”。论文在 9 月 16 日发布，GitHub 仓库与 Zenodo 1.0.0 清单在 9 月 18 日公开，包含完整优化器状态的 Hugging Face 仓库在北京时间 9 月 21 日更新到当前状态。SonoCorpus 的发布不是一个时点，而是一条逐步补齐的复现链。
45.7 万张图没有被重新分发
SonoCorpus 的 53 个来源被分成三层：38 个预训练集、8 个 Benchmark 集和 7 个 External 集。前两层共有 46 个数据集参与训练；Benchmark 只使用训练部分，测试部分留出；External 的 7 个数据集完全不进入预训练，其中 90% 用于测试，10% 留给少样本适配。
团队发布的不是图像和掩码本身，而是一份约 2.08 亿字节的逐文件清单，以及一个约 6193 万字节的复现包。Zenodo 1.0.0 压缩包的 MD5 与平台记录一致，内含 176 个切分文件、315 个评测记录条目，并给每个来源记录下载位置、访问条件、许可、原始归档哈希、转换后文件哈希和去重组。按 53 行数据集总表求和得到 456,963 张图像和 1,626,085 个掩码，与论文口径一致。
这套设计解决的是“同名数据集不一定是同一份数据”。来源可能换版本、移动地址，视频和体数据还会在转换时被拆成帧或切片。研究者可以用原始归档哈希确认下载版本，再用转换后哈希确认预处理结果，最后按固定切分重跑论文中的逐样本评测。版本 DOI 冻结了论文使用的 1.0.0；后续修订走新的版本，而不是悄悄覆盖旧记录。
权重之外，完整训练状态允许从中途继续
SonoBase 以 SAM2 为骨架，保留提示编码器、掩码解码器和视频记忆模块，换入三分支图像金字塔编码器：低分辨率 Hiera 负责全局结构，两条更高分辨率 ConvNeXt 分支保留超声中的纹理和边界，分支之间再通过注意力交换信息。单张图像关闭记忆路径；视频和 3D 体数据则可以从一次提示向后传播分割结果。
更关键的开放项是训练状态。Hugging Face 不只有约 706 MB 的推理权重，还包含生产训练最后一步的分布式检查点：模型分片、AdamW 优化器动量与方差、16 个数据并行进程的随机数状态、混合精度缩放器、学习率调度器、完整配置和训练日志。模型卡记录这次训练使用 2 个节点、16 张 H200、全局 batch 16，训练 20 个 epoch。
只开放权重，外部团队通常只能从一个训练完成的结果开始微调；保留优化器和随机状态，才有机会从相同轨迹继续预训练或定位某次训练分歧。它仍不等于“一键复现”——研究者必须分别取得原始数据，并承担多节点训练成本——但复现失败时，可检查的环节从一个最终权重扩展到了数据版本、切分、配置、随机状态和逐样本输出。
跨域领先来自作者实验，提示条件决定数字怎么读
论文在 8 个 Benchmark 测试集上报告：单点提示下，SonoBase 的平均 mIoU 为 74.4%，SAM2 和 MedSAM2 分别为 28.1% 和 37.3%；框提示下，三者为 78.4%、52.4% 和 54.0%。在 7 个完全外部数据集上，SonoBase 为 64.5% 和 79.8%，两项对应单点和框提示。论文还为每个 Benchmark 数据集训练一个 nnU-Net 专用模型；八集宏平均为 76.3%，低于 SonoBase 的框提示结果，但高于其单点提示结果。
这不是“一个模型无条件击败所有专用模型”。提示给了模型目标位置；不同数据集的对比也有例外。TG3K 的专用模型达到 98.5% mIoU，而 SonoBase 框提示为 88.5%，论文认为其公开切分只覆盖 16 段视频、帧间近似重复，使专用模型更容易贴近该分布。外部集 FUGC 仍是难点，SonoBase 只有 41.1% 的单点 mIoU。与 MedSAM3 比较时，团队排除了已进入其训练集的 BUSI，并让 MedSAM3 使用原生的文本加框提示；这些条件比“在 15 个数据集全面领先”更能说明结果是否可比。
所有领先数字目前都来自作者的回溯性实验。开放的逐样本记录让外部复算成为可能，却不能把作者自测自动变成独立复现。
哈希能查精确重复，不能统一 53 份许可
团队对原始像素计算 MD5，检查训练和测试之间没有完全相同的像素；在公开数据带有患者标识时，再按患者分组切分。这个方法能抓住字节或像素一致的重复文件，但不能证明经过裁剪、压缩、亮度变换的近重复图像不存在。对于没有患者标识的数据，切分只能退回来源允许的最高分组层级；TG3K 甚至只能在 16 段视频抽出的帧上做 frame-level 切分。论文把这一点写进了专用模型异常高分的解释，而不是把“零哈希碰撞”等同于所有患者都严格隔离。
许可边界更直接。按 SonoCorpus 自己的 CSV 字段复算，53 个来源中 18 个允许商业使用，15 个明确不允许，另有 20 个无法确认；41 个可直接公开获取，12 个需要注册、协议、挑战资格，或在审计时已离线。团队因此只发布 CC BY 4.0 的自有清单，不重发影像；模型权重和优化器状态则使用 CC BY-NC 4.0。代码是 MIT 许可，也不能把权重或训练数据变成可商用资产。
这份清单本身也需要继续校正。EchoCP 一行将论文使用图像数写为 558，但同时记录逐文件清单和切分各有 559 行，并明确标注未与表 S1 对齐。这个差异不足以推翻主要结果，却意味着论文表格总量与逐文件清单行数不能直接互换，也说明可审计清单的价值恰恰在于：不一致可以被定位，而不是藏在一个无法查看的数据处理过程里。
临床数字跨过了分割表格，还没有跨过前瞻验证
论文把分割结果继续换算成临床测量，这是 SonoBase 比普通重叠率论文多走的一步。在 100 名 CAMUS 患者上，框提示得到的射血分数平均绝对误差为 6.63 个百分点，35% 的植入式心律转复除颤器候选阈值上误分 13 人；但结果存在 +5.53 个百分点的方向性偏差。经过留出数据拟合的线性校正后，平均误差降到 4.95 个百分点，显示未经场景校准的阈值判断仍会受到系统偏差影响。
其他临床终点同样受样本和任务限制：胎儿头围与孕周来自 HC18 的 201 张图像；手持探头、低培训操作者的 ACOUSLIC 评测有 270 段扫查；前列腺体积只覆盖 8 名受试者。在 ACOUSLIC 的未校准框提示腹围上，MedSAM2 的 14.77 mm 误差还低于 SonoBase 的 18.92 mm。几乎所有公开超声集都缺少完整人口统计信息，论文只能按现有的性别、设备厂商和图像质量字段做有限亚组分析。
因此，SonoCorpus 最值得保留的判断不是“超声基础模型已经达到临床可用”，而是医疗模型的开放需要同时交代三件事：数据从哪里来、训练如何恢复、结论在哪些患者和设备上成立。下一步真正能改变结论的，不是再增加一张平均分表，而是外部团队能否按原许可重建子集、复算逐样本结果，并在新医院的前瞻流程中验证误分、人工修正和设备迁移成本。
