CALGB50303 — Alliance/CALGB 50303 一线弥漫大 B 细胞淋巴瘤 III 期随机试验 PET/CT 影像与衍生肿瘤病灶 RTSTRUCT 标注双层资源

INFOBOX — CALGB50303 一屏速览

维度	内容
本质	III 期随机临床试验的 PET/CT 影像 + 衍生肿瘤病灶标注双层资源：主影像 TCIA CALGB50303（受控）+ 病灶 RTSTRUCT 标注 CALGB50303-Tumor-Annotations（CC BY-4.0 公开）
归属	Alliance for Clinical Trials in Oncology（前称 Cancer and Leukemia Group B，CALGB）；试验注册 NCT00118209
母试验	DA-EPOCH-R vs R-CHOP 一线 DLBCL 6 周期，随机 1:1，2005-2013 入组 524 登记/491 合格，中位随访 5 年
主影像	155 subjects / 610 studies / 1,944 series / 513,669 images / 138.84 GB；模态 CT, PT, OT；DOI 10.7937/CM65-A013
标注层	155 subjects / 519 studies / 3,073 series RTSTRUCT；DICOM manifest 68.89MB + CSV 1.4MB；DOI 10.7937/9JER-G980
疗效结论	DA-EPOCH-R 未优于 R-CHOP：PFS HR 0.93（0.68-1.27, P=.65）；OS HR 1.09（0.75-1.59, P=.64）
PET 判读	Deauville 5-PS + ΔSUV；i-PET 阳性 55（35%）、EoT 阳性 28（18%）；中位 ΔSUV 86.2%
标注协议	CapeStart 执行：国际 MBBS 放射医生初注 + 美国 board-certified 放射医生复核；PERCIST + RECIST 1.1；每时点最多 5 病灶
扫描设备	Siemens Biograph / Philips GEMINI / GE Discovery（多中心）；FDG 8-20 mCi 注射后 60-80 min 扫描
去标识	DICOM PS3.15 Annex E「Retain Longitudinal With Modified Dates」：日期归一 1960-01-01 + 随机偏移
获取	主影像 NIH Controlled 且 TCIA 页 UNAVAILABLE｜标注 CC BY-4.0 公开直链｜临床数据走 NCTN/NCORP Data Archive
引用	数据引用 Bartlett/LaCasce/Leonard (2020) V2 doi:10.7937/cm65-a013 + Rozenfeld/Jordan (2023) V2 doi:10.7937/9JER-G980
库内互链	tcia(547) 上游托管、autopet(468)/autopet-v(634)/autopet-iii(678) 同族 PET 分割、nsclc-radiomics(247) 受控同构

CALGB50303 是一个「把整场 III 期随机试验的 PET/CT 影像连影像带答案一起封存」的数据集：它不是某篇分割论文的配套附件，而是一项改写过 DLBCL 一线化疗讨论版图的 Alliance/CALGB 50303 试验（DA-EPOCH-R 对比 R-CHOP，NCT00118209）在核心实验室判读后留下的全部影像资产。资源分两层——下层是 155 例患者的 513,669 幅 FDG-PET/CT 影像（NIH Controlled，TCIA 页状态 UNAVAILABLE），上层是对这批影像逐时点勾画的 3,073 个肿瘤病灶 RTSTRUCT 标注（CC BY-4.0，公开直链）。两层许可完全不同、入口完全不同，这正是它作为「AI-Ready 光谱」典型样本的价值：影像拿不到全文没关系，标注层足够让分割与判读模型先跑起来，而试验的疗效结论（DA-EPOCH-R 未优于 R-CHOP）与 PET 判读结论（Deauville 5-PS 本身不预测结局）也让它成为「影像特征与临床结局关联」研究的天然试验场。

导语读法三则：

1. 只想拿标注跑模型：直奔 §6 获取与许可——RTSTRUCT 标注是 CC BY-4.0 公开直链，主影像是受控且 TCIA 页 UNAVAILABLE，别在 TCIA 登录入口上浪费时间（坑 2）。
2. 关心口径：直奔 §2 数据构成——524/491/169/158/155/152/89 七个数字各有所指，逐处标明口径，禁止混用（坑 7）。
3. 做结局建模：直奔 §4 PET 子研究——ΔSUV≥66% 预测 OS 不预测 PFS、视觉 5-PS 不预测结局，事件数限制是硬约束（坑 5）。

§0 导读：这个数据集解决什么问题

弥漫大 B 细胞淋巴瘤（DLBCL）的一线治疗在 2000 年代末面临一个具体问题：R-CHOP 六周期是标准方案，但剂量密集的 DA-EPOCH-R 在 II 期研究中显示出更高完全缓解率，是否值得替换标准方案需要一场大型随机试验说话。Alliance/CALGB 50303 应运而生：2005-2013 年入组，524 例登记、491 例合格，1:1 随机分到 DA-EPOCH-R 或 R-CHOP，主要终点 PFS，中位随访 5 年。2019 年 JCO 主论文给出的答案是否定的——PFS HR 0.93（P=.65）、OS HR 1.09（P=.64），DA-EPOCH-R 疗效未优于 R-CHOP，且发热性中性粒细胞减少（35.0% vs 17.7%）与神经病变（18.6% vs 3.3%）显著更多。这场试验由此成为「强化方案不必然更好」的标志性证据，而它的影像资产就是本条目的本体。

影像资产的独特之处在于它来自试验的核心实验室流程而非回顾性收集：每位同意 PET 子研究的患者按协议在基线、中期（2 周期后）与疗程结束三个时点做 FDG-PET/CT，由两位核医学专家按 Deauville 5-PS 与 ΔSUV 双判据盲法判读。这条流程留下两样东西：一是带 Clinical Trial Time Point ID 的规范化 DICOM 影像（受控），二是按 PERCIST/RECIST 1.1 规则逐时点勾画的病灶 RTSTRUCT 标注（公开）。对 AI 研究者而言，前者代表「临床试验级影像质量控制」的稀缺资源——扫描设备、注射剂量、采集延迟都有协议约束；后者代表「跨时点病灶追踪」的稀缺监督信号——同 5 个病灶在三个时点被连续追踪并单独标号，这是自然影像队列几乎不可能提供的。

但这个数据集也有清晰的能力边界。第一，主影像受控且 TCIA 页状态 UNAVAILABLE，公开可下载的只有标注层——想「影像+标注」对齐使用的研究者必须走 NCTN/NCORP Data Archive 申请，这在检索时最容易踩坑。第二，入集者只是母试验的一个子集：524 登记中仅 169 例同意 PET 子研究、158 例合格、155 例成功入 TCIA，子研究同意与否本身可能与预后相关。第三，PET 子研究的统计结论明确受事件数限制——ΔSUV≥66% 预测 OS 但不预测 PFS，视觉 5-PS 不预测结局——任何在此数据上的复现都应报告置信区间而非只报点估计。本条目把这些边界与结论一起写清楚，让检索者在打开下载链接之前就知道自己会拿到什么、拿不到什么。

§0 读法三则：

1. 这个条目是「试验影像资产 + 核心实验室判读协议 + 疗效与判读结论」三合一：本体是 155 例三时点 PET/CT 与病灶标注，方法学资产是 Deauville 5-PS 加 ΔSUV 的判读流程，副产品是两篇论文的定量结论——三者获取方式各不相同（§6）。
2. 全文统计数字均出自 TCIA collection 页、annotations 页与两篇论文（JCO 2019;37:1790-1799、Blood 2020;135:2224-2234）；TCIA wiki 页的三处模板缺陷（pediatric Hodgkin lymphoma 笔误、NCT00352534 模板残留、Acknowledgements 占位符）已在坑 1、坑 3 存照，不采信。
3. 检索时注意本条目在库内的唯一性：这是库内唯一 DLBCL/淋巴瘤 PET/CT 条目，同族可比对象是 AutoPET 系列（全自动 PET 分割）与 NSCLC-Radiomics（受控影像+公开衍生层同构），不要拿它们的数据规模直接对标（§9）。

§1 数据集速览：十问十答

Q1：CALGB50303 到底是什么——一个数据集还是一场试验？
两者都是，资源是试验的影像资产层。CALGB 50303 是 Alliance（前称 CALGB）发起的 intergroup III 期随机试验（NCT00118209），比较 DA-EPOCH-R 与 R-CHOP 一线治疗 DLBCL；试验结束后，其 PET/CT 影像经去标识托管在 TCIA，成为 collection CALGB50303（DOI 10.7937/CM65-A013）；随后第三方团队（Rozenfeld/Jordan）基于该影像制作了肿瘤病灶 RTSTRUCT 标注，以 analysis result 形式发布为 CALGB50303-Tumor-Annotations（DOI 10.7937/9JER-G980）。TCIA 页对试验归属的表述是 Alliance for Clinical Trials in Oncology——若看到 ECOG-ACRIN 字样属文档误记（坑 1）。

Q2：155 例从哪来？为什么不是试验的 491 例？
口径链是：524 例登记 → 491 例试验合格 → 169 例同意参加 PET 子研究 → 158 例子研究合格 → 155 例影像成功入 TCIA。缺口主要发生在「同意」环节：PET 子研究需要患者单独知情同意，约四成合格患者未同意。因此本数据集不是母试验的全样本影像，而是「同意子研究且影像合格」的子集——用影像数据做结局分析时要意识到这一选择层（坑 7）。

Q3：影像规格是什么？
155 subjects / 610 studies / 1,944 series / 513,669 images / 138.84 GB，模态覆盖 CT、PT、OT。每位患者最多三个时点（基线、中期、疗程结束），每时点一次 FDG-PET/CT：诊断质量增强 CT 可用时用于标注，否则用 PET 的低剂量 CT 部分（110-140 kVp / 200 mAs / 层厚 2-4mm）；PET 层厚 2-4.25mm（83% 为 3.25/4.25mm）。FDG 剂量 8-20 mCi，注射后 60-80 分钟扫描。设备跨 Siemens Biograph、Philips GEMINI、GE Discovery 三家（多中心，坑 4 的设备异质性来源）。

Q4：标注层里有什么？
3,073 个 RTSTRUCT series（对应 519 studies），每条记录是放射医生在 PET/CT 上勾画的单个肿瘤病灶：DICOM RTSS 格式，含 Tracking ID/UID、SNOMED-CT 病灶编码、(0040,A168) 追踪序列，以及 Clinical Trial Time Point ID（“pre-dose” = 基线，“post-chemotherapy” = 治疗后，对应 SCT 255235001/262502001）。manifest CSV（1.4MB）给出病灶与源影像的对应关系；标注包同时声明了两个使用口径——segmentation 源 152 subj/204,738 images 与 negative 源 89 subj/59,572 images（坑 6）。

Q5：谁标注的，协议是什么？
CapeStart 执行双级流水线：国际 MBBS 放射医生初注 + 美国 board-certified 放射医生复核。勾画规则：PERCIST 口径选 SUVmax 最高病灶；axial 面优先；AC PET 加增强 CT（无增强则用 PET 低剂量 CT 部分）；每时点最多 5 个病灶、每器官最多 2 个（淋巴结算 1 个器官；脾、唾液腺、Waldeyer 环独立计数）；同 5 个病灶跨时点追踪；RECIST 1.1 阈值（淋巴结短轴大于 1.5cm、其他大于 1cm）；seed points 自动生成后放射医生复核。

Q6：母试验的疗效结论是什么？
DA-EPOCH-R 未优于 R-CHOP。PFS：HR 0.93（95% CI 0.68-1.27, P=.65），2 年 PFS 78.9% vs 75.5%；OS：HR 1.09（0.75-1.59, P=.64），2 年 OS 86.5% vs 85.7%。代价端 DA-EPOCH-R 更高：发热性中性粒细胞减少 35.0% vs 17.7%、神经病变 18.6% vs 3.3%（P<.001）、黏膜炎 8.4% vs 2.1%、感染 16.9% vs 10.7%；治疗相关死亡两臂各 5 例（2.1%）。这条结论是理解数据集背景的关键——影像所属的试验是一场「阴性结果」试验，但阴性不等于影像资产没有价值（§3）。

Q7：PET 子研究得出了什么判读结论？
核心实验室（两位核医学专家）按 Deauville 5-PS 加 ΔSUV 双判据判读：i-PET（2 周期后）阳性 55 例（35%），EoT（疗程结束）阳性 28 例（18%），基线到 i-PET 的中位 ΔSUV 为 86.2%。三个定量结论：ΔSUV 作为连续变量预测 PFS（HR 0.99, P=.02）与 OS（HR 0.98, P=.03）；ΔSUV≥66% 预测 OS（HR 0.31, P=.02）但不预测 PFS（HR 0.47, P=.09）；视觉 Deauville 5-PS 不预测结局。论文明确说明事件数少限制统计效度（坑 5）。

Q8：去标识是怎么做的？
DICOM PS3.15 Annex E 的「Retain Longitudinal With Modified Dates」方案（PS3.15 E.1.12）：所有检查日期归一到 1960-01-01 再加随机偏移，保留相对间隔但不保留真实日期；(0012,0052) Clinical Trial Time Point Type 与 (0012,0053) 由 REGISTRATION 方案登记，fallback 到 (0012,0050)/(0012,0051)。对使用者的含义：可以按 Time Point ID 区分基线/中期/疗程结束，但不要把偏移后的日期当真实检查日期用于时序统计（§5）。

Q9：我现在能拿到什么？
三层：标注层 CC BY-4.0 公开直链（TCIA analysis-result 页直接下载 RTSTRUCT+CSV，V2 共 70.29MB）——现在就能拿；主影像 NIH Controlled，且 TCIA collection 页 Status 显示 UNAVAILABLE（登录下载已停）——要走正式申请渠道；临床/结局数据走 NCTN/NCORP Data Archive 受控申请。把「Clinical Complete」（收集状态）当成「可下载」是最常见误解（坑 2）。

Q10：引用怎么写？
官方要求两条数据引用：Bartlett N, LaCasce A, et al., Leonard J. (2020) (Version 2) [dataset]. The Cancer Imaging Archive. doi:10.7937/cm65-a013；Rozenfeld M, Jordan P (2023) (Version 2) [dataset]. The Cancer Imaging Archive. doi:10.7937/9JER-G980。方法学背景引两篇论文：主试验 Bartlett NL, et al. J Clin Oncol 2019;37(21):1790-1799（doi:10.1200/JCO.18.01994）；PET 子研究 Schöder H, et al. Blood 2020;135(25):2224-2234（doi:10.1182/blood.2019003277）。TCIA 页口径 2.5k views / 3 citations（抓取时点）。

§2 数据构成与规格

2.1 主影像层：数字逐项对账

主影像 collection（TCIA CALGB50303，DOI 10.7937/CM65-A013）当前口径（V2，2025-08-06 发布）：

维度	数值	备注
Subjects（患者数）	155	同意 PET 子研究且影像成功入集者
Studies（检查数）	610	每患者最多 3 时点 × 每时点 1 次 FDG-PET/CT
Series（序列数）	1,944	含 CT、PT、OT 三模态
Images（图像幅数）	513,669	V1 为 509,924，V2 净增 3,745
体量	138.84 GB	DICOM 格式
模态	CT, PT, OT	OT 为其他衍生序列
获取状态	UNAVAILABLE（TCIA 页）	NIH Controlled Data Access Policy
收集状态	Clinical Complete	收集完毕≠可下载（坑 2）

V1 → V2 版本链（主影像）：

版本	发布日期	Images	变更内容
V1	2021-03-30	509,924	首发版
V2	2025-08-06	513,669	修正 3 个 series 的患者 name/ID；移除错配患者 131618 的 3 个 series；患者 132189 新增 3 个 series（新 hash UID）

注意 V2 的患者集合有微调：131618 被移除、132189 被补入——如果你的工作基于 V1 快照，对账时会看到 155 之外多一个患者 ID（坑 7）。

2.2 标注层：两个 DOI、两套口径

标注 collection（CALGB50303-Tumor-Annotations，DOI 10.7937/9JER-G980，CC BY-4.0 公开直链）V2 口径（2026-06-09 发布）：

维度	数值	备注
Subjects	155	与主影像同规模
Studies	519	少于主影像 610——部分时点无可测量病灶
Series（RTSTRUCT）	3,073	每条 = 1 个病灶记录
DICOM manifest	68.89 MB	RTSTRUCT 文件本体
CSV manifest	1.4 MB	病灶-影像对应表
合计	70.29 MB	V1 为 58.83 MB / 3,077 series

V1 → V2 版本链（标注）：

版本	发布日期	体量	Series	变更内容
V1	2023-03-30	58.83 MB	3,077	首发版（RTSTRUCT+Fiducial，CSV 701.62KB）
V2	2026-06-09	70.29 MB	3,073	修正 referenced series UIDs；8 个 series 源由 131618 改挂 132189；labels/描述一致性修正；metadata 新字段；去重复

标注包声明的两个使用口径（源影像本身不随标注包发布）：

口径	Subjects	Studies	Series	Images	语义
segmentation 源	152	448	661	204,738	该时点有可测量病灶，RTSTRUCT 可用于分割监督
negative 源	89	183	209	59,572	该时点无可测量病灶——不能当阴性分割样本直接训练（坑 6）

口径链完整版：524 登记 → 491 试验合格 → 169 同意 PET 子研究 → 158 子研究合格 → 155 入 TCIA →（152 segmentation 源 / 89 negative 源，按时点拆分）。七个数字各有所指，引用时写明口径（坑 7）。

2.3 三时点结构与 Time Point ID

PET 子研究协议为每例最多三个时点：

时点	协议名	Clinical Trial Time Point ID	SNOMED-CT	语义
基线	baseline	“pre-dose”	SCT 255235001 Pre-dose	化疗开始前
中期	interim（2 周期后）	“post-chemotherapy”	SCT 262502001 Post-chemotherapy	早期疗效评估点（i-PET）
疗程结束	end-of-treatment（EoT）	“post-chemotherapy”	SCT 262502001 Post-chemotherapy	全程结束评估点

两点提醒：一、interim 与 EoT 共用 “post-chemotherapy” Time Point ID，区分二者的可靠途径是检查日期相对顺序与 DICOM 描述字段，而非 Time Point ID 本身；二、Time Point ID 存在 DICOM 标签 (0012,0052)/(0012,0053)（REGISTRATION 方案登记），fallback 为 (0012,0050)/(0012,0051)——解析脚本不要只盯一个标签（坑 4）。

2.4 人口学与临床特征（N=155，TCIA 页口径）

维度	数值
年龄	均值 56.1 ± 14；中位 57（IQR 48-66）；range 20-82
性别	男 85（54.8%）/ 女 69（44.5%）/ 未知 1
种族	White 120 / Black 19 / Asian 10 / American Indian-Alaska Native 2 / 多种族 1 / 未知 3
族裔	Hispanic 5 / Non-Hispanic 139 / 未知 11
Ann Arbor 分期	74% 为 III/IV 期
IPI	0-1 分 26% / 2 分 37% / 3 分 25% / 4-5 分 12%

病种是成人 DLBCL——TCIA annotations 页 Summary 里出现的 “pediatric Hodgkin lymphoma” 字样是模板复制粘贴笔误，与事实相悖，不采信（坑 1）。

分布解读（建模视角，不添新事实）：IPI 分布接近均匀铺开（0-1 到 4-5 每档都有两位数占比），对「按危险分层做基线校正」是好事；但 74% 为 III/IV 期意味着早期病例稀薄——分期相关的亚组分析别指望 155 例里凑出足够对照。性别/种族的未知项（1/3/11 例）虽小，写数据声明时要如实带入。

2.5 扫描协议与设备参数

多中心采集带来设备与参数异质性，做强度归一化与体素重采样时必须考虑：

参数	取值	备注
扫描仪	Siemens Biograph / Philips GEMINI / GE Discovery	三家厂商多中心
示踪剂	FDG 8-20 mCi	剂量范围宽，SUV 绝对值解读需谨慎
采集延迟	注射后 60-80 min	协议窗口
低剂量 CT	110-140 kVp / 200 mAs / 层厚 2-4 mm	无增强 CT 时的解剖参照
PET 层厚	2-4.25 mm	83% 为 3.25/4.25 mm
CT 参照优先级	诊断质量增强 CT > PET 低剂量 CT 部分	标注规则：有增强 CT 用增强 CT
CT 覆盖	分期 CT 胸腹盆，155 例全覆盖	基线口径

扫描协议的协议级细节（FDA 剂量、重建算法等）以 NCT00118209 注册页与两篇论文方法节为准；本表为 TCIA 页与论文披露口径（坑 9：参数随中心而异，表格是范围不是统一值）。

2.6 七个规模口径交叉对照表

口径数字	定义	来源	典型用途
524	母试验登记人数	JCO 论文	试验规模表述
491	母试验试验合格人数	JCO 论文	疗效分析基数（论文口径）
169	同意参加 PET 子研究人数	Blood 论文	子研究参与基数
158	PET 子研究合格人数	Blood 论文	判读统计基数
155	成功入 TCIA 的 subjects	TCIA collection 页	影像/标注规模表述（本条目主口径）
152	segmentation 源 subjects（按时点拆）	TCIA annotations 页	分割监督可用口径
89	negative 源 subjects（按时点拆）	TCIA annotations 页	时点声明口径，非阴性样本（坑 6）

记忆锚点：524/491 属「试验」、169/158 属「子研究」、155 属「TCIA」、152/89 属「标注使用口径」——五组不可互相换算，只能顺链引用（坑 7）。

2.7 单病例时点判定流程（示例化操作，非真实数据）

拿到一个患者的 study 列表后，判定各 study 属于哪个时点的标准流程：

1. 读每个 study 的 (0012,0052)/(0012,0053)——“pre-dose” 者即基线，直接锁定。
2. 剩余 study 均为 “post-chemotherapy”：按偏移后检查日期排序（偏移保序）。
3. 结合 DICOM 描述字段（SeriesDescription/StudyDescription 中的 “interim”、“after 2 cycles”、“end of treatment” 等自由文本辅助）。
4. 若仍歧义：回 CSV manifest 看该患者 RTSTRUCT 记录的时点分布，反向锚定。
5. 全部歧义消解不了时，标记「时点不确定」并从纵向分析中剔除该 study——不要猜。

这条流程存在的根本原因是 interim 与 EoT 共用 Time Point ID（§2.3、坑 4）——设计你的数据 schema 时就给它留一个「时点置信度」字段。

§3 试验设计与疗效：影像资产的来源语境

3.1 试验设计

要素	内容
试验名	CALGB 50303（Alliance/CALGB，intergroup III 期随机）
注册号	NCT00118209（TCIA wiki 模板残留的 NCT00352534 系误植，坑 3）
入组窗口	2005-2013
登记数	524（试验合格 491）
对照组	R-CHOP 6 周期：利妥昔单抗 + 环磷酰胺 + 阿霉素 + 长春新碱 + 泼尼松
试验组	DA-EPOCH-R 6 周期：剂量调整依托泊苷 + 泼尼松 + 长春新碱 + 环磷酰胺 + 阿霉素 + 利妥昔单抗
随机化	1:1
主要终点	PFS；次要终点 OS、不良事件
中位随访	5 年
主论文	Bartlett NL, et al. J Clin Oncol 2019;37(21):1790-1799, doi:10.1200/JCO.18.01994（PMID 30939090, PMCID PMC6774813）
PET 子研究论文	Schöder H, et al. Blood 2020;135(25):2224-2234, doi:10.1182/blood.2019003277（PMID 32232481, PMCID PMC7316220）

3.2 疗效结果：一场「阴性」试验

终点	DA-EPOCH-R	R-CHOP	HR（95% CI）	P 值
PFS	2 年 78.9%	2 年 75.5%	0.93（0.68-1.27）	.65
OS	2 年 86.5%	2 年 85.7%	1.09（0.75-1.59）	.64

结论直译：剂量密集的 DA-EPOCH-R 在 PFS 与 OS 上都未优于标准 R-CHOP——两个 HR 的置信区间都跨 1，P 值都远大于 0.05。这场试验由此为「DLBCL 一线是否需要 EPOCH 化」的争论画上了（至少在非选择人群中的）句号。

3.3 安全性结果：强化方案的代价

3-4 级不良事件发生率（DA-EPOCH-R vs R-CHOP）：

不良事件	DA-EPOCH-R	R-CHOP	备注
发热性中性粒细胞减少	35.0%	17.7%	近乎翻倍
周围神经病变	18.6%	3.3%	P<.001，差距最大
感染	16.9%	10.7%	—
黏膜炎	8.4%	2.1%	—
治疗相关死亡	5 例（2.1%）	5 例（2.1%）	两臂持平

3.4 为什么阴性试验的影像仍然值得用

三点方法论价值，也是本条目在库内的差异化定位：

1. 影像质量由试验协议背书：核心实验室流程下，扫描时窗（注射后 60-80 min）、剂量（8-20 mCi）、三时点结构都有协议约束，比回顾性临床队列的影像异质性低一档。
2. 标签自带结局锚点：每例患者关联 PFS/OS 终点与 IPI、分期等基线变量（后者走 NCTN/NCORP Data Archive 申请），可做「影像特征→结局」建模，而非只有分割监督。
3. 阴性结果=更纯净的混杂背景：两臂疗效无差异意味着影像-结局关联分析可以合并两臂扩大样本，不必担心治疗方案与影像表型交互——这在「阳性试验影像集」里通常是做不掉的。

反过来也要警惕：PET 子研究自身的结论（§4）表明本数据的判读-结局关联并没有想象中强，事件数是硬瓶颈——用它做深度学习结局预测时，先想清楚 155 例、两位数事件量的统计功效（坑 5）。

3.5 两个方案逐药对照（附注册口径）

理解影像协议为何如此设计，需要知道两个方案在给药方式上的本质差异——DA-EPOCH-R 的「剂量调整」（dose-adjusted）指按每周期血象动态调整化疗剂量：

药物	R-CHOP（对照）	DA-EPOCH-R（试验组）	备注
利妥昔单抗（Rituximab）	每周期第 1 天	每周期给药	两臂共有
环磷酰胺（Cyclophosphamide）	每周期第 1 天	按血象调整剂量	DA-EPOCH-R 中剂量动态化
阿霉素（Doxorubicin）	每周期第 1 天	96 小时持续输注	持续输注降低峰浓度毒性
长春新碱（Vincristine）	每周期第 1 天	96 小时持续输注	同上
依托泊苷（Etoposide）	无	96 小时持续输注	DA-EPOCH-R 特有
泼尼松（Prednisone）	每周期口服	每周期口服	两臂共有
周期数	6	6	相同

影像协议的两个设计与方案直接相关：一、i-PET 定在「2 周期后」——DA-EPOCH-R 的剂量调整以周期为单位，2 周期是首个可评估响应点；二、EoT 判读与疗效终点联动——试验设计者需要在固定时点比较两臂代谢响应。附带说明：依托泊苷（etoposide）的加入正是「EPOCH」中 E 的来源，检索「CALGB50303 + etoposide」可命中方案描述文本。

3.6 从入组到数据发布的完整时序

时序	事件	依据
2005-2013	母试验入组（524 登记）	JCO/注册页
入组即	基线 FDG-PET/CT（同意子研究者）	Blood 协议
2 周期后	i-PET（中期评估点）	Blood 协议
6 周期结束	EoT PET	Blood 协议
中位 5 年	随访积累 PFS/OS 事件	JCO
2019-04-02	主论文 Epub（2019-07-10 刊出）	JCO doi
2020-06-18	PET 子研究论文刊出	Blood doi
2021-03-30	主影像 V1 上架 TCIA（509,924 images）	TCIA changelog
2023-03-30	标注 V1 上架（58.83MB）	TCIA changelog
2025-08-06	主影像 V2（513,669 images）	TCIA changelog
2026-06-09	标注 V2（70.29MB）	TCIA changelog

时序两点读法：一、判读发生在试验进行中（2013 年前），发表在 2020——「判读先于结局锁定」的前瞻性质由这条时间线背书；二、影像上架到标注发布隔了两年（2021→2023），标注 V1 到 V2 又隔三年（2023→2026）——衍生标注的维护周期以年计，复现研究固定版本号的必要性由此而来（Q39）。

§4 PET 子研究：判读协议与结论

4.1 核心实验室判读流程

PET 子研究是 CALGB 50303 内嵌的前瞻性影像子研究，其判读流程全部发生在试验进行期间（非回顾）：

1. 入组：524 例登记者中 169 例同意参加 PET 子研究；158 例子研究合格（基线 PET/CT 达标）。
2. 影像提交：各中心按协议在基线、中期（2 周期后）、疗程结束三个时点做 FDG-PET/CT 并上传核心实验室。
3. 盲法判读：两位核医学专家（Schöder 等）独立判读，不知晓临床结局与治疗方案。
4. 判据：双判据并行——视觉 Deauville 5-PS（五分量表）+ 定量 ΔSUV（SUV 最大值相对基线下降百分比）。
5. 前瞻阴性定义：5-PS 1-3 且 ΔSUV≥66% 判为代谢完全缓解（前瞻设定的阴性判据）。
6. 判读结果锁定后才与 PFS/OS 终点关联分析。

这条流程对 AI 研究者的价值在于：判读标签（阳性/阴性、5-PS 分值）是「判读时点不知结局」的前瞻标签，不是回头补的——用它训练判读模拟模型时不存在后视偏差。

4.2 判读结果总览

指标	数值	口径
i-PET（中期）阳性	55 例（35%）	169 例同意子研究口径
EoT（疗程结束）阳性	28 例（18%）	同上
基线→i-PET 中位 ΔSUV	86.2%	代谢响应中位水平
ΔSUV≥66%（前瞻阴性判据）达标签	见论文表	分臂报告

35% 的 i-PET 阳性率明显高于后来以 ΔSUV 判读的复发率——这正是视觉判读与定量判据分歧的直观体现，也是子研究要回答的核心问题：哪个判据真的预测结局。

4.3 三个定量结论（子研究论文核心）

判据	关联终点	HR（95% CI）	P 值	结论
ΔSUV（连续变量，每 1% 变化）	PFS	0.99（0.97-1.00）	.02	弱但显著
ΔSUV（连续变量）	OS	0.98（0.97-0.99）	.03	弱但显著
ΔSUV≥66%（二分）	PFS	0.47（0.19-1.13）	.09	不显著
ΔSUV≥66%（二分）	OS	0.31（0.11-0.85）	.02	显著
视觉 Deauville 5-PS	PFS / OS	—	—	不预测结局

三个结论排序着读：

1. ΔSUV 作为连续变量最稳：对 PFS 与 OS 都显著，但效应量小（HR 0.98-0.99/1%）——它是「有信息量的连续生物标志物」，不是强判别器。
2. ΔSUV≥66% 二分切点只预测 OS：对 OS 的 HR 0.31 很亮眼，但对 PFS 不显著（P=.09）——用这个切点做分层时要写明「预测死亡风险，不预测进展风险」。
3. 视觉 5-PS 颗粒度不够：在本试验中视觉五分量表不预测任何结局——这与部分其他淋巴瘤队列的阳性报告相左，论文给出的解释是本试验事件数少、统计效度受限（坑 5）。

4.4 对建模者的四条操作含义

1. 事件量优先于模型复杂度：155 例、两位数事件量，任何深度学习「影像→结局」模型都应从正则化极强的简单模型（Cox + 少量影像特征）起步，先报置信区间再谈性能。
2. 判读标签可用但别神化：5-PS 与 ΔSUV 判读标签可作弱监督/预训练目标，但子研究自己证明了它们与结局的关联有限——用标签做「判读模拟」比用标签做「结局预测」更贴数据本性。
3. 跨时点结构是差异化资产：同患者三时点配对影像（基线/i-PET/EoT）支持「治疗响应的影像变化建模」，这是与单时点分割集（如 AutoPET）的本质区别。
4. 两臂可合并：母试验疗效无差异（§3.2），结局建模可合并两臂以扩大有效样本——但要在方法节写明合并依据（HR 跨 1、P>.6）。

4.5 判据定义：Deauville 5-PS 与 ΔSUV 的精确口径

Deauville 5-PS（五分量表），按摄取强度对照参考区打分：

分值	定义	语义
1	无摄取	代谢完全缓解
2	摄取 ≤ 纵隔血池	代谢完全缓解
3	摄取 > 纵隔血池但 ≤ 肝血池	前瞻协议中仍计为阴性（配合 ΔSUV）
4	摄取 moderately > 肝血池	阳性
5	摄取 markedly > 肝血池 或新病灶	阳性
X	新摄取区与淋巴瘤无关	排除项

注意本试验的前瞻阴性判据是「5-PS 1-3 且 ΔSUV≥66%」——双条件与（AND），不是单判据。后来淋巴瘤疗效共识对 5-PS 3 分的处理有各自的细化（条件阴性等），复现本试验时以本试验协议原文为准，不套用其他共识的分档规则。

ΔSUV 计算：基线病灶 SUVmax 记 S0，随访时点同病灶 SUVmax 记 S1，则 ΔSUV = (S0 − S1)/S0 × 100%。中位 86.2% 意味着典型患者在 i-PET 时点最大病灶代谢已降到基线的约 14%。判据切点 66% 出自早期淋巴瘤 PET 研究的经验阈值，本试验把它作为前瞻判据接受检验。

跨时点同病灶对应：ΔSUV 的分子分母必须是同一病灶——这正是标注层「同 5 病灶跨时点追踪、保持同一标号」的直接用途：标注的 Tracking ID 就是 ΔSUV 复现的病灶对应键。

4.6 判读-结局分析时序（方法学骨架）

1. 试验进行中采集三时点影像（影像先于结局存在，无后视）。
2. 核心实验室盲法判读（判读时不知治疗方案与结局）。
3. 判读结果锁定。
4. 试验随访完成、PFS/OS 事件积累（中位随访 5 年）。
5. 判读-结局关联分析（Cox 模型，连续 ΔSUV 与二分切点并行，5-PS 分层并行）。

这条时序决定了子研究的「判读标签」是前瞻标签（判读时不知结局），做判读模拟研究时不存在后视偏差。但要分清两层：TCIA 公开标注包里是病灶勾画（RTSTRUCT），不含 5-PS/ΔSUV 个体级判读值——判读汇总在 Blood 论文表格，个体级数值未公开（Q37、§8.4）。把「标注包」当成「判读值数据集」是检索阶段的常见误读（坑 2 的近亲）。

§5 标注协议与技术结构

5.1 标注生产：CapeStart 双级流水线

标注由数据标注公司 CapeStart 执行，双级质量控制：

级别	人员	职责
初注	国际 MBBS 放射医生	按协议逐时点勾画病灶、填 Tracking 信息
复核	美国 board-certified 放射医生	逐病灶复核勾画边界与标签一致性，终审定稿

分工模式与放射组学标注的标准实践一致：低成本人力做初稿，持证专家做终审。对使用者的含义：标注质量上限由复核专家决定，初注-复核分歧的处理规则未随包披露——不要把标注当成「双人独立判读一致性已验证」的金标准（坑 8）。

5.2 勾画规则逐条（协议原文口径）

1. 病灶选择：PERCIST 口径——选 SUVmax 最高的病灶为对象，不以体积最大为准。
2. 切面：axial 面优先勾画。
3. 影像参照：AC（衰减校正）PET + 增强 CT；无增强 CT 时用 PET 检查自带的低剂量 CT 部分。
4. 每时点配额：最多 5 个病灶。
5. 每器官配额：每器官最多 2 个病灶；淋巴结整体算 1 个「器官」；脾、唾液腺、Waldeyer 环各自独立算 1 个器官。
6. 跨时点追踪：同 5 个病灶在三个时点连续追踪、保持同一标号——这是「纵向配对监督」的关键性质。
7. 入径阈值：RECIST 1.1——淋巴结短轴大于 1.5cm、其他病灶长径大于 1cm 才纳入。
8. 标号规则：每个病灶单独标号（非合并 mask），支持逐病灶分析。
9. 种子点：seed points 自动生成后由放射医生复核修正。

配额规则的直接后果：这不是全病灶密标注。一例广泛受累的淋巴瘤患者可能有几十个受累结区，但标注只覆盖协议内的 5 个——把 RTSTRUCT 当成「GT 全景」会系统性高估模型敏感度（坑 6）。

5.3 RTSTRUCT 技术结构

技术要素	内容	使用提示
载体格式	DICOM RT Structure Set（RTSS）	用 pydicom/rt-utils 类工具读取，非 NIfTI mask
Tracking ID / Tracking UID	每病灶唯一标识	跨时点追踪的关联键
病灶编码	SNOMED-CT	病灶解剖部位语义化
追踪序列	(0040,A168) 佩戴在结构集内	解析脚本需遍历 RTROIObservations
Time Point ID	(0012,0052)/(0012,0053)：“pre-dose” / “post-chemotherapy”	区分基线与治疗后；interim 与 EoT 共用后者
Fallback 标签	(0012,0050)/(0012,0051)	旧工具兼容路径
Manifest	CSV（V2 1.4MB）	病灶-影像 series 对应总表，先读它再下影像

读取路径建议：CSV manifest → 定位目标病例与时点 → RTSTRUCT → 映射到源影像 series UID（注意 V2 已修正 referenced series UIDs，用 V1 快照会出现错挂，坑 7）。

5.4 去标识方案：日期被改写了

要素	方案	对使用者的含义
标准	DICOM PS3.15 Annex E（E.1.12）Retain Longitudinal With Modified Dates	保留相对间隔、抹去真实日期
日期处理	全部检查日期归一 1960-01-01 后加随机偏移	偏移后日期≠真实检查日期
登记标签	(0012,0052) Clinical Trial Time Point Type、(0012,0053) 由 REGISTRATION 方案登记	Time Point ID 仍在，可区分治疗前后
Fallback	(0012,0050)/(0012,0051)	旧解析器兼容
患者身份	患者姓名/ID 替换为匿名 ID（131618/132189 等内部编号）	跨版本对账用 ID（注意 V2 的 131618→132189 变更）

两条硬提醒：一、任何「检查间隔」「治疗周期长度」统计都要用相对间隔而非绝对日期——绝对日期已被随机化破坏；二、不要试图从偏移日期反推真实时间——这不是偏移方案的设计目的，也没有公开的偏移参数（坑 4）。

5.5 每器官配额细则与边界案例

「每器官最多 2 个」的器官划分是实践中最易出错的部分，协议口径的边界案例：

情形	协议处理	原因
双侧颈部多个受累淋巴结	全部淋巴结合计算 1 个「器官」，最多标 2 个	淋巴结系统整体计数
脾脏病灶 + 脾门淋巴结	脾独立算 1 个器官；脾门淋巴结归淋巴结系统	脾/唾液腺/Waldeyer 环独立条款
扁桃体（Waldeyer 环）受累	独立算 1 个器官	同上
肝内多个病灶	肝算 1 个器官，最多 2 个	实体器官规则
纵隔血池区摄取	不属病灶	判读参考区，非解剖病灶
超配额的受累结区	不标	配额优先 SUVmax 最高者

后果重申（坑 6）：配额设计服务的是「疗效判读」这个原始用途——判读只需要代表性病灶；把它当分割训练集用时要接受「非全病灶密」的现实，敏感度报告写明「协议内病灶」口径。

5.6 标注协议与判读协议的关系：一鱼两吃

本资源最容易被忽略的结构性事实：标注协议的每一条规则都能在 PET 子研究的判读协议里找到原型——

标注规则	判读协议原型	共享的逻辑
PERCIST 选 SUVmax 最高病灶	核心实验室确定代谢焦点病灶	代谢活性优先于体积
RECIST 1.1 入径阈值	判读时确认可测量病灶	剔除不可靠的小病灶
每时点最多 5 病灶	判读聚焦代表性病灶	判读只需代表性样本
同 5 病灶跨时点追踪	ΔSUV 要求同病灶前后对应	纵向对应是判读前提
Time Point ID 沿用试验登记	三时点判读结构	时点语义与试验一致

含义：标注层的病灶集合 ≈「核心实验室判读时会盯住的那 5 个病灶」。这让标注不仅是分割监督，还是判读行为的代理记录——做「AI 模拟放射医生注意力」研究时，这是与自然队列标注的本质差异（§8.1）。

5.7 标注与影像的对齐路径（实操）

1. 下载标注包（CC BY-4.0 直链），先解压 CSV manifest。
2. 按 PatientID 列出该患者全部 RTSTRUCT 记录与时点。
3. 确认你需要的时点（Time Point ID + 检查相对顺序）。
4. 记录 RTSTRUCT 中 referenced series UID——这就是你要在主影像里找的 series。
5. 若用 V1 影像快照：先对照 V2 changelog 检查该患者是否受 131618/132189 变更影响（坑 7）。
6. negative 源病例（89 例）在 manifest 中无 RTSTRUCT 病灶记录——它们是「该时点无可测量病灶」的声明，不是漏标（坑 6）。

§6 获取与许可：三层异构的门怎么进

6.1 三层结构总览

这是本条目最需要细读的一节——CALGB50303 的许可与获取是「三层异构」结构，三个入口、三种许可、三种等待时间：

层	内容	许可	获取入口	状态
1. 主影像	513,669 幅 DICOM（138.84 GB）	NIH Controlled Data Access Policy	TCIA collection 页 → 登录下载（已停）；正式渠道经 NCTN/NCORP 体系申请	TCIA 页 Status: UNAVAILABLE
2. 病灶标注	3,073 个 RTSTRUCT series + CSV	CC BY-4.0	TCIA analysis-result 页公开直链下载	可立即下载（70.29 MB）
3. 临床/结局数据	PFS/OS、治疗方案、AE、基线变量	受控申请制	NCTN/NCORP Data Archive	申请审核制

6.2 第 1 层：主影像为什么 UNAVAILABLE

主影像 collection 页的 Status 字段写着 UNAVAILABLE——含义是「登录下载通道已停用」，而非「数据不存在」。这与「Clinical Complete」（收集状态字段）是两层不同概念：前者说收集完成，后者说获取通道状态（坑 2）。解读：

1. TCIA 的受控分发依赖数据存取委员会（DAC）与提交方的分发协议；协议变动时页面状态会翻转，历史版本里该 collection 曾可通过登录下载。
2. 现阶段获取主影像的现实路径是经 NCTN/NCORP 体系（数据在 NCTN/NCORP Data Archive 语境下申请，临床数据与影像数据申请流程一体）。
3. 申请要写明研究目的、数据用途与安全措施——它是「项目制」而非「个人注册制」。
4. NCTN/NCORP Data Archive 的站内申请表单细节在登录墙内，本条目无法核实到字段级——这是存照的待核项（坑 10）。

操作建议：先把 CC BY-4.0 的标注层拿到手做方法验证（manifest 解析、RTSTRUCT 读取、口径链对账），申请主影像的流程并行走——标注层的 CSV manifest 足以支撑数据工程的前半段工作。

6.3 第 2 层：标注层怎么下载

1. 打开 TCIA analysis-result 页：https://www.cancerimagingarchive.net/analysis-result/calgb50303-tumor-annotations/。
2. 页面提供 DICOM manifest（68.89 MB）与 CSV manifest（1.4 MB）的直链下载。
3. 许可 CC BY-4.0：署名即可用，包括商用；署名引用第 10 节的两条数据引用。
4. 标注页的 Summary 段有一句模板笔误（“pediatric Hodgkin lymphoma”），与本数据集无关，引用页面时绕开这句（坑 1）。
5. 版本注意：页面默认展示 V2（2026-06-09）；需要 V1（2023-03-30）做历史复现时用 TCIA 的版本归档接口。

6.4 第 3 层：临床与结局数据

PFS/OS 事件、治疗方案细节、AE 记录不在 TCIA——它们在 NCTN/NCORP Data Archive 的受控申请体系里。申请要点：

1. 申请主体通常是机构而非个人；需要数据使用计划（DUP）。
2. 申请颗粒度是「试验级」（CALGB 50303 整场试验的数据表），影像与临床数据可以联合申请。
3. 审核周期以月计——论文投稿时间线要预留。
4. 同意 PET 子研究的 155 例的临床数据可与之 linkage；其余 336 例试验合格患者的临床数据也可单独申请（用于无影像的对照分析）。

6.5 许可组合的实际边界

用途	标注层（CC BY-4.0）	主影像（Controlled）
学术训练/评测	可（署名）	需批准
商用产品	可（CC BY-4.0 允许）	逐案审批，默认不可
再分发	可（保留署名）	不可（受控协议禁止）
与临床数据 linkage 后发布衍生数据	遵从两者较严者	遵从两者较严者

一句话版本：标注层是「拿去用」的，影像层是「申请来看」的，临床层是「申请来算」的——三层不要混在一个「本数据集开源」的表述里（坑 2）。

6.6 获取路径决策树（文字版）

1. 你的需求只是病灶轮廓/manifest 结构？ → 标注层 CC BY-4.0 直链即可，不必申请影像（manifest CSV 已含病灶-影像对应与口径信息）。
2. 需要影像像素做分割训练/判读复现？ → 主影像不可直下（UNAVAILABLE）；并行启动 NCTN/NCORP 申请与替代数据评估（AutoPET 系列公开影像先验证方法）。
3. 需要影像 + PFS/OS 结局联动？ → NCTN/NCORP 一并申请临床层；时间线预留数月；方法验证期先用标注层做数据工程。
4. 只想复现 PET 子研究的判读统计？ → 公开侧（TCIA 页 + Blood 论文表格）提供判读汇总数字；个体级影像+结局再分析需 2+3 的组合申请。
5. 做教学/演示/综述引用？ → 引用两条数据 DOI 与两篇论文即可，无需下载数据。

每条路径的第一步都是同一个：下载标注包、读 CSV manifest、对一遍 §2.2 的口径链——这半天的功课能避免后面所有对账事故（坑 7）。

6.7 三层获取的时间成本预估（规划用）

层	首次拿到数据	前置条件	主要等待
标注（CC BY-4.0）	当天	无（直链下载）	无
主影像（受控）	数周至数月	机构主体、DUP、批复	审核流程
临床/结局（受控）	数月	机构主体、DUP、批复	审核流程与数据表交付

规划建议：以「标注当天到、影像月级、临床季度级」做项目排期——方法开发用标注层+公开替代影像起步，数据获批后切换正式数据源；论文时间线把申请审核当显式里程碑排进去（§6.6）。

§7 生态与影响：谁在用、怎么被用

7.1 已发表的第三方使用

第三方 MTV（代谢肿瘤体积）深度学习分割论文（Manteia 团队）是标注生态的代表用例：

用法要素	内容
取数口径	论文明示：491 例试验合格者中 155 例基线 FDG-PET/CT 公开于 TCIA
分析子集	随机选 100 例做分析
微调数据	50 例全身体部 CT 用于微调 U-net
模型	Manteia 2D dilated residual U-net
任务	纵隔血池与病灶 MTV 分割（PERCIST 口径）

这个用例示范了「受控影像+公开标注」结构下的合法路径：论文作者团队经正式渠道取得影像后开展研究并回馈方法学产出——而不是绕开受控层。

7.2 使用模式归纳：这个数据集的三种打开方式

从已有用例与数据形态归纳（第一种已有发表实例，后两种为协议允许的路径）：

模式	输入	输出	已有实例
分割监督	标注层 RTSTRUCT（±获批影像）	病灶分割模型	Manteia 团队 MTV U-net（§7.1）
判读模拟	获批影像 + Blood 论文判读协议（5-PS/ΔSUV 规则）	判读行为模型	无公开实例——空位
影像-结局关联	获批影像 + 临床层 PFS/OS	影像组学-预后模型	无公开实例——空位

两个「空位」不是巧合：它们都卡在影像层与临床层的受控门槛上（§6）。对检索者的启示：若你的团队已有 NCTN 数据访问权，这两个方向的数据边际成本接近零——是本数据集性价比最高的打开方式。

7.3 引文与使用热度（抓取时点口径）

指标	数值	来源口径
Views	2.5k	TCIA 页面计数
Citations	3	TCIA 页面计数

热度不高是事实也是机会：判读结论（5-PS 不预测结局、ΔSUV 切点只预测 OS）尚未被大量复现检验；3,073 个跨时点配对病灶标注在 PET 分割基准化中仍未被充分利用。

7.4 数据引用生态

官方要求的两条数据引用（写论文时照抄）：

1. Bartlett N, LaCasce A, et al., Leonard J. (2020) (Version 2) [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/cm65-a013
2. Rozenfeld M, Jordan P (2023) (Version 2) [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/9JER-G980

方法学背景引用两篇论文：Bartlett NL, et al. J Clin Oncol. 2019;37(21):1790-1799. doi:10.1200/JCO.18.01994（PMID 30939090）；Schöder H, et al. Blood. 2020;135(25):2224-2234. doi:10.1182/blood.2019003277（PMID 32232481）。TCIA 的引用政策是「数据引用 + 论文引用」双轨——只引论文不引数据 DOI 会在 TCIA 的引用追踪里缺席（坑 9）。

7.5 一个完整使用叙事（从下载到第一张分割图）

把 §5.7 的对齐路径展开成端到端叙事，供快速上手参照：

1. 下载标注包（70.29 MB），解压得到 RTSTRUCT manifest 与 CSV。
2. 在 CSV 里按 PatientID 过滤出 segmentation 源病例（152 例口径），排除 negative 源（89 例口径，坑 6）。
3. 选一个时点齐全的病例：确认其基线（“pre-dose”）RTSTRUCT 与 referenced series UID。
4. 此时你发现源影像不在包里——公开侧只有标注（这正是三层异构的体验点）。
5. 两条路：a) 申请主影像（§6.6 路径 2/3）；b) 先用 AutoPET 公开影像开发解析管线，把本条目 manifest 当作「结构测试集」验证你的 RTSTRUCT 读取代码。
6. 获批拿到影像后：按 V2 changelog 核对患者 ID（131618 已移除、132189 已补入，坑 7），再按 referenced UID 做 RTSTRUCT→CT/PT 像素对齐。
7. 注意 Time Point ID 双标签（坑 4）与日期随机化（绝对日期不可用）。

这个叙事的每一步坑都在 §10 有编号存照——第一次跑通全流程的预期成本是 1-2 个工作日，其中大半花在对账而非建模。

§8 方法学启示：三条可迁移的经验

8.1 「试验影像资产」是一种独立的数据集物种

CALGB50303 不属于「论文配套数据集」，而属于「试验影像资产」：它的采集协议由试验方案决定、质量控制由核心实验室执行、时点结构由治疗流程定义。这带来三重可迁移经验：

1. 时点结构即纵向监督：基线/i-PET/EoT 三时点配对、同病灶跨时点同标号——任何做「治疗响应影像建模」的团队都能直接复用这套结构，不必从回顾性数据里艰难拼凑配对。
2. 判读协议即免费标注规范：Deauville 5-PS + ΔSUV + PERCIST + RECIST 1.1 的组合是核医学界现成的判读规范，做淋巴瘤 PET 判读 AI 时，协议文本本身就是标注手册。
3. 阴性试验是影像-结局研究的沃土：疗效无差异意味着可合并两臂、影像表型不与治疗方案交互——这是阳性试验影像集给不了的研究条件。

8.2 「受控影像 + 公开衍生标注」是可复制的分发模式

CALGB50303-Tumor-Annotations 展示了一种务实的折中：影像本体因患者隐私与试验协议保持受控，但第三方在获得影像使用权后制作的衍生标注以 CC BY-4.0 回馈社区。这套「衍生层公开」模式：

1. 降低了下游社区的入门门槛——分割方法学可以先在标注层开发，影像获批后平移应用。
2. 保住了提交方与患者的控制权——受控层的存在让分发协议始终有效。
3. 制造了新的对账成本——衍生层的 referenced series UIDs 必须与影像版本链同步维护（V2 的 131618→132189 变更就是这类维护的实例，坑 7）。

库内同构样本是 NSCLC-Radiomics（nsclc-radiomics, rid 247）：受控影像 + 公开特征表。两个条目合读可以完整看到 NCTN 体系「影像难公开、衍生层先公开」的分发哲学。

8.3 判读结论的「反直觉三点」是现成的研究假设

PET 子研究留给后续研究的不是一套已验证的判读器，而是三个待检验的反直觉发现：视觉 5-PS 不预测结局（与部分文献相左）、ΔSUV≥66% 预测 OS 不预测 PFS（OS 与 PFS 判据不同步）、事件数少导致统计效度受限（负结果的可能解释）。任何在本数据上做的深度学习判读研究，都应把这三点当作要正面回应的假设，而不是绕开的历史包袱。

8.4 若你要复现 Blood 论文的判读统计

按依赖顺序的五步路径（每步的数据基础都标注）：

1. 确定分析队列：169 同意 → 158 合格（Blood 论文口径；TCIA 内为 155 例成功入集者，先对齐三个口径的差集是什么——坑 7）。
2. 重建 ΔSUV：需要基线与随访同病灶 SUVmax——用标注层的跨时点同 Tracking ID 病灶（§4.5 计算式；前提是拿到主影像算 SUVmax）。
3. 重建 5-PS：视觉分值在判读报告（论文表格有汇总）；个体级分值需临床层或向核心实验室申请——公开侧无法逐例复算（§10 负面清单）。
4. 拟合 Cox 模型：连续 ΔSUV 与二分切点并行、5-PS 分层并行（Blood 论文的模型骨架）；事件数与置信区间必须报告。
5. 结果对标：与论文的 HR 表（§4.3）逐项对照——对不齐时先查口径（155 vs 158）再谈方法差异。

这条路径的公开侧部分只有第 1、4、5 步——第 2 步卡在影像（受控）、第 3 步卡在个体级判读值（未公开）。这是「复现预热」的边界，先想清楚再立项。

§9 与库内条目的关系

9.1 互链清单

条目	rid	关系
tcia	547	上游托管平台条目——理解 TCIA 的受控分发与 analysis result 机制先读它
autopet	468	同族 PET 肿瘤分割数据集（全自动掩码，规模大、无试验时点结构）
autopet-v	634	AutoPET 家族续作——多示踪剂扩展
autopet-iii	678	AutoPET 家族 III——跨中心/跨示踪剂挑战
lung-pet-ct-dx	475	PET/CT 阅片诊断数据集（肺癌病灶级标注）
head-neck-pet-ct	838	头颈 PET/CT（分卷）
hnpet-fdg	947	头颈 FDG-PET/CT（SEG）
nsclc-radiomics	247	方法学同构：受控影像 + 公开衍生层（特征表）
lidc-annot-nlst501	955	方法学同构：NLST 子集标注复现的衍生标注模式

9.2 差异化定位：库内唯一的 DLBCL/淋巴瘤 PET/CT

1. 病种空位：库内 PET/CT 条目集中于肺癌（lung-pet-ct-dx、nsclc-radiomics）与头颈（head-neck-pet-ct、hnpet-fdg），本条目补上血液肿瘤（DLBCL）空位——全身淋巴结受累的病灶形态学与实性肿瘤 PET 条目形成形态学对照。
2. 时点结构空位：AutoPET 家族与 lung-pet-ct-dx 都是单时点集；本条目是库内少有的「基线+中期+疗程结束」三时点配对 PET/CT。
3. 分发模式空位：库内多数标注集全公开；本条目是「受控影像+CC BY-4.0 衍生标注」双层结构的两个代表之一（另一个是 NSCLC-Radiomics）。
4. 结局锚点空位：多数分割集只有影像+掩码；本条目关联 III 期试验的 PFS/OS 终点与 IPI/分期变量（临床层另申请），是「影像→结局」研究的稀缺底座。

9.3 合读建议

1. 做 PET 分割基准：CALGB50303 标注（人工勾画、跨时点配对）× AutoPET 系列（大样本、全自动）——人工精度与规模量互补，报告时分开列基准。
2. 做纵向响应建模：本条目三时点结构 × NSCLC-Radiomics 的特征衍生思路——先在标注层定义影像变化特征，再谈结局关联。
3. 做判读模拟：本条目的 5-PS/ΔSUV 协议 × lung-pet-ct-dx 的病灶级阅片标签——两个病种的判读规范对读。
4. 做受控数据工程：本条目 × lidc-annot-nlst501——两条「衍生标注先行」路径的 manifest 组织方式可直接互相参照。

§10 避坑清单：十个已踩过的坑

以下坑点均在本条目撰写过程中的核验环节实际撞上，编号与正文引用一致：

坑 1：文档误记三连——ECOG-ACRIN、pediatric Hodgkin lymphoma、Acknowledgements 占位符。
任务简报与部分文档把试验归属写成 ECOG-ACRIN，TCIA 页与 JCO 论文均为 Alliance/CALGB（试验编号 50303 本身即 CALGB 系编号）；TCIA annotations 页 Summary 出现 “pediatric Hodgkin lymphoma” 字样，系模板复制粘贴笔误（试验对象为成人 DLBCL）；wiki 页 Acknowledgements 仍是 “Hospital/Institution Name…” 占位符。三处都不采信，引用时以论文与 collection 页主体信息为准。

坑 2：Clinical Complete ≠ 可下载。
collection 页 “Clinical Complete” 是收集状态，Status “UNAVAILABLE” 是获取通道状态——两层概念。把前者当后者读，会在 TCIA 登录入口反复撞墙。正确读法：收集完毕+通道关闭=走 NCTN/NCORP 体系申请。

坑 3：NCT00352534 是模板残留。
TCIA wiki 页 NCTN 模板里的 NCT00352534 与本试验无关；试验实为 NCT00118209（两篇论文与 ClinicalTrials.gov 均证）。引用注册号前先到 ClinicalTrials.gov 反查一次。

坑 4：日期被随机化 + Time Point ID 双标签 + 设备异质。
去标识方案把所有日期归一 1960-01-01 后加随机偏移——绝对日期不可用于时序统计；Time Point ID 存在于 (0012,0052)/(0012,0053)，fallback 在 (0012,0050)/(0012,0051)——解析器要两个标签都查；扫描设备横跨三家厂商、FDG 剂量 8-20 mCi——强度与 SUV 绝对值的中心间可比性要做归一化敏感性分析。

坑 5：事件数少，判读结论别当成定律。
PET 子研究自己声明统计效度受事件数限制：视觉 5-PS 不预测结局、ΔSUV≥66% 预测 OS（HR 0.31）但不预测 PFS（P=.09）。复现或延伸研究必须报告置信区间与事件数；「5-PS 无效」是本试验内的经验结论，不是普适定律。

坑 6：配额标注不是全病灶密标注。
每时点最多 5 病灶、每器官最多 2 个（淋巴结算 1 器官；脾/唾液腺/Waldeyer 环独立）——广泛受累患者的大多数病灶不在标注内。negative 源 89 例是「无可测量病灶」声明，不是阴性分割样本。敏感度统计要写明「相对协议内病灶」。

坑 7：七个规模口径禁混用 + V1→V2 患者集合变更。
524 登记 / 491 试验合格 / 169 同意 / 158 子研究合格 / 155 入 TCIA / 152 segmentation 源 / 89 negative 源——七个数字各有所指；V2 影像移除患者 131618、补入 132189（3 series 换挂）——V1 快照与 V2 对账会差一个患者 ID；8 个标注 series 的 referenced UID 在 V2 改挂——旧快照复现前先读 changelog。

坑 8：CapeStart 双级流水线不是双人独立判读。
初注（国际 MBBS 放射医生）+ 复核（美国 board-certified 放射医生）是「初稿+终审」模式，不是双人独立标注加一致性分析；初注-复核分歧的处理规则未随包披露。把标注表述成「双盲金标准」是过度声明。

坑 9：引用双轨 + 参数是范围不是统一值。
TCIA 引用政策要「数据 DOI + 论文」双轨齐全，只引论文会在数据引用追踪里缺席；扫描参数表（110-140 kVp、8-20 mCi、层厚 2-4.25mm）是多中心范围值，不是统一协议值——引用时写「协议范围」而非「协议规定」。

坑 10：NCTN/NCORP Data Archive 的申请细节在登录墙内。
申请表单字段、审核时限、影像与临床数据的联合申请流程都无法从公开页核实到字段级——本条目对这一层只写到「申请制+机构主体+DUP」的粒度，检索者以 Data Archive 站内指引为准，勿引用第三方转述的流程细节。

坑点速查表

坑	一句话	详解
1	归属/病种/致谢三处文档误记	§10 坑 1
2	Clinical Complete ≠ 可下载	§6.2
3	NCT00352534 是模板残留	§3.1
4	日期随机化 + 双标签 + 设备异质	§2.3、§5.4
5	事件数少，判读结论别当定律	§4.3
6	配额标注非全病灶密；negative ≠ 阴性样本	§5.2、§5.5
7	七个口径禁混用；V1→V2 患者集合变更	§2.2、§2.6
8	双级流水线非双人独立判读	§5.1
9	引用要双轨；参数是范围值	§2.5、§7.4
10	申请细节在登录墙内	§6.4

---

FAQ（高频问答 32 问）

Q1：主影像为什么在 TCIA 下载不了？
collection 页 Status 显示 UNAVAILABLE——登录下载通道已停。主影像是 NIH Controlled Data Access Policy 受控数据，现实路径是经 NCTN/NCORP 体系申请（§6.2）。「Clinical Complete」是收集状态，与获取通道是两个概念（坑 2）。

Q2：标注包怎么下载？
TCIA analysis-result 页（https://www.cancerimagingarchive.net/analysis-result/calgb50303-tumor-annotations/）公开直链，CC BY-4.0，无需登录：DICOM manifest 68.89 MB + CSV 1.4 MB，合计 70.29 MB（V2 口径）。

Q3：临床数据（PFS/OS、AE、IPI）在哪拿？
不在 TCIA。走 NCTN/NCORP Data Archive 受控申请：机构主体、数据使用计划、试验级颗粒度（§6.4）。审核周期以月计。

Q4：可以商用吗？
标注层 CC BY-4.0 允许商用（署名即可）；主影像受控协议默认不可、逐案审批；临床层随申请批复。三层分开判断，不要以「这个数据集开源了」一概而论（§6.5）。

Q5：署名写谁？
官方要求两条数据引用：Bartlett N, LaCasce A, et al., Leonard J. (2020) (Version 2) doi:10.7937/cm65-a013（主影像）；Rozenfeld M, Jordan P (2023) (Version 2) doi:10.7937/9JER-G980（标注）。方法学另引 JCO 与 Blood 两篇论文（§7.4、坑 9）。

Q6：155 例是怎么从 524 例漏斗下来的？
524 登记 → 491 试验合格 → 169 同意 PET 子研究 → 158 子研究合格 → 155 成功入 TCIA。最大缺口在「同意」环节（约四成合格患者未同意）。引用任何一个数字都写明口径（§2.2、坑 7）。

Q7：影像总量是多少？
155 subjects / 610 studies / 1,944 series / 513,669 images / 138.84 GB，模态 CT, PT, OT（V2 口径）。

Q8：三个时点怎么区分？
DICOM 标签 (0012,0052)/(0012,0053) 的 Clinical Trial Time Point ID：“pre-dose”（基线）与 “post-chemotherapy”（治疗后）；fallback 到 (0012,0050)/(0012,0051)（§2.3、坑 4）。

Q9：interim 和 EoT 共用 “post-chemotherapy”，怎么分辨？
Time Point ID 分不出这两个时点。用检查的相对日期顺序（偏移后日期仍保序）加 DICOM 描述字段辅助判断（§2.3、§5.4）。

Q10：negative 源是什么？能当阴性样本训练吗？
89 例/183 studies/59,572 images 口径，语义是「该时点无可测量病灶」的声明记录。不能当阴性分割样本直接训练——它不是「确认无病灶的切片」，而是「协议判读无病灶」的时点声明（§2.2、坑 6）。

Q11：segmentation 源是什么？
152 例/448 studies/661 series/204,738 images 口径——该时点存在协议内可测量病灶、RTSTRUCT 可用于分割监督的记录（§2.2）。

Q12：标注是全病灶密标注吗？
不是。每时点最多 5 病灶、每器官最多 2 个（淋巴结算 1 器官；脾/唾液腺/Waldeyer 环独立）。广泛受累患者的大多数病灶不在标注内（§5.2、§5.5、坑 6）。

Q13：RTSTRUCT 怎么读？
DICOM RT Structure Set 格式：pydicom 或 rt-utils 类工具读取；每病灶带 Tracking ID/UID、SNOMED-CT 编码、(0040,A168) 追踪序列；不是 NIfTI mask，需自己做栅格化（§5.3）。

Q14：CSV manifest 里有什么？
病灶-影像对应总表（V2 1.4MB）：PatientID、时点、RTSTRUCT series UID、referenced series UID、病灶标签与口径（segmentation/negative）。先读它再规划下载（§5.3）。

Q15：影像和标注怎么对齐？
CSV manifest → 目标病例/时点 → RTSTRUCT 的 referenced series UID → 主影像中同 UID 的 series。用 V1 快照时先对照 V2 changelog（8 个 series 改挂，坑 7）。

Q16：V1 和 V2 影像有什么区别？
V1（2021-03-30，509,924 images）→ V2（2025-08-06，513,669 images）：修正 3 个 series 的患者 name/ID；移除错配患者 131618 的 3 个 series；132189 新增 3 个 series。V2 的患者集合与 V1 差一个 ID（§2.1、坑 7）。

Q17：标注 V1 和 V2 有什么区别？
V1（2023-03-30，58.83MB/3,077 series/CSV 701.62KB）→ V2（2026-06-09，70.29MB/3,073 series/CSV 1.4MB）：修正 referenced series UIDs、8 个 series 源 131618→132189、labels/描述一致性、metadata 新字段、去重复（§2.2）。

Q18：Deauville 5-PS 是什么？
PET 疗效判读五分量表：1=无摄取、2=≤纵隔血池、3=>纵隔血池但≤肝血池、4=moderately>肝、5=markedly>肝或新病灶、X=无关摄取。本试验前瞻阴性判据是 5-PS 1-3 且 ΔSUV≥66%（§4.5）。

Q19：ΔSUV 怎么算？
ΔSUV = (基线 SUVmax − 随访 SUVmax)/基线 SUVmax × 100%，分子分母必须同一病灶——标注的跨时点同标号就是这个用途（§4.5）。

Q20：为什么视觉 5-PS 在这个试验里不预测结局？
子研究结论：视觉 5-PS 与 PFS/OS 均无显著关联。论文归因于事件数少、统计效度受限；也可能与双判据（加 ΔSUV）的前瞻设计有关。这是本试验内的经验结论，不是普适定律（§4.3、坑 5）。

Q21：ΔSUV≥66% 这个切点从哪来？
早期淋巴瘤 PET 研究的经验阈值，本试验把它作为前瞻阴性判据的定量分支接受检验：对 OS 显著（HR 0.31, P=.02）、对 PFS 不显著（P=.09）（§4.3）。

Q22：PERCIST 和 RECIST 1.1 在标注里各管什么？
PERCIST 管选病灶（SUVmax 最高优先）；RECIST 1.1 管入径阈值（淋巴结短轴>1.5cm、其他>1cm）；每时点 5 病灶/每器官 2 个的配额是本协议叠加的（§5.2）。

Q23：标注是谁做的，质量如何？
CapeStart 执行：国际 MBBS 放射医生初注 + 美国 board-certified 放射医生复核。双级流水线，非双人独立判读；初注-复核分歧处理规则未披露（§5.1、坑 8）。

Q24：CALGB 50303 试验结论是什么？
DA-EPOCH-R 未优于 R-CHOP：PFS HR 0.93（0.68-1.27, P=.65）、OS HR 1.09（0.75-1.59, P=.64）；DA-EPOCH-R 的发热性中性粒细胞减少（35.0% vs 17.7%）与神经病变（18.6% vs 3.3%）更多；治疗相关死亡两臂各 5 例（§3.2、§3.3）。

Q25：阴性试验的影像为什么还有价值？
影像质量有试验协议背书、判读标签是前瞻盲法的、两臂疗效无差异允许合并分析且影像表型不与治疗方案交互（§3.4、§8.1）。

Q26：试验归属是 Alliance 还是 ECOG-ACRIN？
Alliance for Clinical Trials in Oncology（前称 CALGB）——TCIA 页与 JCO 论文一致；ECOG-ACRIN 字样是文档误记（坑 1）。

Q27：NCT 注册号是多少？
NCT00118209。TCIA wiki 模板里的 NCT00352534 是模板残留，勿引用（坑 3）。

Q28：检查日期为什么都是 1960 年附近？
去标识方案（DICOM PS3.15 Annex E「Retain Longitudinal With Modified Dates」）：日期归一 1960-01-01 后加随机偏移，保留相对间隔、抹去真实日期。绝对日期不可用时序统计（§5.4、坑 4）。

Q29：能还原真实检查日期吗？
不能。偏移参数未公开，且这不是去标识方案的设计意图。相对间隔仍可用（§5.4）。

Q30：患者年龄、性别、种族在哪？
TCIA collection 页与 TCIA wiki 的人口学段：年龄 56.1±14（中位 57）、男 85/女 69/未知 1、种族分布见 §2.4 表。个体级临床变量仍要申请临床层。

Q31：和 AutoPET 系列什么关系？
AutoPET（468/634/678）是大样本全自动掩码 PET 分割集、单时点为主；本条目是小样本人工勾画、三时点配对、带试验协议背景。基准化时人工精度与规模量互补，分开列报（§9.2、§9.3）。

Q32：和 NSCLC-Radiomics 什么关系？
方法学同构（rid 247）：受控影像 + 公开衍生层（那边是特征表、这边是病灶标注）。两个条目合读可完整看到 NCTN「影像难公开、衍生层先公开」的分发哲学（§8.2、§9.1）。

Q33：只有 PET 还是也有 CT？
CT, PT, OT 三模态都有。每个 PET 检查配套 CT（诊断质量增强 CT 优先，否则 PET 自带低剂量 CT 部分：110-140 kVp / 200 mAs / 层厚 2-4mm）；分期 CT 胸腹盆 155 例全覆盖（§2.5）。

Q34：层厚多少，要重采样吗？
PET 层厚 2-4.25mm（83% 为 3.25/4.25mm），CT 2-4mm，多中心异质。跨患者训练建议统一重采样（如 2mm³ 各向同性或对照 AutoPET 网格），并把重采样方案写进方法节（§2.5）。

Q35：SUV 标定/校准信息在数据里吗？
设备型号与采集协议在 DICOM 头；跨中心 SUV 绝对值可比性有限（FDG 8-20 mCi、60-80 min 时窗是协议范围）。跨中心建模优先用相对量（ΔSUV、病灶/血池比值）（§2.5、§4.5、坑 4）。

Q36：有健康对照组吗？
没有。155 例全部是一线 DLBCL 患者；「negative 源」是患者时点声明，不是健康对照（坑 6）。

Q37：治疗响应标签（CR/PR/PD）在哪？
判读汇总统计（i-PET 阳性率等）在 Blood 论文表格；个体级响应与结局标签要走 NCTN/NCORP 临床层申请（§4、§6.4）。

Q38：能拿到逐例 IPI、分期、治疗方案吗？
公开侧只有 TCIA 页的人口学汇总；逐例临床变量在 NCTN/NCORP Data Archive，随影像一并申请（§6.4、Q30）。

Q39：数据更新会通知吗？
TCIA 版本页有 changelog（本条目 §2.1/§2.2 两张版本链表即摘自 changelog 口径）；复现研究建议固定版本号并在论文中写明（V2，2026-06-09 标注 / 2025-08-06 影像）。

Q40：环境与工具建议？
Python + pydicom（DICOM/RTSTRUCT 读取）+ rt-utils 类库（RTSTRUCT 栅格化）+ SimpleITK/nibabel（重采样）；标注层解压即可用，无特殊依赖；主影像获批后为标准 DICOM 目录树（§5.3、§7.5）。

Q41：OT 模态是什么？
DICOM 模态分类里的「Other」（其他）——本集中为 PET/CT 检查的衍生序列；解析时按 series 逐个判断，不要假设只有 CT/PT 两种（§2.1）。

Q42：某时点没有增强 CT 怎么办？
标注协议的规则：无增强 CT 时用 PET 检查自带的低剂量 CT 部分（110-140 kVp/200 mAs）做解剖参照——勾画质量相应打折，解读病灶边界时要记得这一层（§2.5、§5.2）。

Q43：为什么标注只有 519 studies 而影像有 610？
差额来自两类时点：negative 源时点（无可测量病灶，无 RTSTRUCT 记录）与未采集/未提交的检查。对账时按「影像 study − 有 RTSTRUCT 的 study − negative 声明 study」逐例核（§2.2）。

Q44：标注 V2 的 CSV 为什么从 701KB 涨到 1.4MB？
V2 加了 metadata 新字段、修正描述一致性并去重复（TCIA changelog 口径）——字段变多与描述变长都会推高体积；解析脚本别写死列序，按列名读（§2.2、Q14）。

Q45：R-CHOP 对照组的患者也在数据里吗？
在——155 例来自试验两臂（随机化不筛选影像提交），但公开侧未见分臂的影像/标注计数；分臂分析需临床层获批后自行 linkage（§6.4）。

Q46：TCIA 四级结构在本集的具体数值？
collection 1 个（CALGB50303）→ subjects 155 → studies 610 → series 1,944 → images 513,669；标注层为 155/519/3,073（series=RTSTRUCT manifest 文件数，无 images 级概念）。两层四级数值不同，交叉引用时写明层级（§2.1、§2.2）。

Q47：RTSTRUCT 和 SEG（DICOM Segmentation）有什么区别？
本集标注用 RTSTRUCT（放疗结构集，存轮廓多边形）；SEG 是光栅掩码对象。本集不是 SEG——需要 mask 时自己栅格化（附录 E），并把「轮廓→体素」的插值误差写进方法限制。

Q48：V1 版本还能拿到吗？
TCIA 保留版本归档（changelog 页可溯）；但解析脚本应面向 V2——referenced UID 修正与患者集合变更都以 V2 为准（§2.1、附录 F）。

Q49：本集和库里谁最像？
分发模式上最像 lidc-annot-nlst501（rid 955，衍生标注复现）与 nsclc-radiomics（rid 247，受控影像+公开衍生层）；数据形态上最像 head-neck-pet-ct（人工病灶勾画 PET/CT）。三向对照见附录 J（§9.1）。

Q50：一段话总结这个数据集？
CALGB50303 是一场「阴性结果」III 期试验（DA-EPOCH-R 未优于 R-CHOP）留下的前瞻性 PET/CT 影像资产：155 例、三时点、513,669 幅受控影像，加上第三方制作的 3,073 个 CC BY-4.0 跨时点追踪病灶 RTSTRUCT 标注；它的价值在纵向配对结构与试验级协议质量，它的门槛在三层异构获取——标注当天拿、影像月级申请、临床季度级批复。

---

事实清单（硬事实 55 条）

1. TCIA collection 名 CALGB50303，全称 Rituximab and Combination Chemotherapy in Treating Patients With Diffuse Large B-Cell Non-Hodgkin Lymphoma。（TCIA collection 页）
2. 资源结构：主影像 TCIA collection + 病灶 RTSTRUCT 标注 TCIA analysis result，双层。（TCIA 两页）
3. 主影像 DOI 10.7937/CM65-A013。（TCIA collection 页）
4. 标注 DOI 10.7937/9JER-G980。（TCIA analysis-result 页）
5. 试验归属 Alliance for Clinical Trials in Oncology（前称 CALGB）。（TCIA collection 页；JCO 论文）
6. 任务 brief 写 ECOG-ACRIN 系误记，条目按 Alliance 写并存照。（本条目核验记录）
7. 试验注册号 NCT00118209。（ClinicalTrials.gov；两篇论文）
8. TCIA wiki NCTN 模板写 NCT00352534，系模板残留，不采信。（本条目核验记录）
9. 母试验入组窗口 2005-2013。（JCO 论文）
10. 登记 524 例、试验合格 491 例。（JCO 论文）
11. 同意 PET 子研究 169 例、子研究合格 158 例。（Blood 论文）
12. TCIA 主影像 155 subjects。（TCIA collection 页）
13. 主影像 610 studies / 1,944 series / 513,669 images / 138.84 GB。（TCIA collection 页，V2）
14. 主影像模态 CT, PT, OT。（TCIA collection 页）
15. 主影像 V1 2021-03-30 发布，509,924 images。（TCIA changelog）
16. 主影像 V2 2025-08-06 发布，513,669 images。（TCIA changelog）
17. V2 变更：修正 3 series 患者 name/ID；移除患者 131618 的 3 series；132189 新增 3 series。（TCIA changelog）
18. 主影像获取状态 UNAVAILABLE（TCIA 页 Status）；收集状态 Clinical Complete。（TCIA collection 页）
19. 主影像许可：NIH Controlled Data Access Policy。（TCIA collection 页）
20. 标注 V1 2023-03-30 发布：58.83MB、3,077 series、CSV 701.62KB。（TCIA changelog）
21. 标注 V2 2026-06-09 发布：70.29MB、3,073 series、DICOM manifest 68.89MB、CSV 1.4MB。（TCIA changelog/页面）
22. 标注 V2 变更：修正 referenced series UIDs；8 series 源 131618→132189；labels/描述一致性；metadata 新字段；去重复。（TCIA changelog）
23. 标注许可 CC BY-4.0，公开直链。（TCIA analysis-result 页）
24. 标注口径：155 subjects / 519 studies / 3,073 series / 3,073 images（RTSTRUCT manifest 文件数）。（TCIA analysis-result 页）
25. segmentation 源口径：152 subj / 448 studies / 661 series / 204,738 images。（TCIA analysis-result 页）
26. negative 源口径：89 subj / 183 studies / 209 series / 59,572 images。（TCIA analysis-result 页）
27. 标注执行方 CapeStart：国际 MBBS 放射医生初注 + 美国 board-certified 放射医生复核。（TCIA analysis-result 页）
28. 标注规则：PERCIST（SUVmax 最高病灶）+ axial 优先 + AC PET 与增强 CT（无增强用 PET 低剂量 CT 部分）。（TCIA analysis-result 页）
29. 标注配额：每时点最多 5 病灶、每器官最多 2 个；淋巴结算 1 器官；脾/唾液腺/Waldeyer 环独立。（TCIA analysis-result 页）
30. 跨时点规则：同 5 病灶跨时点追踪、病灶单独标号、seed points 自动生成后人工复核。（TCIA analysis-result 页）
31. 入径阈值：RECIST 1.1（淋巴结短轴>1.5cm、其他>1cm）。（TCIA analysis-result 页）
32. 标注技术：DICOM RTSS；SNOMED-CT 编码；Tracking ID/UID；(0040,A168)。（TCIA analysis-result 页）
33. Time Point ID：“pre-dose”（SCT 255235001）与 “post-chemotherapy”（SCT 262502001）。（TCIA analysis-result 页）
34. 去标识：DICOM PS3.15 Annex E「Retain Longitudinal With Modified Dates」（E.1.12）；日期归一 1960-01-01 加随机偏移；标签 (0012,0052)/(0012,0053)，fallback (0012,0050)/(0012,0051)。（TCIA 页）
35. 主试验论文：Bartlett NL, et al. J Clin Oncol 2019;37(21):1790-1799，doi 10.1200/JCO.18.01994，PMID 30939090，PMCID PMC6774813。（JCO）
36. PET 子研究论文：Schöder H, et al. Blood 2020;135(25):2224-2234，doi 10.1182/blood.2019003277，PMID 32232481，PMCID PMC7316220。（Blood）
37. 主试验设计：1:1 随机，DA-EPOCH-R vs R-CHOP，6 周期，一线 DLBCL，主要终点 PFS，中位随访 5 年。（JCO）
38. PFS：HR 0.93（95% CI 0.68-1.27, P=.65）；2 年 PFS 78.9% vs 75.5%。（JCO）
39. OS：HR 1.09（95% CI 0.75-1.59, P=.64）；2 年 OS 86.5% vs 85.7%。（JCO）
40. 3-4 级 AE（DA-EPOCH-R vs R-CHOP）：感染 16.9%/10.7%；发热性中性粒细胞减少 35.0%/17.7%；黏膜炎 8.4%/2.1%；神经病变 18.6%/3.3%（P<.001）。（JCO）
41. 治疗相关死亡两臂各 5 例（2.1%）。（JCO）
42. PET 判读：两位核医学专家核心实验室；Deauville 5-PS + ΔSUV 双判据；前瞻阴性定义 5-PS 1-3 且 ΔSUV≥66%。（Blood）
43. i-PET 阳性 55 例（35%）；EoT 阳性 28 例（18%）；中位 ΔSUV 86.2%。（Blood）
44. ΔSUV 连续变量：PFS HR 0.99（0.97-1.00, P=.02）；OS HR 0.98（0.97-0.99, P=.03）。（Blood）
45. ΔSUV≥66%：预测 OS（HR 0.31, 0.11-0.85, P=.02），不预测 PFS（HR 0.47, 0.19-1.13, P=.09）。（Blood）
46. 视觉 5-PS 不预测结局；事件数少限制统计效度。（Blood）
47. 人口学（N=155）：年龄 56.1±14（中位 57，IQR 48-66，range 20-82）；男 85/女 69/未知 1。（TCIA 页）
48. 种族：White 120 / Black 19 / Asian 10 / AI-AN 2 / 多种族 1 / 未知 3；Hispanic 5 / Non-Hispanic 139 / 未知 11。（TCIA 页）
49. 临床特征：74% Ann Arbor III/IV 期；IPI 0-1 26% / 2 37% / 3 25% / 4-5 12%。（TCIA 页/wiki）
50. 扫描设备：Siemens Biograph / Philips GEMINI / GE Discovery；FDG 8-20 mCi；注射后 60-80 min。（TCIA 页/论文）
51. 低剂量 CT 110-140 kVp / 200 mAs / 层厚 2-4mm；PET 层厚 2-4.25mm（83% 为 3.25/4.25mm）。（TCIA 页）
52. 第三方使用：MTV 深度学习分割论文（Manteia 团队），155 例基线公开口径、随机 100 例分析、50 例 CT 微调 U-net。（第三方论文）
53. TCIA 页计数：2.5k views / 3 citations（抓取时点 2026-10-09）。（TCIA collection 页）
54. TCIA annotations 页 Summary 的 “pediatric Hodgkin lymphoma” 系模板笔误，不采信；Acknowledgements 为占位符，不引用。（本条目核验记录）
55. 库内查重：url_name 含 calgb/lymphoma/50303 的 SQL 查询 0 行命中；本条目为库内唯一 DLBCL/淋巴瘤 PET/CT 条目。（本库 SQL 查重，2026-10-09）
56. 主影像模态含 OT（Other）——解析时按 series 逐个判断，不要假设只有 CT/PT 两种。（TCIA collection 页）
57. 分期 CT 胸腹盆 155 例全覆盖（基线口径）；诊断质量增强 CT 可用时用于标注。（TCIA annotations 页）
58. 标注 studies 519 少于主影像 610：差额含 negative 源时点（无 RTSTRUCT 记录）与未采集/未提交检查。（两页口径推算）
59. 公开侧未见 155 例的分臂（DA-EPOCH-R vs R-CHOP）影像/标注计数；分臂分析需临床层获批后 linkage。（核验记录）
60. 标注 V1 形态含 RTSTRUCT+Fiducial 两类对象；V2 changelog 口径以 RTSTRUCT manifest 为主线。（TCIA changelog）

术语表（46 条）

1. DLBCL（Diffuse Large B-Cell Lymphoma）：弥漫大 B 细胞淋巴瘤，非霍奇金淋巴瘤最常见亚型，本数据集全部患者的诊断。
2. R-CHOP：利妥昔单抗+环磷酰胺+阿霉素+长春新碱+泼尼松，DLBCL 标准一线方案，本试验对照组。
3. DA-EPOCH-R：剂量调整的依托泊苷+泼尼松+长春新碱+环磷酰胺+阿霉素+利妥昔单抗，本试验试验组。
4. 剂量调整（dose-adjusted）：按每周期血象动态调整化疗剂量的给药策略，EPOCH 的 D 之来源。
5. Alliance/CALGB：Alliance for Clinical Trials in Oncology，前称 Cancer and Leukemia Group B；本试验发起方。
6. NCTN/NCORP：美国国家临床试验网络/社区肿瘤学研究计划；临床与影像数据的受控申请体系。
7. TCIA（The Cancer Imaging Archive）：本数据集托管平台，collection 与 analysis result 两级结构。
8. Analysis result：TCIA 上基于某 collection 派生的第三方标注/特征资源，可单独设许可。
9. FDG-PET/CT：氟代脱氧葡萄糖 PET 与 CT 的同机融合显像；本数据集全部检查的类型。
10. SUV（Standardized Uptake Value）：标准摄取值，PET 半定量代谢指标。
11. SUVmax：病灶内 SUV 最大值；本协议病灶选择（PERCIST）的依据。
12. ΔSUV：随访 SUVmax 相对基线的下降百分比；本试验核心定量判据。
13. Deauville 5-PS：PET 疗效五分量表，按病灶摄取对照血池参考区分档。
14. 血池参考：纵隔血池（3 分界）与肝血池（4/5 分界）两个视觉对照区。
15. i-PET（interim PET）：中期 PET，本试验定在 2 周期后。
16. EoT（end-of-treatment）PET：疗程结束 PET。
17. 前瞻阴性判据：本试验预设的「代谢完全缓解」定义：5-PS 1-3 且 ΔSUV≥66%。
18. PERCIST：PET 疗效评价标准（以 SUV 峰值/最大值为核心）；本协议病灶选择依据。
19. RECIST 1.1：实体瘤疗效评价标准；本协议入径阈值来源（淋巴结短轴>1.5cm、其他>1cm）。
20. RTSTRUCT：DICOM 放射治疗结构集，存储轮廓的標准载体；本标注层的格式。
21. RTSS：RT Structure Set 的 DICOM 模块名（与 RTSTRUCT 同义）。
22. Tracking ID/UID：DICOM 病灶追踪标识；跨时点同病灶对应的关联键。
23. SNOMED-CT：医学术语系统；本标注病灶编码体系。
24. (0040,A168)：DICOM 标签，Tracking Identifier 序列所在。
25. Clinical Trial Time Point ID：DICOM (0012,0052)/(0012,0053) 登记的试验时点标识；本集取值 “pre-dose”/“post-chemotherapy”。
26. (0012,0050)/(0012,0051)：Clinical Trial Time Point Description/Coordinating Center 的 fallback 标签。
27. AC PET：衰减校正后 PET 图像；本协议勾画参照。
28. 低剂量 CT：PET 检查自带的定位/衰减校正 CT（110-140 kVp/200 mAs），无增强 CT 时的解剖参照。
29. IPI（International Prognostic Index）：国际预后指数，DLBCL 危险分层工具；本队列 0-1 分 26%、2 分 37%、3 分 25%、4-5 分 12%。
30. Ann Arbor 分期：淋巴瘤分期系统；本队列 74% 为 III/IV 期。
31. PFS（Progression-Free Survival）：无进展生存，母试验主要终点。
32. OS（Overall Survival）：总生存，母试验次要终点。
33. HR（Hazard Ratio）：风险比；PFS HR 0.93、OS HR 1.09 均跨 1（不显著）。
34. 发热性中性粒细胞减少：DA-EPOCH-R 臂 35.0% vs R-CHOP 臂 17.7% 的 3-4 级 AE。
35. MTV（Metabolic Tumor Volume）：代谢肿瘤体积；第三方深度学习论文的分割对象。
36. 去标识（de-identification）：DICOM PS3.15 Annex E 流程；本集采用保留纵向间隔的日期偏移变体。
37. 日期偏移（date shifting）：真实日期归一 1960-01-01 后加随机偏移的去标识手法。
38. manifest：随数据发布的索引表；标注层的 CSV（1.4MB）给出病灶-影像对应。
39. hash UID：DICOM UID 的哈希替换；V2 中 132189 新增 series 采用新 hash UID。
40. 核心实验室（core lab）：试验中集中盲法判读影像的独立团队；本试验为两位核医学专家。
41. Intergroup trial：多组协作试验——多个肿瘤学协作组共同入组；CALGB 50303 即 intergroup III 期。
42. Collection：TCIA 的影像集合单元（如 CALGB50303）；其下再分 subject/study/series/image 四级。
43. Changelog：TCIA 版本页的变更记录；本条目附录 F 即其摘录。
44. Fiducial：DICOM 标注中的基准点对象；标注 V1 与 RTSTRUCT 并列出现（Q60）。
45. Waldeyer 环：咽淋巴环（扁桃体等）；标注配额中独立于「淋巴结」计数的器官单元。
46. Seed points：自动生成的勾画种子点；本协议中由放射医生复核修正（§5.2）。

---

附录

附录 A：抓取时点与来源清单

本条目事实抓取与核验时点为 2026-10-09。各来源口径：

来源	URL/标识	用途
TCIA collection 页	https://www.cancerimagingarchive.net/collection/calgb50303/	规模、模态、人口学、扫描参数、状态字段
TCIA annotations 页	https://www.cancerimagingarchive.net/analysis-result/calgb50303-tumor-annotations/	标注口径、协议、许可、版本链
TCIA changelog	两页内嵌版本记录	V1/V2 变更明细
JCO 主试验论文	doi:10.1200/JCO.18.01994	试验设计、疗效、AE
Blood PET 子研究论文	doi:10.1182/blood.2019003277	判读协议、判读-结局统计
ClinicalTrials.gov	NCT00118209	注册信息反查
NCTN/NCORP Data Archive	站内（登录墙内细节未核实）	临床数据申请（坑 10）
第三方 MTV 分割论文	Manteia 团队	第三方使用案例
本库 SQL 查重	2026-10-09 执行	0 行命中

来源卫生三条：一、TCIA wiki 页三处模板缺陷（坑 1、坑 3、Acknowledgements 占位符）不采信；二、TCIA 页面计数（views/citations）随时间滚动，引用存照时点；三、登录墙内的申请流程细节以站内指引为准，勿引用第三方转述。

附录 A2：本条目的核验动作清单（生产过程存照）

撰写本条目时执行过的核验动作，供后续维护者复用：

核验动作	结果	时间
库内查重 SQL（url_name 含 calgb/lymphoma/50303）	0 行命中，无撞库	2026-10-09
三源存在性确证（TCIA 两页 + 论文 DOI）	通过	2026-10-09
试验归属核验（TCIA 页 vs 论文 vs brief）	Alliance/CALGB；brief 误记存照	2026-10-09
NCT 号反查（wiki NCT00352534 → ClinicalTrials.gov 口径）	实为 NCT00118209	2026-10-09
TCIA wiki 模板缺陷清点	三处（坑 1、坑 3、占位符）	2026-10-09
规模口径链核对（TCIA 两页 vs 两篇论文）	七口径并存，逐处标明	2026-10-09
获取状态核对（collection 页 vs annotations 页）	UNAVAILABLE vs CC BY-4.0 直链并存	2026-10-09
库内互链候选筛选	9 个互链条目确认（§9.1）	2026-10-09

附录 B：DAIMS 评估全表

DAIMS = Discoverability（可发现）/ Accessibility（可获取）/ Interoperability（可互操作）/ Metadata（元数据）/ Sustainability（可持续）。

维度	评分（5 制）	依据
可发现 Discoverability	4	双 DOI（数据）+ 两篇论文（PMID/PMCID）+ TCIA 站内检索 + 本条目关键词覆盖；扣 1 分因「受控」状态在部分聚合页显示混乱（UNAVAILABLE 与 Clinical Complete 并存易误读，坑 2）
可获取 Accessibility	3	标注层 CC BY-4.0 公开直链（满分项）；主影像受控且 UNAVAILABLE、临床层申请制——三层获取梯度陡峭（§6）
可互操作 Interoperability	4	标准 DICOM + RTSTRUCT + CSV manifest；Time Point ID 与 SNOMED-CT 语义化；扣 1 分因 Time Point ID 双标签与 interim/EoT 共用（坑 4）
元数据 Metadata	4	版本链 changelog 完整（V1/V2 变更逐条）；人口学/扫描参数在页；扣 1 分因标注协议的初注-复核分歧处理未披露（坑 8）
可持续 Sustainability	4	TCIA 长期托管、双 DOI 独立解析、版本归档；扣 1 分因主影像获取通道状态依赖提交方协议存续（§6.2）
总分	19/25	特征画像：「高互操作、陡获取梯度」的试验影像资产

评分口径说明：评分是本条目编辑部的相对评估（同库横比），不是官方指标；标注层单独看是满分资源（公开直链+标准格式+manifest 完备），拉低总分的是主影像与临床层的受控性——这恰是「受控影像+公开衍生层」模式的固有形态。

附录 C：标注 CSV manifest 字段速查（使用侧）

manifest CSV（V2 1.4MB）的使用侧字段归纳（列名以实际文件为准，此处为语义速查）：

字段语义	典型取值	用途
PatientID	匿名 ID（如 132189）	病例定位；注意 V2 患者集合变更（坑 7）
Study/Series UID	DICOM UID	RTSTRUCT 定位
Referenced Series UID	DICOM UID	映射回主影像的键
Time Point	“pre-dose” / “post-chemotherapy”	基线 vs 治疗后
口径标签	segmentation / negative	分割监督 vs 时点声明（坑 6）
病灶标签/描述	SNOMED-CT 术语	病灶语义

抽样自检建议：任取 5 例，manifest 中该例 segmentation 时点数 + negative 时点数应等于其 study 覆盖数；referenced UID 在 V1 快照中报「找不到 series」的，先查 V2 changelog 的 8 个改挂记录。

附录 C2：主影像 DICOM 层级速查

层级	本集数值	解析提示
Collection	1 个（CALGB50303）	目录根
Patient	155	匿名 ID；V2 集合有 131618/132189 变更（坑 7）
Study	610	每患者最多 3 时点；negative 时点也有 study
Series	1,944	含 CT/PT/OT；RTSTRUCT 在标注层单独计
Image	513,669	CT/PT 切片合计；层厚随中心而异（坑 4）

下载获批影像前的磁盘规划：138.84 GB 原始体量 + 解压/重采样副本，建议预留 3 倍空间；逐患者同步（而非全库一次性）可把首例分析时间提前数周。

附录 D：RTSTRUCT 关键标签字典

标签	名称	本集内容
(0008,0018)	SOP Instance UID	RTSTRUCT 实例唯一标识
(3006,0002)	Structure Set Label	结构集短标签
(3006,0020)	Structure Set ROI Sequence	逐病灶 ROI 列表
(3006,0026)	ROI Number	病灶编号（单独标号规则）
(3006,0036)	ROI Generation Algorithm	生成方式（自动 seed + 人工复核）
(0040,A168)	Tracking Identifier Sequence	Tracking ID/UID 所在
(0008,0100)/(0008,0104)	Code Value / Code Meaning	SNOMED-CT 病灶编码
(0012,0052)/(0012,0053)	Time Point Type/ID	“pre-dose”/“post-chemotherapy”
(3006,0010)	Referenced Frame of Reference Sequence	指向源影像几何框架

解析顺序建议：先读 (3006,0020) 拿 ROI 清单，再进 (3006,0039)/(3006,0040) ROI Contour Sequence 拿轮廓点，最后经 Frame of Reference 与 CT/PT 几何对齐——三段式解析可避免把轮廓点错挂到错误几何（坑 4 的工程面）。

附录 E：RTSTRUCT→mask 栅格化伪代码

# 依赖：pydicom、numpy、SimpleITK（示意伪代码，变量名自定）
# 1) 读 RTSTRUCT 与源影像
rt = pydicom.dcmread(rtstruct_path)
img = sitk.ReadImage(ct_or_pet_series_dir)   # 先转成 3D 体数据
# 2) 建 ROI 编号 → Tracking ID 映射
roi_map = {}
for obs in rt.RTROIObservationsSequence:          # (3006,0020) 的观测段
    roi_map[obs.ReferencedROINumber] = obs ROITrackingInfo  # Tracking UID 在此
# 3) 逐 ROI 取轮廓点并栅格化
for roi in rt.StructureSetROISequence:            # ROI 清单
    contours = [c for c in rt.ROIContourSequence if c.ReferencedROINumber == roi.ROINumber]
    for c in contours:                            # 每 ROI 可有多层轮廓
        for seq in c.ContourSequence:             # ContourImageSequence 指向源切片
            uid = seq.ContourImageSequence[0].ReferencedSOPInstanceUID
            slice_idx = uid_to_index[uid]         # UID → 层号映射
            pts = np.array(seq.ContourData).reshape(-1, 3)
            mask[slice_idx] |= rasterize_polygon(pts, img_origin, img_spacing)
# 4) 校验：每 ROI 体素数 > 0；跨时点同 Tracking ID 的 ROI 质心位移合理

四条校验提醒：一、栅格化后逐 ROI 体素数必须大于 0（空 ROI 多为几何错挂，先查 referenced UID，坑 7）；二、跨时点同病灶（同 Tracking ID）的质心应有解剖合理性位移，跳变超器官尺寸的要复查；三、CT 与 PET 网格不同，栅格化要在目标网格的几何参数下做，不要拿 CT 轮廓直接贴 PET；四、pet 与 ct 各自的 UID→层号映射要分开建（坑 4 的多模态面）。

附录 F：版本链 changelog 汇总

资源	版本	日期	变更
主影像	V1	2021-03-30	首发（509,924 images）
主影像	V2	2025-08-06	修正 3 series 患者 name/ID；移除 131618 的 3 series；132189 新增 3 series（新 hash UID）；合计 513,669 images
标注	V1	2023-03-30	首发（58.83MB；3,077 series；CSV 701.62KB）
标注	V2	2026-06-09	修正 referenced series UIDs；8 series 源 131618→132189；labels/描述一致性；metadata 新字段；去重复（70.29MB；3,073 series；CSV 1.4MB）

版本卫生两条：一、论文复现写明版本号与日期（例：「标注 V2（2026-06-09）」）；二、跨版本对账先查患者 131618/132189 是否在你的子集里（坑 7）。

附录 G：判读标签速查卡（PET 子研究口径）

标签	取值	定义/阈值	结局关联（本试验）
视觉 5-PS	1/2/3/4/5/X	血池参考对照分档	不预测 PFS/OS
前瞻阴性	阴性/阳性	5-PS 1-3 且 ΔSUV≥66%	协议判据
ΔSUV 连续	0-100%	(S0−S1)/S0	预测 PFS（P=.02）与 OS（P=.03），效应量小
ΔSUV≥66%	二分	经验切点	预测 OS（HR 0.31, P=.02），不预测 PFS（P=.09）
i-PET 阳性率	35%	—	阳性 55 例
EoT 阳性率	18%	—	阳性 28 例
中位 ΔSUV	86.2%	基线→i-PET	代谢响应中位水平

附录 G2：疗效终点速查卡（主试验口径）

终点/指标	DA-EPOCH-R	R-CHOP	HR（95% CI）	P
2 年 PFS	78.9%	75.5%	0.93（0.68-1.27）	.65
2 年 OS	86.5%	85.7%	1.09（0.75-1.59）	.64
3-4 级感染	16.9%	10.7%	—	—
3-4 级发热性中性粒细胞减少	35.0%	17.7%	—	—
3-4 级黏膜炎	8.4%	2.1%	—	—
3-4 级神经病变	18.6%	3.3%	—	<.001
治疗相关死亡	5 例（2.1%）	5 例（2.1%）	—	—

读法：两列终点 HR 都跨 1、两列 2 年率差都在 3-4 个百分点内——「等效但不更优」的安全性与疗效组合是 DA-EPOCH-R 未被采纳为标准一线的完整理由（§3.2、§3.3）。

附录 H：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
主影像 collection	site:cancerimagingarchive.net CALGB50303	TCIA collection 页
标注资源	CALGB50303-Tumor-Annotations 或 site:cancerimagingarchive.net analysis-result calgb	annotations 页
主试验论文	doi:10.1200/JCO.18.01994 或 PMID 30939090	JCO 2019;37:1790
PET 子研究论文	doi:10.1182/blood.2019003277 或 PMID 32232481	Blood 2020;135:2224
注册信息	NCT00118209	ClinicalTrials.gov
第三方使用	CALGB 50303 PET metabolic tumor volume deep learning	Manteia 团队论文等
判读方法学	Deauville delta SUV interim PET lymphoma CALGB	判读-结局文献簇

附录 I：勿用关键词清单（会误导检索的方向）

勿用	原因	替代
NCT00352534	TCIA wiki 模板残留，非本试验（坑 3）	NCT00118209
ECOG-ACRIN 50303	归属误记（坑 1）	Alliance/CALGB 50303
pediatric Hodgkin lymphoma + CALGB50303	annotations 页模板笔误（坑 1）	adult DLBCL
「CALGB50303 公开影像下载」	通道 UNAVAILABLE，会撞登录墙（坑 2）	NCTN/NCORP 申请路径
「全病灶分割金标准」	配额标注非全病灶密（坑 6）	「协议内病灶标注」
「CALGB50303 标注含判读值」	公开包只有 RTSTRUCT，无 5-PS/ΔSUV 个体值（§4.6）	判读汇总看 Blood 论文
「negative 源 = 健康对照」	是患者时点声明（坑 6）	无健康对照（Q36）

附录 J：库内对照明细（与 §9.1 互为详略）

条目	rid	病种	时点	标注来源	获取
calgb50303（本条目）	—	DLBCL	基线/中期/EoT 三时点	人工（CapeStart 双级）	影像受控+标注公开
autopet	468	多病种 PET	单时点为主	全自动（模型生成+校正）	公开
autopet-v	634	多示踪剂扩展	单时点	全自动	公开
autopet-iii	678	跨中心/跨示踪剂	单时点	全自动	公开
lung-pet-ct-dx	475	肺癌	单时点	病灶级人工阅片	公开
head-neck-pet-ct	838	头颈	单时点	分卷/人工	公开
hnpet-fdg	947	头颈	单时点	SEG 标注	公开
nsclc-radiomics	247	NSCLC	单时点	特征表（非分割）	影像受控+特征公开
lidc-annot-nlst501	955	肺结节（NLST 子集）	筛查时点	复现标注	公开

合读口径提醒：AutoPET 系列的「规模」是幅数/体素级，本条目的「规模」是病灶记录数（3,073 个 RTSTRUCT series）——两个口径不可直接排榜（坑 7 的跨条目版本）。

附录 K：数据集卡片（Datasheet 式问答）

动机（Motivation）

1. 数据集为谁创建？——CALGB 50303 试验的疗效与 PET 判读研究：疗效问题由 JCO 论文回答，判读问题由 Blood 论文回答；影像托管 TCIA 后服务于更广的影像方法学社区。
2. 预期用途？——PET 分割方法开发（标注层）、判读模拟（5-PS/ΔSUV 协议）、影像-结局关联研究（需临床层）、试验影像流程教学。
3. 非预期用途警告？——个体诊疗决策（非临床用途）、跨人群泛化声明（单试验人群）、把判读标签当金标准结局（坑 5）。

构成（Composition）
4. 实例是什么？——155 例成人 DLBCL 患者的基线/中期/疗程结束 FDG-PET/CT（DICOM）与 3,073 个病灶 RTSTRUCT 标注记录。
5. 有缺失吗？——有：约 336 例试验合格但未入子研究者的影像不在集内；每时点仅协议内病灶有标注；negative 源时点无病灶记录。
6. 敏感信息？——患者身份已去标识（匿名 ID + 日期偏移）；影像本身仍属受控范畴（NIH Controlled）。

采集（Collection Process）
7. 数据怎么来的？——多中心试验协议采集（FDG 8-20 mCi、60-80 min 时窗），核心实验室提交与判读，TCIA 去标识托管。
8. 谁参与标注？——CapeStart 双级放射医生流水线（国际 MBBS 初注 + 美国 board-certified 复核）。
9. 时间跨度？——入组 2005-2013；影像发布 2021-2025；标注发布 2023-2026（版本链见附录 F）。

预处理（Preprocessing）
10. 做了什么清洗？——去标识（日期归一偏移、匿名 ID）；V2 修正患者 ID 错配与 referenced UID 错挂；标注去重复。
11. 使用者需要自己做什么？——重采样（网格统一）、SUV 归一化策略、RTSTRUCT 栅格化（附录 E）、时点对齐（§5.7）。

分发（Distribution）
12. 怎么获取？——三层异构（§6.1）：标注直链、影像受控、临床申请。
13. 有许可与使用协议吗？——有：CC BY-4.0（标注）、NIH Controlled（影像）、NCTN/NCORP 协议（临床）。
14. 有 DOI 吗？——有，两个数据 DOI（10.7937/CM65-A013、10.7937/9JER-G980）。

维护（Maintenance）
15. 谁维护？——TCIA 托管（影像）；标注团队 Rozenfeld/Jordan（标注）；changelog 记录于 TCIA 版本页。
16. 更新历史？——影像 V1→V2（2021→2025）、标注 V1→V2（2023→2026），变更明细见附录 F。
17. 后续维护预期？——标注/影像版本仍可能修订；引用固定版本号是研究者的自保动作（Q39）。

伦理与合规（Ethics & Compliance）
18. 伦理审查与知情同意？——母试验为注册的 III 期临床试验（NCT00118209），患者知情同意涵盖试验流程；PET 子研究为单独同意环节（这正是 169/491 缺口的来源）。
19. 二次分析合规要求？——标注层 CC BY-4.0 署名即可；影像/临床层遵获批协议的用途限定；再识别患者身份为明确禁止项。
20. 数据残留风险？——日期随机化与匿名 ID 之外，DICOM 头的常规 PHI 字段已按 PS3.15 清洗（提交方口径）；使用者无需再做去标识，但也不得尝试逆向。

附录 L：使用核查单（投稿前逐项打勾）

数据工程

1. 已读 CSV manifest 并按 segmentation/negative 口径拆分（坑 6）。
2. 已固定版本号（影像 V2？标注 V2？）并写入论文方法节（Q39）。
3. 已对照 V2 changelog 检查 131618/132189 相关病例（坑 7）。
4. RTSTRUCT 栅格化后逐 ROI 体素数校验通过（附录 E）。
5. 时点判定用 Time Point ID 双标签 + 相对日期（坑 4）。

统计与建模
6. 未把偏移后日期用于绝对时间统计（坑 4）。
7. 结局模型报告了事件数与置信区间（坑 5）。
8. 分割指标写明「协议内病灶」口径（坑 6）。
9. 跨中心 SUV 分析使用了相对量或做了归一化敏感性分析（Q35）。
10. 合并两臂时写明了合并依据（§3.4）。

引用与声明
11. 双数据 DOI + 两篇论文四条引用齐全（坑 9）。
12. 未引用 NCT00352534 / ECOG-ACRIN / pediatric Hodgkin lymphoma 三处误记（坑 1、坑 3）。
13. 未把标注表述为「双盲金标准」（坑 8）。
14. 未把 Clinical Complete 表述为「可下载」（坑 2）。
15. 主影像使用已获 NCTN/NCORP 批复（若用了影像层）。

本条目不提供什么（负面清单）

1. 个体级结局标签——PFS/OS 事件数据在 NCTN/NCORP 临床层，不在 TCIA 任何公开页。
2. 主影像公开直链——UNAVAILABLE 是现状，本条目不提供任何绕行路径。
3. 全病灶密标注——协议配额决定标注覆盖，本条目如实转述，不外推「金标准全景」。
4. 判读-结局的个体级复算——公开侧只有汇总统计；个体级再分析需数据申请。
5. NCTN/NCORP 申请的字段级流程——登录墙内不可核，本条目只写到申请制粒度（坑 10）。
6. 跨版本混用兼容层——V1/V2 的 ID 变更是数据事实，本条目只提供对账方法，不做兼容转译。

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，抓取与核验时点见附录 A。事实陈述以 TCIA collection 页与 annotations 页、JCO 2019;37:1790-1799（doi:10.1200/JCO.18.01994）、Blood 2020;135:2224-2234（doi:10.1182/blood.2019003277）为源；TCIA wiki 三处模板缺陷、brief 归属误记、多重规模口径等原始文档缺陷已在坑点与附录 K 存照。条目与库内 tcia（rid 547）、autopet（rid 468）、autopet-v（rid 634）、autopet-iii（rid 678）、lung-pet-ct-dx（rid 475）、head-neck-pet-ct（rid 838）、hnpet-fdg（rid 947）、nsclc-radiomics（rid 247）、lidc-annot-nlst501（rid 955）等条目互链，构成 PET/CT 影像与试验影像资产家族的完整检索面，并补上库内唯一的 DLBCL/淋巴瘤 PET/CT 空位。后续维护触发点：TCIA 版本页 changelog 变更、NCTN/NCORP Data Archive 获取通道状态翻转、PET 子研究结论的第三方复现发表。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• autopet-v — 共享标签：医学影像 / PET / CT / 医学图像分割 / 肿瘤学
• hecktor2026 — 共享标签：医学影像 / PET / CT / 医学图像分割 / 肿瘤学
• autopet-iii — 共享标签：医学影像 / PET / CT / 医学图像分割 / 肿瘤学
• autopet-iv — 共享标签：医学影像 / PET / CT / 医学图像分割 / 肿瘤学
• pddca — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• autopet — 共享标签：医学影像 / PET / CT / 肿瘤学
• ct-org — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• headneck-radiomics — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• lctsc — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• tcia — 共享标签：医学影像 / PET / CT / 肿瘤学

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。