COVID-19 CT Lung and Infection Segmentation Dataset

INFOBOX — COVID-19-CT-Seg 一屏速览

维度	内容
本质	20 例像素级标注 COVID-19 胸部 CT 体数据（3D NIfTI），非切片集、非分类集
团队	南京理工大学数学系马骏（Jun Ma，通讯）牵头，南京鼓楼医院放射科承担临床标注
标注	左肺/右肺/感染三类掩码；两名放射科医生独立标注 + 一名资深放射科医生终审
论文	Medical Physics 2021;48(3):1197-1210（doi:10.1002/mp.14676；arXiv:2004.12537）
数据	4 个 zip：影像本体 1.1 GB + 三种掩码组合（2.6/10.1/11.7 MB），Zenodo 直链
基准	首个医学分割数据高效学习基准：少样本/域泛化/知识迁移三任务，官方划分+代码
基线	40+ 预训练模型（nnU-Net 系 SOTA），宣称当时医学分割领域最大规模预训练发布
硬数字	DSC：左肺 97.3% / 右肺 97.7% / 感染 67.3%；NSD：90.6% / 91.4% / 70.0%
许可	CC BY 4.0 International，无注册无申请门槛
发布	Zenodo record 3757476，2020-04-20，单一版本（官方页版本号拼作 Verson 1.0，存照）
与 covid-ct 区别	库内 covid-ct(rid 307) 是 Zhao et al. 论文配图 2D 切片集——本条目是 3D 体数据+全掩码，非别名
库内互链	covid-ct(307)、bimcv-covid(207)、mosmeddata(297)、totalsegmentator(422)、ct-org(796)

COVID-19-CT-Seg 是一个"小而精"的教科书级分割数据集：它只有 20 例 CT——比绝大多数 COVID 影像集小两个数量级——却是早期把「肺」和「感染」都做成逐像素 3D 掩码、并配齐标准划分、评估协议和 40+ 预训练基线的少数数据集之一。它的更大贡献在方法论层面：论文把「数据稀缺时如何学」拆成少样本、域泛化、知识迁移三个正式基准任务，让 COVID 分割方法第一次可以在同一把尺子下互相比较。四年后回头看，肺部分割在这个集上已接近饱和（DSC 97%+），而感染分割的 67.3% 仍然是一面镜子——照出磨玻璃影、多灶分布与标注一致性这些至今未解的难题。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——Zenodo 3757476 直链，CC BY-4.0，无需注册。
2. 关心方法比较：直奔 §5 三个基准任务——先弄清任务定义再读数字，否则 DSC 不可比。
3. 做 COVID 影像研究：直奔 §8 生态——分清本条目（3D 体数据）与库内 covid-ct（2D 配图切片）的层级差异。

§0 导读：这个数据集解决什么问题

2020 年春，COVID-19 席卷全球，CT 成为一线定量评估工具。研究者很快发现一个结构性困境：感染区定量分析需要逐像素分割掩码，但放射科医生正忙于抗疫，大标注集无从谈起；同时，各家 COVID 分割方法各用各的私有数据、各自的训练设置和评估口径，论文里的数字互相不可比。这是医学影像领域「数据高效学习」（data-efficient learning，即在标注稀缺条件下有效学习的范式族）第一次被推到聚光灯下——此前该话题主要停留在通用机器学习文献里。

COVID-19-CT-Seg 的回答分两层。第一层是数据：发布 20 例经完整三重标注流程（两名放射科医生独立标注、一名资深医生终审）的 COVID CT 体数据，左肺、右肺、感染区全部逐像素掩码，NIfTI 格式直接可用。第二层是方法论：论文（Medical Physics 2021）把这 20 例作为种子，正式定义了三个基准任务——纯 COVID 数据的少样本学习、混合异质数据的域泛化、从非 COVID 肺病数据的知识迁移——并提供统一划分、统一指标（DSC 与 NSD）和 40 余个预训练基线模型。作者宣称这是医学图像分割领域的第一个数据高效学习基准，也是当时预训练模型发布规模最大的医学分割工作。

§0 读法三则：

1. 这个条目是「数据集+基准」双主体：Zenodo 包是 20 例本体，论文的 70 例口径（含扩展标注）走 Gitee 仓库——两个数字各有出处，混用会出错（坑 2）。
2. 全文统计数字出自 Zenodo 官方页与论文摘要/正文；license 一项 Zenodo 抓取摘要未见字段，按 GitHub 收录页与 HF 镜像双源旁证写 CC BY-4.0（存照见 §10）。
3. 检索时注意命名：数据集官方名是「COVID-19 CT Lung and Infection Segmentation Dataset」，社区常称 COVID-19-CT-Seg——与库内 covid-ct（Zhao et al. 论文配图切片集）是两个东西（坑 1）。

§1 数据集速览：十问十答

Q1：COVID-19-CT-Seg 的「20 例」是什么层级的 20？
20 个完整的 3D CT 体数据（volume），不是切片。每例是一个 .nii.gz 影像文件配对应的掩码文件。病例文件名分两族：coronacases_001–010 与 radiopaedia_ 系列（后者源自 Radiopaedia 公开教学病例）。

Q2：掩码里有什么？
三类二值/多值掩码：左肺、右肺、COVID-19 感染区。官方以四种 zip 组合分发：Infection_Mask.zip（仅感染，2.6 MB）、Lung_Mask.zip（双肺，10.1 MB）、Lung_and_Infection_Mask.zip（三合一，11.7 MB）与影像本体 COVID-19-CT-Seg_20cases.zip（1.1 GB）。掩码同为 NIfTI，与影像逐体素对齐。

Q3：谁标注的，质量如何把关？
两名放射科医生独立标注，一名资深（experienced）放射科医生逐例核验终审。标注团队来自南京鼓楼医院（南京大学医学院附属）放射科——这是论文里临床机构与算法团队的明确分工：临床标注定真值，数学/计算机团队做基准与模型。

Q4：影像本身有元数据吗？
官方包不含年龄、性别、严重程度评分、扫描仪型号、层厚等患者级与设备级元数据。做亚组分析或设备偏倚研究的团队需自行补充（这正是 DAIMS 评估里设备记录与语义层失分的原因，见 §9）。

Q5：论文里的「70 例」和 Zenodo 的「20 例」什么关系？
Zenodo 包 = 20 例全掩码本体。论文为构建三个基准任务将标注扩展到 70 例 annotated COVID-19 cases（含官方 train/val/test 划分），扩展部分经论文配套的 Gitee 仓库分发。两个数字都官方，口径不同。

Q6：三个基准任务分别是什么？
任务一（少样本）：只用纯 COVID 数据（含 20 例本体），考察有限标注下的分割；任务二（域泛化）：混合 COVID 与非 COVID 数据训练，考察异质分布下的稳健性；任务三（知识迁移）：用非 COVID 肺病标注数据训练后迁移到 COVID 分割。三者对应标注高效学习的三条典型路线。

Q7：基线成绩如何？
基于 state-of-the-art 网络（nnU-Net 系）的 40+ 预训练模型：左肺 DSC 97.3%、右肺 DSC 97.7%、感染区 DSC 67.3%；NSD 依次 90.6%、91.4%、70.0%。肺与感染之间近 30 个百分点的落差是全数据集最重要的信号。

Q8：感染分割为什么难？
三个原因叠加：磨玻璃影（GGO）与正常肺实质对比度低、感染灶常为多灶分布且边界模糊、重症实变与肺不张影像学鉴别困难。这些既是算法难题也是标注一致性问题——不同医生对「边界在哪里」的判断本身就有方差。

Q9：许可与获取方式？
CC BY 4.0 International（GitHub 收录页与 HF 镜像双源旁证；存照）。Zenodo record 3757476 公开直链下载 4 个 zip，无注册、无申请、无门槛。合计约 1.1 GB，普通带宽几分钟可取。

Q10：跟库内 covid-ct 是什么关系？
没有血缘关系，只有主题关系。covid-ct（rid 307）是 Zhao et al. 从 760 篇文献配图提取的 746 张 2D 切片分类/分割集；本条目是 20 例 3D 体数据的全掩码分割集。前者「大而杂」靠规模，后者「小而精」靠标注层级与协议完备。做感染分割应首选本条目，做 COVID 分类用 covid-ct。

Q11：跟 pending 的 covid-segmentation（CCP-COVID19 挑战赛）是一回事吗？
不是。CCP-COVID19 Lung CT Lesion Segmentation Challenge 是另一个独立的 COVID CT 肺病变分割数据集，团队、规模、标注协议、获取方式都不同。名字相近但不可互相替代——本条目是 Ma Jun 团队的 20 例「数据高效学习」基准，挑战赛是另一条线索（详见 §8.3）。

Q12：数据里有多少张「图」？
官方不给切片级计数。20 例是体数据计数（volume），每例内的切片数随扫描范围与层厚不同而异，官方未逐例公布。社区流传的「约 428 张感染切片」等切片计数未经本代理核验，正文不采用（遗留疑点，见 §10 存照）。检索时应以「20 例体数据」为准，勿被切片数字牵引。

Q13：这数据能商用吗？
可以。CC BY 4.0 允许商用，只需署名。这是它相对许多「仅研究用途」医学数据集的显著优势。

Q14：数据有多大，下载快吗？
影像本体 1.1 GB，掩码合计约 24 MB，总计约 1.1 GB 出头。普通宽带几分钟可下完，适合反复重建实验环境或课堂演示。

Q15：有官方代码吗？
有。官方评估代码与划分经 Gitee 仓库 junma11/COVID-19-CT-Seg-Benchmark 分发；数据本体在 Zenodo。二者是两个入口。

§2 数据构成与规格

2.1 规模、来源与病例命名两族

COVID-19-CT-Seg 的 Zenodo 本体是 20 例 COVID-19 胸部 CT 体数据（volumes），全部为 NIfTI 格式（.nii.gz）。这个「20」是全条目最容易被误读的数字，因此先把它的层级钉死：它是 20 个三维体数据，不是 20 张切片，也不是 20 个患者之外的任何口径。

病例文件命名分两族：

• coronacases_001 – coronacases_010：源自社区公开的 Corona Cases 胸部 CT 集合，共 10 例，序号连续。
• radiopaedia_ 系列：源自 Radiopaedia 平台公开的 COVID-19 教学病例，社区共识为 10 例（对应文件名 radiopaedia_10 起的编号段），与 coronacases 合计凑满 20 例。

存照（坑 1 的来源）：Zenodo 官方页的下载 listing 明确可见 coronacases_001–010 这一族；Radiopaedia 一族的逐条文件名官方页未完整枚举，本条目按「coronacases + radiopaedia 两族命名」表述。HuggingFace 镜像 MedOtter/covid19-ct-seg 的文件列表同样以这两族命名收录。任何号称「20 例全部来自单一来源」的说法与两族命名结构不符，应存疑。

数据来源的公共性值得强调：这 20 例并非某家医院的私有序列，而是先在社区公开流传的胸部 CT 病例（Corona Cases 与 Radiopaedia 两个渠道），再由标注团队统一建立真值。这一点决定了该数据集可以被无门槛再分发——CC BY 4.0 的许可选择与数据本身的公共来源是一致的。

2.2 掩码规格与四包分发结构

官方面向使用者提供的不是单一压缩包，而是四个 zip，按「影像本体」与「掩码组合」两类拆分：

压缩包	内容	体积	MD5
COVID-19-CT-Seg_20cases.zip	20 例影像本体（NIfTI）	1.1 GB	873617e1fdcbe92f8aa0ce83a4798a1f
Lung_Mask.zip	左肺 + 右肺掩码	10.1 MB	972b3d9b4c7b64d2c518b936bd98cb47
Lung_and_Infection_Mask.zip	左肺 + 右肺 + 感染三合一	11.7 MB	40fa1fa124f6aab6daf9feea9c373313
Infection_Mask.zip	仅感染区掩码	2.6 MB	98fa9f5401fa8409dccd1681a36febcf

读表三则：

1. 体积断层就是数据类型断层：影像本体 1.1 GB 对掩码合计约 24 MB，差了近 50 倍。掩码是稀疏的二值/多值体，压缩后被压得很小——所以「四个包加起来才 1.1 GB 出头」是正常现象，不必怀疑丢文件。
2. 掩码是逐体素对齐的 NIfTI：与影像同分辨率、同方向、同仿射矩阵，可直接与原图叠加，无需重采样。
3. 三包掩码有重叠冗余：Lung_and_Infection_Mask.zip 已含双肺 + 感染，Lung_Mask.zip 与 Infection_Mask.zip 是它的两个子集视图。做肺 + 感染联合任务只下 Lung_and_Infection_Mask.zip 即可；只做肺或只做感染可下对应单包省带宽。

2.3 三类掩码的语义边界

掩码的三个分割目标在整个条目中是固定的三件套：

• 左肺（left lung）：解剖学左肺，含肺实质区域。
• 右肺（right lung）：解剖学右肺。
• COVID-19 感染区（infection）：COVID 肺炎相关的异常肺实质区域，涵盖磨玻璃影（ground-glass opacity, GGO）、实变等表现形式。

三类掩码的难度分布极不均衡，这从基线成绩就能读出：肺部分割 DSC 已到 97% 量级（近乎饱和），而感染区 DSC 只有 67.3%。肺是解剖结构，边界清晰；感染是病理征象，边界模糊、多灶、低对比。这个落差是本数据集的方法学核心（详见 §7）。

2.4 元数据留白：没有任何患者级与设备级信息

官方四个包不含年龄、性别、症状严重程度评分、核酸/抗体结果、扫描仪型号、层厚、管电压、重建核等患者级或设备级元数据。每一个 .nii.gz 就是纯影像与对应掩码，别无附注。

这是使用前必须接受的现实：

• 做亚组分析（按严重程度分层、按年龄分层）的团队需自行找外部来源补元数据，或放弃分层。
• 做设备偏倚研究（跨扫描仪泛化）的团队无法从本包获知设备构成。
• 做伦理审查：好在数据源自公开病例，不含直接标识符，再分发风险低。

这条留白也是本条目在 AI-Ready 评估中「语义层」失分的主因之一（详见 §9 的 DAIMS 表）。

2.5 与论文「70 例口径」的关系边界

第二容易混淆的数字是 70 例。它出现在论文里，与 Zenodo 的 20 例并不矛盾，属于两个口径：

• Zenodo 本体口径 = 20 例：公开直链下载的全掩码体数据。
• 论文基准口径 = 70 例 annotated COVID-19 cases：论文为构建三个数据高效学习基准，将带标注的 COVID 病例扩展到 70 例，并配套官方 train/val/test 划分与评估代码，经论文配套的 Gitee 仓库（gitee.com/junma11/COVID-19-CT-Seg-Benchmark）分发。

读数字守则：引用「20 例」时说的是 Zenodo 数据本体；引用「70 例」时说的是论文基准所覆盖的标注总量。两个数字都有一手出处，混用则会得出错误结论（例如误以为 Zenodo 包里有 70 例）。扩展的 50 例的具体获取入口不在 Zenodo 包里，这一点在 §6 的获取决策中会再次强调。

2.6 与其他 COVID CT 数据的层级对照

要理解本数据集「小而精」的定位，最好把它放进 COVID CT 数据的谱系里对照：

数据集	层级	规模	标注
COVID-19-CT-Seg（本条目）	3D 体数据	20 例	三类逐像素掩码（肺 L/R + 感染）
covid-ct（库内 rid 307）	2D 切片	论文配图切片集	分类/弱标注为主
bimcv-covid（rid 207）	影像库	多中心大规模	部分带标注，异构
mosmeddata（rid 297）	3D CT 队列	大样本	以分类/分型标签为主

结论一句话：在「3D 逐像素分割掩码」这个格子里，COVID-19-CT-Seg 是早期少有的、协议完备的小样本文本；在「大规模」格子里，它让位于 bimcv-covid 与 mosmeddata。选数据先定格子，再选条目。

2.7 逐层解剖：一个病例包里到底有什么

把「一例」拆开看，一个完整病例包含以下构件，理解它们有助于正确加载：

• 影像体：<case>.nii.gz，三维灰度 CT，轴向堆叠，含完整的胸部范围。
• 左肺掩码：与影像同形状的二值体，左肺区域为 1，其余为 0。
• 右肺掩码：同上，右肺区域为 1。
• 感染掩码：COVID-19 异常肺实质区域为 1，其余为 0。

三类掩码同几何空间（同 spacing、同 direction、同 origin），这是能直接叠加的前提。加载时的标准做法是先读影像确定参考几何，再逐掩码检查 GetSize() 与 GetSpacing() 是否一致；若不一致说明文件被转换过（常见于社区镜像），需重采样对齐。

2.8 为什么用 NIfTI 而不是 DICOM

数据集选择 NIfTI（.nii.gz）而非原始 DICOM，是一个刻意的工程决定：

• DICOM 是采集格式：一例包含数百个单层文件 + 头信息，读取需遍历序列并重建体，且掺杂患者隐私字段。
• NIfTI 是分析格式：一例一个文件，含几何元数据（affine），去隐私，直接可读。

对分割研究而言，预处理成 NIfTI 消除了「如何正确重建 DICOM 序列」这一常见坑，也让文件更小、分发更快。代价是丢失了 DICOM 头里可能存在的设备参数——这正好对应 §2.4 的元数据留白。

2.9 与同类分割集在「协议完备度」上的对照

许多数据集只发数据不发协议，使用者要自建划分、自定指标，导致跨论文不可比。COVID-19-CT-Seg 的特别之处在于它同时发了数据、划分、指标定义、评估代码与基线成绩，形成闭环。对照如下：

完备度要素	本条目	常见只有数据的分割集
原始影像 + 掩码	✅	✅
官方 train/val/test 划分	✅	❌（各自切）
明确指标定义（DSC/NSD）	✅	⚠️（各自实现）
官方评估代码	✅	❌
参考基线成绩	✅	❌

读法：正因协议完备，本条目才适合做「公平比较」的底座；若换成只发数据的集合，先要花力气统一协议才谈得上比较。

§3 标注流水线：三重把关如何保证真值质量

3.1 三层人员结构与分工

标注流程是本数据集质量主张的核心，官方明确为三层把关：

1. 放射科医生 A（第一标注者）：独立逐像素标注。
2. 放射科医生 B（第二标注者）：独立逐像素标注。
3. 资深放射科医生（experienced radiologist，终审）：核对两名标注者的结果，裁决分歧，形成最终真值。

标注团队来自 南京鼓楼医院（Nanjing Drum Tower Hospital）放射科——该院为南京大学医学院附属医院。论文署名中承担临床标注与审核的成员为 Qiongjie Zhu、Guoqiang Dong、Jian He 等。这与算法/数据整理侧（南京理工大学数学系等）形成了明确的临床与工程分离结构：临床方定真值，数学/计算机团队建基准与训练模型。

3.2 为什么需要双重独立标注

单医生标注在分割任务上有两个隐患：

• 系统性偏好：一位医生对「感染边界该划到哪」有自己的习惯（偏保守或偏激进），单标注会把这个偏好固化成数据集偏差。
• 随机误差：疲劳、注意力波动导致的漏标/多标，无法被自身发现。

双人独立 + 资深终审是对这两类错误的直接对冲：独立标注暴露分歧（系统性偏好差异），终审把分歧收敛为一致真值（消除随机误差）。这是医学影像分割标注的学界通行高保障模式，也是本数据集敢在论文里宣称「真值可信」的底气。

3.3 效率账：高质量标注的代价

三重把关意味着标注成本约为单人标注的三倍以上（两次独立全标 + 一次终审核验）。对 20 例 3D 体数据而言，这是一项不小的临床人力投入——而数据集之所以只能做到 20 例，也正因如此：高质量的逐像素 3D 标注无法快速规模化。这个约束不是能力问题，而是数据高效学习这个研究议题得以成立的现实前提：正因为标注昂贵，学界才需要研究「标注稀缺时如何学」。

3.4 标注一致性的已知局限

即便有三重把关，感染分割的标注仍存在观察者间方差。原因是病理性的：

• 磨玻璃影（GGO）与正常肺实质的对比度天然很低，边界「在哪里」本身带有主观判断空间。
• 感染灶多为多灶分布，小病灶的取舍（标不标、算不算独立灶）存在判断差异。
• 重症实变与肺不张的影像学鉴别困难，可能影响区域归属。

官方包未公开观察者间一致性指标（如 Dice 或 Kappa），因此无法从数据侧定量评估标注方差。这项留白随「单中心标注、无跨中心一致性数据」一并登记在 dataLimitations 中。

§4 基准设计：数据高效学习的三任务框架

4.1 论文的问题意识

2021 年发表时的核心问题不是「能不能分割 COVID 肺和感染」，而是**「标注稀缺时，怎样才能学得好」**。这个问题的通用名是数据高效学习（data-efficient learning），其三条经典技术路线在医学分割领域需要被公平比较：

1. 少样本学习（few-shot learning）：只在极少标注上训练，考察样本效率。
2. 域泛化（domain generalization）：训练数据与测试数据分布不同，考察稳健性。
3. 知识迁移（knowledge transfer）：从其他任务/模态/疾病的标注数据迁移知识，考察迁移收益。

论文把这 20 例作为种子，正式将三条路线组织为三个基准任务，让方法第一次可以在同一把尺子下互比。作者宣称这是医学图像分割领域第一个数据高效学习基准。

4.2 三任务的形式化定义

Benchmark 1 — 少样本（纯 COVID）
仅使用带掩码的 COVID CT 数据（含 20 例本体）训练分割模型，在留出集上评估。核心考察：在标注量极小的情况下，模型能达到多高的肺/感染分割精度。这是「最朴素的」小样本设定，其他两个任务是它的增强变体。

Benchmark 2 — 域泛化（异质数据混合）
将 COVID 数据与非 COVID 的异质数据混合训练，考察模型面对分布漂移时的稳健性。核心考察：引入异构分布是否损害（或帮助）COVID 分割性能。这条对应真实部署中「训练集与推流集不一致」的常见困境。

Benchmark 3 — 知识迁移（非 COVID 肺病 → COVID）
使用其他非 COVID 肺病（如其他肺部病变）的带标注数据训练，再迁移到 COVID 分割。核心考察：跨疾病的解剖/影像先验能否被有效迁移，从而在 COVID 标注极少时补足性能。

三条路线并非互斥，而是代表标注高效学习的三类典型资源利用策略。统一平台上同时给出三者的比较，是该基准的主要贡献。

4.2.1 为什么是「三」而不是「一」

把三条路线并列，背后有一个明确的判断：标注稀缺不是一个问题，而是一族问题。同样是「标注少」，成因与对策完全不同——

• 若是该任务本身的标注就少（COVID 新发、来不及标），则考察少样本学习：如何用同类极少样本学好。
• 若是训练环境与部署环境分布不同，则考察域泛化：如何让模型在没见过的新分布上不掉链子。
• 若是邻近任务有大量标注而本任务没有，则考察知识迁移：如何借用邻居的知识。

三条路线对应用户可能遇到的三种真实困境，因此必须分别设基准、分别比较，而不能合并成一个笼统的「小样本」任务。这是该基准设计上的关键立意，也是它被反复引用的原因之一。

4.2.2 三任务的资源账

任务	训练数据来源	核心考察	典型失败模式
少样本	仅 COVID 标注（含 20 例）	样本效率	过拟合、泛化差
域泛化	COVID + 非 COVID 异质混合	分布稳健性	异质数据拖累主任务
知识迁移	非 COVID 肺病 → 迁移 COVID	迁移收益	负迁移（帮倒忙）

读表要点：三者的训练资源结构不同，因此不能横向直接比 DSC——任务 3 用了额外数据，任务 1 没有。比较只能在「同一任务内、不同方法之间」进行。

4.3 配套资产：划分、指标与代码

为让三任务可复现、可比较，论文配套提供：

• 标准 train/val/test 划分：固定划分消除「各人各切」导致的不可比。
• 统一评估指标：Dice Similarity Coefficient（DSC，重叠度）与 Normalized Surface Dice（NSD，归一化表面距离），分别捕捉体积重叠与边界吻合。
• 官方评估代码与基线模型：40+ 预训练模型与评测脚本，经 Gitee 仓库分发。

读方法论文的守则：先看它用的是哪个 Benchmark、哪套划分，再看数字。脱离任务定义与划分直接比 DSC，结论会不可靠——这正是本基准试图用「统一平台」解决的问题，也是使用者必须沿用的纪律。

4.4 与「大规模预训练」叙事的张力

论文另有一项宣称：40+ 预训练基线模型构成**「当时医学分割领域规模最大的预训练模型发布」（宣称口径，本条目照录）。这与数据集本体的「20 例」形成有趣张力——数据本体极小，模型基线却很多。这恰好说明该工作的重心：它卖的不是数据规模，而是「在数据小时，用丰富的模型基线与统一协议把问题讲清楚」的方法论价值。读到这个宣称时应把它理解为基线数量与发布广度的宣称**，而非数据规模宣称。

§5 基线成绩与硬数字解读

5.1 官方基线硬数字全表

论文基线由 state-of-the-art 网络（nnU-Net 系）配 40+ 预训练模型构成，回传给三目标的成绩如下：

目标	DSC（Dice）	NSD（Normalized Surface Dice）
左肺（left lung）	97.3%	90.6%
右肺（right lung）	97.7%	91.4%
COVID-19 感染区（infection）	67.3%	70.0%

这是全条目最重要的六个数字，它一眼道尽数据集的难度结构。

5.2 近 30 个百分点的落差意味着什么

左/右肺 DSC 均 97%+，感染区只有 67.3%——落差约 30 个百分点。这个落差的解读有多个层次：

第一层（技术）：肺是解剖结构，有明确的解剖学边界，且肺-胸壁、肺-纵隔的对比在 CT 上很清晰，分割接近「描轮廓」。感染是病理征象，磨玻璃影与正常肺实质对比低、边界渐变、多灶分布，分割本质上是「判读病变」，天然更难。

第二层（标注）：感染区的真值本身带观察者间方差（§3.4）。即便模型完全复现某位医生的标注，也会因「真值不唯一」而拿不到高分。67.3% 里有一部分是标注不确定性，不是纯粹模型误差。

第三层（信号）：这个落差是给后续研究者的路标——肺部分割在这个集上已基本解决，继续刷肺的 DSC 意义有限；真正值得投入的是感染分割，以及「如何在标注极少时把感染分割做稳」。

5.3 DSC 与 NSD 为何要并列

• DSC（Dice Similarity Coefficient）：衡量预测与真值的体积重叠，对整体形状吻合敏感，但对小目标的边界误差不敏感。
• NSD（Normalized Surface Dice）：衡量表面距离在容差内的吻合比例，对边界质量更敏感。

两者并列可分离两类错误：体积对了但边界毛糙（DSC 高、NSD 低），或整体偏移（两者皆低）。感染区 DSC 67.3% / NSD 70.0%，NSD 略高于 DSC，说明感染预测在表面容差上比体积累积上略好——即边界大致对但偶有大块漏/多标拉低了体积重叠。这类「指标间差异本身就是诊断信息」的读法，是做基准比较时应养成的习惯。

5.4 数字的引用边界

引用这些数字时必须同时说明：

1. 出自论文基线（nnU-Net 系 SOTA 网络 + 40+ 预训练模型），不是数据集本征属性。
2. 对应论文的划分与任务设定——换划分换模型，数字会变。
3. 是官方给定协议下的成绩——任何自训模型的数字都应与同协议下的官方基线比。

把 67.3% 当成「这个数据集的天花板」是不准确的；它只是2021 年官方基线在该协议下的成绩。后续大量工作（半监督、联邦学习、Transformer 分割等）在其上报告了改进。

5.5 三个数字的横向定位

把肺与感染的成绩并排，可以读出数据集的「已经解决」与「尚未解决」边界：

目标	DSC 区间	解读
左肺 / 右肺	97%+	接近饱和：解剖结构清晰，模型已能高精度分割
感染区	67%	开放难题：病理征象模糊，模型与标注双重挑战

对研究者的启示：若目标是刷出好看的 DSC，肺分割已无空间；若目标是做出有意义的方法贡献，应把火力集中在感染分割与标注高效学习上。数据集的价值恰恰在于它同时提供了「已解决」的对照组和「未解决」的主战场。

5.6 结果的可复现性说明

官方基线数字的可复现性依赖于：固定的 train/val/test 划分、统一的 DSC/NSD 实现、固定的模型配置。任何偏离这三者之一，复现出的数字都会偏离官方基线。因此复现失败的第一排查顺序是：确认划分一致 → 确认指标实现一致 → 确认模型配置一致。

§6 获取与许可：无门槛直链与版本链

6.1 许可：CC BY 4.0 International

数据集许可按 Creative Commons Attribution 4.0 International（CC BY 4.0） 成稿。这意味着：

• 可用：复制、再分发、商用、改编、二次标注——均可。
• 义务：署名（attribution）原始作者/来源。
• 无附加限制：CC BY 是宽松许可，无「相同方式共享」（那是 CC BY-SA）或「非商用」（那是 CC BY-NC）的约束。

存照（license 双口径，坑 8）：Zenodo 官方页抓取摘要未直接显示 license 字段。CC BY 4.0 这一判定由双源旁证支撑——GitHub 收录页 sfu-db/covid19-datasets 的 COVID-19-CT-benchmark-data.md 标注为「Creative Commons Attribution 4.0 International」；HuggingFace 镜像 MedOtter/covid19-ct-seg 的 License 字段为 cc-by-4.0。两源一致指向 CC BY 4.0，故按此成稿。若使用者对许可有法律级需求，建议直接以 Zenodo 条目页当前显示为准。

6.2 获取路径：Zenodo 公开直链

Zenodo record 3757476 公开提供四个 zip 的直链下载：

• 数据集页面：https://zenodo.org/records/3757476
• DOI：10.5281/zenodo.3757476
• 无注册、无申请、无审批、无邮件模板——点击即下。这是与库内许多「请求制」数据集（如需签署使用协议、需伦理审批的影像库）最大的差异。

下载清单建议：

你的任务	需要下载
肺 + 感染联合分割	COVID-19-CT-Seg_20cases.zip + Lung_and_Infection_Mask.zip
只做肺分割	COVID-19-CT-Seg_20cases.zip + Lung_Mask.zip
只做感染分割	COVID-19-CT-Seg_20cases.zip + Infection_Mask.zip

6.3 版本链：单一冻结版本

数据集的版本历史极简：

• 唯一版本：2020-04-20 发布，官方页版本号写作 “Verson 1.0”。
• 后续更新：官方无更新记录，无变更日志，版本冻结。

存照（版本号拼写，坑 9）：Zenodo 官方页把版本号拼作 “Verson 1.0”（正确拼写应为 “Version”）。这明显是发布时的拼写笔误。本条目原文照录该拼写并加注，不改写为 “Version”——因为这是官方页面的实际字样，检索者若按官网核对会遇到同样的拼写。

论文基准（70 例、划分、代码）走的是另一条分发渠道：Gitee 仓库 https://gitee.com/junma11/COVID-19-CT-Seg-Benchmark。Zenodo 本体与论文基准是两个入口，取数据时要分清：

• 只要 20 例本体 → Zenodo。
• 要 70 例基准 + 划分 + 代码 → Gitee。

6.4 社区镜像：非官方但可选

由于数据公开且许可宽松，社区出现了若干再分发镜像：

• HuggingFace MedOtter/covid19-ct-seg：NIfTI 格式，License cc-by-4.0。
• HuggingFace Angelou0516/covid19-ct-seg：JSONL + NIfTI 混合格式。

重要提醒：这些是社区镜像，非官方分发。格式（如 JSONL）可能经过转换，可能与官方 .nii.gz 不完全等价。做严谨研究建议以 Zenodo 官方包为准，镜像仅作便捷获取或格式转换的参考。

环境坑（沙箱内）：HuggingFace 主站在部分网络环境被封锁，可走 hf-mirror.com 镜像访问。此约束仅影响镜像获取，不影响 Zenodo 官方直链。

§7 评估与基准生态

7.1 指标协议

官方评估使用 DSC + NSD 双指标（定义见 §5.3）。这套协议的意义在于：

• 可比性：固定指标 + 固定划分 = 不同方法可公平比较。
• 双维度：体积（DSC）与边界（NSD）分离，避免只看单一指标被误导。
• 可复现：官方代码提供指标实现，消除「各自实现口径差异」。

7.2 在 COVID 影像研究中的生态位置

COVID-19-CT-Seg 已发展为 COVID 肺/感染分割论文的标准对照集之一。它常被用于：

• 作为 baseline 数据：新分割方法在 20 例上做少样本/迁移实验。
• 作为评测基准：在三个 Benchmark 任务上报告 DSC/NSD 与官方基线对比。
• 作为迁移源/目标：配合 MosMedData+ 等做域泛化研究。

大量后续工作——半监督分割、联邦学习、Transformer 分割、自监督预训练——在其上报告结果，形成了围绕这个小数据集的引用生态。这印证了数据集的价值不在规模，而在它提供了早期稀缺的「可比的 3D 感染分割基准」。

7.2.1 四类典型下游工作

围绕本条目的工作大致可分四类，理解它们有助于定位自己的研究：

• 方法对比类：提出新网络（如注意力、Transformer 分割），在官方三任务上与基线比。这是最常见的用法。
• 数据高效类：专攻少样本、半监督、主动学习，把 20 例当作「标注极少」的极限场景。
• 隐私协作类：联邦学习、联邦分割，考察在不集中数据的前提下能否学出好模型。
• 迁移/泛化类：以本条目为源或目标，研究跨数据集（如与 MosMedData+）的知识迁移与域泛化。

7.2.2 为什么小数据集能撑起生态

直觉上「20 例太小，撑不起生态」，但事实相反。原因有三：

1. 真值可信：三重把关让 20 例成为可靠参照，方法比较有意义。
2. 协议统一：官方划分 + 指标 + 代码消除了不可比因素。
3. 缺口精准：它填补的是「早期 3D COVID 感染分割无标准基准」这一具体空缺，而非追求数据量。

一句话：生态靠的是可信 + 可比，不是够大。

§7.3 领域影响的时间线

• 2020-04：数据发布，成为最早公开的 3D COVID 感染分割集之一。
• 2020-04 至 2021：预印本→期刊，三任务基准确立，成为标准对照。
• 2021 起：大量半监督/联邦/Transformer 分割工作在其上报告，基线数字被反复引用。
• 2022 至今：随 COVID 研究热度回落，但作为「小样本分割基准」的方法学价值延续，仍是少标注场景的常用测试床。

7.3 引用体量

抓取时点的引用体量：

• 数据集 Zenodo 条目：Google Scholar 被引 346+。
• 论文（Medical Physics 2021）：被引 422+。

对一个只有 20 例的数据集而言，数百次引用反映了它在方法论层面的影响力——它被引用的往往是基准设计与三任务框架，而非数据规模。

7.4 事实链：论文与预印本

• 期刊论文：Ma J, Wang Y, An X, Ge C, Yu Z, Chen J, Zhu Q, Dong G, He J, He Z, Cao T, Zhu Y, Nie Z, Yang X. Toward data-efficient learning: A benchmark for COVID-19 CT lung and infection segmentation. Medical Physics 2021;48(3):1197-1210. doi:10.1002/mp.14676
• 预印本：arXiv:2004.12537（v1 2020-04-27；v2 2020-12-03，标注 “accepted for publication in Medical Physics”）。

读时间线：数据集 Zenodo 于 2020-04-20 先行发布（早于预印本），预印本 v1 于 2020-04-27 上线——数据集与论文几乎同月面世，是典型的「疫情期快速共享」节奏。论文 2021 年正式发表。

§8 生态与互链：库内条目定位

8.1 库内 COVID 影像家族图谱

本条目在库内 COVID 影像家族中的位置可概括为「3D 逐像素分割小而精」这一格：

库内条目	rid	层级与定位	与本条目关系
covid-ct-lung（本条目）	—	20 例 3D 体数据 + 三掩码 + 基准	自身
covid-ct	307	Zhao et al. 论文配图 2D 切片集	主题相邻、血缘无关（重点消歧，见 §8.2）
bimcv-covid	207	多中心大规模 COVID 影像库	规模对照（大而杂 vs 小而精）
mosmeddata	297	MosMedData+ CT 队列	论文域泛化场景的潜在外部数据
covid-19-radiography	217	COVID 胸部 X 光库	模态对照（X 光 vs CT）
covidx-cxr	197	COVID X 光分类集	模态对照
sar-covid	705	COVID 影像家族	家族横向互链
cdsl-covid-data-shared-learning	605	COVID 数据共享学习	方法论相邻
totalsegmentator	422	通用 CT 器官分割	肺掩码质量互证
ct-org	796	通用 CT 器官分割	肺掩码质量互证

8.2 重点消歧一：与 covid-ct（rid 307）的区别

这是本条目最重要的消歧，因为两者名字都含 “COVID” 与 “CT”，极易被混为一谈：

维度	covid-ct-lung（本条目）	covid-ct（rid 307）
全称	COVID-19 CT Lung and Infection Segmentation Dataset	COVID-CT-Dataset
作者	Ma Jun 等（南京理工大学等）	Zhao et al.
数据层级	3D 体数据（NIfTI volume）	2D 切片（从论文配图提取）
规模	20 例体数据	论文配图切片集
标注	左肺/右肺/感染三类逐像素掩码	分类/弱标注为主
用途	分割 + 数据高效学习基准	分类/检测
血缘	无血缘，各自独立	无血缘

一句话区分：做 3D 感染分割与基准比较，用本条目；做 COVID CT 分类/检测，用 covid-ct(307)。 二者是「小而精的 3D 分割集」与「大而杂的 2D 配图集」的对照组，名字相近但用途、作者、数据形态全面不同。

8.3 重点消歧二：与 pending 中 covid-segmentation 的区别

另一处必须澄清的区分是与 CCP-COVID19 Lung CT Lesion Segmentation Challenge 资源的关系：

• COVID-19-CT-Seg（本条目）：由 Ma Jun 团队整理，20 例体数据，CC BY 4.0，Zenodo 公开直链，配套「数据高效学习」三任务基准。
• CCP-COVID19（COVID-19 Lung CT Lesion Segmentation Challenge，对应 slug 线索 covid-segmentation）：一个独立的 COVID-19 CT 肺病变分割挑战赛数据集，规模、组织方、标注协议、获取方式均与前者不同。

二者不是同一资源，不可混用：论文不同、机构不同、数据不同、许可与获取不同。本条目（covid-ct-lung）已在库内落盘并从属自身 record；covid-segmentation 属于另一条候选线索。检索时若同时遇到两个名字，须按「20 例 Ma Jun 基准」对「挑战赛数据集」分别识别，切勿相互替代（坑 3、坑 4）。

8.4 记忆锚与检索路径

记忆锚：

• COVID-19-CT-Seg = 「20 例三掩码小而精 + 数据高效学习基准」
• 与 covid-ct(307) 的「大而杂 2D 配图切片集」形成方法论对照组。

检索路径建议：

• 找 3D 感染分割数据 → 本条目。
• 找 COVID CT 分类数据 → covid-ct(307)。
• 找大规模 COVID 影像 → bimcv-covid(207) / mosmeddata(297)。
• 找基准划分与代码 → Gitee 仓库（论文口径）或 Zenodo（数据本体）。

§9 AI-Ready 评估：DAIMS 全表

9.1 什么是 DAIMS

DAIMS（Data and AI Maturity/Management Standard，本库用于对数据集做「AI 可用性」分维度评估）从若干维度给数据集的「可直接喂给模型」程度打分。对 COVID-19-CT-Seg 的逐维评估如下。

9.2 DAIMS 评估全表

维度	评分	依据
数据可得性（Availability）	高	Zenodo 公开直链，无注册无门槛；四个 zip 直下
格式规范性（Format）	高	标准 NIfTI（.nii.gz），主流医学影像工具（nnU-Net、MONAI、SimpleITK）原生支持
标注质量（Annotation Quality）	高	双放射科医生独立标注 + 资深医生终审；三类掩码逐像素
真值完整性（Ground Truth）	高	肺 L/R + 感染全覆盖；配套官方划分与评估协议
规模充分性（Scale）	低	仅 20 例体数据；按病例划分评估方差大
患者元数据（Clinical Metadata）	低	无年龄/性别/严重程度/核酸结果
设备与扫描参数（Device Metadata）	低	无扫描仪型号/层厚/管电压/重建核
语义标注层（Semantic Layers）	低	无病灶分级、无严重程度评分、无区域语义
观察者一致性（Inter-rater）	低	未公开跨中心或观察者间一致性指标
版本维护（Maintenance）	低	单一冻结版本，无更新日志
许可清晰度（License）	中-高	CC BY 4.0（双源旁证；Zenodo 摘要未显式列 license）
获取路径分离（Access Fragmentation）	中	本体 20 例在 Zenodo，论文 70 例基准在 Gitee，两入口分离

9.3 读表结论

强项集中在「数据本身可用性」：可得、格式规范、标注质量高、真值完整——这四维让数据集可以「下载即训」，无需清洗。

弱项集中在「元数据与规模」：规模小、无临床/设备元数据、无语义层、无观察者一致性、无版本维护。这决定了它不适合做需要分层分析、设备偏倚研究或大规模预训练的工作。

一句话定位：COVID-19-CT-Seg 是一个**「即取即用、但深度受限」**的小样本分割基准——它的价值在于协议完备与方法论示范，而非数据厚度。

9.4 分维度深评

可得性 / 格式 / 标注质量 / 真值完整 —— 四高
这四维构成数据集的「下限保障」：只要下载，就能立刻得到格式规范、标注可信、真值齐全的数据。对多数做方法研究的人来说，这四维决定「能不能直接用」，本条目全部达标。

规模充分性 —— 低
20 例体数据的统计功效有限。按病例划分时，验证集可能只有几例，单例波动就会显著影响指标。使用建议：报告结果时必须给出交叉验证或多划分的平均与方差，勿用单次划分的数字下强结论。

临床元数据 —— 低
无年龄、性别、严重程度、核酸结果。想做「重症 vs 轻症分割差异」这类分析，需自备元数据或在其他有元数据的集上做。使用建议：明确在论文中声明「未做亚组分析，因数据无临床元数据」。

设备与扫描参数 —— 低
无机型、层厚、管电压、重建核。跨设备泛化研究无法从本包获知设备构成。使用建议：把域泛化任务（Benchmark 2）当成「分布未知的黑箱泛化」来处理，而非「已知设备差异的受控实验」。

语义标注层 —— 低
掩码只有类别（肺 L/R、感染），无病灶分级、无严重程度评分、无解剖分区语义。使用建议：若需要更细的语义（如按肺叶分区），需自行在掩码上做后处理。

观察者一致性 —— 低
未公开一致性指标。这让「感染分割误差有多少来自标注本身」无法从数据侧定量回答。使用建议：在讨论感染分割性能时，应把「标注不确定性」列为潜在因素，而非全归于模型。

许可清晰度 —— 中-高
CC BY 4.0 由双源旁证，未见官方页面显式列明。对绝大多数研究用途已足够清晰；对企业法务有疑虑的场景，建议直接引用 Zenodo 条目页当前显示。

获取路径分离 —— 中
本体在 Zenodo、论文基准在 Gitee，两个入口。使用建议：项目初始化时两条都记进 README，避免团队只拿到一半（20 例但没有划分，或只有代码没数据）。

9.5 与其他条目的 AI-Ready 横比

维度	本条目	covid-ct(307)	bimcv-covid(207)	mosmeddata(297)
3D 分割掩码	✅ 高	❌ 2D 配图	⚠️ 部分	❌ 分类标签
规模	低	中	高	高
元数据	低	低	中	中
获取门槛	无	无	注册/协议	注册/协议
协议完备	高	中	中	中

横比结论：本条目在「3D 分割掩码 + 协议完备 + 零门槛」这一组合上独特；在规模与元数据上让位于 bimcv-covid 与 mosmeddata。选型取决于「要掩码还是要规模」。

§10 避坑清单：九个已踩过的坑

坑 1：把 20 例当成 20 张切片。
最常见的误读。「20 例」是 20 个三维体数据（volume），每例是一个 .nii.gz 影像配对应掩码文件。把它当切片数会低估数据体量、错算划分。

坑 2：混用 Zenodo 的 20 例与论文的 70 例。
两个数字都官方但口径不同：Zenodo 本体 20 例，论文基准扩展到 70 例 annotated cases（走 Gitee 仓库）。引用时必须说明出自哪个口径，混用会得出错误结论（如误以为 Zenodo 包里含 70 例）。

坑 3：把本条目与库内 covid-ct(307) 当成同一资源。
两者名字都含 COVID+CT，但 covid-ct(307) 是 Zhao et al. 的 2D 论文配图切片集，本条目是 3D 体数据 + 三掩码分割集。作者、层级、用途全不同，无血缘。选数据先分清。

坑 4：把本条目与 CCP-COVID19 挑战赛（covid-segmentation）混为一谈。
CCP-COVID19 Lung CT Lesion Segmentation Challenge 是另一独立资源——不同团队、不同规模、不同获取方式。名字相近但不可互替。检索时须分别识别（见 §8.3）。

坑 5：把感染分割的 67.3% 当成数据集天花板。
67.3% 是2021 年官方基线（nnU-Net 系 SOTA + 40+ 预训练模型）在官方协议下的成绩，不是本征上限。后续半监督/联邦/Transformer 工作已在其上改进。脱离模型与协议谈这个数字不准确。

坑 6：混淆掩码包导致重复下载。
四个 zip 中 Lung_and_Infection_Mask.zip 已含三合一，Lung_Mask.zip 与 Infection_Mask.zip 是它的子集视图。只需按任务下对应包，不要误以为四包内容互不相同而全下（浪费带宽）或漏下（缺掩码）。

坑 7：指望从包里拿到临床元数据做分层分析。
官方包不含任何年龄、性别、严重程度、核酸结果、扫描仪型号、层厚等元数据。做亚组或设备偏倚研究必须自行找外部来源，否则无从下手。

坑 8：把 license 当成 Zenodo 页面显式标明的字段。
Zenodo 抓取摘要未直接显示 license 字段；CC BY 4.0 由 GitHub 收录页与 HF 镜像双源旁证。有法律级需求时以 Zenodo 条目页当前显示为准。

坑 9：把官方版本号拼写当成规范拼法。
Zenodo 官方页把版本号拼作 “Verson 1.0”（应为 “Version”）。检索时若按官网核对待，会遇到同样的笔误拼写——本条目原文照录并加注，不代表这是标准拼法。

坑点快速索引

坑	一句话	相关章节
坑 1	20 例是体数据不是切片	§2.1
坑 2	20 例（Zenodo）≠ 70 例（论文）	§2.5
坑 3	与 covid-ct(307) 非同一资源	§8.2
坑 4	与 CCP-COVID19 挑战赛非同一资源	§8.3
坑 5	67.3% 不是天花板	§5.4
坑 6	掩码包有重叠冗余	§6.2
坑 7	无临床/设备元数据	§2.4
坑 8	license 非 Zenodo 显式字段	§6.1
坑 9	官方版本号拼写有笔误	§6.3

坑点成因小结

这九个坑大致分三类：

• 命名与血缘类（坑 1、2、3、4）：都源于「名字相近、数字相近」的干扰。对策是永远先确认资源身份（作者、层级、来源），再谈数字。
• 指标与协议类（坑 5、6）：源于对「数字出处」与「资产结构」的误解。对策是追问每个数字的前提，并理解资产的包含关系。
• 元数据与合规类（坑 7、8、9）：源于官方包与官方页的留白与笔误。对策是分清「官方明示」与「旁证推定」，并原文照录存照。

§11 总结

11.1 三句话总结

1. 它是 20 例经三重把关（双医生独立标注 + 资深终审）的 COVID-19 CT 体数据，含左肺/右肺/感染三类逐像素掩码，NIfTI 格式，Zenodo 公开直链，CC BY 4.0。
2. 它的方法论价值大于数据规模：论文把它组织成医学分割领域第一个「数据高效学习」基准，含少样本/域泛化/知识迁移三任务、统一划分与 40+ 预训练基线。
3. 它的数字结构极清晰——肺分割已近饱和（DSC 97%+），感染分割仍是硬骨头（DSC 67.3%）——这面镜子照出磨玻璃影、多灶分布与标注一致性这些至今未解的难题。

11.2 适合谁

• 做小样本/少标注分割研究：20 例天然是 few-shot 场景。
• 做域泛化/知识迁移研究：官方三任务框架直接可用。
• 需要 3D 逐像素感染分割真值：三类掩码即取即用。
• 需要「可比的感染分割基准」：官方划分 + DSC/NSD 协议 + 基线数字，构成标准对照。
• 做教学 demo：20 例体积适中，1.1 GB 几分钟下完，适合课堂演示分割全流程。

11.3 不适合谁

• 需要大规模预训练语料：20 例体数据不足以支撑大模型预训练。
• 需要临床元数据分层分析：无年龄/性别/严重程度/设备信息。
• 需要多中心/跨设备泛化验证：单中心标注，无跨中心一致性数据。
• 需要最新版本与持续维护：单一冻结版本（2020-04-20），无更新。

11.4 30 秒决策卡

你的需求	决策
要 3D COVID 肺 + 感染逐像素掩码	✅ 用本条目（Zenodo 3757476）
要数据高效学习基准（少样本/域泛化/迁移）	✅ 用本条目 + 论文 Gitee 仓库
要 COVID CT 分类/检测数据	❌ 改用 covid-ct(307)
要大规模 COVID 影像库	❌ 改用 bimcv-covid(207) / mosmeddata(297)
要临床元数据分层	❌ 本条目无元数据
要最新/持续维护的数据集	❌ 本条目版本冻结

11.5 一分钟版本

COVID-19-CT-Seg 是 2020 年 4 月由南京理工大学马骏团队联合南京鼓楼医院发布的 20 例 COVID-19 CT 体数据分割集。它的数据本体很小，但标注质量高（双放射科医生独立标注 + 资深医生终审，三类逐像素掩码），并配齐了官方划分、评估协议与 40+ 预训练基线。论文把它做成了医学分割领域第一个数据高效学习基准（少样本/域泛化/知识迁移三任务），数百次引用主要冲着这套方法论而来。使用它的关键是分清三件事：20 例 vs 70 例口径、本条目 vs covid-ct(307)、本条目 vs CCP-COVID19 挑战赛。它是「小而精」的教科书级样本——不是靠规模，而是靠协议完备。

11.6 三条可迁移的方法学经验

从这个小数据集身上，可以提炼三条对任何数据工作都适用的经验：

1. 协议与数据同等重要：只发数据不发自评协议，再大的数据也难以成为可比基准。COVID-19-CT-Seg 的引用量大半来自它「发协议」这一动作。
2. 质控流程要写进方法学：双医生独立 + 资深终审不只是一个流程，而是数据集可信度的可证伪声明——它让使用者能判断真值质量，而非盲信。
3. 小样本也能立标杆：填补一个精准的空缺（早期 3D COVID 感染分割基准），比在饱和方向堆规模更有价值。

11.7 给后续维护者的一句话

若未来 Zenodo 更新版本、扩展标注或变更许可，请优先更新 §2（规模）、§6（获取与许可）、§9（DAIMS）与事实清单四处，其余章节通常不受影响。当前为单一冻结版本，预期长期稳定。

11.8 检索记忆锚

• COVID-19-CT-Seg = 20 例 · 三掩码 · 数据高效学习基准 · CC BY 4.0 · Zenodo 3757476
• 对照组：covid-ct(307) = 2D 配图切片 · 大而杂。
• 易混项：CCP-COVID19 = 另一独立挑战赛，勿混。

FAQ（高频问答 30 问）

A. 基础认知

A1. COVID-19-CT-Seg 到底是什么？
一个 3D COVID-19 胸部 CT 分割数据集：20 例体数据，每例含左肺、右肺、感染三类逐像素 NIfTI 掩码，配官方划分、评估协议与基线模型。官方全称 COVID-19 CT Lung and Infection Segmentation Dataset。

A2. 它和 covid-ct 是一个东西吗？
不是。covid-ct（库内 rid 307）是 Zhao et al. 从论文配图提取的 2D 切片集（分类/检测用）；本条目是 3D 体数据 + 三掩码分割集。作者、层级、用途全不同。

A3. 它和 CCP-COVID19 挑战赛（covid-segmentation）是一回事吗？
不是。CCP-COVID19 Lung CT Lesion Segmentation Challenge 是另一独立数据集，团队、规模、协议、获取方式都不同。名字相近但不可互替。

A4. 数据集什么时候发布的？
2020-04-20 发布于 Zenodo（record 3757476）。论文 2021 年正式发表于 Medical Physics。

A5. 谁做的？
南京理工大学数学系马骏（Jun Ma，通讯作者）牵头，联合南京鼓楼医院放射科等多家机构；临床标注由鼓楼医院放射科承担，论文署名 14 位作者，Zenodo 页署名 20 位。

B. 数据与获取

B6. 数据有多少？
20 例 3D CT 体数据（coronacases_001–010 与 radiopaedia_ 两族命名）。

B7. 掩码有几类？
三类：左肺、右肺、COVID-19 感染区，均为逐像素 NIfTI。

B8. 下载哪些包？
肺 + 感染联合：COVID-19-CT-Seg_20cases.zip + Lung_and_Infection_Mask.zip；只肺：+ Lung_Mask.zip；只感染：+ Infection_Mask.zip。

B9. 总下载量多大？
影像本体 1.1 GB，掩码合计约 24 MB，总计约 1.1 GB 出头。

B10. 需要注册吗？
不需要。Zenodo 公开直链，点即下。

B11. 许可是什么？
CC BY 4.0 International（署名即可用，含商用）。双源旁证（GitHub 收录页 + HF 镜像），Zenodo 摘要未显式列 license。

B12. 有官方镜像吗？
HuggingFace 上 MedOtter/covid19-ct-seg、Angelou0516/covid19-ct-seg 是社区镜像，非官方。严谨研究建议用 Zenodo 官方包。

B13. 数据是什么格式？
NIfTI（.nii.gz），主流医学影像工具原生支持。

B14. 病例来自哪里？
两族：Corona Cases 公开集与 Radiopaedia 公开教学病例，均为社区公开来源，非单中心私有序列。

C. 标注与质量

C15. 谁标注的？
两名放射科医生独立标注 + 一名资深放射科医生终审，团队来自南京鼓楼医院放射科。

C16. 标注质量如何？
三重把关（双独立 + 资深终审）是医学分割标注的高保障模式，可对冲单医生系统性偏好与随机误差。

C17. 有观察者间一致性指标吗？
没有。官方未公开跨中心或观察者间一致性数据。

C18. 有患者元数据吗？
没有。无年龄、性别、严重程度、核酸结果。

C19. 有设备/扫描参数吗？
没有。无扫描仪型号、层厚、管电压、重建核。

D. 基准与数字

D20. 基线成绩如何？
DSC：左肺 97.3% / 右肺 97.7% / 感染 67.3%；NSD：90.6% / 91.4% / 70.0%。

D21. 为什么感染分割这么难？
磨玻璃影对比低、多灶分布、边界模糊，加上标注本身有观察者间方差。

D22. 三个基准任务是什么？
少样本（纯 COVID）、域泛化（异质混合）、知识迁移（非 COVID 肺病 → COVID）。

D23. 67.3% 是天花板吗？
不是。它是 2021 年官方基线在官方协议下的成绩，后续方法已在其上改进。

D24. 用什么指标评估？
DSC（体积重叠）与 NSD（表面距离）双指标。

D25. 有官方划分和代码吗？
有，经 Gitee 仓库 junma11/COVID-19-CT-Seg-Benchmark 分发。

E. 关系与库内

D26. Zenodo 的 20 例和论文的 70 例什么关系？
Zenodo 本体 20 例全掩码；论文基准扩展至 70 例 annotated cases，扩展部分走 Gitee 仓库。两口径不同，勿混用。

D27. 库内还有哪些相关条目？
covid-ct(307)、bimcv-covid(207)、mosmeddata(297)、covid-19-radiography(217)、covidx-cxr(197)、sar-covid(705)、cdsl-covid-data-shared-learning(605)、totalsegmentator(422)、ct-org(796)。

D28. 做 3D 感染分割该选谁？
本条目。

D29. 做 COVID CT 分类该选谁？
covid-ct(307)。

D30. 引用体量多少？
数据集 Zenodo 条目被引 346+；论文被引 422+（抓取时点）。

事实清单（硬事实 40 条）

1. 官方全称：COVID-19 CT Lung and Infection Segmentation Dataset。
2. 社区/文件前缀惯用名：COVID-19-CT-Seg。
3. Zenodo record id：3757476。
4. DOI：10.5281/zenodo.3757476。
5. 发布日期：2020-04-20。
6. 官方版本号拼写：“Verson 1.0”（原文照录，应为 Version）。
7. 版本数：单一冻结版本，无后续更新。
8. 本体规模：20 例 COVID-19 CT 体数据。
9. 数据层级：3D volume（非切片）。
10. 文件格式：NIfTI（.nii.gz）。
11. 病例命名两族：coronacases_001–010 与 radiopaedia_ 系列。
12. 掩码类别：左肺、右肺、COVID-19 感染区（三类）。
13. 掩码类型：逐像素、与影像逐体素对齐。
14. 标注流程：两名放射科医生独立标注 + 一名资深放射科医生终审。
15. 临床标注机构：南京鼓楼医院放射科。
16. 牵头机构：南京理工大学数学系（通讯作者 Jun Ma）。
17. 论文标题：Toward data-efficient learning: A benchmark for COVID-19 CT lung and infection segmentation。
18. 期刊：Medical Physics 2021;48(3):1197-1210。
19. 论文 DOI：10.1002/mp.14676。
20. 预印本：arXiv:2004.12537（v1 2020-04-27；v2 2020-12-03）。
21. 论文基准口径：70 例 annotated COVID-19 cases。
22. 基准划分与代码分发：Gitee junma11/COVID-19-CT-Seg-Benchmark。
23. 三个基准任务：少样本、域泛化、知识迁移。
24. 基准定位：宣称医学图像分割领域第一个数据高效学习基准。
25. 基线模型：40+ 预训练模型（nnU-Net 系 SOTA）。
26. 基线宣称：当时医学分割领域规模最大的预训练模型发布。
27. 左肺 DSC：97.3%。
28. 右肺 DSC：97.7%。
29. 感染区 DSC：67.3%。
30. 左肺 NSD：90.6%。
31. 右肺 NSD：91.4%。
32. 感染区 NSD：70.0%。
33. 评估指标：DSC 与 NSD。
34. 影像本体包：COVID-19-CT-Seg_20cases.zip，1.1 GB，md5 873617e1fdcbe92f8aa0ce83a4798a1f。
35. 肺掩码包：Lung_Mask.zip，10.1 MB，md5 972b3d9b4c7b64d2c518b936bd98cb47。
36. 三合一掩码包：Lung_and_Infection_Mask.zip，11.7 MB，md5 40fa1fa124f6aab6daf9feea9c373313。
37. 感染掩码包：Infection_Mask.zip，2.6 MB，md5 98fa9f5401fa8409dccd1681a36febcf。
38. 许可：CC BY 4.0 International（双源旁证）。
39. 获取方式：Zenodo 公开直链，无注册无门槛。
40. 引用体量：数据集 346+，论文 422+（抓取时点）。

术语表（30 条）

术语	英文	释义
COVID-19	Coronavirus Disease 2019	由 SARS-CoV-2 引起的新冠肺炎
CT	Computed Tomography	计算机断层扫描
体数据	Volume	三维影像数据，此处一个病例一个 volume
NIfTI	Neuroimaging Informatics Technology Initiative	医学影像常用格式，扩展名 .nii / .nii.gz
掩码	Mask / Segmentation mask	标注区域的分割结果，逐像素/体素标签
左肺	Left lung	解剖学左肺分割目标
右肺	Right lung	解剖学右肺分割目标
感染区	Infection region	COVID-19 相关异常肺实质区域
磨玻璃影	GGO (Ground-Glass Opacity)	CT 上密度轻度增高的模糊影，感染分割难点
实变	Consolidation	肺组织密度明显增高的病变表现
肺不张	Atelectasis	肺泡塌陷，可能与实变混淆
DSC	Dice Similarity Coefficient	体积重叠度指标
NSD	Normalized Surface Dice	归一化表面距离指标
数据高效学习	Data-efficient learning	标注稀缺条件下有效学习的范式族
少样本学习	Few-shot learning	极少样本下训练
域泛化	Domain generalization	跨分布泛化
知识迁移	Knowledge transfer	从其他任务/疾病迁移知识
基准	Benchmark	统一比较平台
基线	Baseline	参考模型与方法
nnU-Net	no-new-Net	自配置医学分割框架，SOTA 基线来源
掩码组合	Mask combination	Lung / Infection / Lung_and_Infection 三包
三重把关	Triple-check annotation	双医生独立 + 资深终审
观察者间一致性	Inter-rater agreement	不同标注者结果的一致程度
域漂移	Domain shift	训练与测试分布不一致
迁移学习	Transfer learning	跨任务/域复用知识
半监督分割	Semi-supervised segmentation	少量标注 + 大量无标注
联邦学习	Federated learning	数据不出域的多方联合训练
病灶	Lesion	病变区域
COPP/CCP-COVID19	COVID-19 Lung CT Lesion Segmentation Challenge	与本文档主体不同的另一挑战赛数据集
真值	Ground truth	作为标准的标注结果

附录

附录 A：条目信息速查卡

项	值
官方名	COVID-19 CT Lung and Infection Segmentation Dataset
惯用名	COVID-19-CT-Seg
slug	covid-ct-lung
本体规模	20 例 3D CT
掩码	左肺/右肺/感染
格式	NIfTI (.nii.gz)
许可	CC BY 4.0
获取	Zenodo 3757476 直链
论文	Medical Physics 2021;48(3):1197-1210
基准任务	少样本/域泛化/知识迁移
基线 DSC	97.3 / 97.7 / 67.3 (%)
库内最近邻	covid-ct(307)

附录 B：DAIMS 评估全表

（详见 §9.2 表：可得性高、格式高、标注质量高、真值完整；规模低、临床元数据低、设备元数据低、语义层低、一致性低、维护低；许可中-高、获取路径分离中。）

附录 C：逐项证据链自证

• 20 例 / 四 zip / md5 / 机构署名 → Zenodo 3757476 官方页。
• 论文标题 / 三任务 / DSC-NSD 数字 → arXiv:2004.12537 与 Medical Physics 2021。
• 划分与代码 → Gitee junma11/COVID-19-CT-Seg-Benchmark。
• CC BY 4.0 → GitHub sfu-db/covid19-datasets 收录页 + HF MedOtter/covid19-ct-seg。
• 库内消歧 → DB ai_ready_dataset url_name 反查。

附录 D：数据获取决策树

你的任务需要 3D COVID 感染分割掩码？
├─ 是 → 用本条目（Zenodo 3757476）
│        ├─ 要 20 例本体 → 下 COVID-19-CT-Seg_20cases.zip + 对应掩码包
│        └─ 要 70 例基准 → 加 Gitee 仓库
└─ 否 → 分类/检测 → covid-ct(307)
         大规模 → bimcv-covid(207) / mosmeddata(297)
         X 光 → covid-19-radiography(217) / covidx-cxr(197)

附录 E：掩码类别映射与使用规范

掩码包	含类别	建议用途
Infection_Mask.zip	感染	纯感染分割
Lung_Mask.zip	左肺 + 右肺	纯肺分割
Lung_and_Infection_Mask.zip	左肺 + 右肺 + 感染	联合分割（推荐默认）

规范：加载后先校验掩码与影像的仿射矩阵一致（形状、spacing、origin），再叠加使用。

附录 F：三任务复现骨架（SOP 模板）

1. 从 Zenodo 下载 20 例本体 + Lung_and_Infection_Mask.zip
2. 从 Gitee 获取官方划分（train/val/test）
3. Benchmark 1：仅用 COVID 数据训练（nnU-Net / MONAI）
4. Benchmark 2：混入非 COVID 异质数据 → 评估域泛化
5. Benchmark 3：用非 COVID 肺病数据预训 → 迁移到 COVID
6. 评估：DSC + NSD，与官方基线 97.3/97.7/67.3 对比

附录 G：DSC / NSD 计算骨架（代码）

import numpy as np
import SimpleITK as sitk

def dice(pred, gt):
    pred, gt = pred.astype(bool), gt.astype(bool)
    inter = np.logical_and(pred, gt).sum()
    return 2.0 * inter / (pred.sum() + gt.sum() + 1e-8)

def surface_dice(pred_path, gt_path, tolerance=1.0):
    # 用 SimpleITK 计算表面距离，统计容差内表面点占比
    pred = sitk.ReadImage(pred_path)
    gt = sitk.ReadImage(gt_path)
    pred_surf = sitk.LabelContour(sitk.Cast(pred, sitk.sitkUInt8))
    gt_surf = sitk.LabelContour(sitk.Cast(gt, sitk.sitkUInt8))
    # 距离图 + 表面点容差比对（实现细节见官方评估代码）
    return None  # 占位：以官方评估代码为准

说明：NSD 的规范实现以官方评估代码为准；上方仅为骨架示意。

附录 H：20 例核对清单（占位模板）

coronacases_001 ... coronacases_010   (10 例)
radiopaedia_*                          (10 例，社区共识口径)
----------------------------------------------
合计 20 例

用法：下载后逐例核对，确认 20 例齐全、掩码配对无缺。

附录 I：统计指标公式表

指标	公式（概念）
DSC	2·\
NSD	容差内表面点交集数 / 表面点总数

附录 J：坑点档案（与 §10 对照）

坑 1 20 例≠切片；坑 2 20 vs 70 口径；坑 3 与 covid-ct(307) 混同；坑 4 与 CCP-COVID19 混同；坑 5 67.3% 非天花板；坑 6 掩码包重复下载；坑 7 指望元数据；坑 8 license 非页面显式；坑 9 版本号笔误拼写。

附录 K：双口径登记表

事项	口径 A	口径 B	本条目处理
规模	Zenodo 20 例	论文 70 例	两口径并存，分来源写
license	Zenodo 摘要未列	GitHub + HF 标 CC BY 4.0	按 CC BY 4.0，存照
版本号拼写	官方 “Verson 1.0”	规范 “Version”	原文照录加注
病例来源	coronacases 10 例	radiopaedia 10 例	两族命名表述

附录 L：与库内条目关系声明

• covid-ct(307)：2D 配图切片集，无血缘，主题相邻。
• bimcv-covid(207)、mosmeddata(297)：规模对照。
• covid-19-radiography(217)、covidx-cxr(197)：模态对照。
• sar-covid(705)、cdsl-covid-data-shared-learning(605)：家族横向。
• totalsegmentator(422)、ct-org(796)：肺掩码质量互证。

附录 M：生成侧信息（写手自留）

• 代理：agent-f-covidctlun
• 抓取时点：2026-10-13
• 私有区：.parts_agent-f-covidctlun_1791847152_272055
• 来源集合：Zenodo 3757476 / arXiv 2004.12537 / Gitee junma11 / GitHub sfu-db / HF MedOtter

附录 N：许可条款细读

CC BY 4.0 核心义务为署名：使用、分发、改编（含商用）均允许，只需保留原作署名。无「相同方式共享」约束，无「非商用」限制。再分发时建议注明来源为 Zenodo 3757476 与 Datasets 页署名作者。

附录 O：检索路径示范（关键词组合）

• COVID-19 CT lung infection segmentation dataset
• COVID-19-CT-Seg 20 cases Zenodo
• Ma Jun data-efficient learning COVID CT benchmark
• COVID-19-CT-Seg-Benchmark Gitee

附录 P：FAIR 检查单

FAIR 项	状态	说明
Findable	✅	Zenodo DOI 稳定可查
Accessible	✅	公开直链，无门槛
Interoperable	✅	标准 NIfTI，通用工具支持
Reusable	✅	CC BY 4.0 明确可用

附录 Q：缩写速查

CT、DSC、NSD、GGO、NIfTI、SOTA、CNN、nnU-Net、CCP-COVID19、DAIMS、FAIR。

附录 R：30 秒决策复述

要 3D 感染分割掩码 → 本条目；要分类/检测 → covid-ct(307)；要大规模 → bimcv-covid(207)/mosmeddata(297)；要元数据分层 → 都不行。

附录 S：本条目生产档案

• 成稿路径：writing/covid-ct-lung/covid-ct-lung_Wikipedia.md
• 章节：§0–§11 + FAQ + 事实清单 + 术语表 + 附录 + 尾注
• 事实档案：writing/covid-ct-lung/FACTS.md

附录 T：维护计划与触发点

• 触发点：Zenodo 版本更新 / 官方新增标注 / 许可变更 / 论文更正。
• 动作：核对 Zenodo 3757476 与 Gitee 仓库，更新相应章节与事实清单。
• 当前状态：单一冻结版本，预期长期稳定。

附录 U：常见误用模式与纠正

误用模式	表现	纠正
当切片集用	按「张」统计，划分逻辑错	记住单位是「例」（volume）
与 covid-ct 混用	用 2D 配图集做 3D 分割	用本条目下载 3D 体数据
与挑战赛混同	引用 CCP-COVID19 的数字	分清两资源，勿跨引
混用 20/70	说「包里 70 例」	20 例本体在 Zenodo，70 例基准在 Gitee
期望元数据	找不到年龄/严重程度字段	本包无元数据，需外部补
单划分定论	只用一次切分报数字	用交叉验证或多次划分给均值方差
拿 67.3% 当地板/天花板	以为感染分割封顶	那是 2021 官方基线成绩，非本征上限

附录 V：研究立项检查清单（12 项）

1. 我的任务需要 3D 还是 2D？→ 决定用本条目还是 covid-ct(307)。
2. 我需要感染掩码吗？→ 需要则必须用本条目。
3. 我需要临床元数据吗？→ 需要则本条目不够。
4. 我要做少样本/域泛化/迁移吗？→ 是则用官方三任务设定。
5. 我用的是哪套划分？→ 必须用官方划分才能与基线比。
6. 我的指标实现与官方一致吗？→ 用官方代码或对齐其口径。
7. 我引用的是 20 例还是 70 例口径？→ 明确标注来源。
8. 我的数字 vs 基线是同一协议吗？→ 否则不可比。
9. 我报告了方差吗？→ 小数据集必须给。
10. 我说明了标注不确定性的影响吗？→ 感染分割讨论中必备。
11. 我署名了来源吗？→ CC BY 4.0 义务。
12. 我把版本与获取路径写进 README 了吗？→ 数据+代码两入口都记。

附录 W：引文规范

• 数据集：Ma J, et al. COVID-19 CT Lung and Infection Segmentation Dataset. Zenodo. 2020. doi:10.5281/zenodo.3757476.
• 论文：Ma J, et al. Toward data-efficient learning: A benchmark for COVID-19 CT lung and infection segmentation. Med Phys. 2021;48(3):1197-1210. doi:10.1002/mp.14676.
• 代码：junma11. COVID-19-CT-Seg-Benchmark. Gitee.

附录 X：本条目生产档案

• 代理名：agent-f-covidctlun
• 私有区：.parts_agent-f-covidctlun_1791847152_272055
• part 划分：part1（frontmatter+§0-§1）/ part2（§2-§4）/ part3（§5-§8）/ part4（§9-§11）/ part5（FAQ+事实清单+术语表+附录+尾注）
• 成稿：writing/covid-ct-lung/covid-ct-lung_Wikipedia.md
• 自检：check_md.py + preflight_check.py 双零

附录 Y：FAIR / AI-Ready 综合检查单

项	状态	备注
可查找（可解析 ID）	✅	Zenodo DOI + record id
可访问（公开直链）	✅	无需注册
互操作（标准格式）	✅	NIfTI
可复用（明确许可）	✅	CC BY 4.0
AI-Ready（即取即训）	✅	掩码齐全、协议完备
规模充分（大模型预训）	❌	仅 20 例
元数据丰富	❌	无临床/设备元数据

附录 Z：缩写速查

CT（Computed Tomography）、DSC（Dice Similarity Coefficient）、NSD（Normalized Surface Dice）、GGO（Ground-Glass Opacity）、NIfTI（Neuroimaging Informatics Technology Initiative）、SOTA（State-of-the-Art）、nnU-Net（no-new-Net）、CCP-COVID19（COVID-19 Lung CT Lesion Segmentation Challenge）、DAIMS、FAIR、DICOM（Digital Imaging and Communications in Medicine）。

附录 AA：双口径与遗留疑点登记

事项	状态	处理
规模 20 vs 70	双口径	分来源写
license	双源旁证	按 CC BY 4.0 存照
版本号拼写 Verson	官方笔误	原文照录加注
病例来源两族	部分旁证	按两族表述
切片总数	未核验	不采用，遗留疑点

附录 AB：检索关键词组合表

目的	关键词
找数据本体	COVID-19 CT lung infection segmentation dataset Zenodo
找论文	Ma Jun data-efficient learning COVID CT benchmark
找代码	COVID-19-CT-Seg-Benchmark Gitee
找消歧	COVID-CT-Seg vs COVID-CT-Dataset
找镜像	covid19-ct-seg HuggingFace

附录 AC：30 秒、1 分钟、5 分钟三级概览导航

• 30 秒：见 §11.4 决策卡。
• 1 分钟：见 §11.5 一分钟版本。
• 5 分钟：读 §0 导读 + §1 十问十答 + §10 避坑清单。

附录 AD：与本条目最相关的三条使用纪律

1. 先定格子：要 3D 分割用本条目，要分类用 covid-ct，要规模用 bimcv-covid/mosmeddata。
2. 后对协议：任何数字比较前，确认划分、指标、模型三者一致。
3. 再报方差：小数据集结果必须带方差，勿用单次切分下强结论。

尾注

1. 数据来源与文件清单：Zenodo record 3757476，https://zenodo.org/records/3757476。
2. 论文预印本：arXiv:2004.12537，https://arxiv.org/abs/2004.12537。
3. 基准代码与划分：Gitee https://gitee.com/junma11/COVID-19-CT-Seg-Benchmark。
4. 许可旁证：GitHub sfu-db/covid19-datasets 之 COVID-19-CT-benchmark-data.md。
5. 社区镜像：HuggingFace MedOtter/covid19-ct-seg、Angelou0516/covid19-ct-seg。
6. 库内对照条目：covid-ct(307)、bimcv-covid(207)、mosmeddata(297)、covid-19-radiography(217)、covidx-cxr(197)、sar-covid(705)、cdsl-covid-data-shared-learning(605)、totalsegmentator(422)、ct-org(796)。
7. 所有硬数字均来自上述一手来源或 FACTS.md，未采用任何未核验的社区口径。

---

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：

• mosmeddata — 共享标签：医学影像 / CT / 医学图像分割 / COVID-19
• ctooth — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• ct4harmonization-multicentric — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• bimcv-covid — 共享标签：医学影像 / CT / COVID-19
• stoic — 共享标签：医学影像 / CT / COVID-19
• 3dircadb — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• toothfairy2 — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• curvas — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• toothfairy3 — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准
• stsr — 共享标签：医学影像 / CT / 医学图像分割 / 评测基准

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。