HEAD-NECK-RADIOMICS-HN1 — MAASTRO 137 例头颈鳞癌放疗 CT 队列：Aerts 2014 泛癌种 radiomics 论文的 H&N1 数据源

INFOBOX — HEAD-NECK-RADIOMICS-HN1 一屏速览

维度	内容
本质	荷兰 MAASTRO 放射治疗中心的 137 例头颈鳞癌（HNSCC）治疗前 CT 队列，附 GTV 勾画与临床/随访表（非挑战赛、非重标注工程）
数据身份	Aerts 2014 Nature Communications 泛癌种 radiomics 论文的 H&N1 队列数据源
规模	137 subjects / 486 series / 28,918 images / 11.79 GB（V3 现行；V1 为 349 / 28,781 / 11.17 GB）
模态	CT 为主；元数据另列 SEG、RTSTRUCT、PT（PT 见坑 5）
标注	头颈部肿瘤 GTV：RTSTRUCT（临床勾画，V1 已有）+ DICOM SEG（V2 2019-09-20 增补）
临床数据	Complete：临床/随访 ZIP + TXT 数据字典；V3 2020-07-29 增补 chemotherapy_given 列
论文	Aerts et al., Nat Commun 5:4006（2014-06-03），doi:10.1038/ncomms5006，被引 3,561（Europe PMC，2026-10-08 快照）
核心贡献	4 特征 radiomic signature 于 1,019 例、7 队列一致 CI=0.69（Harrell’s C-index，P=7.99×10⁻⁷）
队列内部	H&N1 的 440 维特征中 135 个（约 31%） 与总体生存显著相关
获取	影像：NIH 受控（人脸重建顾虑）｜临床表 + 字典：CC BY-NC 3.0 公开下载
许可	双层异构：影像 NIH Controlled ｜ 临床 CC BY-NC 3.0（MAASTRO / Wee / Dekker 署名）
版本链	V1 2019-07-25 → V2 2019-09-20（+DICOM SEG）→ V3 2020-07-29（+chemotherapy_given、+数据字典）
陷阱	“H&N1” 代号与库内 head-neck-pet-ct（Vallières 2017 PET/CT 队列）撞名但完全不同物；与 HECKTOR 挑战赛无关联
库内互链	nsclc-radiomics（同论文肺癌姊妹队列）、nsclc-radiogenomics、nsclc-radiomics-interobserver1、rider-lung-ct、radiomics-tumor-phenotypes、head-neck-pet-ct、hecktor、hecktor2026

HEAD-NECK-RADIOMICS-HN1 是"把一台放疗科的定位 CT 变成泛癌种科学发现原材料"的教科书样本：荷兰 MAASTRO 放射治疗中心把 137 例头颈鳞癌患者治疗前拍摄的多层 CT、医生勾画的大体肿瘤体积（GTV）以及临床随访表打包成结构化 collection，于 2019 年 7 月经 TCIA（The Cancer Imaging Archive）正式收录。这批数据的学术身份来自 Aerts 等人 2014 年发表在 Nature Communications 的里程碑论文——那篇被引超过三千五百次的文章用包括本队列（代号 H&N1）在内的 1,019 例、7 个泛癌种队列证明：仅从常规医学影像中提取的定量特征（radiomics，影像组学），就能构建出一个跨癌种稳定的生存预后 signature。换句话说，本 collection 是放射肿瘤学史上引用最高的影像组学论文之一的四大主队列之一。

但它同时也是一个"体检报告上写了两个名字"的数据集：影像本体因"可能被用于重建人脸"而实施 NIH 受控访问，真正开门营业的是那份只有几 KB 的临床数据 ZIP 与 TXT 数据字典；TCIA 元数据模态列里躺着一个论文从未使用的 PT（PET）；“H&N1” 这个队列代号还与库内另一条 PET/CT 条目撞名。检索与复用这批数据，纪律比速度重要。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意影像走 NIH 受控申请、临床表才是 CC BY-NC 3.0 公开直链，两条门别走混。
2. 关心 radiomics 建模：直奔 §4 科学产出——440 维特征、1,019 例 7 队列、signature CI=0.69 三段连读，再看 §3 的 GTV 双格式标注。
3. 撞库排查或文献对表：直奔 §10 避坑清单——“H&N1” 撞名（坑 1/坑 2）与 136/137 双口径（坑 3）是检索高频踩坑点。

§0 导读：这个数据集解决什么问题

2010 年代初，肿瘤影像的处境是"看得见、读不透"：放射科与放疗科每天都在产生海量 CT 断层，但肿瘤的异质性——同一分期、同一部位的患者为什么预后天差地别——主要靠病理与基因检测回答，影像本身只贡献一个大小和分期。Aerts、Lambin 及其合作者提出的假说是：常规 CT 里已经沉睡着一个高通量表型描述层，只要把强度、形状、纹理、小波等数百个定量特征系统化提取出来，就能无损解码肿瘤表型，且不需要任何额外的扫描成本。

要验证这个假说，需要一个能跨机构、跨癌种复制的证据结构：训练在多个独立队列上完成，验证在新队列上盲测，结论必须"换个癌种还成立"。H&N1（即本 collection 的论文队列代号）在这一结构里承担头颈鳞癌这一臂：它是荷兰 MAASTRO 中心连续收治的放疗患者，治疗前定位 CT 与 GTV 勾画本是放疗流程的常规副产品，临床随访表齐全——是"以治疗为目的产生、以科研为目的复用"的典型数据。Aerts 2014 论文的总体设计为 1,019 例、7 个队列，最终提出的 4 特征 signature 在多队列间取得一致的 C-index 0.69（P=7.99×10⁻⁷），成为此后十年影像组学生存建模绕不开的参照点；本 collection 则是这场验证中头颈癌一臂的原始影像与临床底座。

对 2020 年代的使用者，这个 collection 的价值在三个层面：

1. 复现与对标：440 维特征体系、泛癌 signature 的 H&N1 一臂结果、以及 135/440 的特征-生存显著率，构成影像组学方法论文献里被反复引用的基线；任何新的头颈癌生存模型都可以在此队列上做同口径对标（影像获取需走受控流程，见 §6）。
2. 放射肿瘤学数据工程范本：GTV 勾画以 RTSTRUCT（临床流程原生格式）与 DICOM SEG（V2 增补的互操作格式）双格式发布，临床表附带正式数据字典并在 V3 增补化疗执行列——这是 TCIA 上"临床数据工程化"完成度较高的示范。
3. 数据治理样本：影像因人脸重建顾虑受控、临床表开放的双层许可结构，是"隐私敏感影像 + 低敏表格"如何分层放行的现成案例；同期预告的 FAIR radiomics 专文（未落地，见坑 7）也使它成为观察数据集 FAIR 化承诺兑现过程的活标本。

§0 读法三则：

1. 本条目的硬数字有三个来源口径：TCIA collection 页（137 例、486 series、28,918 images、11.79 GB、42 Citations）、Aerts 2014 论文全文（136 例、1,019 例 7 队列、440 特征、CI=0.69、135/440）、以及 TCIA 收录历史（V1/V2/V3 三版数字）。所有双口径冲突已在 §10 与附录 I 登记，正文一律采用"现行主口径 + 存照"写法。
2. 检索时若把 “H&N1” 当作全局唯一 ID 去搜，会同时撞上库内 head-neck-pet-ct 条目描述的 Vallières 2017 PET/CT 队列（HGJ 医院 92 例）——两者共用代号但完全不同物，见坑 1。
3. 本 collection 与 HECKTOR 挑战赛系列（hecktor、hecktor2026）没有演变或派生关系，检索时不要因"头颈 + 分割"关键词把它们混为一谈，见坑 2。

按时间预算选路线：30 秒——INFOBOX + §11.4 决策卡；5 分钟——§0 + §1 十问 + §6.1 双层许可表；2 小时——全条目 + 附录 N 的 SOP 走一遍。

0.1 在库内 radiomics 条目家族中的分工

库内已有多个 radiomics 相关条目，本条目的位置与分工：

• nsclc-radiomics（rid 247）：Aerts 2014 的 Lung1/肺臂（422 例），本条目的主互链——两 collection 合读即论文两大主队列；
• nsclc-radiogenomics、nsclc-radiomics-interobserver1、rider-lung-ct：同研究姊妹臂（影像-基因组 / 勾画一致性 / 扫描-分割可重复性），按研究问题选读（§9.1）；
• radiomics-tumor-phenotypes：分析产物侧——特征/表型层面的发布物从该条目入手（§9.2）；
• head-neck-pet-ct、hecktor、hecktor2026：撞名/易混警示组，与本 collection 无数据关系（§9.3）。

本条目独有贡献：头颈臂的完整事实链（V1/V2/V3 版本数字、136/137 官方解释、双层许可原文）+ 撞名组的四要素判别表（附录 J）。

§1 数据集速览：十问十答

本节的两种用法：线性通读（每问 2-4 行，五分钟过完全部概念）；或按需跳问——每问标题即答案主旨。问题覆盖"是什么/有多少/怎么标/怎么拿/什么许可/什么关系/什么坑"七个维度，追问细节按各问末尾的章节指针跳转。
Q1：HEAD-NECK-RADIOMICS-HN1 里到底有什么？
三样东西：① 137 例头颈鳞癌患者的治疗前 CT（现行 486 series / 28,918 images / 11.79 GB）；② 头颈部肿瘤的 GTV 勾画——RTSTRUCT 格式（V1 已有）与 DICOM SEG 格式（V2 增补）双份；③ 临床/随访数据 ZIP，附 TXT 数据字典，V3 版起含 chemotherapy_given 列。就这三样，没有影像之外的原始组学特征矩阵。

Q2：“H&N1” 这个代号是什么意思？会撞名吗？
H&N1 是 Aerts 2014 论文内部对"头颈癌第 1 队列"的编号（Head & Neck 1），指的就是 MAASTRO 这 137 例 CT 队列。注意：库内 head-neck-pet-ct 条目描述的 Vallières 2017 论文里也有一个 “H&N1”——那是另一些作者、另一些医院、92 例 PET/CT 的完全不同的队列。两个 “H&N1” 仅共用字样，见坑 1。此外 H&N1 与 HECKTOR 挑战赛数据无任何关系，见坑 2。

Q3：137 例还是 136 例？
都对，取决于口径：论文发表时用 136 例，TCIA 收录时收了 137 例。TCIA collection 页的官方解释原文是 “At time of previous publication, images of one subject had been unintentionally overlooked”——即论文出版时有 1 例影像被无意遗漏，TCIA 收录时补齐。跨文献对比任何"每队列样本量"表格时先对齐这个口径，见坑 3。

Q4：影像是什么模态？那个 PT 是怎么回事？
主体是 CT（放疗定位 CT）。TCIA 元数据的模态列表写的是 “CT, SEG, RTSTRUCT, PT”——SEG 与 RTSTRUCT 是勾画对象的对象化模态，而 PT（PET）既不在论文分析范围内，TCIA 页面也未说明其来源与用途。正确姿势是按"论文分析基于 CT"来规划使用，PT 存在性存照、不臆测，见坑 5。

Q5：GTV 勾画是什么来路，两个格式什么关系？
RTSTRUCT 是放疗临床流程的原生勾画格式，随 V1 收录；DICOM SEG 是 V2（2019-09-20）增补的版本，更新描述原文为 “Added DICOM Segmentations”。同一批 GTV 的两种互操作表示：前者放疗科工具链直接可读，后者更利于与 DICOM SEG 生态（如高维分割对象、掩码工具链）衔接。TCIA 页面未提供勾画者人数与一致性指标，勾画质量以"放疗临床流程产出"为上限理解。

Q6：临床数据里有什么？
一份 Clinical data ZIP（3.34 KB）加一份数据字典 TXT（1.42 KB），collection 页标注 Clinical Data 为 Complete。V3（2020-07-29）的更新描述说明增补了化疗计划相关内容，并新增一列 chemotherapy_given（是否实际执行化疗）。TCIA 页面未逐列列出临床字段全集，具体字段以数据字典 TXT 为准（获取方式见 §6）。

Q7：我现在能拿到什么？
临床数据 ZIP 与数据字典 TXT：公开直接下载（CC BY-NC 3.0）。影像（CT/SEG/RTSTRUCT/PT）：不能直接下载，需按 NIH Controlled Data Access Policy 申请，获批后经 TCIA Data Retriever（NBIA manifest）获取。collection 页影像下载一栏显示 Unavailable 并转向 NIH 受控流程——这是官方行为不是链接坏了。

Q8：为什么影像受控、临床表却开放？
TCIA 对本 collection 影像实施 NIH Controlled Data Access Policy，给出的原因原文是 “images that could potentially be used to reconstruct a human face”——三维医学影像体数据含可重建人脸的几何信息，存在再识别风险。临床表格不携带该风险，故按 CC BY-NC 3.0 开放（署名对象为 MAASTRO 的 Wee、Hoebers、Dekker 等）。双层许可细节见 §6 与坑 4。

Q9：它和 Aerts 2014 论文是什么关系？结论是什么？
本 collection 是论文的 H&N1 队列数据源。论文从每例提取 440 维 radiomic 特征，在 1,019 例、7 个泛癌种队列上训练并验证出一个 4 特征 survival signature，多队列一致 CI=0.69（P=7.99×10⁻⁷）；在 H&N1 内部，440 个特征中 135 个（约 31%）与总体生存显著相关。论文被引 3,561 次（Europe PMC，2026-10-08 快照）。

Q10：为什么它对 AI-Ready 重要？
它是"隐私分层放行 + 临床数据工程化 + 学术基线锚点"三合一的样本：影像因人脸重建顾虑而受控、临床表开放下载的双轨结构，在 TCIA 头颈类 collection 中具有代表性；GTV 双格式与带字典的临床表则让"拿到影像+表格即可开始建模"的路径尽量短。代价也明确——受控访问拉长了获取周期，AI-Ready 评估（§6.4、附录 B）在这条腿上是失分的。

§2 数据构成与规格

2.1 规模总表（TCIA 现行口径）

以 TCIA collection 页 2026-10-09 快照为准的硬数字如下；版本演变的历史数字见 §2.3。

项	值	备注
Subjects	137	论文口径 136（1 例补录，见 §2.5）
Species	Human	成人放疗队列
Collection Type	Head and Neck Cancer	头颈癌
Clinical Data	Complete	ZIP + TXT 数据字典
Imaging modalities	CT, SEG, RTSTRUCT, PT + Demographic, Follow-Up, Other	PT 见 §2.2 与坑 5
Series（现行）	486	V1 为 349
Images（现行）	28,918	V1 为 28,781
Total Size	11.79 GB	V1 为 11.17 GB
Citations	42（collection 页）	DOI 页口径 39，见坑 8
更新日期	2020/07/29	V3，现行版本

TCIA wiki 页的模板把数字 “28918” 错位显示在 “Images Size (GB)” 字段下（images 数被当成了 GB 数）；本表采用总表页（cancerimagingarchive.net/collections/）的正确口径，错位证据存照于坑 6。

上表快照类数字的引用纪律见附录 Q：凡随页面统计变化的数字（series/images/GB/Citations/Views）一律随注检索日期；结构性数字（版本日期、DOI、许可）随注出处。正文其余章节引用同组数字时沿用本表口径，不另行换算。

2.2 影像构成：一个主模态和三个"对象化/存疑"模态

collection 页的模态列表 “CT, SEG, RTSTRUCT, PT” 需要拆开读：

• CT：队列主体。放疗工作流中，患者在制定放疗计划前接受定位 CT 扫描，这批影像既是治疗设计依据，也是论文的特征提取原料。论文分析只使用 CT。
• RTSTRUCT：放疗勾画对象（Radiotherapy Structure Set），承载医生勾画的 GTV 轮廓线。V1 收录即有，是放疗科 DICOM 工具链（TPS、勾画软件）的原生格式。
• SEG：DICOM Segmentation 对象，V2（2019-09-20）增补，更新描述原文 “Added DICOM Segmentations”。与 RTSTRUCT 表达同一批 GTV，但采用更通用的分割对象编码，便于接入非放疗生态的掩码工具链。
• PT：PET。它出现在模态列表里，但论文从未使用 PET，TCIA 页面也没有任何文字说明 PT 的来源、范围与用途。FACTS 阶段的核验未找到 PT 的官方解释——成稿纪律是只存照、不解释、不臆测（坑 5）。

模态读法口诀：CT 是主角，SEG/RTSTRUCT 是同一标注的两种写法，PT 是没写说明书的乘客。前三个构成本 collection 的完整数据故事线，最后一个只存在于元数据列表里。

使用建议：以 CT + RTSTRUCT/SEG 勾画 + 临床表为主线规划复现；PT 在拿到受控影像实地核对前不要纳入任何设计。

2.3 版本演变：三版数字链

collection 页 Update History 给出完整版本链，每版三个数字（series / images / GB）都有原文出处：

版本	日期	变更内容（Update 描述口径）	Series	Images	大小
V1	2019-07-25	初版收录	349	28,781	11.17 GB
V2	2019-09-20	“Added DICOM Segmentations”	486	28,918	11.79 GB
V3（现行）	2020-07-29	增补化疗计划（新增列 chemotherapy_given）+ 新增 Clinical Data 数据字典	486	28,918	11.79 GB

三点解读：

1. V1→V2 的变化几乎全在勾画：series +137（349→486）、images 仅 +137（28,781→28,918）——新增的正是每例一个 DICOM SEG 对象（每个 SEG 以一个新 series、含勾画像素数据的少量 images 计入），与 “Added DICOM Segmentations” 的描述吻合；总大小 +0.62 GB 也是分割对象增量的量级。
2. V2→V3 不动影像：series/images/GB 三数字不变，变更全在临床侧（化疗列 + 数据字典）——这是"影像冻结、表格演进"的维护模式。
3. 引用版本数字时必须钉日期：文献里 349/28,781 与 486/28,918 两组数字都"正确"，取决于引用的是 V1 还是 V2/V3。本条目正文一律用 V3 现行口径。

2.4 临床数据与数据字典

临床资产共两件，均为 CC BY-NC 3.0 公开下载：

• Clinical data ZIP（3.34 KB）：患者临床与随访表。体积虽小，但 collection 页标注 Clinical Data: Complete；V3 起含 chemotherapy_given 列（区分化疗计划与实际执行）。
• Data Dictionary TXT（1.42 KB）：随 V3 新增的 Clinical Data Data Dictionary，逐列说明字段含义——TCIA 体系里"带字典的临床表"是数据工程完成度的标志，解析字段时以它为准，不要凭列名猜语义。

TCIA 页面没有给出临床字段全集清单，本条目不猜测具体列名；字段级细节以拿到 ZIP/字典后为准（获取见 §6.2）。

一份数据字典的价值常被低估：它把"列名是自明的"这一危险假设变成显式契约——尤其对 chemotherapy_given 这类在 V3 才增补的列，早期下载的旧资料里根本不存在，字典能直接告诉你它的编码含义与版本归属。把字典与数据一起归档进分析环境快照，是让半年后的自己（或审稿人）能复现"当时哪一列是什么意思"的最便宜保险。

2.5 与论文口径的边界

把本 collection 当作"论文数据的官方落地"使用时，注意四条边界：

1. 136 vs 137：论文表格与正文用 136 例；TCIA 收录 137 例，官方解释是论文出版时 1 例影像被无意遗漏（原文见 §1-Q3）。复现论文实验若严格对齐论文，需以论文 supplementary 的样本清单为准；使用 collection 全量则是 137。
2. 只用了 CT：论文的 440 维特征全部来自 CT；PT 即便存在于受控影像里也不属于论文数据流的任何环节。
3. 队列归属：H&N1 一臂全部来自荷兰 MAASTRO（Maastricht 放射治疗研究所），单中心、同设备体系、连续收治的放疗人群；论文泛癌结论里"H&N1 上的稳定性"是该单中心内的稳定性。
4. 特征矩阵不在 collection 里：TCIA 收录的是影像与临床原始数据，440 维特征矩阵与提取代码不属于本 collection 的发布物；复现特征层需按论文方法自行提取，或参考库内 radiomics-tumor-phenotypes（分析产物条目，见 §9）。

这四条边界的共同读法：本 collection 是"论文证据链的原始层"——原始影像、原始勾画、原始表格；论文层（特征矩阵、signature、统计结论）不随数据集发布。两层各自可引用、可核查，但混引会造成"数据集里应该有 signature 代码"之类的错误预期（§8.1 的复现路径正是为弥合这两层而写）。

2.6 元数据字段逐项读法

collection 页元数据各字段的"含义 + 本 collection 取值 + 读法陷阱"：

字段	含义	本 collection 取值	读法陷阱
Subjects	收录患者/受试者数	137	与论文 136 是两个口径（坑 3）
Species	物种	Human	—
Collection Type	收录类别	Head and Neck Cancer	不等于"所有头颈数据集"（PET/CT 类在别处，坑 1/2）
Clinical Data	临床数据完备度	Complete	“Complete” 指收录完备度，不指字段全集在线可见
Imaging modalities	影像/对象模态	CT, SEG, RTSTRUCT, PT	SEG/RTSTRUCT 是勾画对象模态；PT 存疑（坑 5）
Total Size	影像总体积	11.79 GB	wiki 模板错位会产生 28918 GB（坑 6）
Series / Images	序列数/图像张数	486 / 28,918	引用 V1 历史数字 349 / 28,781 须钉版本（§2.3）
Citations	collection 引用计数	42（DOI 页口径 39）	双口径勿混（坑 8）
Views	页面浏览统计	快照值（约 5k）	不作事实引用（坑 8）
Updated	最后更新日期	2020/07/29（V3）	此后无版本，引用以 V3 为最终态

§3 标注体系：GTV 的双格式工程

3.1 GTV 在这个队列里的地位

GTV（gross tumour volume，大体肿瘤体积）是放疗临床流程的核心产物：医生在定位 CT 上逐层勾画出肉眼可见的肿瘤范围，放疗计划据此设计照射野与剂量。对本队列而言，这意味着勾画不是"为数据集补做的标注"，而是治疗流程的原生副产品——每一例的勾画都对应一次真实的临床决策。这也是 Aerts 2014 能把生存建模建立在 CT 上的前提之一：形状类特征（体积、球形度、致密度等）需要肿瘤轮廓作为输入，而轮廓由临床勾画免费提供。

H&N1 的肿瘤部位为头颈部（鼻咽、口咽、喉等部位的鳞状细胞癌，HNSCC 是这一组疾病的统称）。头颈部解剖结构复杂、器官移动度小，定位 CT 与勾画精度在放疗流程里相对可控；但 TCIA 页面未提供勾画者人数、勾画规程与观察者间一致性指标，本条目不做超出记录的推断。

从放疗流程视角看，定位 CT 在 H&N1 里的位置是：患者固定体位下完成扫描 → 医生在 CT 上勾画 GTV 与危及器官 → 计划系统基于影像与勾画设计照射方案。因此影像与勾画天然逐例配对、几何同源——这是"特征提取可直接开始"的结构性原因，也是它与"事后收集的诊断影像队列"最大的工程差异：后者常需先解决影像-勾画的时空配对问题，前者不需要。

3.2 RTSTRUCT：临床原格式

V1（2019-07-25）收录的勾画以 RTSTRUCT（Radiotherapy Structure Set，DICOM RT 扩展）承载。这是放疗科的"母语"格式：

• 勾画以逐层轮廓（contour）序列存储，每条轮廓挂在参照的 CT 层上，天然与定位 CT 配准；
• 放疗计划系统（TPS）、勾画工作站、主流放疗质控工具都能直接读取，无需格式转换；
• 结构集里可以带 ROINumber/ROIName 等命名信息，临床语义在放疗语境下自明。

对机器学习工程管线，RTSTRUCT 的常用处理路径是"轮廓 → 栅格化掩码"（库内多个放疗条目有现成代码骨架可参照）。注意栅格化方向、层厚与原点对齐是这一步的经典出错点，复现特征提取时应先做掩码-影像叠加目检。。另外，RTSTRUCT 的解读要注意"结构集"语义：一个 RTSTRUCT 文件理论上可含多个 ROI，进入管线前先枚举 ROI 并只保留确认属于 GTV 的条目（F51），避免把器官或避让结构误当肿瘤掩码。

3.3 DICOM SEG：互操作增补

V2（2019-09-20）以 “Added DICOM Segmentations” 为描述增补了 DICOM SEG 对象。DICOM SEG 是 DICOM 标准里通用的分割对象编码（分片段、逐像素的二值/标签掩码），与 RTSTRUCT 的区别与意义：

维度	RTSTRUCT	DICOM SEG
生态	放疗专用（DICOM RT 扩展）	通用 DICOM（分割对象）
几何表示	逐层轮廓线	逐像素栅格
典型读取方	TPS、放疗勾画/质控工具	掩码工具链、非放疗影像平台
本 collection 收录版	V1 即有	V2 增补
数量级影响	—	series 349→486（+137），images 28,781→28,918（+137）

双格式并存的工程含义：同一批 GTV 给了两条接入路径——放疗工具链走 RTSTRUCT，通用医学影像/掩码生态走 SEG。V2 后 series 数恰好 +137，与 “每例增补一个 SEG 对象” 一致，这也反向印证了 137 例的计数。工程上选定其中一种作为主管线即可，不必双轨并行维护；但两种表示来自同一批临床勾画，不要把它们当作独立标注来源做重复计数。目录侧的一个实践提示：给两种格式的派生掩码文件命名时带上来源后缀（_mask_rtstruct / _mask_seg），交叉抽验（§3.5 第 6 项）才有可追溯的对照物。

3.4 勾画质量的边界声明

关于勾画质量，本条目只陈述可查证事实：勾画来自放疗临床流程（RTSTRUCT 为临床原格式）；TCIA collection 页与论文正文均未给出 H&N1 勾画的观察者间一致性数值；论文把影像特征的预测力归因于影像本身携带的表型信息，其 supplementary 对特征提取流程有完整定义。使用者若把 GTV 当作 ground truth 训练分割模型，应按惯例在论文与数据描述的边界内声明"临床单勾画、无多标验证"，并在自家数据集卡里注明此局限。

3.5 从勾画到掩码：工程检查表

RTSTRUCT/SEG → 可建模掩码的十项检查（进入特征提取或训练前逐项打勾）：

1. 参照序列确认：勾画挂接的是本例定位 CT，不是别的 series；
2. 方向一致性（LPS/RPS 等朝向约定不搞反）；
3. 原点与层厚与 CT 一致；
4. 逐层轮廓覆盖范围与勾画层连续性目检（抽查首/中/末三层）；
5. 掩码体素间距与 CT 网格一致（重采样发生在参数层，不在几何层）；
6. RTSTRUCT 与 SEG 双格式交叉抽验（同例两路径掩码应一致，§3.3）；
7. 空掩码/越界轮廓例登记（有问题例数不为零时先停下核对）；
8. 栅格化工具版本与算法写进环境快照；
9. 掩码体积与 GTV 物理量级合理性抽检；
10. 全部通过后再做特征提取，参数表钉死论文 supplementary（附录 K）。

§4 科学产出：Aerts 2014 与泛癌种 radiomics signature

4.1 论文档案

本 collection 的学术身份由以下论文锚定（人物、期刊、编号均为 Europe PMC 全文与 TCIA 页原文）：

• 标题：Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach
• 作者（17 人）：Aerts HJWL, Velazquez ER, Leijenaar RTH, Parmar C, Grossmann P, Carvalho S, Bussink J, Monshouwer R, Haibe-Kains B, Rietveld D, Hoebers F, Rietbergen MM, Leemans CR, Dekker A, Quackenbush J, Gillies RJ, Lambin P
• 发表：Nature Communications, Volume 5, Article Number 4006，2014-06-03
• 标识：DOI 10.1038/ncomms5006；PMID 24892406；PMCID PMC4059926
• 影响力：被引 3,561 次（Europe PMC 快照，2026-10-08）
• 作者数注意：Europe PMC 的 authorString 会把 Quackenbush 列出两次（18 条）；TCIA 页与论文均为 17 人。引用时以 17 人名单为准（坑 7 关联，见 §10）。

作者谱系本身就是本 collection 的说明书：通讯/资深作者 Lambin P 与 Dekker A、Hoebers F、Monshouwer R 等来自 MAASTRO（即 H&N1 数据的收治机构），Aerts HJWL 时在达纳-法伯癌症研究所/哈佛医学院的计算影像与生物信息实验室；数据管理署名（Leonard Wee, Frank Hoebers, Andre Dekker）与论文作者高度重叠——"论文作者即数据管家"是 TCIA 高质量 collection 的常见形态。

4.2 泛癌种设计：1,019 例、7 个队列

论文的证据结构是"多队列训练 + 独立验证 + 跨癌种复制"：总计 1,019 例患者、7 个队列，覆盖 NSCLC（两个大队列）、头颈鳞癌（即 H&N1/本 collection）、结直肠癌等。设计要点：

1. 特征提取统一管线作用于各队列的常规 CT，保证特征定义跨队列可比；
2. 生存建模（overall survival）在各队列内训练、跨队列盲测，避免单中心过拟合叙事；
3. 结论的说服力来自"换个癌种、换个中心，方向还一致"，而非单队列的高精度。

（注：论文全文 XML 中 “1,019” 与 “CI=0.69” 各出现 2 处，本条目 FACTS 阶段已双处互证；各队列的逐队样本量拆分以论文正文/补充材料表为准，本 collection 只对 H&N1 一臂的 136/137 负责。）

放在 2014 年的语境里，这一设计是激进的：彼时影像组学文献多为单队列、单中心、事后分析；把七个队列拉进同一特征管线、并要求结论跨癌种复制，实际是把"可复现性"从道德呼吁变成了实验结构。此后影像组学论文普遍采用的多队列叙事，很大程度上是对这篇论文模板的跟随——而模板里的头颈一臂，就是本 collection。

4.3 440 维特征体系

论文对每例 CT 提取 440 个 radiomic 特征，体系大致覆盖（依论文正文与补充材料口径）：

• 强度统计：一阶直方图特征（均值、熵、偏度等）；
• 形状：体积、球形度、紧凑度、表面积比等三维几何量（依赖 GTV 勾画，这正是 §3 的用途）；
• 纹理：GLCM/GLRLM/GLSZM 等矩阵族，刻画灰度空间分布；
• 小波与滤波变换：对影像做多尺度分解后在各尺度上重复提取上述特征，是 440 维的主要膨胀来源。

在 H&N1 队列内部，440 个特征中 135 个（约 31%） 与总体生存显著相关——单特征显著率近三分之一，既说明影像确实携带预后信号，也说明多重比较纪律（论文用队列间复制与显著性阈值控制）在解读时不可省略。

4.4 核心结果：4 特征 signature 与 CI=0.69

论文的核心产出是一个 4 特征 radiomic signature（肿瘤体积相关形状量 + 灰度强度与纹理的三个代表特征，具体特征名以论文 supplementary 为准），其表现：

• 多队列一致 C-index = 0.69（Harrell’s concordance index，生存模型一致性度量，0.5 为随机、1 为完美排序）；
• 显著性 P = 7.99×10⁻⁷；
• signature 对 TNM 分期、肿瘤体积等传统预后变量保持独立预后价值（论文正文口径）。

给非影像背景读者的一个直白类比：CI=0.69 的意思是，从队列里随机取一名去世更早的患者和一名去世更晚的患者，模型仅凭 4 个影像特征给出的风险排序有 69% 的概率方向正确（随机为 50%）。它衡量的是"排序能力"而非"生存时间预测精度"，也正因如此，跨队列的方向一致性比绝对数值更值得看重（§4.7）。

对 2020 年代读者的定位：CI=0.69 在今天不是"高精度"，但它的意义在跨癌种稳定——后续十年几乎所有头颈/肺部影像组学生存论文都把它当第一代参照系。复现 H&N1 一臂时的预期标杆正是这一量级，而非动辄 0.8+ 的深度学习单中心结果。

4.5 H&N1 一臂在论文中的角色

把镜头拉回本 collection：H&N1 在 7 队列结构中承担"头颈鳞癌 + 单中心放疗人群"的验证位。论文结论若只在 NSCLC 成立，radiomics 就只是肺癌故事；H&N1（以及结直肠癌等臂）上 signature 方向一致，才支撑起"影像表型是泛癌种属性"的主张。对使用者，这决定了本 collection 的两种典型打开方式：

1. 复现论文基线：受控获取影像 → RTSTRUCT/SEG 提取掩码 → 按论文提取特征 → 对标 signature 量级（§4.4）；
2. 作为独立头颈队列：利用 137 例 + GTV + 临床表训练头颈专属模型，此时论文结果只是先验参考，样本量约束（137 例）必须进入任何结论的效力声明。

4.6 引用与衍生生态

• 论文被引 3,561 次（Europe PMC，2026-10-08），是影像组学领域的定义性文献之一；
• TCIA 侧的学术回响：collection 页显示 42 Citations（DOI 页口径 39，双口径存照见坑 8）；
• 同站关联分析产物 Radiomics-Tumor-Phenotypes（库内条目 radiomics-tumor-phenotypes）与论文的 phenotype 主题对应，见 §9；
• collection 页 FAIR teaser：页面原文预告 “This dataset will be the subject of an upcoming article addressing FAIR radiomics practices to support transparency, harmonization and collaboration on radiomics.”——截至 2026-10-09 检索未见对应发表，见坑 7。

被引数字的读法再补一句：3,561 是"论文"的累计被引，其中相当比例是把 radiomics 方法当作背景引用的应用文献；与本 collection 直接相关的数据复用文献是其中一个子集（collection 页 42 Citations 的口径）。两个数字服务两类问题——方法影响力与数据复用率，混用会让"数据集值不值得维护"的讨论失真（§7.5）。

4.7 读论文结论的三条推论纪律

从 Aerts 2014 的结论推回本 collection 时，守住三条纪律：

1. “泛癌成立"不等于"每例可预测”：CI=0.69 是队列级排序一致性，个体层面的预后判断仍需临床变量与随访；把 0.69 夸大成个体预测力是第一代 radiomics 文献最常见的过度解读。
2. "H&N1 内 135/440 显著"是特征层证据，不是 signature 本身：单特征显著率说明影像携带预后信号；4 特征 signature 的多队列复制才是论文主张的核心（§4.3/§4.4 分层读）。
3. 复现的对照系是论文口径而非 collection 口径：论文 136 例与 collection 137 例的差分（坑 3）意味着"在 collection 全量上得到略不同的数字"完全正常；偏离预期时先对口径，再怀疑管线。

§5 收录治理：时间线、人物与机构

5.1 从论文到 TCIA 的收录路径

时间线（全部为 TCIA 页面原文日期）：

• 2014-06-03：Aerts 2014 论文发表（Nat Commun 5:4006），H&N1 队列以论文 supplementary 形式服务学术界五年；
• 2019-07-25：MAASTRO 团队将影像 + RTSTRUCT 勾画 + 临床表经 TCIA 正式收录（V1：349 series / 28,781 images / 11.17 GB），并同步发布 Data Citation（DOI 10.7937/tcia.2019.8kap372n，署名 Wee & Dekker）；
• 2019-09-20：V2，“Added DICOM Segmentations”（486 / 28,918 / 11.79 GB）；
• 2020-07-29：V3，增补化疗计划与 chemotherapy_given 列，新增临床数据字典；此后影像冻结至今。

收录路径上的治理信号：Data Citation 单独颁发且署名具体到人（Wee, L., & Dekker, A. (2019)），影像与临床数据分两版次递进完善，最终补齐数据字典——这套动作是 TCIA"论文数据正式落地"的样板流程，前后历时约一年。

历时一年的分版推进还有一层实用含义：2019-07 到 2020-07 之间任何时点的文献引用到的都是不同版本形态（初版无 SEG、再版无化疗列），遇到"引用本 collection 但数字对不上"的文献，先问"你引的是哪一版"，多数差异当场消解（§2.3、附录 Q）。

5.2 机构与人物

• 数据管理团队（collection 页 Acknowledgements 原文）：Leonard Wee、Frank Hoebers、Andre Dekker——MAASTRO, Dept of Radiotherapy, Maastricht University Medical Centre+（荷兰马斯特里赫特，林堡省）；
• 学术领导：Hugo Aerts——Computational Imaging and Bioinformatic Laboratory, Dana-Farber Cancer Institute & Harvard Medical School（波士顿）；论文通讯/资深作者 Lambin P 驻 MAASTRO；
• 队列归属：全部 137 例为 MAASTRO 收治的头颈鳞癌放疗患者；
• 许可署名对象：临床数据 CC BY-NC 3.0 的署名（BY）即指向上述机构与人物。

5.3 136/137 事故：官方解释全文

论文 136 例与 TCIA 137 例的差异，collection 页给出的解释原文为：“At time of previous publication, images of one subject had been unintentionally overlooked.”（前次论文发表时，一例受试者的影像被无意忽略。）也就是说：不是数据错误，不是隐私剔除，而是出版时的遗漏，收录时补齐。这是双口径问题里最无害的一类，但任何把 137 例自动当论文队列做逐例对表的复现都会在第 137 例上遇到"论文没有这个人"的错位——先对口径，再对表（坑 3）。

这个双口径还有一层文献考古价值：TCIA 的解释原文恰好示范了"数据集与论文出现差异时的标准披露姿势"——承认遗漏、说明方向（论文侧少一例）、不在页面里悄悄改数字。后来者处理自己数据集的版本差异时，这段话可以直接当作披露模板。

5.4 联系渠道与维护现状

早期版本的 collection 页曾列出 Wee/Dekker 的直连邮箱；现行页面已统一指向 TCIA Helpdesk（帮助台工单体系）。本条目以现行页为准：数据问题走 TCIA Helpdesk；受控影像访问走 NIH 申请流程（§6.2）。自 2020-07-29 V3 之后 collection 无新版本，检索时应假定"影像与临床表以 V3 为最终态"。

5.5 TCIA 收录三件套机制视角

本 collection 把 TCIA 的三个治理机制都走到了完整形态，值得作为机制样本细看：

• Data Citation 机制：数据集获得独立 DOI 与署名（Wee & Dekker 2019），与论文引用分离——这使"用数据"与"引方法"在文献计量上可分别追踪（坑 8 的 42/39 双口径正来自两套引用体系的计数差异）；
• Update History 机制：V1/V2/V3 每版附更新描述原文（加 SEG、加化疗列与字典），版本数字链可逐条回溯（§2.3）；
• 分级访问机制：影像按 NIH 受控政策走申请制，临床表按 CC BY-NC 3.0 走公开直链——同一 collection 内按再识别风险分层放行（§6.1）。

三个机制的共同点是把"版本、署名、访问"从文档约定升级为可引用、可审计的基础设施——这是本 collection 元数据治理维度得分高的原因（附录 B）。

§6 获取与许可：一受控一开放的双层门

6.1 双层资产、两种门

本 collection 的许可与获取是双层异构结构，任何"开放数据集/封闭数据集"的二分描述都不准确：

资产	内容	许可/访问	获取路径
影像本体	CT、SEG、RTSTRUCT、PT	NIH Controlled Data Access Policy	受控申请获批后，经 TCIA Data Retriever（NBIA manifest）下载；collection 页影像下载栏显示 Unavailable 并转受控流程
临床数据	Clinical data ZIP（3.34 KB）	CC BY-NC 3.0	公开直接下载
数据字典	Data Dictionary TXT（1.42 KB）	CC BY-NC 3.0	公开直接下载

受控的理由不是官僚流程，而是 collection 页写明的技术事实：影像 “could potentially be used to reconstruct a human face”——三维 CT 体数据包含足以重建人脸几何的信息，头颈部扫描尤其如此（扫描范围就覆盖面部骨骼与软组织）。TCIA 对此类数据启用 NIH 受控政策，把"谁在用"变成一个可审计问题。

许可表述的三个常见错写（写数据卡/论文时对照排除）：一写"完全开放数据集"（影像明明受控，坑 4）；二写"数据不可用"（临床表明明公开直链）；三写"部分开放，具体见团队惯例"（两侧许可各有明确书面口径，不存在惯例空间）。

6.2 受控影像的申请与下载路径

结合 TCIA 受控数据的一般流程与 collection 页指向，获取影像的标准动作序列：

1. 确认研究用途与伦理背书（机构 IRB/伦理备案或豁免结论）；
2. 经 collection 页 Data Access 指引进入 NIH Controlled Data Access 流程提交申请，声明用途、机构与人员；
3. 获批后，用 TCIA Data Retriever 客户端加载 NBIA manifest 文件批量下载 DICOM 序列（影像 + SEG + RTSTRUCT 一并到账）；
4. 下载数据遵守受控协议的再分发限制：不得转存公开镜像、不得二次分发，合作者需单独走授权。

工程侧提醒：受控数据没有公开镜像，任何第三方网盘/HuggingFace 上自称本 collection 影像的包都不在授权链内，不要使用。临床表则相反——它是公开的，直接从 collection 页下载即可，不要因影像受控而误以为"全部都要申请"。

申请搁置期的替代工作序：先用公开临床表完成字段审计、终点分布与统计效力预估（137 例量级的样本量计算在申请材料里本来就要写）；用论文 supplementary 把 440 特征的提取参数表钉死；用文献里的公开结果（§7.6 社区基准带）预演对标流程。这样受控影像到账之日，管线里除"真实数据替换"外的环节都已就绪——这是把不可控等待期转化为工程进度的标准做法。

6.3 开放临床数据的下载与解析

临床侧两件套（ZIP 3.34 KB + 字典 TXT 1.42 KB）公开下载后，建议的解析顺序：

1. 先读字典 TXT（1.42 KB，几分钟读完），建立"列名 → 语义"映射；
2. 解压 ZIP（3.34 KB），核对行列：按数据字典确认 chemotherapy_given 等列的存在与编码；
3. 记录取数日期与 V3 版本号：本 collection 自 2020-07-29 后未再更新，但把版本写进分析环境快照是基本卫生；
4. 与影像侧对接时，用受试者 ID 做主键对表——注意论文口径是 136 例，逐例对表前先排除第 137 例的错位风险（§5.3、坑 3）。

两个常见误读提前排雷：其一，ZIP 只有几 KB 不代表"数据缩水"——表格数据的体积与信息量没有线性关系，137 例的行列规模本就如此（F9）；其二，“Complete” 是 TCIA 对收录完备度的标注，不承诺字段全集在线可读，字段级问题一律回数据字典求解，不凭列名望文生义。

6.4 AI-Ready 评估：DAIMS 六维快评

按库内 DAIMS（Dataset AI-Readiness Assessment）框架对六个维度做快评（全表与逐条证据见附录 B）：

维度	评分	要点
可获取性 Accessibility	中	临床表公开直链；影像受控申请制，周期不可控
可用格式 Usability	高	DICOM 原生 + RTSTRUCT/SEG 双格式勾画 + TXT 数据字典
文档完备 Documentation	中高	collection 页 + wiki + 论文 + 字典；但勾画规程/一致性指标缺位
许可清晰度 Licensing	中高	双层许可各自明确（NIH Controlled / CC BY-NC 3.0）；NC 条款约束商用
可复现基线 Benchmark	中	论文基线（CI=0.69）可对标但无官方榜单与特征矩阵发布物
元数据治理 Metadata	高	V1→V2→V3 版本链清晰，更新描述完整，Data Citation 署名到人

给分理由的浓缩版：高分的三个维度（格式/元数据/文档）全部有原文可查的硬件支撑——双格式勾画、版本链、数据字典；中评的三个维度（可获取/许可/基准）失分点都来自外部结构而非管理疏漏——受控政策、NC 条款、无榜单生态。

一句话结论：“格式与治理优秀、获取与基准中等”——影像受控是最大失分项，但这是隐私伦理驱动的结构性约束而非工程缺陷；临床表侧的 AI-Ready 质量在 TCIA 头颈类 collection 中属上乘。

6.5 受控访问的治理逻辑：为什么不"一刀切"

把本 collection 的双层结构和"全开放/全封闭"两个极端对照，可以看出分层放行的设计意图：

• 全开放（影像也公开）：人脸重建风险（官方原因原文，§6.1）使患者再识别成为现实威胁，头颈部扫描尤其敏感——面部骨骼、气道、软组织的三维几何足以驱动重建算法；
• 全封闭（整包受控）：临床表格并不携带上述风险，一并封闭会让流行病学、生存分析类研究承担不必要的获取成本，也违背数据最大效用的原则；
• 本 collection 的做法：按"再识别风险是否在场"切分资产——影像受控（风险在场），表格开放（风险缺席），两侧许可各自明确、互不拖累。

对使用者的含义：获取策略应当分层设计（§6.3 先表后影），论文声明也应分层写——"影像经 NIH 受控流程获取、临床表依 CC BY-NC 3.0 使用"是准确表述，笼统写"开放数据"或"受限数据"都不准确（坑 4）。

§7 评估与基准：以论文为锚，无榜单可冲

7.1 没有竞赛，也没有 leaderboard

本 collection 不挂任何 challenge、排行榜或官方评测任务。检索时看到"头颈分割/生存基准"字样关联到本 collection 的页面，多为第三方综述转述。学术评价的实际锚点是：

• 论文引用：Aerts 2014 被引 3,561（Europe PMC，2026-10-08）；
• collection 引用：collection 页 42 Citations（DOI 页口径 39，见 7.3）；
• 后续使用文献：在 H&N1 上做方法改进的论文构成事实上的"社区基准带"，但没有统一评测协议与测试集冻结。

7.2 复现标杆：两个必须钉住的数字

复现或对标时，论文口径的两个数字是检验管线正确性的第一道闸：

1. 1,019 例 / 7 队列：整体设计规模（XML 全文双处出现，已互证）；
2. CI=0.69 / P=7.99×10⁻⁷：signature 多队列一致性能（同样双处出现）。

H&N1 一臂的内部指标（135/440 特征与生存显著）可作为特征提取管线的中间校验点。任何"复现结果显著优于 CI=0.69"的宣称都应先检查队列构成是否偷换（例如混入测试例、或把 137 例全量当训练集）。

数字对表前的四个自查问题：用的哪一版数据（V3？）、影像与勾画是否逐例配对成功（§3.5）、特征参数与论文 supplementary 是否逐项一致（附录 K）、生存终点定义与临床表字典是否对齐（F25）。四问全绿再谈数值比较。

7.3 引用数字的口径纪律

"本数据集被引多少次"在本条目里有两个答案：collection 页显示 42 Citations；Data Citation 的 DOI 页口径为 39。差异来自统计范围与时点（页面统计体系不同步）。本条目纪律：正文采用 collection 页的 42 并标注来源；39 作为存照登记（坑 8）；不要在任何宣称里把两者平均或混用。

7.4 FAIR teaser：一个未兑现的预告

collection 页留有一段 FAIR 预告原文：“This dataset will be the subject of an upcoming article addressing FAIR radiomics practices to support transparency, harmonization and collaboration on radiomics.”（本数据集将成为一篇即将发表文章的主题，该文章讨论支持透明、协调与协作的 FAIR radiomics 实践。）截至 2026-10-09 的检索未见该文发表。处置纪律：正文写"曾预告、未见落地"，不写"FAIR 专文已发表"，也不替作者脑补发表计划（坑 7）。

7.5 三个引用数字的关系读法

条目里出现三个"引用相关"数字，彼此不是矛盾而是不同对象：论文被引 3,561（学术影响力，对象是方法论文）、collection 引用 42（数据影响力，对象是本 collection）、DOI 页口径 39（同一对象在另一统计体系的取值）。读法：

• 引方法与结论 → 论文被引（3,561，Europe PMC 快照 2026-10-08）；
• 引数据本身 → Data Citation，被引计数引 collection 页 42 并标注日期，39 存照（坑 8）；
• 评估"数据集被复用程度" → 42/39 都是下限估计（引用数据而未走 Data Citation 的文献不会被计入）。

7.6 社区基准带的用法

没有官方榜单不等于没有参照。围绕 Aerts 2014 的后续文献构成一条事实上的"社区基准带"：在 H&N1 或其衍生设置上报告过结果的方法论文形成可比区间，signature 的 CI=0.69 是带内第一代锚点。用法纪律：只比较"同队列、同终点、同切分"的结果；任何不同切分/不同终点报告之间的数字比较都是无效比较——本 collection 没有官方切分协议，这一点尤其要写进自家论文的 limitation。这段话的实际功能是提示本 collection 在 TCIA 的 FAIR 化路线图里被点名，可作为数据治理讨论的引文，但兑现状态必须如实标注。跟踪建议：按 §11.5 的触发点表，FAIR 专文落地时坑 7 需改写并挂 DOI——这是四个触发点里最可能先发生的一个。

§8 使用场景与工程实践

8.1 场景一：复现 Aerts 2014 基线

目标：在 H&N1 一臂上重建论文的生存分析结论。关键步骤与坑位：

1. 受控获取影像（§6.2），核对 137 例与论文 136 例的口径差（坑 3）；
2. RTSTRUCT/SEG → 掩码栅格化，与 CT 逐层对齐（§3.2 的经典出错点：方向/原点/层厚）；
3. 按论文 supplementary 复原 440 特征提取（PyRadiomics 等工具需做特征名与参数对表）；
4. 单特征-生存显著率对表论文（135/440 量级）；signature 复现对标 CI=0.69；
5. 全程区分"复现论文 136 例口径"与"collection 137 例全量"两条线，结论分开报告。

两条线的分界物是论文 supplementary 的样本清单：逐例 ID 对得上的是论文线（136），对不上的那一位就是 TCIA 补录例（§5.3）。这个动作同时产出一份"collection-论文 ID 映射表"，是后续任何对表工作的复用资产。

8.2 场景二：头颈鳞癌生存建模

把 137 例当作独立头颈队列训练自己的模型时：单中心样本量决定效力上限，137 例做深度模型很容易过拟合，传统 radiomics + 正则化 Cox 或小容量模型是更稳的起点；临床表（含 chemotherapy_given）提供治疗混杂因素，多变量模型必须纳入；结论表述避免"泛化到头颈癌人群"，只声称 MAASTRO 类放疗人群内有效。

小样本生存建模的三条实践要点（方法学通则，非本 collection 特有数字）：第一，变量预算按事件数控制——每纳入一个协变量都在消耗有限的有效信息，先做单变量筛选与共线检查；第二，交叉验证切分按"患者级"而非"切片级"执行，防止同一患者的派生样本同时落入训练与测试；第三，报告不确定性区间而非点估计——137 例量级下，点估计的随机波动足以淹没模型间差异，这与 §7.6 的"同切分才可比"纪律配合使用。

8.3 场景三：分割模型与数据治理教学

GTV 双格式（RTSTRUCT + DICOM SEG）来自同一批临床勾画，是讲解放疗勾画数据互操作的天然教材；“影像受控 + 表格开放"的双层许可（§6.1）与"影像冻结、表格演进"的版本维护模式（§2.3）则是数据治理课程的现成案例——两个课堂场景都不需要真的下载影像。此外，本 collection 的版本链（§2.3）是"数据集版本管理"的最佳练手材料：让学生用 V1/V2/V3 三组数字还原"为什么 series 恰好 +137”，再对照坑 3 的双例数与坑 6 的模板错位，一次课就能覆盖数据工程里"计数、口径、模板"三类经典事故。

8.4 特征提取工程骨架

以下伪代码给出 RTSTRUCT → 掩码 → 特征提取的最小骨架（示意管线结构，非可直接运行代码；特征参数以论文 supplementary 为准）：

# 场景一骨架：RTSTRUCT -> 掩码 -> radiomic 特征
# 依赖：pydicom / rt-utils 或等价工具链；特征平台任选（如 PyRadiomics）

# 1) 载入定位 CT 序列（受控下载后本地 DICOM 目录）
ct_series = load_dicom_series("HN1/{subject_id}/CT/")        # 逐层重建三维体数据

# 2) RTSTRUCT -> GTV 掩码（或直接读 DICOM SEG，V2 起可用）
mask = rasterize_rtstruct("HN1/{subject_id}/RTSTRUCT/", ct_series)
#     关键校验：方向/原点/层厚与 CT 一致；叠加目检（§3.2 出错点）

# 3) 特征提取（体系：一阶/形状/纹理/小波，目标 440 维口径）
features = extract_features(ct_series, mask,
                            families=["firstorder", "shape", "glcm", "glrlm", "glszm", "wavelet"])

# 4) 与临床表对接（公开 ZIP；先读 TXT 字典确认列语义）
clin = parse_clinical_zip("clinical_data.zip", dictionary="data_dictionary.txt")
cohort = join_on_subject_id(features, clin)   # 论文口径剔除补录例，保留 136 例对表

# 5) 生存分析与对标（Harrell's C-index，signature 对标 CI=0.69）
c_index = fit_cox_and_evaluate(cohort, outcome="overall_survival")
assert_pipeline_sanity(c_index)               # 显著偏离 0.69 量级时先查队列构成（§7.2）

8.5 反模式清单

• 把 PT（PET）拉进分析管线（论文没用、用途未说明，坑 5）；
• 把 collection 137 例与论文 136 例混在一个表里对表（坑 3）；
• 用第三方非授权镜像拿影像（§6.2 授权链约束）；
• 把"H&N1"检索结果里 Vallières 2017 队列的 PET/CT 数据误并入（坑 1）；
• 引用时写"开放数据集"（影像受控，坑 4）或引用错位的 “28918 GB”（坑 6）。

8.6 结论表述规范：三必须、三不得

在自己的论文/报告里描述本 collection 时的表述纪律：

必须：

1. 必须钉口径：写 137（TCIA 收录全量）或 136（论文队列）之一并注明另一口径的存在（坑 3）；
2. 必须写明影像获取路径为 NIH 受控申请、临床表为 CC BY-NC 3.0 公开下载（§6.1）；
3. 必须双引用：Data Citation（数据）+ 论文 DOI（方法），缺一即引用不完整（F20/F30）。

不得：

1. 不得把 PT 写进分析数据流或臆测其用途（坑 5）；
2. 不得声称与 HECKTOR 或 head-neck-pet-ct（Vallières 2017）有任何数据/派生关系（坑 1/2）；
3. 不得引用 wiki 错位数字（28918 GB）或把 Views/作者数等快照统计写成硬事实（坑 6/8）。

对照自查工具：附录 N 的 SOP 第 10 步与附录 O 的数据卡模板即本规范的落地形态。

§9 与库内条目的关系

本 collection 在库内的关系网按"同论文姊妹组 / 分析产物组 / 撞名警示组"三组展开；互链方向与证据均以各条目 FACTS 与 collection 页原文为准。

9.1 同论文姊妹组（Aerts 2014 的其他队列）

collection 页的 Related 内容原文列出四个同研究 collection，库内条目对应如下：

TCIA collection	库内条目	关系	要点
NSCLC-Radiomics	nsclc-radiomics（rid 247）	主互链：同一论文的 NSCLC/Lung1 队列	DOI 10.7937/K9/TCIA.2015.PF0M9REI，422 例；与本 collection 合读即论文两大主队列（Lung1 + H&N1）
NSCLC-Radiomics-Genomics	nsclc-radiogenomics	同研究姊妹组：影像 + 基因组配对臂	补齐论文"影像表型 vs 分子表型"的对照面
NSCLC-Radiomics-Interobserver1	nsclc-radiomics-interobserver1	同研究姊妹组：观察者间一致性专项	本次核验新发现的互链点；与勾画质量讨论（§3.4）直接相关
RIDER-LungCT-Seg	rider-lung-ct	同研究姊妹组：重复扫描/分割参考臂	RIDER 体系的可重复性素材

合读建议：读"泛癌种 radiomics"这条线时，本 collection（H&N1/头颈臂）与 nsclc-radiomics（Lung1/肺臂）是一对必读；其余三臂按研究问题选读——关心影像-基因组配对读 nsclc-radiogenomics，关心勾画一致性读 nsclc-radiomics-interobserver1，关心扫描-分割可重复性读 rider-lung-ct。

9.2 分析产物组

• radiomics-tumor-phenotypes：TCIA 同站的 Analysis Result 条目，与论文的 tumor phenotype 主题对应（collection 页将本 collection 与该分析产物关联）。注意：它是分析结果而非原始数据，与 §2.5 "特征矩阵不在本 collection 发布物内"的边界声明互补——需要特征层面的产物时从该条目入手，需要原始影像与临床表时在本条目。两边的分工表述（原始层/产物层）在与外部协作者沟通时直接复用，可避免"数据集里怎么没有特征矩阵"一类预期错位。

9.3 撞名警示组（互链是为了防混）

• head-neck-pet-ct（rid 838）：Vallières 2017 论文的头颈 PET/CT 队列（HGJ 医院 92 例），其描述文本中出现的 “H&N1” 是该论文自己的队列代号，与本 collection 的 H&N1（Aerts 2014，MAASTRO，137 例 CT）完全不同物——两者共用代号字样、机构/模态/样本量/论文全不同。两互链为"撞名警示互链"，检索任一条目时都应能看到对方（坑 1）。
• hecktor（rid 461）与 hecktor2026（rid 638）：MICCAI HECKTOR 系列挑战赛的自有训练数据。H&N1 与 HECKTOR 无收录、派生或演变关系；挑战赛数据是主办方另行组织的。互链同样属"检索常混入"警示（坑 2）。

9.4 检索路径建议

1. 关键词含 “head neck radiomics CT”：本 collection 是正选，head-neck-pet-ct 是 PET/CT 撞名项，注意区分模态与论文；
2. 关键词含 “H&N1”：先看上下文作者——Aerts/Lambin/MAASTRO → 本 collection；Vallières/HGJ/PET → head-neck-pet-ct；
3. 关键词含 “HECKTOR”：直接去 hecktor/hecktor2026，不要经本 collection 中转；
4. 关键词含 “Aerts 2014 / radiomics signature”：本 collection（头颈臂）+ nsclc-radiomics（肺臂）+ radiomics-tumor-phenotypes（产物）三连读。

上述路径的关键词到条目的完整映射（含误命中风险）已做成速查表（附录 V），互链引擎与人工检索都可对照使用；两个 DOI（数据/论文）对应的正式引用格式见 F20 与附录 I。

9.5 互链维护注意

• 撞名警示组（§9.3）的互链是"防混"性质，任何一侧条目改写描述时都应保留对方的存在提示，否则坑 1/坑 2 的防混机制失效；
• 同论文姊妹组的互链以 collection 页 Related 原文为据，若 TCIA 页调整 Related 列表，本节随之修订；
• 新增互链前先过四要素判别表（附录 J），避免为"关键词相近"而建立数据关系不存在的互链。

§10 避坑清单：八个已踩过的坑

以下坑位按"现象 → 后果 → 正确动作"登记，编号与全文（INFOBOX、§0、§10、附录 G）一致。

坑 1：“H&N1” 代号撞名（最高频）
现象：检索 “H&N1” 会同时命中本 collection（Aerts 2014，MAASTRO，137 例 CT）与库内 head-neck-pet-ct 描述的 Vallières 2017 队列（HGJ 医院，92 例 PET/CT）。
后果：把 PET/CT 数据并入本队列做融合分析，或引用错论文的样本量表。
正确动作：以作者+机构+模态三要素锁定队列——Aerts/Lambin/MAASTRO/CT → 本 collection；Vallières/HGJ/PET → head-neck-pet-ct。

坑 2：与 HECKTOR 挑战赛混为一谈
现象：关键词"头颈 + 分割/生存"常把本 collection 与 hecktor（rid 461）、hecktor2026（rid 638）排在一起。
后果：误以为 HECKTOR 数据"来自"或"基于"H&N1，进而在论文里写出错误的谱系关系。
正确动作：HECKTOR 系列是 MICCAI 挑战赛自有训练数据，与本 collection 无收录/派生关系；两条线分开引用。

坑 3：136 vs 137 双口径
现象：论文口径 136 例，TCIA 口径 137 例。
后果：逐例对表时多出一例"论文没有的人"；或复现论文时误用 137 例全量。
正确动作：官方解释为论文出版时 1 例影像被无意遗漏（§5.3 原文）；复现论文用 136 口径、用 collection 全量则声明 137，两条线分开报告。

坑 4：把"双层许可"说成"开放数据集"
现象：临床表公开下载（CC BY-NC 3.0），影像 NIH 受控（人脸重建顾虑）。
后果：宣称"影像可自由下载"误导读者；或反之以为连临床表都要申请；或使用第三方非授权镜像。
正确动作：影像走 NIH Controlled 申请 + Data Retriever/NBIA manifest；临床表 + 字典直接公开下载；NC 条款排除商业用途。许可的规范表述对照（三常见错写）见 §6.1。

坑 5：PT（PET）模态臆测
现象：TCIA 元数据模态列含 PT，论文只用 CT。
后果：把 PET 数据当论文数据流一部分，或臆测其用途（如"疗效评估 PET"）。
正确动作：PT 存在性存照、用途未说明、不臆测；分析设计按"论文分析基于 CT"规划，实地核对受控影像前不把 PT 纳入管线。

坑 6：TCIA wiki 模板错位 “28918 GB”
现象：TCIA wiki 页模板把 “28918” 显示在 “Images Size (GB)” 字段下（images 数错位当 GB 数）。
后果：文档/数据卡里出现"本数据集 28918 GB"的荒谬数字。
正确动作：采用总表页口径（28,918 images / 11.79 GB）；引用 wiki 页数字时先与总表页交叉核对。

坑 7：FAIR teaser 当成已发表论文
现象：collection 页原文预告一篇 FAIR radiomics 实践专文（“upcoming article”）。
后果：文献综述里写出"该数据集已发表 FAIR 专文"的幻觉引用。
正确动作：截至 2026-10-09 检索未见对应发表，正文写"曾预告、未见落地"；引用只挂 collection 页原文。

坑 8：引用与浏览计数的口径漂移
现象：collection 页 42 Citations vs DOI 页 39；Views 呈页面快照值（本次约 5k，历史快照 4.2k/1.6k 不一）。
后果：把动态统计当硬事实写入文档，不同时点引用互相"打架"。
正确动作：引用数以 collection 页 42 为主口径并标注日期，39 存照；浏览数不作为事实引用（如需引用写"页面显示约 5k，随时间变化"）；同理注意 Europe PMC authorString 的作者数膨胀（17 人实为 18 条，§4.1）。

§11 总结

11.1 三句话总结

1. HEAD-NECK-RADIOMICS-HN1 是 MAASTRO 的 137 例头颈鳞癌放疗前 CT 队列（GTV 双格式勾画 + 带字典临床表），作为 Aerts 2014 泛癌种 radiomics 论文（被引 3,561）的 H&N1 队列数据源于 2019-2020 分三版收录进 TCIA。
2. 论文以 1,019 例、7 队列训练出 4 特征生存 signature（多队列一致 CI=0.69，P=7.99×10⁻⁷），在 H&N1 内部 440 维特征中 135 个（约 31%）与总体生存显著相关——本 collection 因此成为影像组学生存建模的第一代参照系之一。
3. 获取走双层门：影像 NIH 受控（人脸重建顾虑）、临床表 CC BY-NC 3.0 公开；使用时钉死三组口径——H&N1 撞名（坑 1）、136/137（坑 3）、PT 存疑（坑 5）。

11.2 适合谁

• 要在头颈癌上复现或对标第一代 radiomics 生存基线的方法学团队（预期标杆 CI=0.69 量级）；
• 需要真实放疗临床勾画（RTSTRUCT + DICOM SEG 双格式）做分割与勾画工程研究的团队；
• 教学/治理场景：双层许可、版本链、数据字典、"影像冻结表格演进"都是现成案例；
• 想把临床表（化疗执行、随访）与影像联合建模的放疗数据科学研究者；
• 需要"先表后影"分层评估的团队：临床表公开直链可零成本完成可行性摸底，再决定是否启动受控影像申请（§6.3 的推荐工作序）。

11.3 不适合谁

• 需要大规模训练深度模型的团队：137 例单中心是效力天花板；
• 期望开箱即下影像的快速原型：受控申请周期不可控，先只拿临床表评估可行性；
• 找PET/CT 多模态数据者：论文只用 CT，PT 用途未说明（坑 5），PET/CT 需求应转向 head-neck-pet-ct 或 hecktor；
• 需要官方榜单/冻结测试集的竞赛型评测：本 collection 无 leaderboard，评测协议需自建；
• 期望字段级在线文档的急用者：字典 TXT 已随 V3 提供，但字段全集的在线文档并不存在，急用场景请先下载评估（§6.3）。

11.4 30 秒决策卡

你的目的	动作
复现 Aerts 2014	走 NIH 受控申请（§6.2）→ 对标 CI=0.69（§7.2），口径钉 136
训练头颈生存模型	先下公开临床表（§6.3）评估字段 → 再决定是否申请影像；样本量约束入文（§8.2）
分割/GTV 工程	影像受控拿 RTSTRUCT/SEG 双格式（§3.3）；勾画质量按"临床单勾画"声明（§3.4）
找 PET/CT 头颈数据	不是本 collection → head-neck-pet-ct（坑 1）或 hecktor（坑 2）
教学/治理案例	直接用 §6.1、§2.3、§5.3 三节，无需下载数据
接入外部工具链	目录组织（F50）→ 单例校验（F52）→ 十项检查（§3.5）→ 特征对表（附录 K）

11.5 给维护者的修订预案

触发点	动作	同步核对位置
TCIA 发布 V4+	更新 §2.1/§2.3 版本链与快照数字，日期重标	frontmatter、INFOBOX、§2、§7、FAQ、事实清单、附录 E（七处同源）
NIH 受控流程变更	更新 §6.2 步骤表述	§6.1、附录 M
FAIR teaser 对应文章落地	坑 7 改写为"已发表"并挂 DOI	§7.4、附录 H
库内新增头颈/radiomics 条目	重跑撞名四要素判别（附录 J），更新 §9	§9.1-9.3、附录 R
论文被引口径更新	3,561 换新快照值并改日期	§4.1、FAQ、事实清单 17

FAQ（高频问答 60 问）

A. 基础认知

F1（A）：HEAD-NECK-RADIOMICS-HN1 一句话是什么？
荷兰 MAASTRO 放射治疗中心 137 例头颈鳞癌患者的治疗前 CT 队列（含 GTV 勾画双格式与带字典的临床/随访表），TCIA collection，Data Citation DOI 10.7937/tcia.2019.8kap372n，是 Aerts 2014 泛癌种 radiomics 论文的 H&N1 队列数据源。

F2（A）：为什么这个 2014 年的论文数据 2019 年才进 TCIA？
论文阶段队列以论文及补充材料形式服务学术圈；2019-07-25 MAASTRO 团队完成影像+勾画+临床表的正式 TCIA 收录（V1），随后 2019-09-20（V2，加 DICOM SEG）、2020-07-29（V3，加化疗列与数据字典）两次增补。收录决策与执行由数据管理团队（Wee/Hoebers/Dekker）完成。

F3（A）：“radiomics” 到底指什么？
影像组学：从常规医学影像中高通量提取定量特征（强度/形状/纹理/小波等），把影像变成可建模的表型数据。本 collection 的语境下即 Aerts 2014 从每例 CT 提取的 440 维特征体系。

F4（A）：HNSCC 是什么？
头颈部鳞状细胞癌（head and neck squamous cell carcinoma），发生于口咽、喉、鼻咽等部位的鳞状上皮恶性肿瘤统称，本队列全部患者均为 HNSCC 且接受放疗。

F5（A）：GTV 是什么、为什么重要？
大体肿瘤体积（gross tumour volume），医生在定位 CT 上勾画的可见肿瘤范围。它是放疗计划的依据，也是 radiomics 形状特征的几何输入——没有 GTV，440 维特征里的形状族无从谈起。

B. 数据与获取

F6（B）：影像为什么不能直接下载？
TCIA 对本 collection 影像实施 NIH Controlled Data Access Policy，原因原文是影像 “could potentially be used to reconstruct a human face”——三维头颈部 CT 含可重建人脸的几何信息，存在再识别风险。这是隐私工程决策，不是链接故障。

F7（B）：受控申请要准备什么？
研究用途说明、机构与人员信息、伦理背书（IRB 或豁免结论）。获批后用 TCIA Data Retriever 加载 NBIA manifest 批量下载；遵守再分发限制（不得公开转存、合作者单独授权）。具体以 collection 页 Data Access 与 NIH 流程的现行指引为准。

F8（B）：临床数据能公开下，那研究能只靠它做吗？
能启动：临床表（3.34 KB ZIP）+ 数据字典（1.42 KB TXT）可先做字段评估、生存终点分布摸底、与文献对表；但 radiomics 建模最终需要影像，影像在受控流程之后。先表后影是本 collection 的推荐工作序。

F9（B）：clinical ZIP 只有 3.34 KB，是不是不完整？
不是。collection 页标注 Clinical Data: Complete；3.34 KB 对 137 例的表格数据是正常量级（文本表压缩后很小）。V3 起含 chemotherapy_given 列，字段语义以字典 TXT 为准。

F10（B）：V2 的 DICOM SEG 和 V1 的 RTSTRUCT 选哪个？
同一批 GTV 的两种格式：放疗工具链选 RTSTRUCT，通用掩码生态选 DICOM SEG。选一条主管线即可，不要当独立标注重复计数（§3.3）。

F11（B）：下载影像时 series 数该是 349 还是 486？
现行版本（V3）是 486 series / 28,918 images / 11.79 GB。349/28,781/11.17 GB 是 V1 历史数字；引用与核对一律用现行口径并标注版本日期 2020-07-29（§2.3）。

C. 论文与统计

F12（C）：Aerts 2014 的核心结论是什么？
仅用常规 CT 提取的 4 特征 radiomic signature 在 1,019 例、7 个泛癌种队列上取得一致 C-index 0.69（P=7.99×10⁻⁷），证明影像表型携带跨癌种预后信息。论文被引 3,561（Europe PMC，2026-10-08 快照）。

F13（C）：H&N1 一臂在论文里表现如何？
440 维特征中 135 个（约 31%）与总体生存显著相关；signature 的多队列一致性能（CI=0.69）含 H&N1 一臂的贡献。逐臂细分数字以论文正文与补充材料为准。

F14（C）：CI=0.69 高吗？
按生存预测标准是"中等但稳定"。它的学术价值不在绝对值，而在跨癌种跨中心的方向一致性——这是第一代 radiomics signature 的标志性结果，也是后续方法学论文的天然对标线（§7.2）。

F15（C）：论文 136 例和 collection 137 例怎么选？
复现论文实验用 136 口径（逐例对表以论文 supplementary 清单为准）；使用 collection 全量建模则声明 137。官方解释：论文出版时 1 例影像被无意遗漏，TCIA 收录补齐（§5.3）。

F16（C）：440 个特征有清单吗？在哪？
特征定义与提取细节在论文正文及其补充材料，TCIA collection 本身不发布特征矩阵。复现可用 PyRadiomics 等工具按论文参数对表重建（§8.4）；特征层面的已发布产物可看库内 radiomics-tumor-phenotypes。

D. 库内与检索

F17（D）：和 nsclc-radiomics 什么关系？
同一篇 Aerts 2014 论文的两个主队列：本 collection 是头颈臂（H&N1，137 例），nsclc-radiomics（rid 247）是 NSCLC/Lung1 臂（422 例，DOI 10.7937/K9/TCIA.2015.PF0M9REI）。合读即论文两大主队列（§9.1）。

F18（D）：和 head-neck-pet-ct 什么关系？
没有数据关系，只有撞名关系：后者是 Vallières 2017 论文队列（HGJ 医院，92 例 PET/CT），其描述文本里的 “H&N1” 是该论文自己的代号。两个 H&N1 是完全不同的数据集（坑 1）。

F19（D）：和 HECKTOR / hecktor2026 什么关系？
无关系。HECKTOR 是 MICCAI 挑战赛自有训练数据（hecktor rid 461、hecktor2026 rid 638），与本 collection 无收录、派生或演变关系；检索"头颈分割"时勿混（坑 2）。

F20（D）：引用本数据集的规范格式？
按 TCIA Data Citation：Wee, L., & Dekker, A. (2019). Data from HEAD-NECK-RADIOMICS-HN1 [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/tcia.2019.8kap372n ——注意署名是数据管理者（Wee & Dekker），论文引用另走 DOI 10.1038/ncomms5006（§4.1）。

I. 数据伦理

F45（I）：人脸重建为什么是现实风险而不是理论顾虑？
三维 CT 覆盖面部骨骼与软组织的完整几何，重建算法可以从体数据恢复面部形态；头颈部扫描的采集范围天然包含这些结构，因此 collection 页把它作为受控的明确理由（§6.1）。

F46（I）：临床表就没有再识别风险吗？
表格数据的再识别风险与影像不同源（不携带面部几何），这也是双层许可分开处理的逻辑起点；但小样本+多字段组合仍可能构成间接识别，使用时遵循最小必要与聚合报告的通行伦理原则，本条目不替数据方承诺超出其声明的保护范围。

F47（I）：受控影像能用来训练商用模型吗？
受控协议约束访问与再分发，临床表 NC 条款排除商业使用；任何商用路径都需同时满足协议与许可，并向权利人另行确认，本条目不代作结论（F42）。

F48（I）：HIPAA/GDPR 等法规视角怎么看？
本 collection 的访问框架由 TCIA 与 NIH 政策定义；使用者在本地处理时另受所在司法辖区法规约束，跨辖区转移前完成各自的合规审查——这一层属于使用者义务，超出数据集描述范围。

J. 工程与工作流

F49（J）：manifest 文件在受控下载里扮演什么角色？
NBIA manifest 是记录所需 series 清单的文件，交给 TCIA Data Retriever 后由它批量拉取 DICOM；manifest 本身不含影像数据，也不能绕过授权直接换用其他客户端之外的途径（§6.2）。

F50（J）：推荐的数据目录组织方式？
按 subject/modality/ 两级组织（CT、RTSTRUCT、SEG 各一级），顶层保留一份记录下载日期与 manifest 版本的 README；这是把 V3 计数对表（F23）落到目录层级的做法，工程惯例而非官方要求。

F51（J）：RTSTRUCT 里可能包含非 GTV 结构吗？
TCIA 页面未列出结构集内的 ROI 清单，本条目不臆测；拿到数据后按结构集内的 ROI 命名与角色标注逐例核对，把确认属于 GTV 的 ROI 单列登记，再进入管线。

F52（J）：单例下载校验的最小清单？
CT series 张数与 DICOM 头一致、RTSTRUCT 轮廓层都在 CT 范围内、SEG 与 CT 几何对齐（§3.5 十项检查的浓缩版）；三步都过再做特征提取。

F53（J）：想给条目挑错怎么反馈？
数字类问题对照附录 U 的同源索引先自查口径；确认是事实错误后经库内条目修订流程提交，附来源 URL（附录 I）。

K. 结果解读

F54（K）：为什么条目说"CI=0.69 量级"而不承诺精确复现？
特征提取的实现层（工具、参数、掩码栅格化细节）必然引入差异，同一队列上不同合规实现的 C-index 会在论文值附近波动；"量级"是对波动的诚实表达，逐位相同反而是危险信号（参数抄了、数据没对上）。

F55（K）：135/440 是 H&N1 独有还是泛癌口径？
按论文口径它是 H&N1 队列内部的单特征显著数；其他队列的对应数字以论文各队报告为准，本条目不代其他臂发言。

F56（K）：附录 K 的"复现注意"列依据是什么？
影像组学特征对参数敏感是方法学通则（重采样、离散化、滤波任一变动都改数值）；本条目把它落到本 collection 的具体对象（掩码来自临床勾画）上，未添加任何新的数字主张。

F57（K）：引用论文结论和 collection 的标准句式？
可参照："基于 MAASTRO 头颈鳞癌放疗队列的 HEAD-NECK-RADIOMICS-HN1 collection（137 例；论文口径 136；Wee & Dekker 2019, doi:10.7937/tcia.2019.8kap372n），其中 136 例构成 Aerts 等 2014（doi:10.1038/ncomms5006）泛癌种 radiomics 研究的 H&N1 队列。"双口径与双引用一次写全（F20/F30）。

L. 条目使用

F58（L）：本条目和 TCIA 官方页面是什么关系？
本条目是官方页面与论文的整理、互证与坑位化转写；一切权威口径以官方页面与论文原文为准，条目冲突时先怀疑条目（附录 I 给出全部来源）。

F59（L）：只想引用一个数字，引哪个最稳？
结构性标识符（DOI、版本日期）最稳；例数引 137 并括注"论文口径 136"（F57 句式）；统计口径类（Citations/Views）避免作为论据。

F60（L）：条目还会长吗？
维护触发点见 §11.5 与尾注：V4 发布、FAIR 专文落地、库内新增头颈条目、受控流程变更，四类事件分别触发对应章节修订；日常不扩写。

事实清单（硬事实 36 条）

H. 许可与合规

F39（H）：CC BY-NC 3.0 具体限制什么？
署名（BY）+ 非商业（NC）：使用临床表必须署名（对象为 MAASTRO/Wee/Dekker 侧，见 Data Citation 与 collection 页），且不得用于商业目的；衍生数据的再分发沿用同族许可条款（§6.1）。

F40（H）：受控影像发了论文，需要什么致谢？
按受控协议与 TCIA 惯例：引 Data Citation（Wee & Dekker 2019，DOI 10.7937/tcia.2019.8kap372n），遵守协议的致谢与引用要求（§6.2/F30）。

F41（H）：课程作业/教学能用影像吗？
教学演示不下载影像也可以做（§8.3：双层许可、版本链、数据字典都是现成案例）；确需影像的实操作业仍须走 NIH 受控流程，课程场景通常不满足申请条件。

F42（H）：公司内部能用临床表做产品吗？
NC 条款排除商业用途；任何商用路径都需另行获得权利人许可，本条目不代为判断可行性。

F43（H）：能和库内其他头颈数据合并分析吗？
可以且有价值，但合并前逐条目过四要素判别（附录 J）：本 collection（Aerts/MAASTRO/CT/137）与 PET/CT 系（head-neck-pet-ct、hecktor 系）合并属于跨研究合并，需在论文中明确声明，不能写成"同一 H&N1 队列"（坑 1/2）。

F44（H）：引用时用 DOI 还是页面 URL？
数据引 DOI（10.7937/tcia.2019.8kap372n），论文引 DOI（10.1038/ncomms5006）；页面 URL 作为补充线索而非正式引用（F20/附录 I）。

G. 统计与方法

F33（G）：CI=0.69 能换算成 AUC 吗？
不能直接换算。C-index 度量的是生存数据里的可排序对一致性（0.5 随机、1 完美），与分类 AUC 定义不同；跨指标比较需回到各自定义与设置。

F34（G）：P=7.99×10⁻⁷ 是什么意义上的显著？
论文 signature 多队列一致性的显著性水平；它与"每个特征各自显著"是两回事，后者是 135/440 那组数字（§4.3）。

F35（G）：135/440 怎么读才不踩坑？
先记分母是 440（多重比较背景），再记族内高相关意味着有效独立假设数远小于 440；显著率是"信号在场"的证据，不是"440 个独立发现"。

F36（G）：多队列设计为什么比单队列高分可信？
跨队列复制同时检验了特征定义、扫描差异与人群差异的稳定性；单队列高分可以被过拟合与中心特异性轻易制造（§4.2）。

F37（G）：4 特征 signature 具体是哪四个特征？
本条目不列名——以论文正文与 supplementary 为准，防止转写走样；复现时按 supplementary 特征名对表（附录 K-3）。

F38（G）：能把 signature 与临床变量在同一数据上比大小吗？
可以做（临床表提供 chemotherapy_given 等治疗变量），但比较协议需自建并声明：本 collection 无官方切分与评测协议（§7.1/§7.6）。

E. 复现与工程

F21（E）：用 PyRadiomics 等工具能直接复现 440 特征吗？
特征族可以，特征值要逐项对表：论文 supplementary 的提取参数（重采样、灰度离散化、滤波方案）是唯一基准，跨工具"等效实现"必须先在个别例上核对特征值（附录 K）。

F22（E）：掩码栅格化最容易错什么？
方向、原点、层厚三者与 CT 不一致（§3.2）。症状是掩码整体偏移或翻转；做法是栅格化后先做叠加目检再进特征提取。

F23（E）：影像下载完怎么验证完整性？
对表 V3 计数：全 collection 486 series / 28,918 images / 11.79 GB；每例应含 CT + RTSTRUCT + SEG（V2 起每例增补一个 SEG 对象，series 恰 +137，§3.3）。

F24（E）：能拿它训练深度分割模型吗？
可以但有两条硬约束：137 例单中心的样本量上限，与"临床单勾画、无多标验证"的标注边界（§3.4）——两者都必须写进结论声明。

F25（E）：生存分析用什么终点？
论文终点是 overall survival；本 collection 临床表的具体生存字段与编码以数据字典 TXT 为准（§6.3），不要凭经验假设列名。

F26（E）：跨工具算出的特征值不一致怎么办？
先查参数漂移（重采样间距、灰度级数、滤波核），再查掩码差异；两者排除后仍不一致，以论文 supplementary 为准仲裁（附录 K-3）。

F. 维护与治理

F27（F）：数据还会更新吗？
影像与临床表自 V3（2020-07-29）冻结至今；后续若发新版本，Update History 会记录。本条目维护触发点见尾注。

F28（F）：发现数据问题找谁？
现行渠道是 TCIA Helpdesk（早期页面的研究者直连邮箱已统一收口，§5.4）。

F29（F）：能把数据转存或做镜像吗？
影像：受控协议禁止公开转存与再分发。临床表：CC BY-NC 3.0 允许署名-非商业条件下的合规再分发，但工程上仍建议直链官方源以保版本一致。

F30（F）：写论文时怎么引用？
双引用：数据走 Data Citation（Wee & Dekker 2019，DOI 10.7937/tcia.2019.8kap372n），方法与结果走论文（DOI 10.1038/ncomms5006）——两者缺一不可（F20）。

F31（F）：条目里的数字会过时吗？
快照类数字（规模、Citations、被引）都标了检索日期；结构性事实（版本链、许可、坑位）稳定。数字修订须同步七处同源位置（尾注清单）。

F32（F）：为什么条目不写浏览量？
Views 是页面统计快照，历史快照值互相不一致（坑 8）；引用它会制造"数字打架"，故本条目纪律是不作为事实引用。

1. TCIA collection 官方名：HEAD-NECK-RADIOMICS-HN1（collection 页）。
2. Data Citation：Wee, L., & Dekker, A. (2019)，DOI 10.7937/tcia.2019.8kap372n（DOI 页）。
3. 现行规模：137 subjects / 486 series / 28,918 images / 11.79 GB（collection 页，2026-10-09 快照）。
4. V1（2019-07-25）：349 series / 28,781 images / 11.17 GB（collection 页 Update History）。
5. V2（2019-09-20）：“Added DICOM Segmentations”，486 / 28,918 / 11.79 GB（同上）。
6. V3（2020-07-29）：新增 chemotherapy_given 列与临床数据字典（同上）。
7. 模态：CT, SEG, RTSTRUCT, PT + Demographic, Follow-Up, Other（collection 页）。
8. Collection Type：Head and Neck Cancer；Clinical Data：Complete（collection 页）。
9. Species：Human（collection 页）。
10. 影像访问：NIH Controlled Data Access Policy；原因原文 “images that could potentially be used to reconstruct a human face”（collection 页）。
11. 临床数据许可：CC BY-NC 3.0；文件 Clinical data ZIP（3.34 KB）+ Data Dictionary TXT（1.42 KB）（collection 页）。
12. 队列归属：MAASTRO, Dept of Radiotherapy, Maastricht University Medical Centre+，荷兰（collection 页 Acknowledgements）。
13. 数据管理者：Leonard Wee、Frank Hoebers、Andre Dekker（collection 页 Acknowledgements）。
14. 论文：Aerts et al., “Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach,” Nat Commun 5:4006, 2014-06-03（DOI 页）。
15. 论文标识：DOI 10.1038/ncomms5006；PMID 24892406；PMCID PMC4059926（Europe PMC）。
16. 论文作者 17 人（首末 Aerts HJWL / Lambin P；Quackenbush J 在列）（TCIA 页原文名单）。
17. 论文被引 3,561 次（Europe PMC 快照，2026-10-08）。
18. 论文设计：1,019 例、7 队列（XML 全文 2 处出现，互证）。
19. 每例提取 440 个 radiomic 特征（论文正文）。
20. signature：4 特征，多队列一致 CI=0.69（Harrell’s C-index），P=7.99×10⁻⁷（XML 全文 2 处，互证）。
21. H&N1 内部：135/440（约 31%）特征与总体生存显著相关（论文口径）。
22. 论文队列口径 136 例；collection 页解释原文 “At time of previous publication, images of one subject had been unintentionally overlooked.”（collection 页）。
23. collection 页 Citations：42；DOI 页口径 39（双口径存照）。
24. 姊妹 collection（collection 页 Related 原文）：NSCLC-Radiomics、NSCLC-Radiomics-Genomics、NSCLC-Radiomics-Interobserver1、RIDER-LungCT-Seg。
25. nsclc-radiomics（rid 247）：Lung1，422 例，DOI 10.7937/K9/TCIA.2015.PF0M9REI（该条目 FACTS）。
26. 关联 Analysis Result：Radiomics-Tumor-Phenotypes（collection 页）。
27. FAIR teaser 原文存在（“upcoming article addressing FAIR radiomics practices…”），截至 2026-10-09 未见对应发表（collection 页 + 检索）。
28. H&N1 撞名事实：库内 head-neck-pet-ct（rid 838）描述的 Vallières 2017 队列为 HGJ 医院 92 例 PET/CT，代号亦作 “H&N1”（该条目 FACTS）。
29. RTSTRUCT 勾画随 V1 收录；V2 更新描述仅述 DICOM SEG 增补（collection 页 Update History）。
30. V2 增补差分：series 349→486（+137）、images 28,781→28,918（+137），与"每例增补一个 SEG 对象"一致（算术差分，据清单 4/5）。
31. collection 页影像下载栏显示 Unavailable，转向 NIH 受控流程（collection 页快照）。
32. TCIA wiki 页模板错位：数字 28918 显示在 “Images Size (GB)” 字段下（wiki 页快照，坑 6）。
33. Hugo Aerts 隶属 Computational Imaging and Bioinformatic Laboratory, Dana-Farber Cancer Institute & Harvard Medical School（collection 页 Acknowledgements）。
34. V3 更新描述原文含新增列 chemotherapy_given（"one extra column which is ‘chemotherapy_given’"口径，collection 页）。
35. Data Citation 发布年 2019；collection 页 Updated 2020/07/29（DOI 页与 collection 页双源）。
36. 论文 Volume 5、Article Number 4006、发表日 2014-06-03（DOI 页）。

术语表（30 条）

术语	释义
radiomics / 影像组学	从常规医学影像高通量提取定量特征（强度/形状/纹理/小波），把影像转为可建模表型数据的方法学
HNSCC	头颈部鳞状细胞癌（head and neck squamous cell carcinoma），本队列全部患者的病种
GTV	大体肿瘤体积（gross tumour volume），医生在定位 CT 上勾画的可见肿瘤范围
RTSTRUCT	DICOM RT 扩展的放疗结构集，逐层轮廓存储勾画，放疗工具链原生格式
DICOM SEG	DICOM 通用分割对象，逐像素栅格掩码；本 collection V2 增补
PT	PET（正电子发射断层）的 DICOM 模态码；本 collection 元数据列含 PT 但论文未使用（坑 5）
planning CT / 定位 CT	放疗计划制定前的专用 CT 扫描，本队列影像的来源场景
TCIA	The Cancer Imaging Archive，本 collection 的托管平台
collection	TCIA 中一个受控词表化管理的数据集合单位，含 Update History 与 Data Citation
Data Citation	数据集的正式引用条目（作者/年份/DOI），本条目为 Wee & Dekker (2019)，DOI 10.7937/tcia.2019.8kap372n
NBIA / manifest	TCIA 的影像分发后端及其批量下载清单文件格式
TCIA Data Retriever	TCIA 官方下载客户端，加载 manifest 批量获取 DICOM
NIH Controlled Data Access Policy	美国 NIH 受控数据访问政策；本 collection 影像的访问框架（人脸重建顾虑）
CC BY-NC 3.0	知识共享署名-非商业性使用 3.0 许可；本 collection 临床数据的许可
signature	论文提出的特征组合预后模型；本条目语境指 Aerts 2014 的 4 特征生存 signature
C-index	Harrell’s concordance index，生存模型一致性度量（0.5 随机，1 完美排序）；论文值 0.69
overall survival / OS	总体生存期，论文的建模终点
GLCM/GLRLM/GLSZM	灰度共生/游程/区域矩阵纹理特征族，440 维体系组成部分
wavelet / 小波特征	多尺度影像分解后提取的特征，是 440 维数量膨胀的主要来源
FAIR	可发现、可访问、可互操作、可复用的数据治理原则；collection 页 teaser 曾预告相关专文
Analysis Result	TCIA 站内"分析结果"类发布物类型，如关联条目 Radiomics-Tumor-Phenotypes
Update History	collection 页的版本更新记录区，V1/V2/V3 数字链的出处
轮廓表示 vs 栅格表示	勾画的两种几何编码：RTSTRUCT 逐层轮廓 / DICOM SEG 逐像素掩码（§3.3）
Rasterization / 栅格化	轮廓→像素掩码的转换步骤，方向/原点/层厚是经典出错点（§3.2）
PyRadiomics	常用开源 radiomics 特征提取工具，论文复现的参数对表对象（附录 K）
Lifelines	Python 生存分析库（Cox/C-index），附录 L 骨架示例引用
Datasheet / 数据卡	数据集标准化说明文档；附录 O 提供本 collection 的最小模板
Leaderboard / 榜单	竞赛式统一评测排行；本 collection 无官方榜单（§7.1）
SOP	标准作业程序；附录 N 给出 H&N1 一臂复现分步 SOP
Snapshot / 快照	页面统计在某一时刻的取值；本条目快照类数字一律标注日期（坑 8）

附录 A：条目信息速查卡

项	值
条目 slug	headneck-radiomics
官方数据集名	HEAD-NECK-RADIOMICS-HN1
Data Citation DOI	10.7937/tcia.2019.8kap372n（Wee & Dekker, 2019）
主论文 DOI	10.1038/ncomms5006（Nat Commun 5:4006，2014-06-03）
病种	头颈鳞癌（HNSCC）
影像	治疗前定位 CT（现行 486 series / 28,918 images / 11.79 GB）
标注	GTV：RTSTRUCT（V1）+ DICOM SEG（V2）
临床数据	ZIP 3.34 KB + 字典 TXT 1.42 KB，V3 含 chemotherapy_given
许可	影像 NIH Controlled｜临床 CC BY-NC 3.0
关键数字	137 例｜1,019 例 7 队列｜440 特征｜CI=0.69｜P=7.99×10⁻⁷｜135/440 显著｜被引 3,561
版本链	V1 2019-07-25 → V2 2019-09-20 → V3 2020-07-29（现行）
库内 rid	新条目（查重确认无同物；撞名/相邻条目 rid 见 §9）

附录 B：DAIMS 评估全表

维度	评分	正向证据	失分/约束证据
可获取性 Accessibility	中	临床表 + 字典公开直链（CC BY-NC 3.0）	影像 NIH 受控，申请周期不可控；collection 页影像栏 Unavailable
可用格式 Usability	高	DICOM 原生；GTV 双格式（RTSTRUCT+SEG）；表格式临床数据	影像未经下载实地核验（受控前置）；PT 用途未说明
文档完备 Documentation	中高	collection 页 + TCIA wiki + 论文全文 + 数据字典；Update History 完整	勾画规程/观察者间一致性无记录；临床字段全集未在线列出（依赖字典 TXT）
许可清晰度 Licensing	中高	双层许可边界明确（受控影像/NC 临床表），Data Citation 署名到人	NC 条款排除商用；受控影像另受 NIH 协议约束（再分发限制）
可复现基线 Benchmark	中	论文基线明确（440 特征、CI=0.69、P=7.99×10⁻⁷），多队列设计可对标	无官方榜单/冻结测试集；特征矩阵与代码不在 collection 发布物内
元数据治理 Metadata	高	V1→V2→V3 版本链数字完整、更新描述原文可查；136/137 有官方解释	wiki 模板错位（28918 GB）；Citations/Views 计数口径漂移

综合判读：“治理与格式优等、获取与基准中等”。AI-Ready 的主要折扣来自受控访问这一隐私驱动约束；在 TCIA 头颈类 collection 谱系里，其临床数据工程化（字典+版本链+双格式勾画）属上乘。

附录 C：证据链自证（三源互证矩阵）

硬事实	TCIA collection 页	TCIA 总表页/DOI 页	论文（Europe PMC XML）
137 例 / 486 series / 28,918 images / 11.79 GB	✓（现行）	✓（总表页口径一致）	136 例口径（差异见官方解释）
V1/V2/V3 日期与数字	✓（Update History）	✓（收录年份 2019）	—
NIH Controlled + 人脸重建原因	✓（原文）	—	—
CC BY-NC 3.0 临床表	✓	✓（DOI 页许可栏）	—
1,019 例 / 7 队列	—	—	✓（XML 2 处）
440 特征 / 135 显著	—	—	✓（正文/supplementary 口径）
CI=0.69 / P=7.99×10⁻⁷	—	—	✓（XML 2 处）
17 人作者名单	✓（原文）	—	✓（XML，authorString 有 Quackenbush 双列膨胀）
Data Citation DOI	✓	✓	—
姊妹 collection 四条	✓（Related 原文）	—	—

互证结论：所有进入正文的硬数字至少两源可查；单源项（PT 用途、勾画一致性指标）一律以"存照"而非"事实"形态书写。本矩阵同时是审读指南：审稿或修订时，任何被质疑的数字先在本表定位其证据行，再决定是改数字还是改标注。

附录 D：数据获取决策树

需要什么？
├─ 只要临床/随访表
│   └─ 公开下载 ZIP(3.34KB) + 字典 TXT(1.42KB)（CC BY-NC 3.0）→ 先读字典（§6.3）
├─ 要 CT 影像 + GTV 勾画（radiomics/分割研究）
│   ├─ 有伦理背书 → NIH Controlled 申请（§6.2）→ 获批 → Data Retriever + NBIA manifest
│   └─ 无伦理背书 → 先补 IRB/豁免流程，勿用第三方镜像（§6.2 授权链）
├─ 只要 PET/CT（头颈）
│   └─ 不是本 collection → 库内 head-neck-pet-ct（Vallières 2017）/ hecktor 线（坑 1/2）
├─ 要特征矩阵/表型产物
│   └─ 本 collection 不发布 → 论文 supplementary + 库内 radiomics-tumor-phenotypes（§9.2）
└─ 只要论文结论/引用
    └─ 论文 DOI 10.1038/ncomms5006；数据引用走 10.7937/tcia.2019.8kap372n（F20）

附录 E：引用数字速查（写作与对表用）

要写的数字	正确值	常见错值	出处
例数（collection）	137	136（论文口径）	collection 页 / 坑 3
例数（论文）	136	137	论文 / §5.3
series / images（现行）	486 / 28,918	349 / 28,781（V1）	§2.3
大小（现行）	11.79 GB	28918 GB（wiki 模板错位）	坑 6
V1 大小	11.17 GB	—	§2.3
泛癌设计	1,019 例 / 7 队列	—	论文 XML
特征数	440	—	论文正文
signature 性能	CI=0.69，P=7.99×10⁻⁷	0.8+（现代深度模型口径混淆）	论文 XML
H&N1 显著特征	135/440（约 31%）	—	论文口径
论文被引	3,561（2026-10-08 快照）	—	Europe PMC
collection 被引	42（主口径）/ 39（DOI 页存照）	混用两口径	坑 8
浏览数	不作事实引用（页面快照值）	5k/4.2k/1.6k 任一硬写	坑 8
作者数	17	18（authorString 膨胀）	§4.1

附录 F：坑点档案（与 §10 对照）

坑号	一句话	正文锚点
坑 1	H&N1 撞名：Aerts 2014 CT 队列 vs Vallières 2017 PET/CT 队列	§9.3、F18
坑 2	HECKTOR（rid 461/638）与本 collection 无演变关系	§9.3、F19
坑 3	136 vs 137：论文出版遗漏 1 例，TCIA 补录	§5.3、F15
坑 4	双层许可：影像受控 / 临床 CC BY-NC 3.0，勿写"开放数据集"	§6.1、F6
坑 5	PT 模态存疑：论文只用 CT，用途未说明勿臆测	§2.2、F10 关联
坑 6	wiki 模板错位：28918 是 images 数不是 GB	§2.1、附录 E
坑 7	FAIR teaser 未落地：写"曾预告"勿写"已发表"	§7.4
坑 8	Citations 42/39 与 Views 快照口径漂移；作者数 17/18	§7.3、F12 关联

附录 G：检索决策树

你在检索什么？
├─ "head neck radiomics CT survival"
│   └─ 本 collection 正选；注意 head-neck-pet-ct 是 PET/CT 撞名项
├─ "H&N1"
│   ├─ 上下文含 Aerts/Lambin/MAASTRO/CT → 本 collection
│   └─ 上下文含 Vallières/HGJ/PET → head-neck-pet-ct
├─ "HECKTOR"
│   └─ 直接 hecktor / hecktor2026，勿经本 collection 中转
├─ "Aerts 2014 radiomics signature"
│   └─ 本 collection（H&N1 臂）+ nsclc-radiomics（Lung1 臂）+ radiomics-tumor-phenotypes（产物）
├─ "MAASTRO 数据集"
│   └─ 本 collection（头颈）；同中心肺癌相关走 nsclc-radiomics 系
└─ "TCIA 头颈 collection"
    └─ 按模态分流：CT→本 collection；PET/CT→head-neck-pet-ct；挑战赛→hecktor 系

附录 H：双口径登记表（八项全录）

项	口径 A	口径 B	处置
1. 样本量	论文 136	TCIA 137	官方解释已获（§5.3）；正文双口径并行声明
2. Citations	collection 页 42	DOI 页 39	42 主口径+日期，39 存照（坑 8）
3. PT 模态	元数据列有 PT	论文只用 CT	存照不臆测（坑 5）
4. wiki 模板	“Images Size (GB)” 显示 28918	总表页 28,918 images / 11.79 GB	用总表页口径（坑 6）
5. 作者数	TCIA 页/论文 17 人	Europe PMC authorString 18 条	以 17 人名单为准（§4.1）
6. FAIR 专文	teaser 原文存在	检索未见发表	写"曾预告未见落地"（坑 7）
7. 联系渠道	早期页 Wee/Dekker 邮箱	现行页 TCIA Helpdesk	以现行页为准（§5.4）
8. Views	本次快照约 5k	历史快照 4.2k / 1.6k	不作事实引用（坑 8）

八项的总体处置原则：凡属页面统计与转写层差异（2/5/8），登记后不动摇正文事实；凡属数据本体差异（1/3），必须进入正文双口径表述；凡属页面缺陷（4/6），指明正确来源；凡属未决事项（7），保持"曾预告"状态直至落地。

附录 I：参考来源

1. TCIA collection 页（主来源）：https://www.cancerimagingarchive.net/collections/head-neck-radiomics-hn1
2. TCIA 总表页（规模交叉核对）：https://www.cancerimagingarchive.net/collections/
3. Data Citation DOI（Wee & Dekker 2019）：https://doi.org/10.7937/tcia.2019.8kap372n
4. 主论文 DOI（Aerts 2014, Nat Commun 5:4006）：https://doi.org/10.1038/ncomms5006
5. Europe PMC 全文（PMID 24892406 / PMCID PMC4059926）：https://europepmc.org/article/MED/24892406
6. TCIA wiki 页：https://wiki.cancerimagingarchive.net/display/Public/HEAD-NECK-RADIOMICS-HN1
7. 姊妹 collection Data Citation（NSCLC-Radiomics，Lung1 422 例）：https://doi.org/10.7937/K9/TCIA.2015.PF0M9REI

来源使用说明：快照类数字（规模、Citations、Views、被引）均标注检索日期 2026-10-08/09；原文引用（人脸重建原因、136/137 解释、V2/V3 更新描述、FAIR teaser、Acknowledgements 名单）逐字出自上述来源页面。

补充规则：① 官方页与论文冲突时以官方页为准登记双口径（附录 H），不仲裁、不删除任一口径；② Europe PMC 的 authorString 作者膨胀（17/18）属转写层差异，不作为来源分歧（§4.1）；③ 本条目不引用任何二手转述页面（博客/聚合站），数字一律回溯一手来源。

附录 J：撞名/易混组对照总表（检索者必存）

以"四要素"（论文/机构/模态/样本量）逐维区分本 collection 与库内三个高频易混条目；任何检索命中本表的条目都先过一遍此表再写引用。

维度	HEAD-NECK-RADIOMICS-HN1（本条目）	head-neck-pet-ct（rid 838）	hecktor（rid 461）	hecktor2026（rid 638）
数据来源论文	Aerts 2014（Nat Commun 5:4006）	Vallières 2017	MICCAI HECKTOR 挑战赛	MICCAI HECKTOR 2026 挑战赛
机构	MAASTRO（荷兰马斯特里赫特）	HGJ 医院	挑战赛多中心自有训练数据	挑战赛多中心自有训练数据
模态	CT（+RTSTRUCT/SEG；PT 存疑）	PET/CT	PET/CT + CT	PET/CT + CT
样本量	137 例（论文口径 136）	92 例	挑战赛自有规模	挑战赛自有规模
队列代号	H&N1（论文 H&N 第 1 队列）	亦作 “H&N1”（撞名源头）	HECKTOR	HECKTOR 2026
收录关系	TCIA collection（2019-07-25 起）	TCIA collection	挑战赛数据，与 H&N1 无收录/派生关系	同左
典型误用	被当作 PET/CT 数据检索	被并入 Aerts 2014 复现	被写成"H&N1 的后继"	同左
一句话判别	作者=MAASTRO/Aerts，模态=CT	作者=Vallières，模态=PET/CT	关键词含挑战赛/leaderboard	同左+2026

速记口诀：看作者与模态定队——Aerts/CT 是本家，Vallières/PET 是隔壁，挑战赛/榜单另算两家。

附录 K：440 维特征体系教学展开

以下按 Aerts 2014 论文口径的四族体系做教学式展开（族与数量口径以论文为准，本表不加新数字；H&N1 内 135/440 显著的分布族别论文未逐族披露，不臆测）：

特征族	捕捉什么	依赖什么输入	复现注意
一阶强度统计	灰度直方图的整体形态（均值、熵、偏度等）	仅影像体素值	重采样/灰度离散化参数直接改变数值，须钉死参数再对表
形状	肿瘤三维几何（体积、球形度、紧凑度、表面积比等）	GTV 勾画（§3 的 RTSTRUCT/SEG）	勾画格式转换（轮廓→栅格）是主要误差源（§3.2）
纹理（GLCM/GLRLM/GLSZM 等矩阵族）	灰度空间分布的异质性/粗糙度	影像 + 方向/距离/灰度级参数	参数敏感，跨工具（PyRadiomics 等）对表时逐参数核对
小波/滤波变换族	多尺度分解后的上述特征重复	影像 + 分解方案	440 维的主要膨胀来源；族间高度相关，建模需降维/正则

三点方法学提示：

1. 440 不是"440 个独立证据"：族内特征高度相关，H&N1 内 135/440（约 31%）的显著率要在多重比较与相关性背景下解读（§4.3）。
2. 形状族的可信度锚在临床勾画：本队列勾画为放疗临床流程单勾画（§3.4），形状特征继承其边界。
3. 跨工具复现的第一杀手是参数漂移：论文 supplementary 的提取参数是唯一对表基准，任何"等效实现"都要先在 1-2 例上做特征值逐项核对。

附录 L：工程代码骨架之二——DICOM SEG 读取与生存分析

承接 §8.4 的 RTSTRUCT 骨架，给出 DICOM SEG（V2 增补格式）读取与生存建模的示意骨架（管线示意，非可直接运行代码）：

# L-1) DICOM SEG -> 掩码（V2 增补路径，与 RTSTRUCT 二选一作主管线）
# 依赖：pydicom / Highdicom 或等价工具链
seg_obj = load_dicom_seg("HN1/{subject_id}/SEG/")            # 分片段分割对象
mask_seg = seg_obj.get_pixels_by_source_series(ct_series)     # 与定位 CT 逐像素对齐
# 校验：与 RTSTRUCT 栅格化结果做一致性目检（同一批勾画的两种表示，§3.3）

# L-2) 临床表解析（公开资产，先于影像到手）
import zipfile, csv
zipfile.ZipFile("clinical_data.zip").extractall("clin/")      # 3.34 KB ZIP（CC BY-NC 3.0）
# 先读 1.42 KB TXT 数据字典，确认列语义与编码（勿凭列名猜，§6.3）
rows = list(csv.DictReader(open("clin/clinical.csv", encoding="utf-8")))
# V3 起含 chemotherapy_given 列；解析时记录取数版本（V3, 2020-07-29）

# L-3) 特征-临床对接与口径控制
cohort = join_on_subject_id(features_df, rows)
# 论文口径对表：按论文 supplementary 清单保留 136 例；全量建模声明 137（坑 3）

# L-4) 生存分析（Harrell's C-index，对标 CI=0.69）
from lifelines import CoxPHFitter
cph = CoxPHFitter()
cph.fit(cohort, duration_col="os_time", event_col="os_event") # 终点：overall survival（§4.2）
print(cph.concordance_index_)                                  # 量级参照 0.69（§7.2）
# 显著性参照：论文 signature P=7.99×10^-7；偏离预期先查队列构成与特征参数（附录 K-3）

骨架纪律：本附录与 §8.4 均为管线示意，任何真实运行以论文 supplementary 参数与官方工具文档为准；代码中不包含、也不应包含本条目未记载的队列拆分逻辑。

附录 M：受控影像申请材料自查清单

NIH Controlled Data Access 流程的通用准备项（以 collection 页 Data Access 与 NIH 现行指引为准）：

• [ ] 研究目的声明：明确到"复现 Aerts 2014 H&N1 一臂 / 头颈生存建模 / GTV 分割工程"一类粒度；
• [ ] 申请者与机构信息：PI、执行人员名单、机构资质；
• [ ] 伦理背书：IRB 批件或豁免结论（数据已脱敏但含再识别风险影像，多数机构要求备案）；
• [ ] 数据安全方案：存储环境、访问控制、不公开转存的承诺（受控协议核心条款）；
• [ ] 合作方预案：新增成员需按协议单独授权，不搞"账号共享"；
• [ ] 发表计划：注明将遵守受控数据的引用与致谢要求（Data Citation 署名 Wee & Dekker 2019）。

申请期并行事项（不受控侧，提前做）：下载并解析临床表与字典（§6.3）；按附录 K 准备特征提取参数表；用公开文献的 supplementary 核对 440 特征定义。

附录 N：复现 Aerts 2014（H&N1 一臂）分步 SOP

步	动作	通过标准	关联坑位
1	受控申请获批，Data Retriever + NBIA manifest 下载	到账 series=486（V3 口径）	坑 4
2	逐例清点：CT + RTSTRUCT + SEG	例数=137；SEG 与例数一致（+137，§3.3）	—
3	剔除/标记 PT 序列（用途未证实）	分析集无 PT	坑 5
4	掩码化（RTSTRUCT 或 SEG 主线）并目检	轮廓-影像逐层对齐无错位	§3.2
5	按论文 supplementary 配置特征提取	440 维口径对齐；族覆盖齐全（附录 K）	—
6	临床表 join（先字典后数据）	主键全匹配；chemotherapy_given 语义确认	§6.3
7	口径分线：论文 136 / 全量 137	两条线分开出结果	坑 3
8	单特征-生存显著率对表	135/440 量级复现	§4.3
9	signature/多变量模型对标	C-index 0.69 量级；偏离先查构成	§7.2
10	报告双口径与受控声明	数据卡含附录 O 模板要素	坑 3/4/8

附录 O：使用者数据卡（Datasheet）最小模板

引用/复用本 collection 时，建议产出数据卡至少包含以下要素（示例值取自本条目已核事实）：

Dataset: HEAD-NECK-RADIOMICS-HN1 (TCIA)
Version used: V3 (2020-07-29); accessed <日期> via NIH controlled access
Subjects: 137 (paper cohort: 136 — one subject added post-publication, TCIA note)
Imaging: planning CT; 486 series / 28,918 images / 11.79 GB (V3)
Contour: RTSTRUCT (clinical) + DICOM SEG (added V2)
Clinical: CC BY-NC 3.0 ZIP + TXT data dictionary; chemotherapy_given included since V3
Paper anchor: Aerts 2014, Nat Commun 5:4006, doi:10.1038/ncomms5006
Baseline to compare: 4-feature signature, CI=0.69 (P=7.99e-7); 135/440 features significant in H&N1
Known caveats: PT modality unexplained (excluded); single-centre MAASTRO cohort;
               no leaderboard; H&N1 code collision with Vallières 2017 PET/CT queue
Citation: Wee, L., & Dekker, A. (2019). Data from HEAD-NECK-RADIOMICS-HN1 [Data set].
          The Cancer Imaging Archive. https://doi.org/10.7937/tcia.2019.8kap372n

模板纪律：Known caveats 一行不得删——坑 1/3/5 是本 collection 复用文献中最常见的三类错写。

附录 P：第一代 signature 的方法论评注（教学向）

面向"为什么 CI=0.69 至今仍被引用"的读者，基于本条目已核事实的三段评注：

1. 稳定压倒精度：0.69 的单点数值在 2020 年代的深度学习文献里并不起眼，但它是跨 7 队列、多癌种的方向一致结果——本 collection（H&N1 臂）的价值恰在于它是"一致性证据链"的一环，而非孤立的高分。复现者应优先对齐队列构成与特征参数，再谈超越。
2. 常规影像的零增量成本论：论文的设计要点是特征全部来自本就要拍的定位 CT 与本就要做的临床勾画——数据的生产成本沉没在治疗流程里。这是本 collection 至今仍是数据治理教学案例的原因（§8.3）。
3. 从特征矩阵到 FAIR 议程：collection 本体不含特征矩阵（§2.5），复现需重建特征层，这正 collection 页 FAIR teaser 关切的"透明与协调"问题的体现；teaser 至今未落地（坑 7），使本 collection 成为观察"数据集 FAIR 化承诺-兑现差距"的活样本。

附录 Q：快照类数字的引用规范

类别	数字	引用格式	更新纪律
快照类（随页面统计变化）	486 series / 28,918 images / 11.79 GB	标注 V3 与日期（2026-10-09 快照）	TCIA 发新版本时整组更新
快照类	collection Citations 42（存照 39）	“collection 页显示 42（2026-10-09；DOI 页口径 39）”	每次修订重查
快照类	论文被引 3,561	“Europe PMC 快照 2026-10-08”	每次修订重查
快照类	Views（约 5k）	不作事实引用（坑 8）	—
结构类	版本链日期（2019-07-25 / 2019-09-20 / 2020-07-29）	标注 Update History 出处	仅新版本触发变更
结构类	DOI、论文编号（Vol 5, Art 4006）、PMID/PMCID	永久标识符，不随快照变化	—
结构类	许可（NIH Controlled / CC BY-NC 3.0）	标注 collection 页口径	官方声明变更时更新

附录 R：库内互链声明（供互链引擎与编辑核验）

目标条目 slug	rid	关系类型	建议锚文本
nsclc-radiomics	247	同论文主互链（Lung1 肺臂）	“Aerts 2014 同论文肺癌队列”
nsclc-radiogenomics	—	同研究姊妹（影像-基因组臂）	“同研究影像-基因组姊妹 collection”
nsclc-radiomics-interobserver1	—	同研究姊妹（勾画一致性专项）	“同研究勾画一致性专项”
rider-lung-ct	—	同研究姊妹（RIDER 可重复性素材）	“同研究扫描-分割可重复性素材”
radiomics-tumor-phenotypes	—	分析产物关联	“关联分析产物（表型层面）”
head-neck-pet-ct	838	撞名警示（Vallières 2017 PET/CT）	“H&N1 代号撞名条目（不同物）”
hecktor	461	易混警示（MICCAI 挑战赛）	“检索易混：HECKTOR 挑战赛数据”
hecktor2026	638	易混警示（MICCAI 挑战赛 2026）	“检索易混：HECKTOR 2026”

声明：上表"关系类型"均以双方 FACTS 与 collection 页原文为据；rid 以建条时库内查重记录为准。

附录 S：本条目写作纪律对照自检表

纪律项	要求	达成状态
行数	1200-1900（目标 1400-1700）	合并后核对（见交付汇报）
章节	§0-§10 齐全 + INFOBOX	§0-§11 + INFOBOX 在位
坑点	≥6（目标 8）	坑 1-坑 8（§10 + 附录 F 对照）
DAIMS	必须出现	§6.4 快评 + 附录 B 全表
schema_org	@graph 含 MedicalWebPage/Dataset/cr:RecordSet/rai:dataLimitations	frontmatter 四节点在位
relatedLink	只放纯 URL	MedicalWebPage 节点 7 条纯 URL
category_tags	受控词表 2-6 个、拼接 ≤100 字符	4 个：医学影像/CT/医学图像分割/肿瘤学
双口径	逐项登记	附录 H 八项全录
纯净度	无 HTML 注释/TODO/占位符	交付前双零自检复核
来源落地	7 条 URL 全部落照	附录 I + 正文随点标注

附录 T：collection 页原文摘录索引（证据自证）

正文直接引用或转述的页面原文，逐条登记出处与落点：

原文/事实	语言	页面	正文落点
“images that could potentially be used to reconstruct a human face”	en	collection 页	§6.1、F6
“At time of previous publication, images of one subject had been unintentionally overlooked.”	en	collection 页	§5.3、坑 3
“Added DICOM Segmentations”（V2 更新描述）	en	collection 页 Update History	§2.3、§3.3
V3 更新描述（化疗计划 + chemotherapy_given + 数据字典）	en	collection 页 Update History	§2.3、§2.4
FAIR teaser（“upcoming article addressing FAIR radiomics practices…”）	en	collection 页	§7.4、坑 7
Acknowledgements（Wee/Hoebers/Dekker @ MAASTRO+MUMC+；Aerts @ DFCI & Harvard）	en	collection 页	§5.2、§4.1
Related collections 四条	en	collection 页	§9.1
17 人作者名单	en	collection 页（论文页对照）	§4.1

附录 U：同源数字索引（修订时按图索骥）

数字	出现位置（修订须同步）
137 / 136	title 尾注、frontmatter patient_count、INFOBOX、§1-Q3、§2.1、§2.5、§5.3、坑 3、F1/F3 关联、事实清单 3、附录 A/E/H
486 / 28,918 / 11.79 GB	frontmatter data_source、INFOBOX、§2.1、§2.3、附录 B/E/Q
349 / 28,781 / 11.17 GB	§2.1、§2.3、事实清单 4、附录 E
1,019 / 7 队列	INFOBOX、§1-Q9、§4.2、§7.2、F12、事实清单 18、附录 A
440 / 135（31%）	INFOBOX、§1-Q9、§4.3、§4.7、F35、事实清单 19/21、附录 A
CI=0.69 / P=7.99×10⁻⁷	INFOBOX、§4.4、§7.2、§7.5、F12/F33、附录 L/O
3,561	INFOBOX、§4.1、§7.5、事实清单 17、附录 A
42 / 39	INFOBOX（间接）、§7.3、坑 8、事实清单 23、附录 E/Q
DOI 两个	frontmatter、INFOBOX、附录 A/I、F20/F30/F44

附录 V：检索关键词映射表（检索工程用）

检索词（中/英）	应命中	误命中风险	条目内处置
head and neck radiomics / 头颈影像组学	本条目	head-neck-pet-ct（PET/CT）	附录 J 判别
HN1 / H&N1	本条目（Aerts 语境）	Vallières 2017 语境	§9.4 路径 2
Aerts 2014 / ncomms5006	本条目 + nsclc-radiomics	—	§9.4 路径 4
MAASTRO	本条目	同中心其他队列	§9.4 路径 5
TCIA head neck collection	本条目	hecktor 系	坑 2
GTV RTSTRUCT CT / 放疗勾画	本条目	任意放疗条目	§3.2/§3.3
radiomic signature CI 0.69	本条目（论文语境）	任意生存建模条目	§7.2
chemotherapy_given	本条目（临床表语境）	—	§2.4
137 HNSCC / 136 H&N1	本条目	双口径互撞	坑 3
FAIR radiomics practices	本条目（teaser 语境）	已发表专文幻觉	坑 7

---

---

尾注：本条目由写手代理 agent-f-headneckra 依据三源互证事实底稿（FACTS.md，md5 b1a492dc20380adbc68e1a1900f25c06）撰写，开工三查与查重留痕见 FACTS.md §1；检索窗口 2026-10-08 至 2026-10-09。维护触发点：TCIA collection 发布新版本（V4+）、NIH 受控流程变更、FAIR teaser 对应文章落地、或库内新增头颈相关 collection（重查坑 1/坑 2 撞名面）。任何核心数字修订须同步核对 frontmatter、INFOBOX、§2、§7、FAQ、事实清单与附录 E 七处同源数字。

---

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：

• pddca — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• ct-org — 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
• spinal-multiple-myeloma-seg — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• calgb50303 — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• biomedparse — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• lidc-annot-nlst501 — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• segrap — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• kits23 — 共享标签：医学影像 / CT / 医学图像分割 / 肿瘤学
• structseg2019 — 共享标签：医学影像 / CT / 医学图像分割 / 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。