Low-Dose CT Images of Healthy Cohort (Healthy-Total-Body-CTs) — UC Davis uEXPLORER 30 名健康成人全身低剂量 CT 与 37 组织分割参考库

INFOBOX — Healthy-Total-Body-CTs 一屏速览

维度	内容
本质	TCIA 上的全身低剂量 CT 正常人群参考库（30 名健康成人）——非挑战赛、非病灶集
发布方	The Cancer Imaging Archive（TCIA），DOI 10.7937/NC7Z-4F76
采集机构	UC Davis——uEXPLORER 全身 PET/CT 系统（United Imaging Healthcare）
规模	30 受试 / 135 studies / 111,778 图像 / 59.06GB（三版本一致）
人群	健康成人，≥18 岁，能签书面同意；14 男 / 16 女，年龄 47 ± 13 岁（JNM 论文口径）
扫描	80 排 160 层；512×512×828 重建；体素 0.9766×0.9766×2.344 mm³
剂量	90 分钟点 140 kVp / 平均 50 mAs；其余时间点 140 kVp / 平均 5 mAs（"低剂量"由此而来）
时间点	15 人 × 3 点（0/90/180 min）＋ 15 人 × 6 点（＋360/540/720 min）
分割	37 组织（13 腹部器官＋20 骨段＋皮下/内脏脂肪＋腰大肌＋骨骼肌），MOOSE 自动生成，NIfTI
支撑论文	J Nucl Med 2022;63(12):1941-1948（MOOSE120 工具论文，doi:10.2967/jnumed.122.264063）
许可	图像受限（TCIA Restricted / NIH Controlled，需审批）｜分割＋临床数据 CC BY 4.0
获取	CT 走 NBIA Data Retriever + 受限许可；分割/临床数据可直链下载
最易混淆	pedi-cranial-ct-healthy（rid 956，儿童颅脑）、healthy-brain-network（rid 245，儿童脑）——本条目是成人全身 CT
库内互链	TCIA（rid 547）、AutoPET 系列（468/634/678）、AbdomenCT-1K（rid 402）、心肺分割金标准（rid 610）

Healthy-Total-Body-CTs 是一个"把正常人体拍成标尺"的数据集：它不做诊断、不标病灶，只把 30 名健康成年人在最先进的全身 PET/CT 系统（uEXPLORER）上从头到脚扫一遍低剂量 CT，再用 AI 把 37 种组织（从肝脏到每一节椎骨、从皮下脂肪到腰大肌）逐层分割出来，最后配上一张包含年龄、性别、身高、体重、BMI 的人口学表。它的价值不在于"多"，而在于"正常"——当你要回答"这个人的肝脏比同龄人大了多少"“这个分割算法在正常解剖上准不准”"低剂量 CT 能把结构还原到什么程度"时，你需要一个没有病灶干扰的参照系，而这就是它提供的。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意 CT 图像走受限审批，分割与临床数据才是 CC BY 4.0 直链，别混。
2. 关心"normal reference"口径：直奔 §2 人群与 §4 分割体系——30 人的单机构队列如何被当作正常参考，边界在哪里。
3. 做全身分割或放射组学：直奔 §5 任务面与 §10 避坑——尤其是 NIfTI 与 DICOM 的方向对齐坑（坑 4）。

§0 导读：这个数据集解决什么问题

医学影像 AI 有一个隐蔽的悖论：绝大多数公开数据集都是病人的——病灶、异常、罕见形态。模型在病灶上训练、在病灶上评测，久而久之，它学会的是"识别异常"，却从未被系统地告诉过"什么是正常"。当任务从"找出肿瘤"转向"判断这个器官是不是偏大"“这个分割在健康人身上是否稳定”"低剂量扫描重建出的解剖是否可信"时，稀缺的恰恰是正常人群的参考数据。

Healthy-Total-Body-CTs 的回答是：把正常人的全身解剖拍下来、标出来、编上号。它由 UC Davis 的 EXPLORER 项目组贡献——该团队拥有全球最早投入运行的 uEXPLORER 全身 PET/CT 系统之一，能一次覆盖整个人体。30 名健康成人（14 男 / 16 女，平均 47 岁）在这台机器上接受了 PET/CT 检查，团队把其中的低剂量 CT单独整理发布，并用自研的全身分割工具 MOOSE 生成 37 组织的语义分割，连同人口学信息一起托管在 TCIA。

这个数据集有三层设计意图。第一层是正常解剖的数字化标尺：37 组织的分割让器官体积、脂肪分布、肌肉量可以被精确量化，为"正常范围"提供数据锚点。第二层是分割算法的试炼场：MOOSE 本身就是在包括这批数据在内的 50 例全身 CT 上训练和评测的，本集合既是它的产物也是它的公开验证面。第三层是多时间点纵向对照：同一批人有的扫 3 次、有的扫 6 次（跨越 3 小时到 12 小时），为研究"同一人短时间内解剖结构的可复现性"提供了罕见素材。

需要立刻说清的边界：这不是挑战赛，没有排名；样本只有 30 人且全部来自单一机构与单一扫描系统；CT 图像因涉及面部重建风险而受限访问，只有分割与临床表是开放的。它是一把精确但尺码单一的标尺——合用它的场合很明确，误用它的方式也很明确。

§0 读法三则：

1. 这个条目是"正常参考队列 + 分割算法产物 + TCIA 混合许可样本"三合一：数据小但设计清晰，读法要围绕"正常"二字展开（§2、§4）。
2. 全文硬数字以 TCIA 集合页为主锚（30 受试 / 111,778 图像 / 59.06GB），人群统计来自支撑论文 JNM 2022——两处来源不同，引用时需分流（§9 存照 3）。
3. 检索时若把 “Healthy-Total-Body-CTs” 误当作"儿童颅脑正常 CT"或"脑网络数据集"会撞到库内另两条目（pedi-cranial-ct-healthy rid 956、healthy-brain-network rid 245）——本条目是成人全身 CT（坑 1）。

§1 数据集速览：十问十答

Q1：Healthy-Total-Body-CTs 的"30 名健康成人"是怎样的群体？
30 名志愿受试者，全部为健康成人、年龄 ≥18 岁、能签署书面知情同意。据支撑论文（JNM 2022）披露：14 名男性、16 名女性，平均年龄 47 ± 13 岁。集合页还提供每位受试者的年龄、性别、体重、身高与 BMI，但逐例数值需下载临床数据 XLSX 才能查看。

Q2：图像是怎么采的？
在 UC Davis 的 uEXPLORER 全身 PET/CT 系统上采集。uEXPLORER 的 CT 子系统是 80 排、160 层，重建矩阵为 512×512×828，体素尺寸 0.9766×0.9766×2.344 mm³。CT 在 PET 采集之前立即获取，用于解剖成像与 PET 衰减校正。

Q3："低剂量"低在哪？
关键在两次不同的扫描参数：90 分钟时间点用 140 kVp / 平均 50 mAs（标准剂量，用于高质量解剖与衰减校正）；其余所有时间点（0、180、360、540、720 分钟）用 140 kVp / 平均 5 mAs——只有前者的十分之一。10 倍剂量差让这个集合天然成为"低剂量 vs 标准剂量"配对的对照素材。

Q4：为什么要扫不同时间点？
因为受试者做的是动态 PET/CT。15 人只扫 3 个时间点（注射示踪剂后 0、90、180 分钟，3 小时内）；另 15 人扫 6 个时间点（额外 360、540、720 分钟，跨 12 小时）。时间点用 Series Description DICOM 标签标明，取值为 ‘dyn’、‘90min’、‘3hr’、‘6hr’、‘9hr’、‘12hr’。

Q5：数据集里有 PET 吗？
没有。集合页明确写"Currently, only CT images are included in the data set from either three or six timepoints"——受试者做的是 PET/CT，但本集合只发布 CT 图像与组织分割，PET 影像不在其中。检索时别假设这里能拿到 FDG 分布。

Q6：37 组织具体指什么？
13 个腹部器官（肝、脾、双肾、胰、胃、胆囊等）、20 个骨段（颅骨、椎骨、骨盆、四肢骨等）、皮下脂肪、内脏脂肪、腰大肌、骨骼肌——合计 37 类。分割以 NIfTI 格式提供，并附一份器官值对照表（key）说明各组织标签值。

Q7：分割是谁做的？
MOOSE（Modularized whole-body segmentation），UC Davis / QIMP-Team 开源的全身 AI 分割工具，论文中称 MOOSE120，基于 nnU-Net 框架、采用"data-centric"迭代增强策略。分割自动生成——不是逐像素专家手标。专家委员会（4 名医师 + 4 名医学生）的手工分割用于 MOOSE 的训练与评测集，理解本集合分割的精度上限要回到论文的训练数据构成。

Q8：分割是对每个时间点都做了吗？
不是。分割只在 90 分钟时间点为每位受试者自动生成。也就是说，多时间点的 CT 是完整的，但带分割的只有 90 分钟这一档。做纵向分割稳定性研究时要注意这个不对称。

Q9：我现在能立刻拿到什么？
分三层：CT 图像（DICOM，59.06GB）需走 TCIA 受限许可 + NIH 受控访问审批，用 NBIA Data Retriever 下载；37 组织分割（NIfTI，108.7 mb）与临床/人口学数据（XLSX，14.09 kb）是 CC BY 4.0 公开直链，可直接下载。

Q10：为什么它对 AI-Ready 重要？
它提供了一个"正常参考"的稀缺范式，并且是混合许可的典型样本：同一集合内，图像因隐私风险受限、而衍生的分割与元数据完全开放。这种"敏感原始层收紧、结构标注层放开"的设计，让它在无法获取原始图像的条件下仍能支撑分割评测与方法研究——是本库可获取性光谱上一个值得单独记一档的形态。

§2 数据构成与规格

2.1 规模：小而完整的一个"正常样本"

Healthy-Total-Body-CTs 的核心规模数字如下（三源一致，唯一例外见 §9 存照）：

指标	数值
受试者（Subjects / Patients）	30
Studies	135
Series	135
图像数（Images）	111,778
总大小	59.06 GB
分割包大小	108.7 mb（NIfTI + XLSX + ZIP）
临床数据大小	14.09 kb（XLSX）
物种 / 部位	Human / Whole body（全身）
模态	CT

一个直觉换算：111,778 张图像 ÷ 135 个 series ≈ 每 series 约 828 张断层——这正好对应重建矩阵的深度维（512×512×828）。也就是说，每个 series 大致就是一次完整的全身 CT 扫描，828 层从头覆盖到脚。30 名受试者、135 次扫描，平均每位受试者约 4.5 次——与"15 人扫 3 次、15 人扫 6 次"（合计 45 + 90 = 135 次）完全吻合。这是理解该数据集结构最重要的一个一致性检查：135 studies = 30 人各一次 PET/CT 检查里的多个时间点扫描。

2.2 采集规格

属性	规格
扫描系统	uEXPLORER 全身 PET/CT（United Imaging Healthcare）
CT 子系统	80 排、160 层
重建矩阵	512 × 512 × 828
体素尺寸	0.9766 × 0.9766 × 2.344 mm³（层厚约 2.34 mm）
管电压	140 kVp（所有时间点一致）
管电流	90 分钟点：平均 50 mAs；其余时间点：平均 5 mAs
采集时机	CT 在 PET 采集之前立即获取
成像用途	解剖成像 + PET/CT 衰减校正

注意体素各向异性：面内 0.98 mm、层间 2.34 mm（约 2.4 倍差）。做三维分割、体积测量或放射组学时，这个非等向采样会直接影响各向异性纹理特征的计算——它不是各向同性体数据，任何跨层操作都要意识到层厚偏大的事实。

2.3 时间点结构：一个天然的剂量对照实验

30 名受试者被分成两组：

组别	人数	时间点	跨度	剂量档
短程组	15	0 / 90 / 180 min（3 点）	3 小时	90 min 为 50 mAs，其余 5 mAs
长程组	15	0 / 90 / 180 / 360 / 540 / 720 min（6 点）	12 小时	同上

时间点由 Series Description DICOM 标签标明，取值集合为 dyn、90min、3hr、6hr、9hr、12hr，对应 PET 示踪剂注射后的延迟。

这套设计带来了两个可被挖掘的结构：

1. 剂量配对：同一名受试者、同一天内，既有 50 mAs 的标准剂量扫描（90 min），又有 5 mAs 的低剂量扫描（其他点）——天然的"低剂量 vs 标准剂量"配对样本，可用于去噪/重建算法的同人对照评估。
2. 纵向可复现性：同一个人在 3 到 12 小时内被反复扫描，可用于考察"重复扫描间解剖结构的位置与形态漂移"，或研究示踪剂代谢期体位变化对图像的影响。

但要清醒：分割只在 90 分钟点生成（§4），其它时间点只有原始 CT——纵向分割研究需要自己补齐分割。

2.4 与库内"正常人群"条目的辨析

本库已有多个"healthy / 正常人群"条目，辨析清楚是引用本条目的前提：

条目	rid	人群	影像域	与本条目关系
Healthy-Total-Body-CTs	（本条）	健康成人	全身 CT	解剖影像、正常参考
pedi-cranial-ct-healthy	956	健康儿童	颅脑 CT	部位正交（头 vs 全身）、年龄正交
healthy-brain-network	245	儿童青少年	脑 MRI/网络	影像域正交（脑网络 vs 全身解剖）

一句话记忆：本条目 = 成人 + 全身 + CT。三者唯一的共性只是"正常/健康"这个人群标签，任务、模态、解剖范围都不同。检索"healthy"命中多条时，务必先看部位与模态。

§3 采集语境：uEXPLORER 与 EXPLORER 项目

3.1 为什么要用全身 PET/CT

uEXPLORER 是 EXPLORER 项目（UC Davis 与 United Imaging Healthcare 合作）的旗舰系统，其最大特点是轴向视野足以一次覆盖整个人体（约 2 米），无需像传统 PET/CT 那样分段移动床、多次拼接。对这个数据集的意义是：

• 一次扫描覆盖头到脚：这是"全身 CT"名副其实的前提——单次扫描即 828 层，无需拼接缝合（stitching），避免了分段扫描常见的接缝伪影与重复曝光。
• 极低剂量可行：全身一次覆盖使得在低剂量下也能保持足够的统计量，10 倍剂量差（50 vs 5 mAs）的对照才有实用价值。
• 解剖与功能同机配准：CT 与 PET 同机、同次、无移位，配准误差最小——这也是它作为 PET 衰减校正与解剖参考的天然优势。

3.2 贡献链：从项目到集合

数据的流转路径清晰可追：

1. 采集：UC Davis 在 uEXPLORER 上对 30 名健康志愿者做动态 PET/CT（研究对象为 PET 示踪剂动力学，CT 是其伴生产物）。
2. 分割研发：MOOSE 团队用包括这 30 例在内的 50 例全身低剂量 CT 训练全身分割模型（见 §4.3）。
3. 整理发布：团队把低剂量 CT、37 组织分割、人口学表打包，2023-09 首次托管于 TCIA。
4. 迭代维护：2024-09、2026-09 两次版本更新，修正元数据与分割文件命名（§6.4 版本链）。

理解这条链很重要：这批 CT 最初是为 PET 研究采集的副产品，不是为"构建正常 CT 参考库"专门设计的前瞻队列。这解释了为什么样本只有 30 人、为什么强调动态时间点、为什么 PET 不在发布范围内——它是"研究副产品的二次整理"，而非"从头设计的参考数据集"。这一性质既是它的局限，也是它序列结构独特（多时间点、剂量配对）的由来。

3.3 机构与资助

角色	实体
采集/贡献机构	University of California, Davis（UC Davis）
托管发布平台	The Cancer Imaging Archive（TCIA）
支撑论文团队	UC Davis（Badawi / Nardo / Cherry / Spencer）+ 维也纳医科大学（Hacker / Beyer）
资助	NIH R01 CA206187（NCI / NIBIB / 主任办公室）、R01 CA249422

§4 分割体系：37 组织与 MOOSE

4.1 37 组织的构成

分割的组织体系共 37 类，分四个功能组：

组别	数量	内容
腹部器官	13	肝、脾、双肾、胰腺、胃、胆囊、膀胱等腹部脏器
骨段	20	颅骨、颈椎/胸椎/腰椎、骨盆、股骨、肱骨等骨骼分段
脂肪	2	皮下脂肪（subcutaneous fat）、内脏脂肪（visceral fat）
肌肉	2	腰大肌（psoas muscle）、骨骼肌（skeletal muscle）

这套体系的设计意图是"可量化的全身成分分析"：13 器官支撑器官体积/功能评估，20 骨段支撑骨骼与骨髓研究，脂肪与肌肉支撑身体成分（body composition）分析。对肿瘤影像的延伸意义在于——化疗患者的肌肉/脂肪消耗（恶病质）评估、器官体积随病程的变化，都需要这样一套稳定的全身分割基线。

4.2 分割格式与方向陷阱

属性	规格
格式	NIfTI（.nii / .nii.gz）
生成时间点	仅 90 分钟时间点
说明文件	Segmentation Organ Values spreadsheet（XLSX，含各组织标签 key）
官方警示	NIfTI 可能需重新定向才能正确匹配 DICOM 格式的 CT 图像

最后一条是复用时最容易踩的坑：集合页原文写分割"may need to be re-oriented to correctly match the CT image data in DICOM format"。NIfTI 与 DICOM 采用不同的坐标系约定（RAS vs LPS 等），方向矩阵若不一致，分割掩码会与 CT 出现镜像或转置错位。任何把分割叠回 CT 做可视化或体积计算的流程，第一步都应是核对 affine 与方向，而不是直接相叠。

4.3 MOOSE：分割是怎么来的

MOOSE（Modularized whole-body segmentation）是 UC Davis / QIMP-Team 开源的全身分割工具，其方法学论文即本集合推荐的支撑文献（JNM 2022;63(12):1941-1948，doi:10.2967/jnumed.122.264063）。要点：

• 框架：基于 nnU-Net（当时最先进的分割框架）。
• 数据驱动（data-centric）：与"固定数据调模型"相反，它固定模型、迭代增强数据——随着新数据表现出与训练集不同的特征，就重新训练以提升性能。
• 工具命名：论文中称 MOOSE120（与其组织类数相关）。
• 开源：代码与模型在 GitHub（QIMP-Team/MOOSE）公开。

关键理解：本集合中的 37 组织分割是 MOOSE 自动生成的，不是专家逐像素标注的。专家委员会的手标（4 医师 + 4 医学生）用在了 MOOSE 的开发阶段。因此：

1. 本集合分割携带 MOOSE 的模型误差，不同器官的精度可能差异很大（大而边界清晰的器官通常好，小而模糊的器官或骨段边界可能退化）。
2. 若你的任务是把本集合当"分割金标准"来评测你的模型，需意识到它本身是 AI 产物——它不是 ground truth，而是"一个强基线模型的输出"。真正的手工金标准在 MOOSE 论文的评测集里，未在本集合单独发布。

4.4 MOOSE 的训练数据构成（理解精度上界）

MOOSE 论文披露了其分割模型的训练与评测数据，这决定了本集合分割的精度上限：

用途	数据	构成
非脑结构训练/评测	50 例全身低剂量 CT	30 例健康志愿者（uEXPLORER）+ 20 例患者（Siemens TruePoint TrueView）
├ 训练	40 例	50 例中的 40 例
└ 测试（hold-out）	10 例	50 例中的 10 例
脑结构训练/评测	34 例 ¹⁸F-FDG PET/MRI	10 例测试-重测健康对照 + 14 例非病灶癫痫患者

这里有一个耐人寻味的重叠：MOOSE 训练用的 30 例健康志愿者 uEXPLORER CT，与本集合的 30 名受试者高度可能为同一批（同为 uEXPLORER、同为健康志愿者、同为 30 例）。若确实同源，则本集合的分割本质上是 MOOSE 在（很可能是）自身训练/开发数据上的输出——分割质量可能偏乐观，跨系统泛化性能未必能从此集合直接推断。集合页未做显式绑定声明，此点存照为遗留疑点（FACTS §9 存照 3）。

4.5 分割的评估视角

论文对非脑分割的评测在 10 例 hold-out 上进行，采用 Dice 等分割指标（具体数值以论文正文表格为准，本条目不逐一转述以免口径失真）。对本集合使用者的实用结论：

• 不要默认 37 类同等可靠：骨段（20 类）由医学生标注、数量多且部分骨段细小，边界不确定性大；腹部大器官（肝、脾、肾）通常最稳。
• 脂肪/肌肉用阈值法：论文明确皮下脂肪、内脏脂肪、骨骼肌用既定阈值法勾画，而非手工逐像素——它们的"正确性"取决于阈值假设，对个体差异敏感。
• 器官值对照表必读：集合附带的 segmentation organ values spreadsheet 给出每个标签值对应的组织名，缺失这张表会导致标签语义错配（把"肾"读成"肝"）。

§5 任务面与使用场景

5.1 可做的五类任务

任务类型	说明	为什么本集合合适
全身多器官分割	训练/评测 37 类语义分割模型	唯一稳定的全身 37 类参考之一
正常解剖参考值	器官体积、脂肪/肌肉量的正常分布	无病灶干扰的健康人群
低剂量 CT 重建/去噪	5 mAs vs 50 mAs 同人配对	天然剂量对照（§2.3）
纵向/重复扫描稳定性	同人多时间点解剖漂移	3-12 小时重复扫描
PET/CT 衰减校正研究	CT 用于 AC 的解剖基础	同机配准、全身覆盖

5.2 不该做的三类任务

1. 拿它当疾病诊断训练集：它全是健康人，没有病灶标签。想在它上面训练"找肿瘤"是不可能的。
2. 拿它当人口级正常参考：30 人、单机构、单设备，统计代表性极弱。它可以做"方法参照"，不能做"流行病学参照"。
3. 拿它的分割直接当金标准评模型：分割是 AI 生成的（§4.3），会系统性偏袒与 MOOSE 同族的模型。

5.3 数据字典（示意，以官方 organ values 表为准）

字段/层	类型	语义
CT DICOM	图像（512×512×828）	低剂量全身 CT 断层
Series Description	DICOM 标签	时间点：dyn / 90min / 3hr / 6hr / 9hr / 12hr
Segmentation NIfTI	标签体数据（37 值）	37 组织语义掩码
Organ Values XLSX	表	标签值→组织名映射（key）
Clinical XLSX	表	年龄/性别/体重/身高/BMI（逐例）

重要提醒：上表中的字段类型与取值范围以官方下载包内的 organ values 表与临床表为最终依据；本条目未逐格核对 XLSX 内容，自动化管线请以官方文件为准（FACTS §9 遗留疑点 2）。

§6 获取与许可：一个混合许可样本

6.1 三层资产、两档许可

本集合最需要在动手前搞清楚的是它的许可分层——同一集合内不同资产适用不同规则：

资产	格式	大小	许可	获取方式
CT 图像	DICOM	59.06 GB	TCIA Restricted License / NIH Controlled Data Access Policy	签受限许可协议 → 提交申请 → 审批 → NBIA Data Retriever 下载
37 组织分割	NIfTI + XLSX + ZIP	108.7 mb	CC BY 4.0	公开直链下载
临床/人口学数据	XLSX	14.09 kb	CC BY 4.0	公开直链下载

一句话记忆：图像受限、分割与临床开放。

6.2 为什么图像受限：面部隐私

集合页给出的受限理由是明确的隐私考量：原文写"Some data in this collection contains images that could potentially be used to reconstruct a human face"——全身 CT 覆盖头部，高分辨率断层理论上可用于重建人脸。为保护受试者，TCIA 把这类图像纳入受控访问，要求研究者签署受限许可协议（TCIA Restricted License Agreement）并提交至 help@cancerimagingarchive.net，由 NIH 受控数据访问流程审批。

这不是针对本集合的特殊规定，而是 TCIA 对含头面部影像集合的通用政策。对本集合使用者的含义：

• 你不能直接 wget/curl 拿到 59GB 图像，必须先过审批。
• 审批通常需要机构信息、研究用途说明、数据管理计划。
• 分割与临床数据因为有此脱敏处理（分割只含组织标签、不含面部可重建信息），所以可以放开为 CC BY 4.0。

6.3 下载工具与路径

资产	下载方式
CT DICOM	NBIA Data Retriever / TCIA Data Retriever（官方推荐）；清单文件 GC_manifest_Healthy-Total-Body-CTs_20260326.csv
分割	直链 .zip（NIfTI + organ values XLSX）
临床数据	直链 .xlsx

官方还提供 Data Commons / NBIA Search 入口（general.datacommons.cancer.gov），可按研究（study）筛选下载。做自动化管线时注意：图像必须经 Data Retriever，不要试图绕过；分割与临床数据则是标准 HTTP 直链，可直接纳入脚本。

6.4 版本链：三次迭代

本集合自 2023 年首发以来经历三次版本，是一条清晰的"元数据打磨"轨迹：

版本	日期	主要变更
Version 1	2023/09/21	首发
Version 2	2024/09/27	①同一患者全部扫描归并到同一天（日期改写以反映此点）；②所有日期统一为 2022/06/19（原始日期已被修改、与真实采集/创建日期无对应）；③日期时间中的时间保留原值；④同一患者全部数据归入同一 study（原为一个时间点一个 study、单患者多 study）；⑤缺失的年龄/性别补入元数据；⑥临床表修正（患者 ID 对齐元数据、身高列单位由 cm 更正为 m）
Version 3	2026/09/23	修正 NIfTI 分割文件名以匹配 DICOM 图像

这条版本链本身是这个数据集的一个"知识点"：

• 版本 2 修正了一个结构性缺陷：初版把每个时间点当一个 study，导致单患者有多个 study、纵向索引混乱。修正后"同一患者同一 study"，纵向分析才顺理成章。这解释了为什么早期使用者会抱怨"找不到同一人的时间序列"。
• 日期被真正打乱：集合明说日期数据全部改为虚构的单一日期、与真实采集日期无对应关系。想做"季节对解剖的影响"这类研究在此数据上不可能——时间信息被刻意去标识化。
• 单位笔误：身高列标题曾把"米(m)“错标为"厘米(cm)”，版本 2 更正。任何从旧版抓过临床表的历史分析，身高/BMI 可能整体错误——引用时务必确认版本。
• 版本 3 只动了文件命名：分割文件名与 DICOM 对齐，属于易用性修补，数据内容未变。

6.5 引用规范

TCIA 要求强制引用数据 DOI，规范引用（Version 3 口径）为：

Selfridge, A., Spencer, B., Shiyam Sundar, L., Abdelhafez, Y., Nardo, L., Cherry, S., Badawi, R. (2023). Low-Dose CT Images of Healthy Cohort (Healthy-Total-Body-CTs) (Version 3) [dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/nc7z-4f76

注意两点：① 作者列表在不同版本略有差异（Version 3 简写为 Selfridge…Badawi；旧版含 A. R. Selfridge、L. K. Shiyam Sundar 等全名缩写），引用时按你用的版本；② 年份统一为 2023（首发年），但版本号要写明——同一 DOI 下三个版本，不写版本号会造成歧义。

6.6 AI-Ready 检查单

以库内 AI-Ready 检查单过一遍：

• 机器可读元数据：✅ TCIA 页面 + DataCite DOI + NBIA digest + 器官值表——元数据完备。
• 公开直链：⚠️ 分割与临床数据可直链；CT 图像无公开直链（受限审批）——AI-Ready 最大失分项。
• 许可明确性：✅ 分层明确（受限 / CC BY 4.0），且受限理由（面部隐私）清楚。
• 可复现性：⚠️ 分割与元数据可复现；原始图像复现依赖审批通过。
• 文档自洽：⚠️ 存在 Studies 计数双口径与大小四舍五入口径（§9 存照），不影响主线。

综合：AI-Ready 等级"中"——元数据与标注层质量高、许可清晰；可获取性被图像受限拖低。它的价值在于展示了"敏感原始层收紧、结构标注层放开"的可行折中（§6.7）。

6.7 与库内可获取性光谱的对照

档位	库内参照	本条目对应
注册墙/受控审批（最严）	LMC2（rid 531，注册+审批）	CT 图像本体
请求制	若干 upon request 型	—
平台托管	Zenodo 型	—
公开直链	HF/Zenodo 直链型	分割（CC BY 4.0）+ 临床数据

本条目在光谱上的独特之处：它把"同一集合"劈成了两档——隐私敏感的原始图像落最严档（受控审批），而衍生的结构标注（分割）与元数据落最开放的直链档（CC BY 4.0）。这带来一个实际后果：即便你拿不到 CT 图像，你仍能拿到完整的 37 组织分割与器官值表，足以支撑"分割算法评测"“标签体系研究”"器官体积方法学"等任务。这种"原始收紧、标注放开"的分层开放策略，是本条目相对"全受限"或"全开放"集合的独特生态位。

§7 生态与影响

7.1 在全身影像数据集景观中的位置

数据集	模态	规模	定位	与本条目差异
Healthy-Total-Body-CTs	全身 CT	30 受试 / 111,778 图	健康正常参考	无病灶、单人群体
AutoPET 系列（468/678/634）	全身 PET/CT	千例级	病灶分割挑战赛	含肿瘤病灶、比赛导向
AbdomenCT-1K（rid 402）	腹部 CT	~1000 例	腹部多器官分割基准	覆盖腹部、含病灶与多机构
心肺分割金标准（rid 610）	胸 CT	小规模	手工金标准	仅胸腔、专家手标

定位一句话：在"全身 + 无病灶 + 带分割"这个交叉上，本条目是罕见的小而精确的存在。AutoPET 系列规模更大但聚焦病灶，AbdomenCT-1K 覆盖腹部但非全身、非纯健康——本条目独占"全身正常解剖 + 37 组织分割"的生态位。

7.2 与 MOOSE 工具生态的绑定

本条目不是孤立的数据集，而是 MOOSE 工具体系的公开产物面：

• MOOSE 论文（JNM 2022）是本集合官方推荐的唯一"补充信息来源"。
• 本集合的分割就是 MOOSE 生成的。
• 反向地，本集合也是 MOOSE 能力的一个公开验证窗口——想看 MOOSE 在真实的全身低剂量 CT 上表现如何，本集合是官方给出的入口。

这种"数据集与工具互证"的关系意味着：引用本集合的分割，等于间接引用了 MOOSE。若 MOOSE 未来推出新版本（集合页提到 MOOSE 的迭代特性），本集合的分割可能随之更新——这是维护触发点之一。

7.3 社区再利用

DOI 页面（DataCite Commons）记录 5 次引用、13.7k 次查看（抓取时点 2026-10-09），说明它已被社区使用。可观察到的再利用方向包括：

• 3D 解剖可视化：如 GitHub 上的开源项目（maryam305/3D_Organs_visualization）用其做 3D 器官可视化，属于教育与研究用途。
• 分割算法参照：作为全身分割的公开验证面。
• 低剂量重建研究：剂量配对结构（§2.3）吸引去噪/重建研究。

需要说明：相比头部挑战赛数据集，本集合的引用量不算高——这与它的定位（参考资源而非竞赛平台）和规模（30 人）一致。它更像"工具书"而非"擂台"。

7.4 对正常参考类研究的范式意义

本集合代表了一类被低估但必要的数据：正常对照队列。在临床 AI 里，“正常"往往被假设为"没有标签即为正常”，缺乏显式的正常数据。本集合把这层隐含假设显式化——它不提供疾病标签，而是提供健康结构的精确解剖定义。这对以下方向有直接价值：

• 异常检测：有了正常解剖分布，才谈得上"偏离正常"的量化。
• 器官体积参考：移植、肿瘤、代谢病研究中"器官是否异常增大"的判据。
• 身体成分：肌肉/脂肪量化在肿瘤恶病质、代谢综合征中的基线。

范式上的启示是：正常数据不是"没有数据"，而是"另一种数据"；把它当作独立资源收集与标注（而非病灶研究的附带产物），才能支撑以"正常"为核心的任务。

§8 方法学启示：三条可迁移的经验

8.1 研究副产品的二次整理有独特价值

本集合的 30 例 CT 最初是 PET 动力学研究的伴生产物，不是为"正常 CT 参考库"专门设计的。但团队把它二次整理——加分割、加人口学、规范元数据、托管 TCIA——就产出了一个有独立价值的数据资源。启示：大量实验室已有"为 A 目的采集、对 B 目的有价值"的沉睡数据，二次整理（补标注、补元数据）的成本远低于重新采集，是数据资源化的高性价比路径。

8.2 分层许可能让敏感数据"部分可用"

面对含隐私风险的原始数据（如含头面部），常见做法是全封闭或全开放二选一。本集合给出了第三条路：原始层收紧（受控审批）、标注层放开（CC BY 4.0）。这让无法获取原始图像的团队仍能使用其结构与标注——把"能开放的部分尽量开放"。这一模式对处理面部/全身等敏感影像的数据集有直接借鉴意义。

8.3 自动分割进数据集要标清"谁生成的"

本集合把 AI 生成的分割（MOOSE）与原始图像一起发布，但明确标注了分割的来源与生成方式。这一点极为关键：使用者必须知道这是模型产物而非金标准，否则会拿 AI 输出当 ground truth 去评测自己的 AI，陷入循环论证。任何发布带自动标注的数据集，都应像本集合一样把"标注从哪里来"写到最显眼处。

§9 存照与待核

9.1 双口径冲突存照

#	项目	口径 A	口径 B	处理
1	Studies 计数	集合页 Data Access 表：Studies = 30	Wiki Image Statistics：Number of Studies = 135（Series 亦 135）	正文以受试者 30 / 图像 111,778 / 59.06GB 为主锚，Studies 双口径并存注明
2	总大小	集合页：59.06GB	清单文件名：58.95gb；Wiki：59GB	正文按 59.06GB（集合页主口径），三口径并注
3	性别/年龄	TCIA 集合页：仅说明"提供"未给数值	JNM 论文：14 男/16 女，47±13 岁	正文采论文口径并注明来源为论文
4	CT 图像许可表述	集合页 Version 3 表头：NIH Controlled Data Access Policy	旧 Wiki 页：TCIA Restricted License	二者同属受控体系的不同表述，正文统一"TCIA 受限/NIH 受控"并注来源差异
5	分割方向	集合页：NIfTI 可能需重新定向（re-oriented）以匹配 DICOM	—	作为坑点（坑 4）记录，非双口径但高风险

9.2 遗留疑点

1. PET 影像去向：集合页明示"currently, only CT images are included"，30 例受试者的 PET 影像是否在别处发布未查证。
2. 临床逐例数值：年龄/性别/体重/身高/BMI 的逐例数值需下载 XLSX 才能核实，本条目仅存锚点，未逐格核对。
3. MOOSE 训练集与本集合是否同源：论文的 30 例健康志愿者 uEXPLORER CT 与本集合 30 例高度疑似同源，但集合页未显式绑定，按"疑似同源、未确认"存照——若同源，本集合分割质量可能偏乐观。
4. 分割精度数值：MOOSE 论文的 hold-out Dice 等指标未逐一转述（避免口径失真），使用者需回原论文表格。

§10 避坑清单：八个已识别的坑

坑 1：别把它当成儿童颅脑或脑网络数据集。"Healthy"是本库的高频词，检索会同时命中 pedi-cranial-ct-healthy（rid 956，儿童颅脑 CT）与 healthy-brain-network（rid 245，儿童脑网络）。本条目是成人 + 全身 + CT——部位、年龄、模态三者都不同。仅凭 “healthy” 命中就引用的做法会导致张冠李戴。

坑 2：CT 图像不是公开直链，别为下载脚本写死 URL。集合页把 CT 图像标为受控访问（受限许可/审批），必须经 NBIA Data Retriever 并签署协议。分割与临床数据才是 CC BY 4.0 直链。把二者混为"可直链下载"会在自动化管线里直接失败。

坑 3：Studies/Series 计数双口径，别单取一个当事实。集合页 Data Access 表写 Studies = 30，而 Wiki Image Statistics 写 Number of Studies = 135 / Series = 135。正文以"受试者 30 / 图像 111,778 / 59.06GB"为主锚，Studies 存在 30 与 135 两个口径——自动化抓取脚本若依赖 Studies 字段，需明确取哪一版并容错。

坑 4：NIfTI 分割与 DICOM CT 可能方向不一致。集合页官方明示分割"NIfTI 可能需重新定向才能正确匹配 DICOM"。若直接把分割叠回 CT 计算体积或做可视化，方向错配会导致掩码镜像/转置、体积算错。复用第一步：核对 affine 与方向矩阵。

坑 5：分割是 AI 生成的，不是金标准。37 组织分割由 MOOSE 自动生成。拿它当 ground truth 去评测你的分割模型，尤其是在与 MOOSE 同族架构上，会得到虚高的结果。真正的手工金标准在 MOOSE 论文的评测集，未随本集合发布。记住它是一条强基线，不是真值。

坑 6：只有 90 分钟点带分割，其他时间点只有裸 CT。多时间点 CT 完整（3 或 6 点），但分割只在 90 分钟点生成。想做纵向分割稳定性研究，需自己为其他时间点补分割——这个不对称是最常见的误判来源。

坑 7：身高列曾把"米"错标为"厘米"（版本 2 才修正）。Version 1 的临床表把身高列标题单位写成 cm（实为 m）。若你从旧版抓过临床数据，身高与由此计算的 BMI 会整体离散。引用临床数据务必确认版本号（当前应为 Version 3）。

坑 8：年份口径统一为 2023，但版本号必须写明。DOI 与所有版本共享同一 DOI（10.7937/NC7Z-4F76）、同一首发年份 2023，但内容已迭代三次。引用时只写"2023"不写版本号会造成歧义；作者列表在不同版本也有细微差异。规范做法：注明版本号 + 引用日期。

§11 DAIMS 评估

以 DAIMS（Data & Analytics Interoperability Maturity Standard / 数据互操作成熟度）五维对本集合打分：

DAIMS 维度	评分	依据
D — Data Quality（数据质量）	高	单机构单系统采集，参数一致；三版本持续修正元数据缺陷；人群虽小但干净
A — Access（可获取性）	中低	图像受限（审批）；分割/临床 CC BY 4.0 直链——分层拉低综合档
I — Interoperability（互操作性）	高	DICOM（CT）+ NIfTI（分割）+ XLSX（表）均为标准格式；器官值表提供标签语义
M — Metadata（元数据）	高	DataCite DOI + TCIA 页面 + NBIA digest + 器官值表 + 临床表，元数据层次完整
S — Security/Privacy（安全与隐私）	高	对含面部重建风险的图像实施受控访问，符合 NIH 受控数据政策；日期去标识化

综合评级：中高。这是一份"数据质量与元数据优秀、隐私处理规范，但可获取性因审批而受限"的样本。它在 DAIMS 上的画像非常典型——质量维度拉分、可获取维度拖分，恰好反映了敏感影像数据在开放与保护之间的结构性权衡。

分层解读：

• 若你的评估只看"能直接拿到什么"→ 分割与临床数据使其达中高（结构化标注与元数据可直链）。
• 若你的评估要求"原始图像可直链"→ 因 CT 受限而降至中低。
• 综合仍给中高，因为它的受限是有理由、有替代路径（分割开放）、且合规的——比"无理由全封闭"或"有风险却全开放"都更成熟。

§12 与库内条目的关系

12.1 家族图谱

• tcia（rid 547）：直接父条目。本条目是 TCIA 总库下辖的一个具名集合——理解"TCIA 是什么、托管了什么"需先读 TCIA 条目，二者是父-子关系。
• autopet（rid 468）/ autopet-iii（rid 678）/ autopet-v（rid 634）：AutoPET 系列全身 PET/CT 分割挑战赛。与本条目同处"全身 PET/CT 多器官分割"生态，但 AutoPET 聚焦病灶分割、本条目聚焦正常解剖分割——一个判"异常"，一个判"正常"，互为镜像对照。
• abdomenct-1k（rid 402）：腹部 CT 多器官分割基准（约千例）。任务同族（CT 解剖分割），可对照"规模大、含病灶、多机构" vs "规模小、纯健康、单机构"两种取向。
• heart-lung-segmentations-data（rid 610）：心肺手工分割金标准。作为"专家手标金标准"的对照组——本条目分割是 AI 生成（坑 5），二者正好代表"人工金标准"与"模型输出"两种标注来源。
• chest-x-ray-segmentation（rid 601）/ chexmask-cxr-segmentation-data（rid 602）：胸片解剖分割家族，同属"解剖结构分割"任务谱系，但模态为 X 光、部位为胸。
• pedi-cranial-ct-healthy（rid 956）/ healthy-brain-network（rid 245）：关键消歧对照（坑 1）。三者共享"healthy/正常人群"标签，但分别是成人全身 CT、儿童颅脑 CT、儿童脑网络——本条目在"正常人群"家族里是唯一的全身 CT 代表。
• cohortx（rid 939）：队列研究/队列定义方向。本条目是一个"健康志愿者队列"的实例，可在队列研究语境中互引。

12.2 检索路径建议

• 检索词组合：“Healthy-Total-Body-CTs”（精确）+ “uEXPLORER” 或 “UC Davis”；勿只用 “healthy CT”（会撞儿童颅脑条目，坑 1）。
• 若目标是直接可用数据：先下 37 组织分割（CC BY 4.0 直链），再用它做方法学/评测；需要原始 CT 则走受限审批。
• 若目标是引用正常参考值：引 TCIA Data Citation（含版本号，坑 8）+ 支撑论文 JNM 2022。
• 若目标是全身分割基线：引 MOOSE 论文的 hold-out 指标，并注明本集合分割为 MOOSE 输出（坑 5）。

§13 总结

13.1 三句话总结

1. Healthy-Total-Body-CTs 是 TCIA 上由 UC Davis uEXPLORER 采集的 30 名健康成人全身低剂量 CT 库（111,778 图 / 59.06GB），配 37 组织自动分割与人口学表。
2. 它的独特价值在"正常参考"——无病灶的健康解剖被精确定义，为器官体积、身体成分、分割算法与低剂量重建研究提供基线。
3. 它采用分层许可（图像受限、分割与临床 CC BY 4.0），是敏感影像"原始收紧、标注放开"的可行范式样本。

13.2 适合谁

• 全身/多器官分割团队：需要一个正常解剖的分割参照与评测面。
• 低剂量 CT 重建/去噪研究者：剂量配对结构是天然的对照素材。
• 身体成分与器官体积研究者：脂肪/肌肉/器官的量化基线。
• 数据集工程研究者：分层许可 + 研究副产品二次整理是活的案例。
• 异常检测研究者：需要"正常"的数据定义来界定"偏离"。

13.3 不适合谁

• 需要大量疾病样本的训练团队（全为健康人，无病灶标签）。
• 需要人口级正常参考的流行病学研究（30 人、单机构、单设备，代表性弱）。
• 需要原始图像即用直链的团队（图像受限，须走审批）。
• 需要把分割当金标准的评测者（分割是 AI 生成，会偏袒同族模型，坑 5）。

13.4 30 秒决策卡

你的情况	行动
要立刻下点东西跑通	下 37 组织分割（CC BY 4.0 直链）+ 临床 XLSX（§6.1）
要原始 CT 图像	签 TCIA 受限许可 → 提交 help@cancerimagingarchive.net → NBIA Data Retriever
要做低剂量重建	用 90 min（50 mAs）vs 其他点（5 mAs）的同人配对（§2.3）
要全身分割基线	引 MOOSE 论文 hold-out 指标；注意本集合分割是 MOOSE 输出（坑 5）
要纵向分割研究	先为 90 min 以外的时间点补分割（坑 6）
要引用本数据集	TCIA Data Citation，必须写版本号（坑 8）

§14 深入解读：低剂量 CT 的技术语境

14.1 为什么全身 CT 要谈剂量

CT 的电离辐射剂量与管电流（mAs）近似成正比。传统诊断 CT 追求图像质量，剂量较高；但全身 CT 覆盖范围大，若按诊断剂量反复扫描，累积剂量可观。uEXPLORER 上的这批受试者需要在 3 到 12 小时内被扫描 3 至 6 次，且采集目的是 PET 示踪剂动力学研究（CT 是伴生产物），因此除作为高质量解剖与衰减校正基准的 90 分钟点外，其余时间点一律降到 5 mAs——这是"研究需求驱动的剂量优化"，而非"诊断质量优先"。

由此产生的直接后果：5 mAs 的低剂量 CT 噪声显著高于常规诊断 CT。本集合中的大部分时间点图像（约 135 次扫描中的绝大多数）都是低剂量档，它们的价值不在"清晰"，而在"同人、同时段的剂量对照"。研究者若拿这些图像直接做精细解剖测量，会受噪声限制；正确用法是把 50 mAs 档当质量参照、5 mAs 档当对照，量化剂量对下游任务（分割、体积、纹理）的影响。

14.2 80 排 160 层与 828 层重建的关系

一个容易被混淆的点：设备是"80 排 / 160 层"，但重建矩阵深度是 828 层。这两者不矛盾——排数/层数描述探测器几何（一次旋转覆盖的物理层数），而 828 是整个扫描（多个旋转、床进）累加重建出的总层数。828 层 × 2.344 mm/层 ≈ 1941 mm ≈ 1.94 米，正好是一个人从头顶到足端的长度。这从数值上再次印证了本集合的"全身"属性：单一 series 即覆盖完整人体。

14.3 体素各向异性对下游任务的影响

体素尺寸 0.9766 × 0.9766 × 2.344 mm³ 意味着层间分辨率只有面内分辨率的约 40%。具体影响：

• 各向异性纹理特征：放射组学中计算 3D 纹理（如 GLCM 的 13 方向）时，z 方向的采样粗糙会引入方向性偏差，需重采样到各向同性或明确限定方向。
• 层间插值失真：做矢状/冠状重建时，层间插值会平滑 z 方向细节，薄层结构（如椎间盘、小血管）可能失真。
• 体积测量的偏置：部分容积效应在 2.34 mm 厚层上更明显，小器官体积易被高估或低估。

这些不是缺陷，而是低剂量全身 CT 的固有特性——认识到它，才能正确解释任何基于本集合的定量结果。

§15 数据工程视角：元数据打磨的三次迭代说明了什么

15.1 从"多 study"到"单 study"：纵向可用性的关键修复

Version 2 最重要的一条变更是"同一患者全部数据归入同一 study"——初版把每个时间点当作独立 study，导致一名患者出现多个 study，纵向时间序列在标准 DICOM 层级下无法被自然分组。这一修复的本质是把数据模型的层级对齐到分析需求：纵向研究需要"患者 → 时间点"两层，而初版的"每个时间点一个 study + 另一套患者标识"让检索者必须手工拼接。

启示：数据集的价值不只在于采集了什么，还在于它的组织方式是否匹配目标任务。同一批像素，组织得当就是纵向数据集，组织混乱就是一堆散图。本集合的版本 2 是"元数据即功能"的教科书案例。

15.2 日期去标识化的代价

集合明说所有日期统一改为虚构的 2002/06/19，与真实采集日期无对应关系。这是隐私保护的标准做法，但代价是所有时间维度分析被切断：无法研究季节效应、无法关联外部时间事件、无法验证采集时序与临床记录的一致性。唯一保留的时间信息是"同一天内的时间点延迟"（通过 Series Description 的分钟/小时标记）。

启示：去标识化不是免费的，它在保护隐私的同时移除了数据的部分科学维度。使用者需在设计研究前确认"时间信息能否满足需求"。

15.3 文件名修正为何是"版本级"变更

Version 3 只是"修正 NIfTI 分割文件名以匹配 DICOM 图像"，看似细微，却值得单开一个版本。原因在于：文件名是程序接口。批量处理脚本常按命名规则匹配 CT 与分割，文件名不对齐会导致自动配对全部失败或错配（把 A 的分割配到 B 的 CT）。对大型集合，这种"小改动"实际决定了自动化管线能否开箱即用。这解释了为什么数据维护者会为命名一致性发版本。

§16 如何使用：三条典型工作流

16.1 工作流 A：正常解剖参考值提取

目标：得到 30 名健康成人各器官的体积分布，作为"正常范围"锚点。

1. 下载 37 组织分割（CC BY 4.0 直链，无需审批）。
2. 核对器官值表，建立"标签值 → 组织名"映射（§4.5）。
3. 用体素体积（0.9766 × 0.9766 × 2.344 mm³）乘以各标签体素数，得器官体积。
4. 结合临床表的身高/体重做体型归一化。
5. 注意：n=30，报告为"小样本参考"而非人口正常值。

16.2 工作流 B：分割算法评测

目标：在你的全身 CT 分割模型上，用本集合评测。

1. 先过审批拿 CT 图像（受限）。
2. 用本集合分割作为参照——但必须声明它是 MOOSE 输出、非金标准（坑 5）。
3. 若你的模型与 MOOSE 同族（如也用 nnU-Net），结果可能偏乐观，需谨慎解读。
4. 建议同时报告与"专家手标子集"的对照（若无，则明确局限性）。
5. 方向对齐先做（坑 4），否则几何错配会污染所有指标。

16.3 工作流 C：低剂量重建/去噪研究

目标：评估去噪算法在低剂量 CT 上的效果。

1. 用 90 分钟点（50 mAs）作为"高质量参照"，其他点（5 mAs）作为"低剂量输入"。
2. 同一受试者的配对消除了个体解剖差异这一混杂因素——这是本集合的核心优势。
3. 评估指标可用 PSNR/SSIM（对齐后）或下游分割 Dice。
4. 注意层厚与噪声的非均匀性，重建算法需针对 2.34 mm 层间特性调整。

§17 质量评估与信任建立

17.1 三个信任来源

• 来源可信：UC Davis + TCIA，均为业界公认的机构与平台。
• 流程透明：采集参数、设备型号、分割工具、版本变更全部公开。
• DOI 可追溯：DataCite 注册，可被永久引用与追踪。

17.2 三个需警惕的点

• 小样本：30 人不足以支撑人口级结论。
• 单设备：uEXPLORER 的成像特性（如极低剂量下的噪声模式）可能与常规 CT 不同，跨设备泛化未知。
• AI 分割：不是金标准（坑 5），且疑似在自身训练数据上评测（FACTS 遗留疑点 3）。

17.3 信任评级

综合来看，本集合"来源可信度高、透明度高，但规模与代表性有限、标注非金标准"。使用者应把它当作高质量的方法学参照与小样本正常基座，而非"权威正常值金标准"。

§18 与相邻技术方向的关联

18.1 与 AutoPET 系列的互补

AutoPET（rid 468/678/634）是全身 PET/CT 病灶分割挑战赛，特征是大规模、含病灶、比赛驱动；本条目是小规模、无病灶、参考驱动。二者在"全身影像 AI"这一大方向上互补：AutoPET 教你识别异常，本题教你定义正常。一个成熟的全身影像系统需要两者——既知道病灶长什么样，也知道健康基线在哪里。

18.2 与身体成分分析的关联

37 组织中的皮下脂肪、内脏脂肪、骨骼肌、腰大肌正是身体成分分析的四大核心指标。本集合提供了它们的分割与体积，可直接用于：

• 内脏脂肪面积与代谢风险研究
• 骨骼肌指数（sarcopenia 肌少症评估）
• 腰大肌指数（肿瘤患者预后相关指标）

这使本集合在肿瘤影像学之外，也与营养学、代谢病学、老年医学产生连接。

18.3 与放射组学标准化的关联

放射组学的一大痛点是"特征在不同扫描/重建参数下不可比"。本集合的剂量配对（50 vs 5 mAs）恰好可用于研究剂量对放射组学特征稳定性的影响——同一人、同一解剖，仅剂量不同，特征变化多少？这类"参数敏感性"研究对放射组学特征筛选与 harmonization 有直接价值。

§19 常见误用及其后果

误用	后果	正解
当作病灶数据集训练	模型学到的是正常解剖，无判别力	换用含病灶集（如 AutoPET）
当作人口正常参考	30 人单机构，结论不可外推	标明"小样本方法参照"
分割当金标准评模型	循环偏置，虚高	声明分割来源、慎解读（坑 5）
直接叠分割于 CT	方向错位、体积错误	先核对 affine（坑 4）
用旧版临床表	身高/BMI 错误	用 Version 3（坑 7）
假设有 PET	找不到 FDG 数据	集合只有 CT（§1 Q5）
假设所有时间点有分割	纵向分割缺失	仅 90 min 有分割（坑 6）
忽略层间 2.34mm	纹理/体积偏差	重采样或限定方向（§14.3）

这张表是本条目所有坑点与边界的集中收口——把"能用什么、不能用什么"一表说清，是使用本集合前的最后一道检查。

§20 数据治理与可维护性

20.1 版本治理的做法

本集合的版本治理有几个值得记录的做法：

• 同一 DOI、多版本：所有版本共享 DOI 10.7937/NC7Z-4F76，通过版本号区分内容。好处是引用稳定（DOI 不变），代价是必须写版本号才能消歧。
• 变更日志公开：每个版本的变更点逐条列在集合页 Previous Versions 区块，使用者可精确知道"哪一版改了什么"。
• 小改也发版本：连"修正分割文件名"这种看似微小的改动也单独发版本，保证文件名→内容映射在任何版本内自洽（§15.3）。

20.2 受限数据的治理链条

对图像受限访问，治理链条为：

1. 受试者签署知情同意（入组时的合规基础）。
2. TCIA 评估隐私风险（识别出面部重建风险）。
3. 设立受限许可（TCIA Restricted License Agreement）。
4. 研究者申请 → 审批 → 按 NIH 受控数据政策使用。
5. 分割与元数据作为脱敏衍生品开放（CC BY 4.0）。

这条链条展示了**“风险分级、差异开放”**的治理逻辑：不是一刀切封闭，而是按资产的风险等级分配开放程度。

20.3 可持续性评估

维度	评估
平台稳定性	高（TCIA 为 NCI 长期资助的公共库）
标识持久性	高（DOI + DataCite）
维护活跃度	中高（2023-2026 三次更新）
格式寿命	高（DICOM/NIfTI 为医学影像长期标准）
依赖风险	低（无专有工具依赖，仅下载需 Data Retriever）

综合：可持续性良好。作为 TCIA 托管集合，其长期可用性有平台背书；格式均为领域标准，不惧工具更替。

§21 从本集合看"正常参考数据集"的设计原则

21.1 五条原则

从本集合可提炼出设计正常参考数据集的五条原则：

1. 明确"正常"定义：本集合的正常=健康成人+能签同意+无纳入疾病，边界清楚。模糊的"正常"定义会让数据无法被正确使用。
2. 附着可量化标注：仅有正常图像价值有限，配 37 组织分割才使其可量化（器官体积等）。
3. 保留时间/剂量结构：多时间点与剂量配对是"副产品研究"意外的附加值，设计时应主动保留而非丢弃。
4. 元数据一次做对、持续打磨：本集合三次版本迭代主要是元数据改进，说明元数据质量需要持续投入。
5. 分层开放：敏感原始层受限、脱敏标注层开放，最大化可用性同时守住隐私底线。

21.2 与本库其他"正常"条目的设计对照

条目	正常定义	标注	开放策略
本集合	健康成人全身	37 组织分割	分层（图像受限/标注开放）
pedi-cranial-ct-healthy（956）	健康儿童颅脑	颅脑结构	参见该条目
healthy-brain-network（245）	儿童青少年脑	脑网络	参见该条目

三者的共性是"正常人群 + 解剖/功能标注"，差异在部位与年龄。它们共同构成本库"正常参考"这一族群（§12.1）。

§22 面向不同读者的阅读路径

22.1 对数据工程师

关注 §6（许可分层与下载路径）、附录 P（DICOM 标签）、附录 N（剂量对照设计）。核心动作：确认能否过审批、规划分割与 CT 的对齐流程。

22.2 对临床研究者

关注 §2（人群构成）、§4（37 组织含义）、§18.2（身体成分应用）。核心动作：用器官/脂肪/肌肉分割做基线，注意 n=30 的统计局限。

22.3 对算法研究者

关注 §4.3-4.4（MOOSE 与精度上界）、§16.2（评测工作流）、坑 5（分割非金标准）。核心动作：谨慎使用本集合分割做评测，避免循环偏置。

22.4 对数据集方法学研究者

关注 §15（元数据迭代）、§20（治理）、§21（设计原则）。核心动作：把本集合当作"研究副产品二次整理"与"分层许可"的双案例研究。

22.5 对 AI-Ready 评估者

关注 §6.6（AI-Ready 检查单）、§11（DAIMS）。核心动作：把本集合作为"敏感影像分层开放"的评级样本，与全封闭/全开放集合对照。

§23 小结与展望

23.1 一句话定位

Healthy-Total-Body-CTs 是一把"精确但尺码单一"的正常解剖标尺——30 名健康成人的全身低剂量 CT 与 37 组织分割，为以"正常"为核心的研究提供基线，同时是"分层许可 + 研究副产品二次整理"的治理范本。

23.2 三个未来方向

1. 规模化：若 EXPLORER 生态持续积累健康志愿者 CT，未来可能出现更大规模的多中心正常参考集，弥补本集合 30 人的代表性短板。
2. 多模态扩展：若同队列 PET 数据另行发布，将形成完整的 PET/CT 正常参考（当前只有 CT）。
3. 分割迭代：随 MOOSE 演进，分割精度与组织类数或提升，本集合作为其产物面将同步受益。

23.3 最后的提醒

使用本集合前，请记住三件事：它是正常人群（别找病灶）、它很小（别做人口结论）、它是分层的（想清楚你要哪一层、能不能拿到）。把这三条想清楚，本集合就是一把好用的标尺；想不清楚，它就会成为误用的来源。

FAQ（高频问答 20 问）

A. 基础认知

Q1：这是挑战赛吗？
不是。它没有比赛、没有 leaderboard，是一个托管在 TCIA 的正常人群影像集合，供研究与方法学开发使用。

Q2：名字该怎么读？
官方标题是 “Healthy-Total-Body-CTs | Low-Dose CT Images of Healthy Cohort”——即"健康队列的低剂量 CT 图像"，集合标识符为 Healthy-Total-Body-CTs（slug：healthy-total-body-cts）。

Q3："全身"真的是从头到脚吗？
是。uEXPLORER 的轴向视野足以一次覆盖整个人体，单次扫描约 828 层，无需分段拼接。这与传统分段床移的全身扫描有本质区别。

Q4：为什么是"低剂量"？
因为除 90 分钟时间点（50 mAs）外，其余时间点都用 5 mAs 采集——只有标准剂量的十分之一。"低剂量"是动态 PET 研究的需求（多次扫描需控剂量）带来的。

Q5：谁做的？
UC Davis（加州大学戴维斯分校）的 EXPLORER 项目组采集，托管于 TCIA；支撑论文团队含 UC Davis 与维也纳医科大学。

Q6：和库内其他 healthy 条目什么关系？
只有"正常人群"这个标签相同。本条目是成人全身 CT；pedi-cranial-ct-healthy 是儿童颅脑 CT；healthy-brain-network 是儿童脑网络。部位与年龄都不同（坑 1）。

Q7：最大的卖点一句话？
它把"正常人体"变成了一把可量化的数字标尺——37 种组织被逐层定义，为一切以"正常"为参照的任务提供了健康基线。

Q8：它自己有什么局限？
样本仅 30 人、单机构单设备、无病灶、分割为 AI 生成且只有 90 分钟点、图像受限——这些在正文各节都已展开（§2、§4、§6、坑 5-6）。

Q9：有 PET 数据吗？
没有。虽然受试者做的是 PET/CT，但集合目前只发布 CT 图像与分割（§1 Q5）。

Q10：怎么引用？
引 TCIA Data Citation，含 DOI 与版本号（如 Version 3），出版年写 2023，并注明访问日期（坑 8）。

B. 数据与获取

Q11：我能直接下载 CT 图像吗？
不能直接下。CT 图像受 TCIA 受限许可/NIH 受控访问约束，需签署协议并审批（§6.2）。分割与临床数据才能直链下载。

Q12：为什么图像受限？
因为全身 CT 含头部，理论上可重建人脸，涉及受试者面部隐私（§6.2）。

Q13：现在有哪些版本、该用哪个？
三个版本：v1（2023-09-21）、v2（2024-09-27）、v3（2026-09-23）。当前用 Version 3（修正了分割文件名与 DICOM 对齐）。旧版临床表身高单位有误（坑 7）。

Q14：怎么下载？
CT 图像用 NBIA Data Retriever；分割（.zip）与临床数据（.xlsx）走官方直链（§6.3）。

Q15：37 组织具体包含什么？
13 腹部器官 + 20 骨段 + 皮下脂肪 + 内脏脂肪 + 腰大肌 + 骨骼肌 = 37（§4.1）。

Q16：分割是怎么生成的？
由 MOOSE（基于 nnU-Net、data-centric）自动生成，只在 90 分钟点；专家手标用于 MOOSE 的开发（§4.3）。

Q17：分割能直接叠回 CT 吗？
要先核对方向。官方明示 NIfTI 可能需重新定向以匹配 DICOM，直接叠可能错位（坑 4）。

Q18：有分割的时间点有哪些？
只有 90 分钟点带分割，其余时间点只有裸 CT（坑 6）。

Q19：人口学信息有哪些字段？
年龄、性别、体重、身高、BMI，逐例存于临床 XLSX（注意版本 2 才修正身高单位，坑 7）。

Q20：可以做剂量对照研究吗？
可以。90 分钟点（50 mAs）与其余点（5 mAs）是同一受试者的天然剂量配对（§2.3）。

---

附录 A：抓取与核验时点

来源	URL	抓取方式	时点
TCIA 集合页（含 DOI/版本/许可/规模）	https://www.cancerimagingarchive.net/collection/healthy-total-body-cts/	WebFetch	2026-10-09
DOI 解析（DataCite）	https://doi.org/10.7937/nc7z-4f76	WebFetch	2026-10-09
MOOSE 支撑论文（JNM 2022）	https://doi.org/10.2967/jnumed.122.264063	WebSearch 摘要	2026-10-09
TCIA Wiki 页（Image Statistics 口径）	https://wiki.cancerimagingarchive.net/	WebSearch	2026-10-09

说明：本沙箱 curl 不可达 cancerimagingarchive.net（000/超时），全部网络核验改用 WebFetch/WebSearch 完成。三源互证的核心数字（30 受试 / 111,778 图像 / 59.06GB / DOI / 三版本）在 TCIA 集合页三个版本区块与 Wiki 页一致。

附录 B：硬数字速查表

数字	值	来源
受试者	30	TCIA 集合页
Studies	135（另有 30 口径，存照 1）	TCIA 集合页 / Wiki
Series	135	TCIA 集合页 / Wiki
图像数	111,778	TCIA 集合页
总大小	59.06 GB（清单 58.95gb，Wiki 59GB）	TCIA 集合页
年龄（均值±SD）	47 ± 13 岁	JNM 论文
性别	14 男 / 16 女	JNM 论文
入组年龄下限	≥18 岁	TCIA 集合页
扫描系统	uEXPLORER 全身 PET/CT	TCIA 集合页
CT 排数/层数	80 排 / 160 层	TCIA 集合页
重建矩阵	512×512×828	TCIA 集合页
体素	0.9766×0.9766×2.344 mm³	TCIA 集合页
管电压	140 kVp	TCIA 集合页
管电流（90 min）	平均 50 mAs	TCIA 集合页
管电流（其余点）	平均 5 mAs	TCIA 集合页
分割组织数	37	TCIA 集合页
├ 腹部器官	13	TCIA 集合页
├ 骨段	20	TCIA 集合页
├ 脂肪	2（皮下+内脏）	TCIA 集合页
└ 肌肉	2（腰大肌+骨骼肌）	TCIA 集合页
分割包大小	108.7 mb	TCIA 集合页
临床数据大小	14.09 kb	TCIA 集合页
DOI	10.7937/NC7Z-4F76	TCIA 集合页
DOI 浏览量 / 引用	13.7k views / 5 citations	DataCite Commons
资助	R01 CA206187 / R01 CA249422	TCIA 集合页

附录 C：版本链全表

版本	日期	变更要点	Status
Version 1	2023/09/21	首发	Complete
Version 2	2024/09/27	同日归并日期；统一日期为 2002/06/19；保留时间；单患者单 study；补年龄性别；临床表修正（ID 对齐、身高 cm→m）	Complete
Version 3	2026/09/23	修正 NIfTI 分割文件名以匹配 DICOM	Complete（当前）

附录 D：37 组织标签体系（功能性分组）

组	类数	代表组织	标注方式（论文口径）
腹部器官	13	肝、脾、双肾、胰、胃、胆囊、膀胱等	医师手工分割
骨段	20	颅骨、颈椎/胸椎/腰椎、骨盆、股骨、肱骨等	医学生手工分割
脂肪	2	皮下脂肪、内脏脂肪	阈值法勾画
肌肉	2	腰大肌、骨骼肌	腰大肌医师手标；骨骼肌阈值法

注：本集合提供的分割为 MOOSE 自动生成的版本；上表"标注方式"是 MOOSE 开发阶段的手工参考方式，非本集合分割的直接来源。

附录 E：时间点与剂量矩阵

组	人数	时间点（注射后）	剂量
短程组	15	0 / 90 / 180 min	90 min: 50 mAs；0/180 min: 5 mAs
长程组	15	0 / 90 / 180 / 360 / 540 / 720 min	90 min: 50 mAs；其余: 5 mAs
Series Description 取值	—	dyn / 90min / 3hr / 6hr / 9hr / 12hr	—

附录 F：分层许可对照

资产	许可	是否直链	附加要求
CT 图像（DICOM，59.06GB）	TCIA Restricted / NIH Controlled	❌	签协议 + help@cancerimagingarchive.net 审批
分割（NIfTI+zip，108.7mb）	CC BY 4.0	✅	署名
临床数据（XLSX，14.09kb）	CC BY 4.0	✅	署名

附录 G：AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	DOI 10.7937/NC7Z-4F76
F2 富元数据	✅	TCIA 页面 + DataCite + NBIA digest + 器官值表
A1 可访问协议	⚠️	图像受限审批；分割/临床 CC BY 4.0 直链
A2 元数据可访问	✅	元数据始终公开
I1 互操作格式	✅	DICOM / NIfTI / XLSX
I2 词汇表引用	✅	37 组织标准命名 + 器官值表
R1 来源溯源	✅	MOOSE 生成 + UC Davis 采集明示
R3 可复现流程	⚠️	分割/元数据可复现；图像复现依赖审批
AI-Ready 综合	中	标注层开放、原始层受限

附录 H：维护触发点

触发点	条件	动作	优先级
新版本发布	TCIA 更新 Version 4+	更新 §6.4、附录 C	1
图像开放化	若移除受限/上直链	改写 §6、升 AI-Ready 评级	2
PET 数据发布	同队列 PET 另发布	新增章节、更新 §1 Q5	3
MOOSE 迭代	MOOSE 出新版导致分割更新	更新 §4.3、坑 5	4
引用增长	DataCite 引用数显著上升	更新 §7.3	5

附录 I：引文规范

@misc{selfridge2023healthytotalbodycts,
  title        = {Low-Dose CT Images of Healthy Cohort (Healthy-Total-Body-CTs)},
  author       = {Selfridge, A. and Spencer, B. and Shiyam Sundar, L. and
                  Abdelhafez, Y. and Nardo, L. and Cherry, S. and Badawi, R.},
  year         = {2023},
  publisher    = {The Cancer Imaging Archive},
  version      = {Version 3},
  doi          = {10.7937/NC7Z-4F76},
  url          = {https://doi.org/10.7937/nc7z-4f76}
}

@article{sundar2022moose,
  title   = {Fully Automated, Semantic Segmentation of Whole-Body 18F-FDG PET/CT
             Images Based on Data-Centric Artificial Intelligence},
  author  = {Sundar, Lalith Kumar Shiyam and Yu, Josef and Muzik, Otto and
             Kulterer, Oana C. and Fueger, Barbara and Kifjak, David and
             Nakuz, Theresa and Shin, Hyung Min and Sima, Alexander K. and
             Kitzmantl, Daniel and Badawi, Ramsey D. and Nardo, Lorenzo and
             Cherry, Simon R. and Spencer, Benjamin A. and Hacker, Marcus and
             Beyer, Thomas},
  journal = {Journal of Nuclear Medicine},
  volume  = {63},
  number  = {12},
  pages   = {1941--1948},
  year    = {2022},
  doi     = {10.2967/jnumed.122.264063}
}

附录 J：缩写速查

缩写	全称
TCIA	The Cancer Imaging Archive
uEXPLORER	United Imaging Healthcare EXPLORER 全身 PET/CT 系统
MOOSE	Modularized whole-body segmentation（全身分割工具）
PET/CT	Positron Emission Tomography / Computed Tomography
FDG	Fluorodeoxyglucose（¹⁸F-FDG 示踪剂）
NIfTI	Neuroimaging Informatics Technology Initiative（.nii 格式）
DICOM	Digital Imaging and Communications in Medicine
NBIA	National Biomedical Imaging Archive
mAs	毫安秒（管电流×曝光时间，剂量的重要决定因素）
kVp	千伏峰值（管电压）
BMI	Body Mass Index（身体质量指数）
DAIMS	Data & Analytics Interoperability Maturity Standard
AC	Attenuation Correction（衰减校正）
AI-Ready	面向 AI 训练/评测的就绪度

附录 K：基于本数据集的研究检查清单（10 项）

1. 许可核对：你要的资产在哪一层？图像走审批、分割/临床可直链（§6.1）。
2. 版本确认：临床数据务必用 Version 3（旧版身高单位有误，坑 7）。
3. 方向核对：分割叠回 CT 前先核对 affine/方向（坑 4）。
4. 分割来源声明：报告结果时注明分割为 MOOSE 生成、非金标准（坑 5）。
5. 时间点对齐：只有 90 分钟点带分割，其余点需自补（坑 6）。
6. 人群代表性：跨机构/人口级结论不可用 30 人单机构队列（§5.2）。
7. 剂量配对利用：低剂量研究用 50 mAs vs 5 mAs 同人配对（§2.3）。
8. 器官标签映射：用官方 organ values 表确认标签语义（§4.5）。
9. 性别/年龄口径：人群统计来自 JNM 论文而非集合页（存照 3）。
10. 引用完整：引 Data Citation（含版本号）+ MOOSE 论文（附录 I）。

附录 L：检索路径示范

目标	推荐查询式	预期命中
集合主页	“Healthy-Total-Body-CTs” TCIA	cancerimagingarchive.net 集合页
DOI	10.7937/NC7Z-4F76	DataCite / DOI 解析页
支撑论文	“Whole-Body” PET/CT segmentation MOOSE data-centric	J Nucl Med 63(12):1941-1948
分割工具	MOOSE QIMP-Team whole-body	GitHub QIMP-Team/MOOSE
反例（勿用）	“healthy CT”（裸词）	会撞儿童颅脑/脑网络条目（坑 1）

检索卫生：一、凡命中 “healthy” 者先看部位与模态再确认是否本条目；二、TCIA 页面随版本滚动更新，引用时存照版本与日期。

---

附录 M：37 组织逐类参照表（按功能分组）

组	编号范围（示意）	组织	临床/研究用途
腹部器官	1-13	肝、脾、胰腺、胆囊、胃、双肾、膀胱、肾上腺、食管下段等	器官体积、功能储备、肿瘤随访基线
骨段	14-33	颅骨、颈椎、胸椎、腰椎、骶骨、骨盆、双侧股骨、双侧肱骨、双侧肩胛骨等	骨髓、骨密度、骨转移基线
脂肪	34-35	皮下脂肪、内脏脂肪	代谢风险、体脂分布
肌肉	36-37	腰大肌、骨骼肌	肌少症、预后指标

注：上表编号范围为功能示意，精确标签值必须以官方 Segmentation Organ Values spreadsheet 为准。不同分割版本可能调整标签编码，使用前核对。

附录 N：剂量对照实验设计模板

环节	做法	注意
配对选取	同一受试者的 90min（50mAs）与任一其他时间点（5mAs）	确保解剖位置一致
空间对齐	刚性配准两档图像	体素各向异性下配准误差偏大
去噪/重建	低剂量档输入，高质量档为参照	算法需适配 2.34mm 层厚
评估	PSNR/SSIM + 下游分割 Dice	单纯像素指标不足以反映解剖保真
报告	明确"同人配对"设计消除个体混杂	样本 n≤30，结论限于方法学

附录 O：与正常参考类数据对比

维度	本集合	典型病灶集	典型尸检/模体
人群	健康成人	患者	无
病灶	无	有	无
用途	正常基线	诊断/检测	物理校准
代表性	弱（30 人）	视集合	不适用
优势	无混淆、多时间点	病理丰富	参数可控

定位：本集合在"正常基线"这一象限内，以多时间点 + 全身 + 带分割为差异点。

附录 P：数据字典补充（DICOM 关键标签）

DICOM 标签	取值/说明
Modality	CT
Series Description	dyn / 90min / 3hr / 6hr / 9hr / 12hr（时间点）
Rows × Columns	512 × 512（面内）
Pixel Spacing	0.9766 mm × 0.9766 mm
Slice Thickness	2.344 mm
KVP	140
层数	约 828（单 series）

附录 Q：引用时的五个"必须"

1. 必须写版本号（Version 3），因同一 DOI 下有三次迭代。
2. 必须写数据引用（Data Citation），TCIA 强制要求。
3. 必须注明分割来源（MOOSE 自动生成，非金标准）。
4. 必须注明人群统计的来源（JNM 论文而非集合页）。
5. 必须注明访问日期（集合页随版本更新）。

附录 R：本条目生产档案

• 生产通道：healthy-total-body-cts 正选候选，三轮存在性核验通过，无撞库。
• 事实研究：WebFetch ×3（TCIA 集合页、DOI 解析、支撑论文摘要）+ WebSearch ×2，共 5 轮网络核验（预算内）。
• 环境说明：沙箱 curl 不可达 cancerimagingarchive.net，全程改用 WebFetch。
• FACTS.md：writing/healthy-total-body-cts/FACTS.md 九节。
• 成稿方式：五块直写拼接（part1-5）+ 中部扩展段（part_mid），全程私有区落盘。
• 坑点：§10 八则（坑 1-8 编号制）。
• DAIMS：§11 五维评估 + 分层解读。
• description：成稿时即 ≤170 字符（129 字符）。
• 互链计划：正文内链 TCIA/AutoPET/AbdomenCT-1K/心肺分割/儿童颅脑/脑网络等 + 发布后重建导航。

附录 S：双口径存照汇总表

#	项目	口径 A	口径 B	采用
1	Studies 计数	30（集合页表）	135（Wiki statistics）	主锚受试者 30；双口径并存
2	总大小	59.06GB（集合页）	58.95gb（清单）/ 59GB（Wiki）	按 59.06GB
3	性别/年龄	集合页仅"提供"	JNM 论文 14男/16女，47±13岁	采论文口径并注明
4	图像许可表述	NIH Controlled（集合页）	TCIA Restricted（旧 Wiki）	统一"TCIA 受限/NIH 受控"
5	分割方向	NIfTI 可能需重定向	—	记为坑 4

附录 T：FAQ 补充七问

Q21：uEXPLORER 是什么、有什么特别？
United Imaging Healthcare 的全身 PET/CT 系统，轴向视野足以一次覆盖整个人体（约 2 米），无需分段床移拼接——这是"全身 CT"能单 series 覆盖的硬件前提。

Q22：为什么样本只有 30 人？
因为这是 PET 示踪剂动力学研究（EXPLORER 项目）的伴生产物，受试者为该研究招募的健康志愿者，本身不是为构建正常参考库专门设计的大规模前瞻队列（§3.2）。

Q23：摘要里的"Non-Cancer"是什么意思？
TCIA 集合页把本集合的 Cancer Types 标为 “Non-Cancer”——即它不含癌症病例，是健康对照性质的集合。这也解释了它为何在"癌症影像库"里显得特别。

Q24：器官值表（organ values）有什么用？
它是标签语义字典：37 个分割标签值各对应哪个组织，缺失它会把"肾"读成"肝"。下载分割包时它一并提供（§4.5）。

Q25：能做跨设备泛化研究吗？
不能直接做。本集合全部来自 uEXPLORER 单一系统，要研究跨设备泛化需另找多设备数据集组合。

Q26：有官方基线模型吗？
MOOSE 即是官方工具（论文随集合推荐），其代码与模型在 GitHub（QIMP-Team/MOOSE）公开，可作为基线。

Q27：这个数据集会继续更新吗？
已在 2023/2024/2026 三次迭代。是否有 Version 4 取决于 TCIA/团队维护计划，维护触发点见附录 H。

附录 U：术语中英对照表

中文	英文	说明
低剂量 CT	Low-Dose CT	本集合主模态，5 mAs 档
全身	Whole-Body / Total-Body	单次覆盖全身
健康队列	Healthy Cohort	30 名健康成人
组织分割	Tissue Segmentation	37 类语义分割
腹部器官	Abdominal Organs	13 类
骨段	Bone Segments	20 类
皮下脂肪	Subcutaneous Fat	阈值法勾画
内脏脂肪	Visceral Fat	阈值法勾画
腰大肌	Psoas Muscle	医师手标
骨骼肌	Skeletal Muscle	阈值法勾画
衰减校正	Attenuation Correction	PET/CT 中 CT 的作用
受控数据访问	Controlled Data Access	图像受限流程
重新定向	Re-orientation	NIfTI↔DICOM 方向对齐
管电流	Tube Current (mAs)	剂量关键参数
管电压	Tube Voltage (kVp)	射束能量参数
体素	Voxel	三维像素
各向异性	Anisotropy	体素面内/层间不等

附录 V：一页速记卡

身份：TCIA 集合 / DOI 10.7937/NC7Z-4F76 / UC Davis uEXPLORER
规模：30 受试 / 135 series / 111,778 图 / 59.06GB
人群：健康成人 / 14男16女 / 47±13岁 / ≥18岁
扫描：80排160层 / 512×512×828 / 0.9766×0.9766×2.344 mm³
剂量：90min 50mAs，其余 5mAs
分割：37 组织（13器官+20骨+2脂肪+2肌肉）/ MOOSE 自动 / 仅 90min
许可：图像受限（TCIA Restricted/NIH Controlled）｜分割+临床 CC BY 4.0
版本：v1 2023-09-21 / v2 2024-09-27 / v3 2026-09-23（当前）
论文：J Nucl Med 2022;63(12):1941-1948（MOOSE）
三大坑：非公开直链图像｜AI 生成分割非金标准｜仅 90min 有分割
一句话：成人全身低剂量 CT 的正常解剖标尺

附录 W：快速自查清单（发布前）

• [ ] 引用含版本号（Version 3）
• [ ] 引用含 DOI 10.7937/NC7Z-4F76
• [ ] 注明分割为 MOOSE 自动生成
• [ ] 注明人群统计来自 JNM 论文
• [ ] 注明图像为受限访问
• [ ] 分类讨论未外推至人口级
• [ ] 生成日期与访问时点已记录

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，抓取与核验时点见附录 A。事实陈述以 TCIA 集合页（DOI 10.7937/NC7Z-4F76）、支撑论文 JNM 2022;63(12):1941-1948 与 DataCite Commons 为源；Studies 计数双口径、大小四舍五入口径、许可表述差异、性别年龄来源口径等原始文档差异已在坑点与附录存照（§9.1）。条目与库内 TCIA（rid 547）、AutoPET 系列（rid 468/634/678）、AbdomenCT-1K（rid 402）、心肺分割金标准（rid 610）、pedi-cranial-ct-healthy（rid 956）、healthy-brain-network（rid 245）等条目互链，构成正常参考与全身影像分割家族的检索面。后续维护触发点见附录 H。

建议互链点（供主会话发布后重建导航）

互链条目	rid	关系
tcia	547	父条目（TCIA 总库）
autopet	468	同生态（全身 PET/CT 分割，病灶向）
autopet-iii	678	同生态（AutoPET 续作）
autopet-v	634	同生态（AutoPET 续作）
abdomenct-1k	402	同任务（CT 解剖分割）
heart-lung-segmentations-data	610	对照（专家手标金标准）
pedi-cranial-ct-healthy	956	消歧对照（儿童颅脑 CT）
healthy-brain-network	245	消歧对照（儿童脑网络）
chest-x-ray-segmentation	601	同族（解剖分割）
chexmask-cxr-segmentation-data	602	同族（解剖分割）

互链 URL 占位形如 https://www.qianfanghub.com/ai-ready-dataset/<slug>/<rid>（如 /ai-ready-dataset/tcia/547）。

---

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：

• nih-pancreas-ct — 共享标签：医学影像 / CT / 医学图像分割
• abdomenct-1k — 共享标签：医学影像 / CT / 医学图像分割
• word — 共享标签：医学影像 / CT / 医学图像分割
• totalsegmentator — 共享标签：医学影像 / CT / 医学图像分割
• han-seg — 共享标签：医学影像 / CT / 医学图像分割
• covid-segmentation — 共享标签：医学影像 / CT / 医学图像分割 / 公共卫生与流行病学
• medical-decathlon — 共享标签：医学影像 / CT / 医学图像分割
• mosmeddata — 共享标签：医学影像 / CT / 医学图像分割
• segthor — 共享标签：医学影像 / CT / 医学图像分割
• ctspine1k — 共享标签：医学影像 / CT / 医学图像分割

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。