信息速览
Head-Neck-CT-Atlas（MD 安德森头颈鳞癌 CT 图集）
一句话定位：Head-Neck-CT-Atlas 是美国 MD 安德森癌症中心（MD Anderson Cancer Center, MDACC）215 例头颈鳞癌（Head and Neck Squamous Cell Carcinoma, HNSCC）根治性放疗患者的开放影像数据库——它同时装下了治疗前诊断影像、模拟定位 CT、放疗计划三件套（RTPLAN/RTSTRUCT/RTDOSE）与治疗后随访影像，并配一份逐例匹配的临床变量表。它是 TCIA 上 627 例 HNSCC 父集合的两个子项目之一，也是头颈部放疗"完整治疗细节"共享的早期范本。
┌─────────────────────────────────────────────────────────────────┐
│ INFOBOX · Head-Neck-CT-Atlas │
├─────────────────────────────────────────────────────────────────┤
│ 官方全称 Data from Head and Neck Cancer CT Atlas │
│ TCIA 简称 Head-Neck-CT-Atlas（HEAD-NECK-CT-ATLAS） │
│ 父集合 HNSCC（627 例，DOI ...2020.a8sh-7363） │
│ 子集 DOI 10.7937/K9/TCIA.2017.umz8dv6s（Data Citation） │
│ 建库机构 MD 安德森癌症中心放射肿瘤科 + TCIA │
│ 患者规模 215 例（初筛 2840 例） │
│ 影像规模 765 studies / 3,222 series / 433,381 images │
│ 数据体量 99.79 GB │
│ 模态 CT / PT / MR / RTPLAN / RTSTRUCT / RTDOSE │
│ 标注 靶区与危及器官轮廓（RTSTRUCT，ICRU 50/62） │
│ 临床变量 人口学/吸烟/AJCC 7 分期/HPV/复发/生存/体成分 │
│ 影像许可 NIH Controlled Data Access Policy（受控） │
│ 临床表许可 CC BY 3.0 │
│ 首发版本 2019-07-11（V1）→ 2024-05-15（V2，换临床表） │
│ 数据论文 Sci Data 5:180173（2018），DOI 10.1038/sdata.2018.173│
│ 获取方式 TCIA Data Retriever（NBIA）+ 受控访问审批 │
└─────────────────────────────────────────────────────────────────┘
§0 导读：这个数据集解决什么问题
0.1 临床背景：头颈鳞癌放疗为什么需要"完整细节"共享
头颈鳞癌（HNSCC）是一类高度依赖放射治疗（radiotherapy, RT）的恶性肿瘤。与许多部位不同，头颈部的放疗计划是个体化到极致的：靶区紧贴脊髓、脑干、腮腺、下颌骨、视神经等一串"不容出错"的结构，剂量差几个百分点就可能意味着肿瘤控制失败或严重毒性。这正是所谓"patient-specific planning"——横断面影像（CT/MRI/PET）不只用于诊断，更是放疗剂量雕刻的底板。
问题在于：公开共享的放疗数据极其稀缺。原因有三：其一，RT 结构数据（RTSTRUCT）复杂度高，轮廓是精细的三维多边形，跨软件导出常常"名对不上、形对不齐"；其二，一套完整放疗计划跨越时间（治疗前→计划→治疗→随访）、空间（同机架坐标）与多个计划集，需要精确配准；其三，患者隐私敏感——头颈部 CT 影像存在被用于重建人脸的风险，这使其隐私门槛高于腹部或四肢影像。
Head-Neck-CT-Atlas 的建库初衷，正是要在这三点上给出一个可用的开放范例。其数据论文开宗明义：跨断面影像是放疗个体化计划与实施的基础，而这些数据因复杂度与隐私问题难以公共共享，因此作者引入一个面向 HNSCC 根治性放疗患者的开放影像数据库。
0.2 队列来源：从 2840 例初筛到 215 例入组
数据库的种子是 MDACC 在 2003 年 10 月 1 日至 2013 年 8 月 31 日期间接受根治性放疗（curative-intent RT）的连续 2840 例 HNSCC 患者。设计者的筛选逻辑非常具体——他们关心体成分（body composition）在放疗前后的变化，因此纳入标准是：放疗前后均在本机构完成全身 PET-CT 或腹部 CT 检查（n=215）。这一"可前后对照"的硬门槛，把队列从数千例收窄到 215 例，也决定了它天然适合做"治疗前后体成分—生存"的研究（配套成果即 JAMA Oncol 2016 的肌少症与生存分析）。
0.3 数据层回答：不只 CT 的"六模态全家桶"
尽管名字叫 “CT Atlas”，实际内容远超 CT。TCIA 页面把该子集的模态列为 CT、PT、RTPLAN、RTSTRUCT、RTDOSE、MR 六类。对每一例患者，你通常能拿到：
- 治疗前诊断 CT 或 PET-CT——入组门槛影像；
- 模拟定位 CT（simulation CT）——放疗计划坐标准据；
- RTPLAN——射束、准直、能量、监测单位等机器参数；
- RTSTRUCT——医师与剂量师勾画的靶区与危及器官轮廓；
- RTDOSE——等剂量线分布；
- 治疗后随访 CT 或 PET-CT——用于体成分对比；
- 对发生局部区域复发者，另附用于诊断复发的诊断影像。
这套"三期影像 + 计划三件套"的组合，使它在 TCIA 生态里属于**RT-enriched（放疗富集）**的一类，而非单纯的诊断图集。
0.4 标注层回答：ICRU 50/62 与靶区/危及器官
数据集最核心的标注资产是 RTSTRUCT 里的轮廓。数据论文说明：这些轮廓由医师与剂量师勾画，涵盖靶区（target）与规避体积（avoidance volumes，即危及器官），勾画依据 ICRU 第 50 号与第 62 号报告（关于靶区剂量规定与体积定义的经典纲领），并经头颈放疗科的质量保证（QA）会议审查。换言之，轮廓不是随手画的研究 ROI，而是临床放疗决策的实际产物——这既是它的价值（真实世界），也是它的局限（不同医师手法不完全一致）。
0.5 临床层回答：逐例匹配的结局与体成分
与影像"subject- and date-matched"的临床数据表，包含人口学、危险因素（吸烟）、分级（grade）、分期（stage）、复发（recurrence）与生存（survival）。更特别的是体成分指标：研究者用 L3（第三腰椎）层面的轴位 CT，按 HU 阈值分割骨骼肌与脂肪组织，计算骨骼肌指数（SMI）、脂肪指数（ADI）、瘦体重（LBM）与脂肪量（FM），并据此定义肌少症阈值。这让数据集不仅能做放疗研究，还能做营养/代谢与肿瘤结局的交叉分析。
0.6 谁该用这个数据集
- 放疗物理师与剂量学研究者：RTPLAN+RTDOSE+RTSTRUCT 三件套齐全，可直接做剂量—毒性、OAR 剂量参数分析。
- 影像组学（radiomics）团队：CT/MR/PET 多模态 + 轮廓齐备，适合特征提取与建模。
- 体成分与营养代谢研究者：T0/T1 双时点轴位 CT 是天然的前后对照实验场。
- 头颈影像 AI 建模者：OAR 自动分割、靶区自动勾画的标准素材来源之一。
- 医学数据治理研究者：它是"隐私受限放疗数据如何在 NIH 受控政策下共享"的经典案例。
0.7 §0 读法三则
第一，区分"子集"与"父集合"：本条目锚定的是 Head-Neck-CT-Atlas 子集（215 例），不是 627 例的 HNSCC 父集合；父集合还含一个 412 例的口咽癌放射组学兄弟集。第二，区分"影像许可"与"临床表许可"：前者受控，后者 CC BY 3.0，不可混谈。第三，区分"建库口径"与"论文口径"：患者数、series 数、体积数字在不同页面存在版本差异，阅读时以现行 TCIA 页面为主，历史口径在 §9 与 §10.3 存照。
§1 数据集速览：十问十答
1.1 它是什么？
一个托管在 TCIA（The Cancer Imaging Archive）上的头颈鳞癌放疗影像数据库。官方名 “Data from Head and Neck Cancer CT Atlas”，TCIA 简称 Head-Neck-CT-Atlas。本质是 MD 安德森癌症中心 215 例 HNSCC 患者的去标识诊断影像、放疗计划与随访影像，加一份匹配临床表。
1.2 有多少数据？
现行 TCIA 页面口径：215 例患者、765 studies、3,222 series、433,381 images、99.79 GB。这是 Head-Neck-CT-Atlas 子集的数字；其所属的 HNSCC 父集合为 627 例 / 1,177 studies / 4,036 series / 537,939 images / 154.91GB。
1.3 有哪些模态？
六类：CT、PT（PET）、MR、RTPLAN、RTSTRUCT、RTDOSE。CT 是主体（诊断 CT + 模拟定位 CT），PET 用于入组门槛与随访，RT 三件套记录放疗计划与剂量分布，MR 作补充。
1.4 有没有标注？
有。RTSTRUCT 中的靶区与危及器官（OAR）轮廓，由医师与剂量师按 ICRU 50/62 勾画并经 QA 审查。注意：子集论文未逐条列出 OAR 名称清单，需自行从 RTSTRUCT 解析。
1.5 临床数据有哪些？
人口学、吸烟史、分级、AJCC 第 7 版分期、HPV 状态（原位杂交）、复发、生存（总生存/疾病特异性生存/局部区域控制时长）、喂养管记录，以及L3 体成分指标（骨骼肌指数、脂肪指数、瘦体重、脂肪量）。临床表为 XLSX，CC BY 3.0。
1.6 怎么获取？
临床表可从 TCIA 页面直接下载（CC BY 3.0）。影像需走 NIH 受控数据访问（Controlled Data Access）流程，因部分影像存在被用于重建人脸的风险；下载须使用 TCIA Data Retriever（NBIA Data Retriever）工具。现状：曾经需登录的下载已下线，恢复形式未定。
1.7 许可是什么？
两层异构：影像（DICOM）= NIH Controlled Data Access Policy（受控）；临床数据表 + 数据字典 = CC BY 3.0。引用时须附完整 Data Citation（含 DOI 10.7937/K9/TCIA.2017.umz8dv6s）。历史 TCIA wiki 页面另有 “TCIA Restricted（须签协议）” 口径，属版本差异。
1.8 有配套论文吗？
有。数据论文：Grossberg AJ 等，Scientific Data 5:180173（2018），DOI 10.1038/sdata.2018.173，19 位作者。另有体成分—生存的 JAMA Oncol 2016 论文与 Oral Oncol 2016 方法学论文。
1.9 和别的头颈数据集有什么不同？
- 对 HN1（headneck-radiomics）：HN1 是 137 例单中心放疗 CT + 轮廓，本集 215 例且含三期影像 + 放疗三件套 + 体成分。
- 对 Head-Neck-PET-CT（838）：后者四中心 298 例以治疗前 PET/CT为主打影像组学基准，本集以诊断/计划 CT 全流程为主。
- 对 HANCOCK（984）：后者是病理 WSI/TMA/血液多模态，模态不重叠，互补。
1.10 一句话总结给建模者
如果你要完整的头颈放疗"从诊断到随访"影像流 + 临床结局 + 体成分，这是 TCIA 上目前最齐全的开放范本之一；代价是影像受控访问、日期已偏移、OAR 名称需自行解析。
1.11 关键数字速查卡
| 维度 | 数字 | 口径来源 |
|---|---|---|
| 患者数 | 215 | Head-Neck-CT-Atlas 子集 |
| 父集合患者 | 627 | HNSCC 父集合 |
| Studies | 765 | 子集现行 |
| Series | 3,222 | 子集现行 |
| Images（DICOM） | 433,381 | 子集现行 |
| 体积 | 99.79 GB | 子集现行 |
| 临床表 | 135 kb XLSX | CC BY 3.0 |
| 数据字典 | 98.65 kb XLSX | CC BY 3.0 |
| 初筛例数 | 2,840 | 2003-10 至 2013-08 |
| 男性比例 | 85.5% | 215 例队列 |
| 口咽原发 | 156/215（73%） | 215 例队列 |
| 同步化疗 | 127（59%） | 215 例队列 |
| 放疗剂量均值 | 68.66 Gy | 范围 56–72 Gy |
| 分割次数 | 28–40 | 每日照射 |
1.12 三条使用红线
- 不要把 215 当成 627——引用于子集时写 215，引用于父集合时写 627，混用会被审稿人抓。
- 不要把影像当公开数据——临床表虽 CC BY 3.0，影像受 NIH 受控访问约束，二次分发须遵守其政策。
- 不要假定日期可用——全部日期以统一偏移去标识，只保留相对间隔；绝对日期不可复原。
§2 数据规模与构成
2.1 总量五数
Head-Neck-CT-Atlas 子集的现行 TCIA 页面给出五个核心计数：215 例患者、765 个 studies、3,222 个 series、433,381 幅图像、99.79 GB 体积。这五个数字在页面上的 “Images and Radiation Therapy Structures” 一行集中呈现，许可标注为 NIH Controlled Data Access Policy。
需要提醒的是，TCIA 的历史 wiki 页面（pageId=24281354）曾记录过略有差异的口径：215 例 / 766 studies / 3,225 series / 433,384 images / 93 GB。现行页面把 studies 记为 765、series 记为 3,222、images 记为 433,381、体积记为 99.79 GB。两组数字的差异（studies 差 1、series 差 3、images 差 3）属于版本演进中的计数微调，不是不同数据集；阅读与引用时以现行页面为准，历史口径列入 §10.3 双口径存照。
2.2 六模态构成
| 模态 | 缩写 | 在本集合中的角色 |
|---|---|---|
| 计算机断层扫描 | CT | 主体：诊断 CT + 模拟定位 CT + 随访腹部 CT |
| 正电子发射断层扫描 | PT | 入组门槛影像（治疗前后全身 PET-CT）+ 随访 |
| 磁共振 | MR | 诊断补充（软组织对比） |
| 放疗计划 | RTPLAN | 射束、准直、能量、监测单位 |
| 放疗结构 | RTSTRUCT | 靶区与危及器官轮廓 |
| 放疗剂量 | RTDOSE | 等剂量线/剂量分布 |
“CT Atlas” 的名字容易让人误以为只有 CT。实际上，页面明确列出四类放疗对象（RTPLAN/RTSTRUCT/RTDOSE 与 RT 通用信息）加上 CT/PT/MR，是放疗影像学意义上的多模态。这也是它与纯诊断图集（如只含 CT 的肺结节库）的根本差别。
2.3 每例患者的数据画像
以"一例典型入组患者"为例，其数据包通常包含如下层次：
- Study A（治疗前诊断）：诊断 CT，或全身 PET-CT（含伴随 CT）；
- Study B（放疗模拟）：模拟定位 CT（患者以放疗体位固定，坐标系与计划一致）；
- Plan Objects：RTPLAN（机器参数）+ RTSTRUCT（轮廓）+ RTDOSE（剂量）；
- Study C（治疗后随访）：全身 PET-CT（99.1% 病例）或腹部 CT（2 例）；
- Study D（复发者）：用于诊断局部区域复发的诊断 CT 或 PET-CT。
这一"跨期"结构意味着，同一位患者的多套影像通过患者标识 + 日期匹配与临床表对齐——但注意日期已偏移。
2.4 时间属性
队列的采集窗为 2003 年 10 月至 2013 年 8 月。患者时序上有两个中位间隔值值得记住：
- 诊断影像 → 模拟定位：中位 0.87 个月（IQR 0.37–2.27）；
- 放疗结束 → 随访影像：中位 2.77 个月（IQR 1.93–6.57）。
这两个间隔是体成分"前后对照"研究的时间分辨率来源。由于全部日期经统一偏移（uniform date shift）处理，这些间隔被保留，而绝对日历日期不可复原。
2.5 版本史
Head-Neck-CT-Atlas 子集自身及所属父集合经历了多轮版本迭代：
| 版本 | 日期 | 变化 |
|---|---|---|
| 子集 V1 | 2019-07-11 | 首次收录：215 / 765 / 3,222 / 433,381 / 99.79GB |
| 父集 V1 | 2019-07-11 | 仅含 CT Atlas 子集 |
| 父集 V2 | 2020-03-31 | 加入 Oropharyngeal-Radiomics-Outcomes 子集 |
| 父集 V3 | 2022-08-24 | 修正 OPC 子集临床表终点时长公式错误 |
| 子集 V2 | 2024-05-15 | 按 PI 请求替换临床数据文件（旧版不再提供） |
| 父集 V4 | 2024-05-15 | 同步替换 Head-Neck-CT-Atlas 临床数据文件 |
最新一次更新的说明措辞为：“Replaced Head-Neck-CT-Atlas clinical data file per PI request. The old version is no longer available.”——即临床数据文件被替换，旧版不再提供，这是引用时需要注意的可复现性风险点。
2.6 文件资产清单
除影像外，子集还提供两份非影像资产：
- Head-Neck-CT-Atlas Clinical Data（XLSX，135 kb，CC BY 3.0）——诊断、随访、治疗三类字段；
- Head-Neck-CT-Atlas Data Dictionary（XLSX，98.65 kb，CC BY 3.0）——字段说明。
Data Dictionary 的存在很重要：它把临床表中每个字段的定义写清楚，是做变量级复现的前提。历史页面显示临床表曾为 265 kb 的 XLS，更新后为 135 kb 的 XLSX，字段集可能随之变化。
2.7 DICOM 卫生与去标识
数据集采用 RSNA MIRC Clinical Trial Processor（CTP）在采集端与服务器端双端部署去标识。去标识遵循 HIPAA 与 DICOM PS 3.15 附录 E（Attribute Confidentiality Profile）。关键处理包括：移除文本标签中的 PHI、日期/时间统一偏移、UID 哈希化、保留非个人识别性别的身体特征（代谢、体重等）、保留设备特征。之后由策展人逐张目视检查像素数据中是否有烧录 PHI，并用 Tag Sniffer 扫描唯一字符串，最后编自定义脚本补漏。这是"高卫生度"数据集的典型流程。
2.8 存储与下载规划
99.79 GB 的体量对本地存储与网络都是实际约束。由于下载须用 TCIA Data Retriever（NBIA Data Retriever），建议先下 manifest（清单）再选择性拉取，避免一次性全量。若仅需临床表与字典，两者体量极小（合计不到 250 kb），可直接下载。
2.9 五数对账演练
拿到数据后，建议做一次"五数对账"：以 TCIA 页面声明的 215 / 765 / 3,222 / 433,381 / 99.79GB 为基准，逐项核对本地清单——患者目录数、study 目录数、series 数、DICOM 文件数、总体积。任何一项显著偏差都可提示下载不完整或版本错配。这一习惯在 RT 数据集上尤其有价值，因为缺失一个 RTSTRUCT 就可能让一例患者的轮廓分析落空。
2.10 与父集合的数量关系
理解 215 与 627 的关系是本节的关键。父集合 HNSCC 包含两个研究项目的患者全集：项目一是 Head-Neck-CT-Atlas（215 例），项目二是在口咽癌（OPC）上的放射组学结局预测（建库 495 例，TCIA 收录 412 例）。70 例患者被同时纳入两个项目。父集合提供去重后的全集访问（627 例），而各子集提供对应患者子集的独立下载入口。因此：
- 只要 CT Atlas 患者 → 215；
- 要两项目全体 → 627（父集合）；
- 只要 OPC 放射组学 → 412。
三个数字服务三类研究需求，不可互相替代。
§3 队列、临床变量与结局
3.1 队列形成的两条筛选线
Head-Neck-CT-Atlas 的 215 例不是随机抽样，而是经过两条筛选线后的结果：
- 时间与治疗线：MDACC 2003-10-01 至 2013-08-31 期间接受**根治性放疗（curative-intent RT）**的连续 HNSCC 患者，共 2,840 例；
- 影像可得性线：要求患者在 RT 前后均在本机构完成全身 PET-CT 或腹部 CT，最终 n=215。
这一设计直接服务于"体成分前后对比"研究：只有前后都有全身或腹部影像，才能用 L3 层面轴位 CT 计算治疗前后的骨骼肌与脂肪含量。换言之，纳入标准不是为了"覆盖全人群"，而是为了"保证纵向可比"。这带来一个必须注意的偏倚：入组患者都是能在两个时点完成 PET-CT/腹部 CT 者，可能在体质状态、随访依从性上非随机。
3.2 人口学与肿瘤特征
论文给出的 215 例队列特征如下（均为硬数字，来自数据论文正文）：
| 特征 | 数值 |
|---|---|
| 男性占比 | 85.5% |
| 口咽原发 | 156/215（73%） |
| — 舌根（base of tongue） | 51% |
| — 扁桃体（tonsil） | 43% |
| 同步化疗 | 127 例（59%） |
| — 其中含铂方案 | 98% |
| 术后放疗 | 27 例（13%） |
| 放疗剂量均值 | 68.66 Gy（范围 56–72 Gy） |
| 分割次数 | 28–40 次（每日） |
“口咽原发占 73%“是理解这个数据集的关键：虽然名义上是"头颈鳞癌”，但实际以**口咽癌（oropharyngeal cancer, OPC）**为主，且 HPV 相关口咽癌在 2003–2013 年间正快速上升。这解释了为什么父集合的第二个子项目正是"口咽癌放射组学”——两个子项目在病种上高度重叠（70 例患者重复），只是研究目标不同（体成分 vs 放射组学）。
3.3 治疗时序的中位间隔
- 诊断影像 → 模拟定位：中位 0.87 个月（IQR 0.37–2.27）；
- 放疗结束 → 随访影像：中位 2.77 个月（IQR 1.93–6.57）；
- 随访影像构成：全身 PET-CT 213 例（99.1%），腹部 CT 2 例。
第二行提醒建模者：如果你要做"随访期"分析，99.1% 的随访影像是全身 PET-CT，意味着随访 CT 通常以 PET-CT 的伴随 CT 形式存在，而非独立诊断 CT。
3.4 临床变量清单
临床数据表（XLSX，CC BY 3.0）覆盖三类字段（诊断 / 随访 / 治疗），具体包括：
- 人口学：年龄、性别等；
- 危险因素：吸烟史——编码为从不吸烟（0）/ <10 包年（1）/ ≥10 包年（2）；当前吸烟 否（0）/ 是（1）；
- 肿瘤特征：分级（grade）、分期（AJCC 第 7 版 TNM）、原发部位；
- 病毒状态：HPV 高危亚型，经**原位杂交（in situ hybridization, ISH）**检测；
- 治疗：放疗剂量与分割、同步化疗、术后放疗；
- 结局：复发、生存；
- 支持治疗：喂养管——鼻胃管与经皮置管作为二分变量，含类型、置入/拔除日期及持续时长；
- 体成分：L3 骨骼肌指数（SMI）、脂肪指数（ADI）、瘦体重（LBM）、脂肪量（FM）。
3.5 三个生存终点
论文明确给出三个终点定义：
- 总生存（Overall Survival, OS）：诊断至任何原因死亡；
- 疾病特异性生存（Disease-Specific Survival, DSS）：诊断至 HNSCC 相关死亡（其他原因死亡作删失）；
- 局部区域控制时长（locoregional control）：诊断至局部区域复发（远处复发与第二原发肿瘤作删失）。
三个终点的删失规则不同，混用会导致结果不可比。这也是头颈肿瘤研究里最容易被误用的地方之一。
3.6 体成分指标：本数据集的隐藏富矿
体成分分析是本数据集的"隐藏主题"。方法学（Oral Oncol 2016）规定：
- 分析层面：**第 3 腰椎（L3）**的腹部 CT 及全身 PET-CT 的 CT 成分；
- 选取同序列 3 个相邻轴位图像，按 层厚 求平均横截面积 = 勾画体积 ÷ 层厚；
- 骨骼肌 HU 范围 −29 至 150；脂肪组织 HU 范围 −190 至 −30；
- 指标：骨骼肌指数 SMI、脂肪指数 ADI（单位 cm²/m²）。
肌少症（sarcopenia，骨骼肌耗竭）阈值：
- 男性 SMI < 52.4 cm²/m²；
- 女性 SMI < 38.5 cm²/m²。
估算公式：
- 瘦体重 LBM(kg) = 0.3 × [L3 骨骼肌横截面积(cm²)] + 6.06；
- 脂肪量 FM(kg) = 0.042 × [L3 总脂肪组织横截面积(cm²)] + 11.2。
软件为 Pinnacle 9.6（Philips）。把 HU 阈值、层面选择、估算公式一并公开，正是本数据集可复现性的关键——这些细节若缺失，体成分研究无法跨研究比较。
3.7 伦理与合规
队列为回顾性研究。数据论文说明研究经机构伦理审查批准，全部数据经去标识后进入 TCIA。访问层面，影像受 NIH 受控数据访问政策约束，原因明示：部分影像可被用于重建人脸。因此使用者须遵守 TCIA Data Usage Policy 与 Restrictions，并附完整 Data Citation。
3.8 一例患者的完整数据画像
把上面各节拼起来，一例典型患者的数据资产大致是：
患者 P
├── Study 1 治疗前诊断 CT 或 PET-CT（入组门槛影像）
├── Study 2 模拟定位 CT（放疗体位，计划坐标系）
│ ├── RTPLAN 射束/准直/能量/监测单位
│ ├── RTSTRUCT 靶区 + 危及器官轮廓（ICRU 50/62）
│ └── RTDOSE 等剂量线分布
├── Study 3 治疗后随访 PET-CT（99.1%）或腹部 CT（0.9%）
├── Study 4 复发者：用于诊断复发的诊断影像
└── 表格行 人口学/吸烟/AJCC 7 分期/HPV/复发/生存/喂养管/L3 体成分
3.9 队列偏倚与外部效度
三点局限必须写进任何基于本数据集的论文：
- 单中心：全部来自 MDACC，患者构成、治疗理念（如 2003–2013 年间 IMRT 普及过程）具有机构特异性；
- 生存偏倚的潜在来源：需要前后两次全身影像，隐含了"患者能完成两次检查"的选择；
- 时代性：AJCC 现行版本已更新（第 8 版引入 HPV 分层），本集标注为第 7 版，跨版本比较需谨慎。
§4 采集、去标识与质量验证流程
4.1 从 EMR 到 TCIA 的四段流水线
数据论文把一个病例从"临床记录"变成"可发布数据集"的过程拆为四段：
- 临床数据抽取：从 MDACC 自研电子病历系统 ClinicStation 中检索相应临床字段；
- 影像去标识：用 **RSNA MIRC Clinical Trial Processor（CTP）**在采集端（MDACC）与服务器端（TCIA）双端部署；
- 影像按患者与日期匹配：使影像与临床表可通过患者标识 + 日期对齐；
- 策展与复核：
TagSniffer与 Posda Tools 筛查错误与残留 PHI，TCIA 策展人复核，再由原机构确认。
4.2 去标识的八步细节
论文去标识流程可细化为八步：双端部署 CTP → 分配唯一患者标识 → 按 DICOM 基础保密 Profile 初步去标识（移除文本标签 PHI、日期统一偏移、UID 哈希、保留新标识与设备特征）→ 策展人逐张目视检查像素烧录 PHI（burned-in PHI）→ Tag Sniffer 扫描唯一字符串 → TCIA 策展人复核（识别所有 PHI/非哈希 UID/非偏移日期）→ 编写自定义 CTP 脚本补漏 → 再次 Tag Sniffer 生成 Final Review Output。
关键点：**日期统一偏移（uniform date shift）**保留了扫描间与患者间的时间间隔信息，但消除绝对日期。因此"放疗前 0.87 个月"这类相对量可用，"某患者于 2007 年 3 月 5 日扫描"这类绝对量不可复原。
4.3 技术验证：Posda 与修订次数
论文的技术验证（Technical Validation）透露了这批数据的"原始凌乱度"：初步分析发现 195/215 例患者存在 series/study 不一致问题。经过完整策展后，每例患者最少修订 2 次、最多 6 次、平均 3.17 次。这说明：
- 公开的洁净数据集背后是大量人工修订；
- 使用者拿到"看似干净"的数据后，仍应做基本一致性检查（如 series 与 study 的对应、RTSTRUCT 与源影像配准）。
Posda Tools（Perl 编写，开源）是这一验证的核心工具，用于验证数据未被篡改、检测序列/检查不一致、数据链接错误、RT 结构与源影像配准错误。
4.4 RTSTRUCT 的勾画依据
RTSTRUCT 中的轮廓不是任意 ROI。论文说明其依据 ICRU 第 50 号报告（靶区剂量规定：GTV/CTV/PTV 概念与剂量报告）与 ICRU 第 62 号报告（处方、记录与报告，及对计划风险体积的补充），并经头颈放疗科 QA 会议审查。
需要提醒的是：子集数据论文未逐条列出危及器官（OAR）名称清单。兄弟子集（口咽癌放射组学，495 例）则明确按 AAPM TG-263 推荐命名，并区分 GTVp（原发灶大体靶体积）与 GTVn（淋巴结大体靶体积）。因此若你要做"按结构名的自动化分析"，最好先解析 RTSTRUCT 中实际出现的结构名，而不是假定期望的命名约定一定成立。这是本条目 FACTS.md §9 明确标注的遗留疑点。
4.5 数据源的"两项目耦合"
父集合 HNSCC 的 627 例来自两个项目，70 例重叠。这带来一个实用的细节：如果你同时下载 CT Atlas 子集与 OPC 放射组学兄弟集，可能有 70 例患者的影像在两边都出现（影像可能相同或部分相同）。跨子集合并时务必按患者标识去重，否则会高估样本量。
4.6 与 TCIA 通用规范的契合
本集合遵循 TCIA 通用实践：DICOM 格式、Data Citation Required、Data Usage Policy 绑定、提供 Data Dictionary。其"RT-enriched"特性（含 RTPLAN/RTSTRUCT/RTDOSE）使其归入需要更谨慎处理的一类，因为 RT 结构数据同时携带治疗信息与潜在识别信息。
§5 标注体系、任务与可用性
5.1 标注的"三层"结构
Head-Neck-CT-Atlas 的标注可分为三层：
- 几何标注（RTSTRUCT）：靶区 + 危及器官轮廓，医师/剂量师手绘；
- 剂量标注（RTDOSE + RTPLAN）：计划剂量分布与机器参数；
- 表格标注（临床 XLSX）：结局、分期、体成分等。
三层对应三类任务，互不替代。几何标注回答"结构在哪"，剂量标注回答"接受了多少剂量"，表格标注回答"结果如何"。
5.2 任务 A：OAR 自动分割
RTSTRUCT 提供了危及器官的真实临床轮廓，是训练/评测 OAR 自动分割模型的天然素材。要点：
- 优势：真实临床勾画，非合成 ROI；
- 陷阱：不同医师、不同年份的勾画手法差异；子集未提供统一 OAR 命名清单，需自行统一；
- 建议：先统计结构名频次，建立"名称 → 标准 OAR"映射表，再开始训练。
5.3 任务 B：靶区（GTV/CTV/PTV）自动勾画
RTSTRUCT 也含靶区轮廓。但注意：子集论文未区分 GTVp/GTVn 命名（该区分在兄弟子集 OPC 中明确）。做靶区任务时应先确认实际结构名。
5.4 任务 C：体成分纵向分析
这是本数据集最有辨识度的任务。用 T0（治疗前）与 T1（治疗后）两个时点的 L3 层面轴位 CT，按 HU 阈值分割肌肉与脂肪，计算 SMI/ADI 变化，与结局（OS/DSS/局部区域控制）关联。这条线索已有 JAMA Oncol 2016 的实证结果（治疗前后体成分与生存/局部区域控制的关联）。
5.5 任务 D：剂量—毒性建模
RTPLAN + RTDOSE + RTSTRUCT 三者组合，可提取每个 OAR 的剂量-体积参数（如 Dmean、Dmax、V30 等），与临床毒性/结局关联。这是放疗物理与剂量学研究的经典场景。
5.6 任务 E：多模态影像组学
CT/MR/PET 多模态 + 轮廓，可做放射组学特征提取与建模。但需注意：本数据集不是为 benchmark 而建，没有官方划分或排行榜，做对比实验时须自建可复现的划分并公开。
5.7 可用性清单：拿到数据第一周该做什么
- 五数对账：核对 215/765/3,222/433,381/99.79GB（见 §2.9）；
- 结构名普查：解析所有 RTSTRUCT，统计结构名频率，建立映射表；
- 配准抽检：抽查若干例 RTSTRUCT 与模拟定位 CT 的配准是否正确；
- 日期逻辑检查：确认治疗前/计划/治疗后三类 study 的相对时序符合预期；
- 临床表字段核对：用 Data Dictionary 核对字段定义，尤其终点时长的删失规则；
- 跨子集去重：若同时用 OPC 兄弟集，按患者标识去重（注意 70 例重叠）。
5.8 与 IBSI 的关系
影像组学社区有 IBSI（Image Biomarker Standardisation Initiative） 标准，规定特征定义与提取参数上报方式。本数据集不绑定 IBSI，但使用者若做影像组学，应主动按 IBSI 上报特征定义与参数，以保证跨研究可比。
5.9 数据的"非基准"属性再强调
必须反复强调：本数据集是数据论文（data descriptor）+ 存档库，不是竞赛基准。它有配套方法学论文给出的实证结论（体成分—生存），但没有"提交即评分"的榜单。使用者应以"复用真实临床数据"的心态使用它，而非"打榜"。
5.10 影像组学复用要点（若走这条路）
虽然本数据集不以 benchmark 定位，但若你确实做影像组学，几点建议：
- ROI 选择：优先用 RTSTRUCT 中已有的临床轮廓（OAR 或靶区）作为 ROI，避免新建 ROI 引入主观差异；
- 多模态对齐：CT/MR/PET 若同患者均有，需做 rigid 或 deformable 配准后再做区域级特征提取；
- 重采样：头颈影像层厚不一（诊断 CT、模拟 CT、PET 伴随 CT 各异），须统一体素尺寸；
- 灰度离散化：按 IBSI 上报 bin 宽或 bin 数，避免"同特征不同离散化"造成不可比；
- 报告全参数：把重采样、离散化、特征库版本全部写进方法学。
5.11 剂量学复用的三个提醒
- RTDOSE 与 CT 的坐标一致性：剂量分布通过 DICOM 参考坐标系与 CT 关联，读取时须验证帧参考 UID 一致；
- DVH 重建：OAR 剂量-体积直方图需从 RTSTRUCT + RTDOSE 重建，注意插值与网格分辨率；
- 处方差异：均值 68.66 Gy、范围 56–72 Gy 说明处方不统一，做剂量-效应建模时应以处方归一化或纳入协变量。
5.12 标注质量的三点自检
- 轮廓层间一致性：抽查同一结构在相邻层面的边界跳跃是否合理（防漏层）；
- 左右结构性：头颈 OAR 多为成对（腮腺、颌下腺），检查左右是否都有；
- 命名去重：同一 OAR 可能因拼写不同出现多个结构名，需归并。
§5b 使用场景与案例推演
5b.1 场景一：构建 OAR 自动分割的评测集
目标：用本数据集的临床轮廓评测一个 OAR 分割模型。步骤：解析 RTSTRUCT → 归并结构名 → 选 2–4 个高频 OAR（如腮腺、脊髓、下颌骨）→ 自建划分（如 8:1:1）→ 训练/评测。要点：本数据集无官方划分，你的划分必须公开才能被比较；不同医师勾画的差异本身就是评测的"标注噪声"来源。
5b.2 场景二：体成分变化与生存关联
目标：复现"治疗前后 L3 骨骼肌/脂肪变化与 OS/LRC 关联"。步骤：取 T0/T1 轴位 CT → 按 HU 阈值分割 → 计算 SMI/ADI → 计算变化量 → 与 OS/DSS/LRC 做生存分析。要点：肌少症阈值（男 52.4、女 38.5）与估算公式须与原始方法学一致；随访影像 99.1% 为 PET-CT 伴随 CT，需确认其可用于体成分测量。
5b.3 场景三：剂量—毒性探索
目标：分析某 OAR 剂量参数与临床结局/毒性的关系。步骤：从 RTDOSE + RTSTRUCT 重建 DVH → 提取 Dmean/Dmax/Vx → 与临床表关联。要点：处方不统一（56–72 Gy），需归一化；毒性字段的存在与否需先核对数据字典。
5b.4 场景四：多中心外部验证
目标：把在 HN1 或 head-neck-pet-ct 上训练的模型拿来本数据集做外部验证。要点：三队列病种、模态、轮廓命名口径不同，直接迁移需做模态对齐（如仅用 CT 特征）与结构名映射；这是"跨队列泛化"的经典实验设计，也是本条目作为"外部验证集"的价值所在。
§6 获取方式、许可与引用规范
6.1 双层许可总表
Head-Neck-CT-Atlas 的许可不是单一许可，而是按资产类型分层：
| 资产 | 格式 | 访问方式 | 许可 |
|---|---|---|---|
| 影像与放疗结构 | DICOM（CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE） | 下载需 TCIA Data Retriever | NIH Controlled Data Access Policy（受控访问） |
| 临床数据 | XLSX（135 kb） | 页面直接下载 | CC BY 3.0 |
| 数据字典 | XLSX（98.65 kb） | 页面直接下载 | CC BY 3.0 |
父集合 HNSCC 页面对全体影像与放疗结构同样标注 NIH Controlled Data Access Policy。兄弟子集 OPC 的临床 CSV 则为 CC BY 4.0（与本子集 CC BY 3.0 不同，引用时勿混）。
6.2 为什么影像是受控访问
TCIA 页面给出的理由非常具体：“Some data in this collection contains images that could potentially be used to reconstruct a human face.”——部分头颈部影像含有足以用于重建人脸的信息。头颈位于面部，CT/PET 的体表轮廓在三维重建下可能复原面部特征，因此该集合被归入需要额外隐私保护的类别，走 NIH Controlled Data Access Policy 流程。
另一条现状说明尤为重要：“Due to NIH Controlled Data Access Policy changes, downloads that previously required login-access are no longer available via TCIA. Watch for announcements re-enabling these in a new form.”——即由于 NIH 受控数据访问政策变化，过去需要登录的下载现已不可用，恢复新形式的时间未定。这是当前使用本数据集最大的实际障碍，也是必须如实告知使用者的现状（属 FACTS.md §9 遗留言疑点）。
6.3 历史许可口径（双口径存照）
需要诚实指出：TCIA 的历史 wiki 页面（pageId=24281354）曾把影像许可记为 “TCIA Restricted”，并要求"users must sign and submit a TCIA Restricted License Agreement to help@cancerimagingarchive.net before accessing the data"，同时把模态记为 CT/MR/PT/RT/RTPLAN/RTDOSE、患者 215、studies 766、series 3225、images 433,384、体积 93GB。
现行页面（analysis-result 与 collection/hnscc）则统一记为 NIH Controlled Data Access Policy，studies 765、series 3,222、images 433,381、体积 99.79GB。
两组口径的差异分两类：许可措辞变化（TCIA Restricted → NIH Controlled Data Access Policy）与计数微调（769 vs 765 等微小差异）。引用时应以现行页面为准，历史口径在 §10.3 存照，以免与他文冲突时无从解释。
6.4 下载工具
影像下载依赖 TCIA Data Retriever（NBIA Data Retriever）：先在 TCIA 页面生成 manifest（清单文件），再用该工具按清单拉取。临床表与字典不需要工具，直接下载。
实践建议：先下临床表（CC BY 3.0，体量极小），据此了解可用患者与字段，再决定拉取哪些影像，避免盲目下载 99.79 GB。
6.5 引用三件套
（1）Data Citation（子集）：
Grossberg A, Mohamed A, Elhalawani H, Bennett W, Smith K, Nolan T, Chamchod S, Kantor M, Browne T, Hutcheson K, Gunn G, Garden A, Frank S, Rosenthal D, Freymann J, Fuller C. (2017). Data from Head and Neck Cancer CT Atlas. The Cancer Imaging Archive. DOI: 10.7937/K9/TCIA.2017.umz8dv6s
（2）Data Citation（父集合 HNSCC Version 4）：
Grossberg A, Elhalawani H, Mohamed A, Mulder S, Williams B, White AL, Zafereo J, Wong AJ, Berends JE, AboHashem S, Aymard JM, Kanwar A, Perni S, Rock CD, Chamchod S, Kantor M, Browne T, Hutcheson K, Gunn GB, Frank SJ, Rosenthal DI, Garden AS, Fuller CD, M.D. Anderson Cancer Center Head and Neck Quantitative Imaging Working Group. (2020) HNSCC Version 4 [Dataset]. The Cancer Imaging Archive. DOI: https://doi.org/10.7937/k9/tcia.2020.a8sh-7363
（3）Publication Citation（数据论文）：
Grossberg A, Mohamed A, Elhalawani H, Bennett W, Smith K, Nolan T, Williams B, Chamchod S, Heukelom J, Kantor M, Browne T, Hutcheson K, Gunn G, Garden A, Morrison W, Frank S, Rosenthal D, Freymann J, Fuller C. (2018) Imaging and Clinical Data Archive for Head and Neck Squamous Cell Carcinoma Patients Treated with Radiotherapy. Scientific Data 5:180173. DOI: 10.1038/sdata.2018.173
规范做法：同时给出数据引用（确定数据集版本）与论文引用（说明其科学背景）。
6.6 版本与获取对账
子集版本链为 V1（2019-07-11）→ V2（2024-05-15）。V2 的变更说明为替换临床数据文件（按 PI 请求），旧版不再提供。这意味着：
- 若你 2024-05 之前下载过临床表，其字段或内容可能与现行版本不同；
- 复现实验时应记录下载日期与版本号；
- 论文复现若基于旧版临床表，需说明版本。
6.7 申请与使用时间线规划
由于影像受控访问、下载工具依赖 manifest，实际使用应规划为：了解字段（下临床表）→ 确定患者子集 → 生成 manifest → 用 Data Retriever 拉取 → 对账 → 建结构名映射 → 分析。若走受控访问审批，需预留审批时间。
6.8 二次分发与合规红线
- 不得绕过受控访问政策二次分发受控影像；
- 可以在遵守 CC BY 3.0 的前提下再分发临床表与数据字典（须署名）；
- 引用时必须包含 Data Citation 与 DOI；
- 不得尝试从影像复原患者身份或人脸（这既是伦理红线，也是政策明令）。
§7 机构、人物与学术背景
7.1 建库机构
核心机构是 The University of Texas MD Anderson Cancer Center（休斯顿）放射肿瘤科，并依托其 头颈定量影像工作组（MDACC Head and Neck Quantitative Imaging Working Group）。合作方是 The Cancer Imaging Archive（TCIA），负责托管、策展与发布。
MDACC 是美国最负盛名的肿瘤中心之一，其头颈放疗团队在调强放疗（IMRT）、质子治疗、影像引导放疗等方向长期活跃。Head-Neck-CT-Atlas 是其"把完整放疗数据开放共享"的早期尝试之一。
7.2 关键人物
- Aaron J. Grossberg：数据论文第一作者与通讯作者之一（现于 Oregon Health & Science University，grossber@ohsu.edu），体成分—生存研究的主要分析者；
- Clifton D. Fuller（cdfuller@mdanderson.org）：通讯作者，头颈定量影像工作组的核心推动者，长期倡导头颈影像数据共享；
- Abdallah S. R. Mohamed、Hesham Elhalawani：影像组学方向的核心贡献者，兄弟子集（OPC 放射组学）的主要作者；
- Kirk E. Smith、Tracy S. Nolan、William C. Bennett、John B. Freymann：数据策展与影像信息学（TCIA 侧）；
- G. Brandon Gunn、Adam S. Garden、William H. Morrison、Steven J. Frank、David I. Rosenthal：放疗临床方；
- Katherine A. Hutcheson：言语病理/吞咽功能方向，喂养管等字段的临床依据。
7.3 数据论文的作者列表
数据论文（Sci Data 5:180173, 2018）共 19 位作者，按序为：Grossberg AJ、Mohamed ASR、Elhalawani H、Bennett WC、Smith KE、Nolan TS、Williams B、Chamchod S、Heukelom J、Kantor ME、Browne T、Hutcheson KA、Gunn GB、Garden AS、Morrison WH、Frank SJ、Rosenthal DI、Freymann JB、Fuller CD。
父集合 HNSCC Version 4（2020）的 Data Citation 作者串更长（含 MDACC H&N Quantitative Imaging Working Group），且增列 Mulder、White、Zafereo、Wong、Berends、AboHashem、Aymard、Kanwar、Perni、Rock 等。两个作者串不可互替——引用子集用子集串，引用父集合用父集合串。
7.4 配套论文谱系
- 体成分—生存：Grossberg AJ, Chamchod S, Fuller CD, et al. “Association of Body Composition With Survival and Locoregional Control of Radiotherapy-Treated Head and Neck Squamous Cell Carcinoma.” JAMA Oncol 2016;2(6):782-789（DOI 10.1001/jamaoncol.2015.6339）；
- 体成分方法学：Chamchod S, et al. “Quantitative body mass characterization before and after head and neck cancer radiotherapy: A challenge of height-weight formulae using computed tomography measurement.” Oral Oncol 2016 Oct;61:62-9（DOI 10.1016/j.oraloncology.2016.08.012）；
- 兄弟子集数据论文：Elhalawani H, Mohamed A, White A, et al. “Matched computed tomography segmentation and demographic data for oropharyngeal cancer radiomics challenges.” Sci Data 4:170077（2017）（DOI 10.1038/sdata.2017.77）；
- 数据论文勘误：Author Correction，2018-11-27，DOI 10.1038/s41597-018-0002-5。
这一谱系说明：Head-Neck-CT-Atlas 不是孤立的图集，而是"体成分研究 + 放射组学研究"两条线共享的一块基础设施。
7.5 学术定位
在头颈部影像数据共享的历史上，本集合属于早期规模化 RT-enriched 范例之一。它证明了"完整放疗细节（含 RTSTRUCT/RTDOSE）可去标识后公开共享"，为后续更大规模的头颈数据集（如父集合扩容、OPC 放射组学兄弟集）铺路。其学术影响力主要体现在被引与复用，而非竞赛成绩。
§8 生态位与库内关系（重点消歧）
8.1 TCIA 生态中的位置
在 TCIA 上，本条目处于一个"父子—兄弟"结构中：
HNSCC（父集合，627 例，DOI ...2020.a8sh-7363）
├── Head-Neck-CT-Atlas（子项目一，215 例） ← 本条目
└── Radiomics outcome prediction in Oropharyngeal cancer（子项目二，建库 495 / TCIA 412 例）
（DOI 10.7937/TCIA.2020.2vx6-fy46）
父集合提供 627 例全集；两个子项目提供各自患者子集的独立入口；70 例患者被两个子项目同时纳入。引用时务必指明层级。
8.2 库内三集合逐条辨析（核心消歧）
千方病案医数集库内已收录三个头颈相关条目，与本条目极易混淆。下表逐维度对照：
| 维度 | 含 HNSCC-CT-Atlas（本条目） | headneck-radiomics（HN1，rid 946） | head-neck-pet-ct（rid 838） |
|---|---|---|---|
| 官方全称 | Data from Head and Neck Cancer CT Atlas | HEAD-NECK-RADIOMICS-HN1 | Head-Neck-PET-CT |
| 建库机构 | MD 安德森癌症中心（单中心） | MAASTRO（单中心） | 蒙特利尔与舍布鲁克四中心 |
| 患者数 | 215 | 137 | 298 |
| 模态核心 | CT + PET + MR + RT 三件套（全流程三期影像） | 放疗 CT（+ 结构） | 治疗前 PET/CT（六模态） |
| 有 PET？ | 有（入组门槛 + 随访） | 否 | 是（核心） |
| 有 OAR 轮廓？ | 有（RTSTRUCT，ICRU 50/62，未列名单） | 有 | 有（GTV 原发 + 淋巴结双 ROI） |
| 有 GTVp/GTVn 明确命名？ | 子集未明确区分 | 部分 | 论文明确双 ROI |
| 有体成分标注？ | 有（L3 SMI/ADI，特色） | 否 | 否 |
| 有放疗剂量（RTDOSE）？ | 有 | 部分 | 有 |
| 许可 | 影像 NIH 受控 + 临床表 CC BY 3.0 | 见其条目 | 影像 TCIA Restricted + 表 CC BY 3.0 |
| 主要用途 | 放疗全流程复用 / 体成分 / 剂量毒性 | 泛癌种 radiomics 方法学（Aerts 2014 数据源之一） | PET/CT 影像组学结局预测（1615 特征） |
| 数据来源 | MDACC 2003–2013 | MAASTRO（荷兰） | 加拿大四中心 2006–2014 |
三条差异要点：
- 模态口径：本条目是"CT 为主 + 全流程 RT"；head-neck-pet-ct 是"PET/CT 为核心"；headneck-radiomics 是"放疗 CT"。
- 患者队列：215（单中心 MDACC）vs 298（四中心加拿大）vs 137（单中心 MAASTRO），三者独立、不可合并计数。
- 标注口径：本条目唯一提供 L3 体成分标注；head-neck-pet-ct 以 GTV 双 ROI + 1615 特征见长；headneck-radiomics 以泛癌种 radiomics 谱系见长。
8.3 与 hancock-hnscc（rid 984）的关系
库内另有一条 hancock-hnscc（HANCOCK）：埃尔朗根 763 例 HNSCC 单中心多模态数据集，模态为病理 WSI + TMA 免疫组化 + 结构化临床血液 + 去标识手术报告文本。它与本条目：
- 相同点：都是 HNSCC、都是单中心、都有临床变量；
- 根本差异：HANCOCK 是病理/组学/文本模态，本条目是影像/放疗模态——二者模态不重叠，属互补而非竞争。
若做"影像—病理联合"研究，两者理论上是天然的互补素材（不同队列，需注意不可跨队列直接配对个体）。
8.4 三句话消歧速记
- 要放疗全流程影像 + 体成分 → 本条目（hnscc-ct-atlas，215）；
- 要 PET/CT 影像组学基准 → head-neck-pet-ct（298）；
- 要泛癌种 radiomics 的 H&N 数据源 → headneck-radiomics / HN1（137）。
8.5 库内检索与互链示例
在千方病案医数集内检索"头颈"或"head neck"会同时命中上述条目。建议的互链关系为：
hnscc-ct-atlas↔headneck-radiomics（同为放疗 CT + 轮廓，方法学对照）hnscc-ct-atlas↔head-neck-pet-ct（互补模态，[CT 全流程] vs [PET/CT]）hnscc-ct-atlas↔hancock-hnscc（影像 vs 病理，跨模态互补）
8.6 外部锚点
除 TCIA 页面与 DOI，本条目可锚定：数据论文（Sci Data 5:180173）、父集合页（collection/hnscc）、兄弟子集 DOI（10.7937/TCIA.2020.2vx6-fy46）、以及配套 JAMA Oncol / Oral Oncol 论文。
8.7 与 OPC 兄弟子集的辨析（父集合内部）
父集合 HNSCC 内部还有一个"兄弟子集"：Radiomics outcome prediction in Oropharyngeal cancer（DOI 10.7937/TCIA.2020.2vx6-fy46）。它同样来自 MDACC，但定位不同：
| 维度 | Head-Neck-CT-Atlas（本条） | OPC 放射组学（兄弟集） |
|---|---|---|
| 项目目标 | 体成分 + 完整放疗数据共享 | 口咽癌影像组学特征与结局建模 |
| 建库例数 | 215 | 495（TCIA 收录 412） |
| 模态 | CT/PT/MR/RTPLAN/RTSTRUCT/RTDOSE | CT + RTSTRUCT |
| 轮廓命名 | 未明确区分 GTVp/GTVn | 明确 GTVp（原发）+ GTVn（淋巴结），按 TG-263 |
| 分析软件 | — | 机构自研 MATLAB 工具 |
| 采集窗 | 2003–2013 | 2005–2012 |
| 许可 | 影像 NIH 受控 + 临床 CC BY 3.0 | 影像 NIH 受控 + 临床 CSV CC BY 4.0 |
两者重叠 70 例。选型建议：做体成分或全流程放疗复用选本条；做口咽癌影像组学特征建模选兄弟集。
8.8 在"头颈影像数据"版图中的位置
把头颈部公开影像数据粗略分层，本条目属于"放疗全流程 + 临床表 + 体成分"这一层，区别于：
- “诊断影像层”（只有诊断 CT/MR，无 RT 结构）；
- “影像组学基准层”（有明确划分与特征管线，如 head-neck-pet-ct）；
- “病理/组学层”（如 hancock-hnscc 的 WSI/TMA）。
这一分层有助于理解：为什么三个库内头颈条目看似"都是头颈"，实际服务完全不同的研究问题。
8.9 互链与检索实践建议
- 检索词：“头颈”、“head neck”、“HNSCC”、“放疗 CT”；
- 三条目应互相跳转，并在各自 §库内关系 中保持口径一致（患者数、模态、许可）；
- 跨条目引用时统一使用 rid（946 / 838 / 984）避免歧义。
§7b 学术影响与复用生态
7b.1 被引与复用形态
作为数据论文，其影响主要体现为"被复用"，而非"被超越"。典型复用形态：
- 方法学复用：体成分方法被后续头颈研究引用为标准流程；
- 数据复用：作为 OAR 分割、剂量学、影像组学的素材；
- 基础设施示范：作为"如何在隐私约束下共享放疗数据"的范例被讨论。
TCIA 页面显示父集合 DOI 约有 13.5k 浏览与 38 条引用（2026-10 抓取口径）。
7b.2 与后续头颈数据集的关系
本条目是 MDACC 头颈数据共享的早期成果，其后该团队扩展出更大的父集合与 OPC 兄弟集。可以说，本条目是"从单项目图集走向多项目集合"的起点之一，为更大的共享基础设施积累了去标识、策展与许可治理经验。
7b.3 引用规范三原则
- 引数据集（Data Citation + DOI）与引论文（Publication Citation + DOI）并行；
- 指明版本（子集 V2 / 父集 V4）与下载日期；
- 区分许可（影像受控 / 临床表 CC BY 3.0）并在方法学声明。
§9 坑点清单：十二处易错
9.1 十二坑总表
| # | 坑点 | 一句话风险 |
|---|---|---|
| 坑 1 | 215 与 627 混用 | 引用时把子集当父集合，样本量虚增三倍 |
| 坑 2 | 影像与临床表许可混谈 | 以为全开放，实际影像受控 |
| 坑 3 | studies/series/images 历史口径 | 3,225 vs 3,222 等微差被当成两个数据集 |
| 坑 4 | 版本替换不可复现 | V2 换临床表、旧版不再提供 |
| 坑 5 | OAR 名称清单缺失 | 假定期望命名，实际需自行解析 |
| 坑 6 | GTVp/GTVn 命名在兄弟集 | 误把 OPC 子集口径用到本子集 |
| 坑 7 | 70 例跨子集重叠 | 合并两子集时样本量虚高 |
| 坑 8 | 日期绝对化 | 试图从偏移日期复原真实扫描日期 |
| 坑 9 | 随访影像非独立 CT | 99.1% 是 PET-CT 伴随 CT |
| 坑 10 | PET 双 AC 文件 | 同一 PET 两个衰减校正文件难区分 |
| 坑 11 | 生存终点删失规则混用 | OS/DSS/LRC 删失不同，不可混算 |
| 坑 12 | 把数据论文当基准论文 | 无官方划分/榜单，误期待排行榜 |
9.2 坑 1：215 与 627 混用
Head-Neck-CT-Atlas 子集是 215 例，父集合 HNSCC 是 627 例。二者不是同义。误用的典型后果：在论文里写"本研究使用 627 例头颈鳞癌 CT 数据集"，实则该数字是父集合（含 412 例 OPC 放射组学子集），而你用的可能只是 215 例。处置：引用前确认 DOI——umz8dv6s 是子集，a8sh-7363 是父集合。
9.3 坑 2：影像与临床表许可混谈
临床表与数据字典是 CC BY 3.0（可自由再分发，须署名），但影像与放疗结构是 NIH 受控访问。常见错误是把"临床表可下载"误推为"全部数据开放"，或在二次分发时把受控影像也一并散布。处置：许可按资产分层处理，引用与再分发时分别声明。
9.4 坑 3：studies/series/images 历史口径
TCIA 历史 wiki 页记 766 studies / 3,225 series / 433,384 images / 93GB；现行页记 765 / 3,222 / 433,381 / 99.79GB。差异微小但真实存在（属版本演进）。处置：以现行页为准；若他文数值与你不同，先查是否为历史口径，再判断是否冲突。
9.5 坑 4：版本替换不可复现
2024-05-15 的 V2 更新"替换了 Head-Neck-CT-Atlas 临床数据文件，旧版不再提供"。这意味着基于旧版临床表的分析难以精确复现。处置：记录下载日期与版本；若复现他文，说明所用版本；对关键字段做敏感性检查。
9.6 坑 5：OAR 名称清单缺失
子集数据论文未逐条列出危及器官名称清单。若你写"我们使用数据集中标注的 10 个 OAR"，很可能与实际不符。处置：解析 RTSTRUCT 实际结构名、统计频次、建立映射；在方法学部分报告映射规则。
9.7 坑 6：GTVp/GTVn 命名在兄弟集
GTVp（原发灶）与 GTVn（淋巴结）的明确区分与 TG-263 命名出自兄弟子集（OPC 放射组学，495 例），不是本子集的数据论文明确口径。处置：不要把兄弟集的命名约定直接套到本子集；先验证本子集 RTSTRUCT 的实际命名。
9.8 坑 7：70 例跨子集重叠
父集合两个子项目重叠 70 例。若同时下载 CT Atlas 与 OPC 放射组学，可能有 70 例患者出现在两边。合并样本时不去重会虚增样本量、造成数据泄漏风险。处置：按患者标识去重。
9.9 坑 8：日期绝对化
所有日期经统一偏移，绝对日历日期不可复原。处置：只使用相对时间量（如"放疗前 0.87 个月"）；不要在论文中声称具体年月。
9.10 坑 9：随访影像非独立 CT
99.1% 的随访影像是全身 PET-CT，其 CT 是 PET 的伴随 CT，与"独立诊断 CT"在采集参数与用途上不同。处置：做随访期影像分析时明确其来源与参数。
9.11 坑 10：PET 双 AC 文件
TCIA 历史页明确提示：部分 PET 检查含两个 AC（衰减校正）文件——一个含头颈段，一个含眼到大腿段，且无命名约定区分，需用 DICOM 阅读器判别。处置：处理 PET 时检查 AC 文件数量与覆盖范围，避免误用错段。
9.12 坑 11：生存终点删失规则混用
OS（任何原因死亡）、DSS（HNSCC 死亡，其他原因删失）、局部区域控制（局部区域复发，远处复发与第二原发删失）三者删失规则不同。处置：分别建模、明确声明；不要把一个终点的删失规则套到另一个。
9.13 坑 12：把数据论文当基准论文
数据论文（data descriptor）不含官方划分与排行榜。若期待"照论文数字即可对比"，会落空。处置：自建可复现划分并公开，按 IBSI 上报特征定义。
9.14 一句话记法
“215 不是 627，影像不随临床表，OAR 名要自己查，日期只能看间隔。”
§10 附录：DAIMS 评分、FAQ、存照与来源
10.1 DAIMS 评分表
DAIMS（Data Asset Information Maturity Score，数据资产信息成熟度）从六个维度评估数据集的信息完备度，满分 24：
| 维度 | 评分 | 依据 |
|---|---|---|
| 身份可识别（Identity） | 4/4 | 官方名、DOI、Data Citation 齐备 |
| 结构与规模（Structure） | 4/4 | 患者/studies/series/images/体积五数明确 |
| 许可与访问（License） | 3/4 | 双层许可清晰，但影像受控且下载现状有变 |
| 文档完备（Documentation） | 4/4 | Data Dictionary + 数据论文 + 方法学论文齐备 |
| 可复现性（Reproducibility） | 3/4 | 版本替换导致旧版不可得，略有扣分 |
| 关联与互链（Linkage） | 4/4 | 父集合/兄弟集/配套论文谱系完整 |
| 合计 | 22/24 | 高度成熟的数据资产 |
扣分点说明：许可维度因"受控访问 + 登录式下载下线"扣 1 分；可复现性因 V2 替换临床表、旧版不再提供扣 1 分。
10.2 常见问题（FAQ）
Q1：这个数据集是公开的吗？
部分是。临床表与数据字典公开（CC BY 3.0）；影像与放疗结构受 NIH 受控数据访问政策约束。
Q2：为什么我下载不了影像？
因 NIH 受控数据访问政策变化，过去需登录的下载已下线，TCIA 页面提示"待以新形式恢复"。
Q3：患者数到底是 215 还是 627？
子集 Head-Neck-CT-Atlas 是 215；父集合 HNSCC 是 627（含 412 例 OPC 放射组学子集，70 例重叠）。
Q4：有 GTV 和 OAR 轮廓吗？
有，在 RTSTRUCT 中，按 ICRU 50/62 勾画。但子集数据论文未逐条列出 OAR 名称清单，GTVp/GTVn 的明确命名出自兄弟子集。
Q5：能直接做影像组学打榜吗？
不能。它不是基准数据集，无官方划分与排行榜。
Q6：日期能还原吗？
不能。日期经统一偏移，只保留相对间隔。
Q7：有体成分数据吗？
有，这是本数据集特色：L3 层面 SMI/ADI/LBM/FM，见 §3.6。
Q8：和 headneck-radiomics（HN1）是同一个吗？
不是。HN1 是 MAASTRO 137 例放疗 CT；本条目是 MDACC 215 例全流程 RT 图集。见 §8.2。
Q9：和 head-neck-pet-ct 有什么不同？
后者是以治疗前 PET/CT 为核心的 298 例四中心影像组学基准；本条目以 CT 为主并含全流程 RT 与体成分。
Q10：和 hancock-hnscc 有什么不同？
HANCOCK 是病理 WSI/TMA/血液/文本模态；本条目是影像/放疗模态，二者互补。
Q11：数据论文发在哪？
Scientific Data 5:180173（2018），DOI 10.1038/sdata.2018.173。
Q12：能用于商业用途吗？
临床表（CC BY 3.0）允许商业使用（须署名）；影像须遵守 NIH 受控访问政策及其使用条款。
Q13：PET 为什么有时有两个文件？
部分 PET 含两个衰减校正（AC）文件（头颈段 / 眼-大腿段），无命名约定，需 DICOM 阅读器判别。
Q14：如何引用？
同时给出子集 Data Citation（DOI 10.7937/K9/TCIA.2017.umz8dv6s）与数据论文引用（DOI 10.1038/sdata.2018.173）。
Q15：随访影像是什么？
99.1% 为全身 PET-CT（其伴随 CT），2 例为腹部 CT。
Q16：有多少例口咽癌？
156/215（73%），其中舌根 51%、扁桃体 43%。
10.3 双口径存照清单
| 项目 | 口径 A（现行页） | 口径 B（历史 wiki 页） | 处置 |
|---|---|---|---|
| 影像许可 | NIH Controlled Data Access Policy | TCIA Restricted（签协议） | 以现行为准，说明历史差异 |
| Studies | 765 | 766 | 版本演进微差 |
| Series | 3,222 | 3,225 | 版本演进微差 |
| Images | 433,381 | 433,384 | 版本演进微差 |
| 体积 | 99.79 GB | 93 GB | 版本演进差异 |
| 患者数 | 215（子集） | 215 | 一致 |
| 临床表格式 | XLSX 135 kb | XLS 265 kb | V2 替换临床表 |
| 兄弟集临床 CSV 许可 | CC BY 4.0 | — | 与本子集 CC BY 3.0 不同，勿混 |
10.4 遗留疑点
- 数据论文的 PMID/PMCID：三源检索中 Nature 页面未直接列出，未能在本轮确证，故不写具体编号；
- OAR 名称清单：子集论文未逐条列出，需从 RTSTRUCT 解析；
- 受控访问恢复形式与时间：TCIA 页面仅提示"待以新形式恢复"，无明确时间表；
- 现行临床表与旧版字段差异：V2 替换了临床数据文件，字段级差异未在页面逐项披露。
10.5 来源清单
- TCIA 子集页：https://www.cancerimagingarchive.net/analysis-result/head-neck-ct-atlas/
- TCIA 父集合页：https://www.cancerimagingarchive.net/collection/hnscc/
- 子集 Data Citation DOI：https://doi.org/10.7937/K9/TCIA.2017.umz8dv6s
- 父集合 DOI：https://doi.org/10.7937/k9/tcia.2020.a8sh-7363
- 数据论文：https://doi.org/10.1038/sdata.2018.173（Sci Data 5:180173）
- TCIA wiki 历史页：https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=24281354
- CiNii 元数据页：https://cir.nii.ac.jp/crid/1883679867995696896
- 体成分论文：https://doi.org/10.1001/jamaoncol.2015.6339（JAMA Oncol 2016）
- 体成分方法学：https://doi.org/10.1016/j.oraloncology.2016.08.012（Oral Oncol 2016）
- 兄弟子集论文：https://doi.org/10.1038/sdata.2017.77（Sci Data 4:170077）
10.6 关键数字速查表
| 数字 | 含义 | 出处 |
|---|---|---|
| 215 | 子集患者数 | TCIA 现行页 |
| 627 | 父集合患者数 | 父集合页 |
| 412 | 兄弟子集 TCIA 收录数 | 父集合页 |
| 70 | 两子项目重叠例数 | 父集合页 |
| 2,840 | 初筛连续患者数 | 数据论文 |
| 765 / 3,222 / 433,381 | studies / series / images | TCIA 现行页 |
| 99.79 GB | 子集体积 | TCIA 现行页 |
| 85.5% | 男性占比 | 数据论文 |
| 73% | 口咽原发占比 | 数据论文 |
| 59% | 同步化疗占比 | 数据论文 |
| 68.66 Gy | 放疗剂量均值 | 数据论文 |
| 0.87 / 2.77 月 | 诊断→模拟 / 放疗→随访 中位间隔 | 数据论文 |
| 195/215 | 初检不一致例数 | 数据论文 |
| 3.17 | 平均修订次数 | 数据论文 |
| 52.4 / 38.5 | 肌少症 SMI 阈值（男/女） | 体成分方法学 |
10.7 术语速查表
| 术语 | 英文 | 释义 |
|---|---|---|
| 头颈鳞癌 | HNSCC | 头颈部鳞状细胞癌 |
| 根治性放疗 | curative-intent RT | 以治愈为目标的放射治疗 |
| 大体肿瘤体积 | GTV | 影像可见的肿瘤范围 |
| 原发灶/淋巴结 GTV | GTVp / GTVn | 原发灶与转移淋巴结的大体体积 |
| 危及器官 | OAR | 需限制剂量的正常器官 |
| 放疗结构 | RTSTRUCT | 存放勾画轮廓的 DICOM 对象 |
| 放疗剂量 | RTDOSE | 剂量分布 DICOM 对象 |
| 放疗计划 | RTPLAN | 机器参数 DICOM 对象 |
| ICRU 50/62 | — | 靶区与剂量报告的经典纲领 |
| 体成分 | body composition | 肌肉/脂肪的定量构成 |
| 骨骼肌指数 | SMI | L3 骨骼肌面积 / 身高² |
| 脂肪指数 | ADI | L3 脂肪面积 / 身高² |
| 肌少症 | sarcopenia | 骨骼肌耗竭 |
| 失察 PHI | burned-in PHI | 烧录进像素的患者信息 |
| 受控访问 | Controlled Data Access | NIH 限制性数据访问政策 |
| 原位杂交 | ISH | HPV 检测方法 |
| 放射组学 | radiomics | 从影像提取定量特征 |
10.8 三句话总结
- Head-Neck-CT-Atlas 是 MD 安德森 215 例头颈鳞癌根治性放疗的完整全流程影像 + 放疗三件套 + 临床表开放图集（TCIA，DOI 10.7937/K9/TCIA.2017.umz8dv6s）。
- 临床表与字典公开（CC BY 3.0），影像因可重建人脸风险走 NIH 受控访问，且登录式下载已下线待恢复。
- 它是 627 例 HNSCC 父集合的头号子项目，与库内 headneck-radiomics（137）与 head-neck-pet-ct（298）在模态、队列、标注上各具特色，不可混用。
10.9 条目维护备忘
- 关注 TCIA 受控访问恢复公告，更新 §6.2；
- 关注子集/父集合版本号变化，更新 §2.5 与 §10.3；
- 若后续披露 OAR 名称清单或数据论文 PMID/PMCID，更新 §10.4 并移除对应疑点；
- 跨子集去重规则（70 例重叠）在互链条目中保持同步口径。
附：事实清单（Fact Sheet）
以下逐条列出本条目引用的硬数字与事实，每条标注来源，便于交叉核对与引用。
F1 身份与标识
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F1.1 | 官方全称 | Data from Head and Neck Cancer CT Atlas | TCIA 页面 |
| F1.2 | TCIA 简称 | Head-Neck-CT-Atlas | TCIA 页面 |
| F1.3 | 子集 Data Citation DOI | 10.7937/K9/TCIA.2017.umz8dv6s | TCIA 页面 |
| F1.4 | 父集合 DOI | 10.7937/k9/tcia.2020.a8sh-7363 | 父集合页 |
| F1.5 | 数据论文 DOI | 10.1038/sdata.2018.173 | Sci Data |
| F1.6 | 数据论文卷页 | Sci Data 5:180173（2018） | Sci Data |
| F1.7 | 兄弟子集 DOI | 10.7937/TCIA.2020.2vx6-fy46 | 父集合页 |
F2 规模硬数字
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F2.1 | 子集患者数 | 215 | TCIA 页面 |
| F2.2 | 子集 studies | 765 | TCIA 页面 |
| F2.3 | 子集 series | 3,222 | TCIA 页面 |
| F2.4 | 子集 images | 433,381 | TCIA 页面 |
| F2.5 | 子集体积 | 99.79 GB | TCIA 页面 |
| F2.6 | 父集合患者数 | 627 | 父集合页 |
| F2.7 | 父集合 studies/series/images | 1,177 / 4,036 / 537,939 | 父集合页 |
| F2.8 | 父集合体积 | 154.91 GB | 父集合页 |
| F2.9 | 兄弟子集患者数 | 412（建库 495） | 父集合页 |
| F2.10 | 两子项目重叠 | 70 例 | 父集合页 |
| F2.11 | 初筛连续患者 | 2,840 例 | 数据论文 |
| F2.12 | 临床表大小 | 135 kb XLSX | TCIA 页面 |
| F2.13 | 数据字典大小 | 98.65 kb XLSX | TCIA 页面 |
F3 队列特征
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F3.1 | 男性占比 | 85.5% | 数据论文 |
| F3.2 | 口咽原发 | 156/215（73%） | 数据论文 |
| F3.3 | 舌根占比 | 51% | 数据论文 |
| F3.4 | 扁桃体占比 | 43% | 数据论文 |
| F3.5 | 同步化疗 | 127（59%） | 数据论文 |
| F3.6 | 含铂方案占比 | 98% | 数据论文 |
| F3.7 | 术后放疗 | 27（13%） | 数据论文 |
| F3.8 | 放疗剂量均值 | 68.66 Gy（56–72 Gy） | 数据论文 |
| F3.9 | 分割次数 | 28–40 | 数据论文 |
| F3.10 | 诊断→模拟中位间隔 | 0.87 月（IQR 0.37–2.27） | 数据论文 |
| F3.11 | 放疗→随访中位间隔 | 2.77 月（IQR 1.93–6.57） | 数据论文 |
| F3.12 | 随访为全身 PET-CT | 213（99.1%） | 数据论文 |
| F3.13 | 随访为腹部 CT | 2 例 | 数据论文 |
| F3.14 | 分期系统 | AJCC 第 7 版 | 数据论文 |
| F3.15 | HPV 检测方法 | 原位杂交 ISH | 数据论文 |
| F3.16 | 采集窗口 | 2003-10 至 2013-08 | 数据论文 |
F4 处理与验证
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F4.1 | 去标识工具 | RSNA MIRC CTP | 数据论文 |
| F4.2 | 去标识标准 | HIPAA + DICOM PS 3.15 附录 E | 数据论文 |
| F4.3 | 残留 PHI 扫描工具 | Tag Sniffer | 数据论文 |
| F4.4 | 技术验证工具 | Posda Tools | 数据论文 |
| F4.5 | 初检不一致例数 | 195/215 | 数据论文 |
| F4.6 | 平均修订次数 | 3.17（2–6） | 数据论文 |
| F4.7 | 勾画依据 | ICRU 50 / 62 | 数据论文 |
| F4.8 | 结构命名规范（兄弟集） | AAPM TG-263 | 父集合页 |
| F4.9 | 日期处理 | 统一偏移去标识 | 数据论文 |
F5 体成分方法
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F5.1 | 分析层面 | L3（第三腰椎） | 体成分方法学 |
| F5.2 | 骨骼肌 HU 范围 | −29 至 150 | 体成分方法学 |
| F5.3 | 脂肪 HU 范围 | −190 至 −30 | 体成分方法学 |
| F5.4 | 肌少症阈值（男） | SMI < 52.4 cm²/m² | 体成分方法学 |
| F5.5 | 肌少症阈值（女） | SMI < 38.5 cm²/m² | 体成分方法学 |
| F5.6 | LBM 公式 | 0.3 × L3 肌肉面积 + 6.06 | 体成分方法学 |
| F5.7 | FM 公式 | 0.042 × L3 脂肪面积 + 11.2 | 体成分方法学 |
| F5.8 | 分割软件 | Pinnacle 9.6（Philips） | 体成分方法学 |
F6 许可与访问
| 编号 | 事实 | 值 | 来源 |
|---|---|---|---|
| F6.1 | 影像许可（现行） | NIH Controlled Data Access Policy | TCIA 页面 |
| F6.2 | 临床表许可 | CC BY 3.0 | TCIA 页面 |
| F6.3 | 数据字典许可 | CC BY 3.0 | TCIA 页面 |
| F6.4 | 兄弟集临床 CSV 许可 | CC BY 4.0 | 父集合页 |
| F6.5 | 影像许可（历史） | TCIA Restricted（签协议） | TCIA wiki 历史页 |
| F6.6 | 受控原因 | 部分影像可重建人脸 | TCIA 页面 |
| F6.7 | 当前下载状态 | 需登录的下载已下线，待新形式恢复 | TCIA 页面 |
| F6.8 | 下载工具 | TCIA Data Retriever（NBIA） | TCIA 页面 |
F7 版本链
| 编号 | 版本 | 日期 | 变化 |
|---|---|---|---|
| F7.1 | 子集 V1 | 2019-07-11 | 首次收录 |
| F7.2 | 父集 V2 | 2020-03-31 | 加入 OPC 子集 |
| F7.3 | 父集 V3 | 2022-08-24 | 修正 OPC 终点时长公式 |
| F7.4 | 子集 V2 / 父集 V4 | 2024-05-15 | 替换 CT Atlas 临床数据文件 |
附：术语表（Glossary）
| 术语 | 英文全称 | 定义 |
|---|---|---|
| HNSCC | Head and Neck Squamous Cell Carcinoma | 头颈部鳞状细胞癌，本数据集的病种 |
| MDACC | MD Anderson Cancer Center | 美国德州大学 MD 安德森癌症中心，建库机构 |
| TCIA | The Cancer Imaging Archive | 美国国立癌症研究所资助的公共影像档案库 |
| CTP | Clinical Trial Processor | RSNA 开发的临床试验去标识与传输工具 |
| DICOM | Digital Imaging and Communications in Medicine | 医学影像交换标准 |
| RTSTRUCT | Radiotherapy Structure Set | 存放勾画轮廓的 DICOM 对象 |
| RTDOSE | Radiotherapy Dose | 存放剂量分布的 DICOM 对象 |
| RTPLAN | Radiotherapy Plan | 存放计划参数的 DICOM 对象 |
| OAR | Organ at Risk | 危及器官，需限量保护的正常结构 |
| GTV | Gross Tumour Volume | 大体肿瘤体积 |
| GTVp / GTVn | GTV primary / nodal | 原发灶 / 转移淋巴结大体体积 |
| CTV | Clinical Target Volume | 临床靶体积（含微浸润） |
| PTV | Planning Target Volume | 计划靶体积（含摆位误差） |
| ICRU | International Commission on Radiation Units and Measurements | 国际辐射单位与测量委员会；报告 50/62 规范靶区与剂量报告 |
| TG-263 | AAPM Task Group 263 | 肿瘤放疗结构命名标准化报告 |
| AAPM | American Association of Physicists in Medicine | 美国医学物理师协会 |
| SMI | Skeletal Muscle Index | 骨骼肌指数（L3 骨骼肌面积 / 身高²） |
| ADI | Adipose (tissue) Index | 脂肪指数（L3 脂肪面积 / 身高²） |
| LBM | Lean Body Mass | 瘦体重 |
| FM | Fat Mass | 脂肪量 |
| L3 | Third Lumbar Vertebra | 第三腰椎，体成分测量标准层面 |
| HU | Hounsfield Unit | CT 值单位 |
| ISH | In Situ Hybridization | 原位杂交，HPV 检测方法 |
| OS | Overall Survival | 总生存 |
| DSS | Disease-Specific Survival | 疾病特异性生存 |
| LRC | Locoregional Control | 局部区域控制 |
| PHI | Protected Health Information | 受保护的健康信息 |
| AC | Attenuation Correction | 衰减校正（PET 相关） |
| NBIA | National Biomedical Imaging Archive | TCIA 的检索/下载平台 |
| IBSI | Image Biomarker Standardisation Initiative | 影像组学特征标准化倡议 |
| CECT | Contrast-Enhanced CT | 增强 CT |
| OPC | Oropharyngeal Cancer | 口咽癌，兄弟子集病种 |
| DAIMS | Data Asset Information Maturity Score | 数据资产信息成熟度评分 |
附录 A：四集合横向对照总表
| 维度 | hnscc-ct-atlas（本条） | headneck-radiomics（HN1） | head-neck-pet-ct | hancock-hnscc |
|---|---|---|---|---|
| rid | 本条目 | 946 | 838 | 984 |
| 机构 | MDACC（美） | MAASTRO（荷） | 加拿大四中心 | 埃尔朗根（德） |
| 患者数 | 215 | 137 | 298 | 763 |
| 模态 | CT/PT/MR/RT 三件套 | 放疗 CT | PET/CT 六模态 | 病理 WSI/TMA/血液/文本 |
| 核心特色 | 全流程 RT + 体成分 | 泛癌种 radiomics 源 | PET/CT 影像组学基准 | 病理多模态 |
| GTV 口径 | 未明确分 p/n | 部分 | 双 ROI 明确 | 不适用 |
| OAR | 有（未列名单） | 有 | 有 | 不适用 |
| 体成分 | 有 | 无 | 无 | 无 |
| 影像许可 | NIH 受控 | 见条目 | TCIA Restricted | 见条目 |
使用建议：放疗全流程与体成分研究选本条；PET/CT 影像组学选 head-neck-pet-ct；泛癌种方法学复现选 HN1；影像—病理联合选 hancock-hnscc（注意队列不可个体配对）。
附录 B：一例患者数据包结构示意
hnscc-ct-atlas/
└── SUBJECT_<去标识ID>/
├── STUDY_<去标识ID>_1/ # 治疗前诊断
│ └── SERIES_.../ # CT 或 PET-CT
├── STUDY_<去标识ID>_2/ # 模拟定位
│ ├── SERIES_...(CT) # 模拟定位 CT
│ ├── SERIES_...(RTPLAN) # 计划参数
│ ├── SERIES_...(RTSTRUCT) # 靶区 + OAR 轮廓
│ └── SERIES_...(RTDOSE) # 剂量分布
├── STUDY_<去标识ID>_3/ # 治疗后随访（多为 PET-CT）
└── （复发者）STUDY_..._4/ # 复发诊断影像
临床表：一行/患者
├── 人口学 / 吸烟 / grade / stage(AJCC7) / HPV
├── 治疗：剂量、分割、同步化疗、术后放疗
├── 结局：OS / DSS / LRC / 复发
├── 支持：喂养管类型与起止日期
└── 体成分：SMI / ADI / LBM / FM（T0 与 T1）
附录 C：获取决策树
我需要头颈鳞癌数据
├── 只要临床变量？ → 直接下临床表 XLSX（CC BY 3.0）✓
├── 要影像（CT/RT 三件套）？ → 走 NIH 受控访问流程
│ ├── 现状：需登录的下载已下线 → 关注 TCIA 公告
│ └── 已获授权 → 生成 manifest → TCIA Data Retriever 拉取
├── 要 PET/CT 影像组学基准？ → 转 head-neck-pet-ct（298 例）
├── 要泛癌种 radiomics 源？ → 转 headneck-radiomics / HN1（137 例）
├── 要影像+病理联合？ → 转 hancock-hnscc（763 例，注意不可配对）
└── 要体成分纵向分析？ → 本条目（唯一含 L3 SMI/ADI）
附录 D：常见变量与字段对照
| 变量族 | 代表字段 | 取值/单位 | 备注 |
|---|---|---|---|
| 人口学 | 年龄、性别 | 岁 / M/F | — |
| 吸烟 | 包年档 | 0/1/2 | 从不/<10/≥10 包年 |
| 当前吸烟 | — | 0/1 | 二分 |
| 分期 | T/N/M、总体 stage | AJCC 7 | 注意版本 |
| 病毒 | HPV 高危 | 阳性/阴性 | ISH 检测 |
| 治疗 | 剂量、分割 | Gy / 次 | 均值 68.66 Gy，28–40 次 |
| 化疗 | 同步化疗 | 有/无 | 59%，98% 含铂 |
| 结局 | OS/DSS/LRC | 月 + 事件 | 删失规则不同 |
| 喂养管 | 类型、起止 | NG/PEG | 含持续时长 |
| 体成分 | SMI/ADI/LBM/FM | cm²/m² / kg | T0 与 T1 双时点 |
尾注
- 本条目所有硬数字均取自 TCIA 现行页面、TCIA 父集合页面与数据论文（Sci Data 5:180173）等一手来源；历史口径差异在 §10.3 与 FACTS.md §9 存照。
- 子集与父集合的患者数（215 / 627）、许可措辞（NIH 受控 / TCIA Restricted）、规模计数（765 vs 766 等）存在版本级差异，引用时须明确所据版本。
- 危及器官名称清单与数据论文 PMID/PMCID 在本轮核验中未能确证，列为遗留疑点（§10.4），未作推测性填充。
- 本条目服务于千方病案医数集 AI-Ready Wikipedia 语料建设，与库内 headneck-radiomics（rid 946）、head-neck-pet-ct（rid 838）、hancock-hnscc（rid 984）构成头颈数据集互链群。
- 图片/封面为 AI 生成示意插画，不含真实患者信息；医学术语首现处标注英文。
本条目由千方病案医学编辑部维护，最后复核：2026-10-14。数据以 The Cancer Imaging Archive 官方页面为准；临床与放疗数据的使用须遵守其 Data Usage Policy 与 Restrictions。
附录 E：版本变更对照与影响面
E.1 子集 V1 → V2
| 项 | V1（2019-07-11） | V2（2024-05-15） | 影响 |
|---|---|---|---|
| 临床数据文件 | Clinical XLS 265 kb | Clinical XLSX 135 kb | 字段可能变化，旧版不可复现 |
| 数据字典 | XLS 98.65 kb | XLSX 98.65 kb | 格式更新 |
| 影像 | 765/3,222/433,381 | 同 V1 | 影像未变 |
| 说明 | — | “per PI request，旧版不再提供” | 复现风险 |
E.2 父集合 V1 → V4
| 版本 | 日期 | 变化 | 对本条目的影响 |
|---|---|---|---|
| V1 | 2019-07-11 | 仅 CT Atlas 子集 | 本条目为唯一内容 |
| V2 | 2020-03-31 | 加入 OPC 子集 | 出现兄弟集与 70 例重叠 |
| V3 | 2022-08-24 | 修正 OPC 终点时长公式 | 仅影响兄弟集 |
| V4 | 2024-05-15 | 替换 CT Atlas 临床数据文件 | 影响本条目临床表 |
E.3 引用版本建议
- 引用影像 → 注明确切 TCIA 版本与下载日期；
- 引用临床表 → 注明 V2/V4 与下载日期；
- 复现他文 → 先确认他文下载时点对应的版本。
附录 F：数据获取与治理问答（进阶）
F1 受控访问与 CC BY 3.0 的边界在哪？
边界在"资产类型"：影像与放疗结构 = 受控；临床表与字典 = CC BY 3.0。同一集合内两类资产许可不同，是常见误读源。
F2 登录式下载下线后怎么办？
现状是"待以新形式恢复"。使用者的合理应对：关注 TCIA 公告；先用临床表推进非影像部分研究；在方法学中如实说明影像获取现状。
F3 二次分发的正确姿势？
临床表与字典可按 CC BY 3.0 再分发（须署名）；受控影像不得擅自再分发。
F4 能否用于商业用途？
CC BY 3.0 资产允许（须署名）；受控影像须遵守 NIH 受控访问政策，用途随授权范围而定。
F5 数据里有人脸风险，我该怎么处理？
不要尝试从影像复原任何面部特征；这既是伦理红线也是政策禁止项。研究与发表时不得展示可识别个体的面部重建。
F6 跨子集合并的正确流程？
按患者标识去重（注意 70 例重叠）→ 对齐模态（CT 与 PET-CT 口径不同）→ 统一结构命名 → 再合并分析。
F7 日期偏移影响生存分析吗？
不影响相对时间（如"诊断到事件的月数"若以偏移后的日期计算，间隔被保留）；影响的是绝对日历时间。
F8 如何判断我的下载完整？
用五数对账（215/765/3,222/433,381/99.79GB）+ 每例检查是否含 RTSTRUCT 与 RTPLAN。
附录 G：与相关标准的关系
| 标准/倡议 | 关系 | 说明 |
|---|---|---|
| DICOM PS 3.15 附录 E | 采用 | 去标识遵循该保密 Profile |
| HIPAA | 采用 | 去标识遵循 |
| ICRU 50 / 62 | 采用 | 靶区与剂量报告依据 |
| AAPM TG-263 | 兄弟集采用 | 结构命名标准化（本子集未明确） |
| IBSI | 未绑定 | 影像组学特征标准化，建议主动遵循 |
| TCIA Data Usage Policy | 约束 | 引用与使用条款 |
| NIH Controlled Data Access Policy | 约束 | 影像访问政策 |
附录 H：读者速查（按角色）
| 角色 | 先读 | 关键提醒 |
|---|---|---|
| 放疗物理师 | §2、§4、§5.11 | RT 三件套齐全，注意处方不统一、坐标一致性 |
| 影像组学研究者 | §5.10、§9.13 | 无官方划分，须自建并公开；按 IBSI 上报 |
| 体成分/营养研究者 | §3.6、§5.3 | 唯一含 L3 SMI/ADI 的库内头颈条目 |
| 数据工程师 | §2.9、§4.1–4.3、§6 | 五数对账、去标识流程、受控访问 |
| 临床研究者 | §3.5、§3.9 | 三终点删失规则不同，单中心偏倚 |
| 数据治理研究者 | §6、§8 | 受控访问 + 双层许可的治理范本 |
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：
- cmb-gec — 共享标签：医学影像 / CT / 肿瘤学 / 队列研究
- pddca — 共享标签：医学影像 / CT / 肿瘤学
- autopet — 共享标签：医学影像 / CT / 肿瘤学
- lung-pet-ct-dx — 共享标签：医学影像 / CT / 肿瘤学
- ct-org — 共享标签：医学影像 / CT / 肿瘤学
- headneck-radiomics — 共享标签：医学影像 / CT / 肿瘤学
- lctsc — 共享标签：医学影像 / CT / 肿瘤学
- cptac-imaging — 共享标签：医学影像 / CT / 肿瘤学
- tcia — 共享标签：医学影像 / CT / 肿瘤学
- idc — 共享标签：医学影像 / CT / 肿瘤学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
