信息速览
HNTS-MRG 2024 是 MICCAI 2024 的卫星挑战赛，全称 Head and Neck Tumor Segmentation for MR-Guided Applications，即面向磁共振引导应用的头颈肿瘤分割。主办方是美国得克萨斯大学 MD 安德森癌症中心的 Fuller 实验室。公开训练集 150 例，来自该中心单一口咽为主的放疗队列，每例在放疗前和放疗中各一次 T2 加权 MRI，外加放疗前影像配准到放疗中空间的一份副本，共 6 个 NIfTI 文件。训练集以 15.0 GB 压缩包放在 Zenodo，另有 50 例测试集只在赛期通过 Docker 私有评测。
它补的是一个具体缺口。头颈癌放疗的靶区勾画过去主要依赖 CT，软组织对比有限，逐层勾画费时且分歧大。磁共振引导的自适应放疗能提供更好的软组织对比、在疗程中重新成像并按当天解剖调整计划，但公开可用的 MRI 肿瘤靶区标注几乎没有；HECKTOR 做 PET/CT，HaN-Seg 做 CT/MR 危及器官，都不是 MRI 上的肿瘤。它把同一批患者的两个时间点配对放出，并附配准好的先验影像与分割，把「用前一次的分割帮助后一次」变成了可评测的题目。
使用前先明确三件事。它是单中心、只含 T2 加权、只覆盖口咽与 CUP 的窄带人群，跨机构泛化不能想当然；任务 2 的难度来自肿瘤在放疗中缩小甚至完全消退，有四例放疗中掩膜全空，那不是标注错误；评测须用 DSCagg 而非逐例 Dice 平均。想验证想法，先拿 nnU-Net 基线跑通任务 1。
§1 它是什么：一个把时间维度做进题面的 MRI 分割赛
- 一句话定义：HNTS-MRG 2024 是面向磁共振引导自适应放疗的头颈癌大体肿瘤体积（gross tumor volume，GTV）分割基准，同时提供一个 150 例、双时点、多观察者共识标注的公开训练集。
- 身份三要素：赛事维度（MICCAI 2024 卫星赛，2024 年 10 月 17 日线上现场活动）；数据维度（同一患者两个治疗时点配对的 T2 影像）；标注维度（3–4 名医师独立勾画后 STAPLE 融合，而非单人金标准）。
- 官方读音与写法：官网在背景段落里注明 “pronounced hunts merge”，即读作「汉茨-梅治」。挑战赛域名与官网标题用带连字符的 HNTS-MRG，Zenodo 记录与压缩包内目录名用不带连字符的 HNTSMRG，两种写法指同一件事，检索时都要试。
- 赛事所属：首届也是唯一一届。overview 论文明确写「目前没有举办第二届的具体计划」，未来版本可能加入更多序列、更多治疗中时点与多机构数据，但那只是设想。
- 与母体数据的关系：公开的 150 例只是整理池的一部分。论文交代原始整理池共 202 例合格病历，训练用 150 例，剩下 52 例留作私有评估，其中 2 例用于赛前调试、50 例进入正式测试。所以「150」是公开训练规模，「202」是队列总量，「50」是测试规模，三个数字各有归属，不能互换。
- 规模在头颈 MRI 领域的位置：同届还有 SegRap（鼻咽癌 CT）与 HaN-Seg（CT/MR 危及器官），前者规模大于本赛但模态为 CT，后者有 MR 但只标危及器官、不标肿瘤。头颈 MRI 上成规模、带肿瘤靶区、还带时间维度的公开标注，这本是目前最接近的一个。
- 一句话记住它：这是一个用「放疗前 vs 放疗中」两幅 T2 影像，考题是「模型能不能把上一次性状的先验用起来」的分割挑战赛。
1.1 名字的拆解与检索地图
- 拆词：Head and Neck（头颈）+ Tumor Segmentation（肿瘤分割）+ for MR-Guided Applications（面向磁共振引导应用）。四段合并后取首字母，得到 HNTS-MRG。注意缩写里没有 “R” 和 “T” 单独成词，T 在 Tumor 里、R 在 MR 里，所以常见误写 HNTS-MRGT、HNSMRG 都搜不到官方页面。
- 年份位置：2024 写在缩写后面，指赛事年份，不是数据采集年份。数据本身来自该中心多年回顾性积累，论文未公布采集起止年份区间，引用时不要写成「2024 年采集」。
- 检索关键词矩阵：
| 意图 | 英文关键词 | 中文关键词 |
|---|---|---|
| 找官网 | HNTS-MRG 2024 grand challenge | HNTS-MRG 2024 挑战赛 |
| 找数据 | Training Dataset for HNTSMRG 2024 Zenodo | 头颈肿瘤 MRI 分割 数据集 下载 |
| 找论文 | Overview HNTS-MRG 2024 Challenge LNCS | HNTS-MRG 2024 综述论文 |
| 找方法 | HNTSMRG / pre-RT mid-RT segmentation MRI | 放疗中 MRI 肿瘤分割 配准先验 |
| 找同族 | HECKTOR, SegRap, HaN-Seg | 头颈 放疗 分割 挑战赛 |
- 噪音源：缩写首段 “HNT” 与 “head and neck tumor” 的写法高度重合，容易与 HANCOCK、HaN-Seg、HN-PET-CT 等检索结果混在一起。中文检索时「头颈肿瘤分割」会大量返回 HECKTOR，需要加上 MRI、MR-Linac 或放疗中这样的限定词。
1.2 赛事定位：它到底在测什么
- 表面任务是分割，实际问题是先验的可用性。官网原话大意是：本挑战赛的独特之处在于考察「把前一次时间点的数据纳入自动分割，是否真的提升表现」。这句话决定了整个设计——如果没有这个疑问，就不需要放出配准后的影像和掩膜，也不需要单设任务 2。
- 两类参加方式并存：可以只做任务 1，也可以只做任务 2，或两个都做。任务 1 的训练允许自由使用放疗中数据（组织方一度想只许用放疗前数据，后来放开），说明他们自己也不确定多加数据是帮忙还是添乱。
- 组织方的态度是开放疑问而不是预设答案：官网与论文都承认，用放疗中数据训练放疗前模型究竟有益还是引入噪声，「目前文献里并不知道」。
- 与常见的「单幅图像分割」挑战赛相比，这里的输入契约在任务 2 上相当特殊：测试时一定会给五类输入（放疗中影像、原始放疗前影像、原始放疗前分割、配准后的放疗前影像、配准后的放疗前分割），唯独不给放疗中掩膜。这相当于在真实自适应放疗的工作流里截取了一个片段——医师手上有上一次的勾画，要判断今天这一幅。
- 赛事没有设置预后或生存任务，也没有临床变量预测任务，话题被严格收在分割上。这一点与 HECKTOR 家族逐年加任务的做法形成对照。
1.3 数据集的边界：它不是什么
- 不是多模态数据集。影像只有 T2 加权一个序列，虽然脂肪抑制与非脂肪抑制混用，但都属于 T2w。论文明确写本计划纳入 DWI、ADC 等多参数序列，因数据整理限制未能实现。
- 不是全头颈数据集。影像裁剪范围是锁骨上缘到鼻中隔下缘，大致是口咽到肩部；患者以口咽癌（oropharyngeal cancer，OPC）与原发灶不明癌（cancer of unknown primary，CUP）为主。喉、鼻咽、口腔前部、鼻窦等亚部位覆盖有限。
- 不是带临床变量的开放数据集。年龄、分期、HPV 状态等临床信息在论文中以分层图形式出现，但未随训练包公开；组织方承诺完整发布时一并给出临床元数据，但那属于赛后计划。
- 不是可以拿来直接做「CT→MRI 跨模态」训练的数据集。它的配对是「同一患者同一模态的两个时间点」，不是同一次检查的两个模态。想要跨模态，得另找 HaN-Seg 这类 CT+MR 数据集。
1.4 立项背景里的时间账
把这个数据集放回它出现的时间点，会更容易理解它为什么长这样。磁共振引导自适应放疗所用的 MR-Linac 一体机在此前若干年已经进入临床，能让患者在每次治疗时重新成像、按当天解剖修改计划。临床上随之出现的一个问题是：每天都要重画靶区，而重画极其耗时。官网引用的文献把这一点讲得很直白——医师手工分割是当前临床标准，但面对影像数量常常不可行；同时头颈肿瘤又是临床上最难勾的结构之一。
与此同时，公开数据侧的进展明显集中在 CT 与 PET/CT。HECKTOR 从 2020 年起逐年扩大，做的是 FDG-PET/CT 上的肿瘤分割与预后；SegRap 2023 做鼻咽癌 CT 上的靶区与危及器官；HaN-Seg 做 CT/MR 上的危及器官。三条线合起来，覆盖了头颈放疗的大部分环节，唯独缺一块：MRI 上的肿瘤靶区，而且是带时间维度的那一块。
组织方在官网上的立论很实际：截至该项目启动时，尚不存在大规模、公开可用的、面向自适应放疗的头颈癌 AI 就绪数据集。这句话是「没有」而不是「不够好」，属于对当时公开资源状况的判断。是否成立取决于检索范围，但至少说明本数据集不是把已有资源换个格式重发，而是填补了一个具体的空白。
因此它从设计之初就必须同时满足三个约束：模态是 MRI（填补空白），对象是肿瘤靶区而不是危及器官（与 HaN-Seg 错位），标注要带时间维度（呼应自适应放疗的真实场景）。理解了这三个约束，就能明白为什么它规模不大、为什么不放临床变量、为什么没有第二届的急切计划——每一项取舍都是这三个约束的直接后果。
§2 前十二问：下载前就该弄清的十二件事
Q1：HNTS-MRG 2024 的名字是什么意思？
Head and Neck Tumor Segmentation for MR-Guided Applications，即「面向磁共振引导应用的头颈肿瘤分割」。官方给了读音 hants-merge，数据包与 Zenodo 记录统一写作无连字符的 HNTSMRG。它是 MICCAI 2024 的卫星挑战赛，2024 年 10 月 17 日办线上现场活动。
Q2：训练集到底有多少例？
公开训练集 150 例，Zenodo 上一个 15.0 GB 的 ZIP 包，每例 6 个 NIfTI 文件。另有 50 例测试集，赛事期间只通过 Docker 容器私有评估，真值不公开。overview 论文提到的 202 例是整理后的合格池，其中 52 例留作私有评估、2 例用于调试。
Q3：两个任务差在哪里？
任务 1 只看放疗前（pre-RT）MRI，预测 GTVp 和 GTVn；任务 2 看放疗中（mid-RT）MRI，同时给原始放疗前影像与其分割、以及配准到放疗中空间的放疗前影像与分割作为先验，预测放疗中那一时点的肿瘤。任务 2 明显更难，冠军只有 0.733，而任务 1 冠军是 0.825。
Q4：标签是怎么定的？
0 是背景，1 是原发大体肿瘤体积 GTVp（每例最多一个，可以为零），2 是转移淋巴结 GTVn（数量不定，可以为零），多个淋巴结合并成同一个标签值。由 3 到 4 名至少两年头颈分割经验的医师独立勾画，再用 STAPLE 算法融合成共识掩膜，资深放疗科教员终审。
Q5：能商用吗？
按 Zenodo 记录与随包 LICENSE.txt，许可是 CC BY-NC 4.0，即署名且不得用于商业目的。overview 论文正文写的是 CC BY 4.0，两者冲突。做产品前必须法务确认，并按更严格的非商用条款处理；研究、教学、内部评测不受影响。
Q6：怎么下载？要申请吗？
训练集直接从 Zenodo 记录 11199559 下载，无需注册或申请，DOI 为 10.5281/zenodo.11199559。测试集不下载，赛期以 Docker 容器提交到 Grand Challenge 平台。报名表与邮件通道只在赛期有效，赛后无需再用。
Q7：用什么指标复现排名？
聚合 Dice 系数 DSCagg：把测试集全部病例的分子分母分别累加后再相除，而不是逐例算 Dice 再平均。GTVp 与 GTVn 各算一遍，两者平均得到 DSCagg-mean 用于排名。这样处理是因为空掩膜很常见，逐例 Dice 遇到假阳或假阴会直接归零。
Q8：有没有官方基线可以对照？
有。组织方用 nnU-Net v2 的 3d_fullres 默认配置训练 1000 轮、5 折集成，任务 1 得 0.817，任务 2 得 0.633。任务 2 另有一个 null 算法做地板：把配准后的放疗前分割直接当作预测，得 0.601，和 nnU-Net 基线几乎打平。
Q9：为什么任务 2 那么难？
三方面叠加。影像上，肿瘤在放疗中缩小，伴随炎症与坏死等放疗诱导改变，边界更难辨；标注上，观察者之间在放疗中 GTVp 上的一致度本身就低，DSCagg 只有约 0.60；统计上，完全缓解的病例掩膜全空，模型必须学会「什么都不输出」。论文的原话是肿瘤缩小常伴随炎症坏死，这些改变在影像上可见，会干扰放疗中勾画，对 GTVp 尤其如此。
Q10：这是不是一个「AI 超过医生」的数据集？
不能这样读。论文确实报告冠军分数高于测得的观察者间变异（任务 1 冠军 0.825 对 IOV 0.806，任务 2 冠军 0.733 对 IOV 0.714），但这个 IOV 是在剔除「只有资深医师能给出最终轮廓」的疑难病例后算出的，可能偏高；换言之基线可能被抬高了，而这会让「超过医生」的结论在疑难病例上失效。合理的表述是：在这批由多数共识构造的真值上，顶尖方法已经接近标注者之间的一致水平。
Q11：可以只用放疗前数据训练任务 1 吗？
可以，而且是组织方自己的基线做法。官网明确允许在训练任务 1 时加入放疗中数据，但测试时只给放疗前影像这一幅输入，所以模型在推理阶段不能依赖任何放疗中信息。
Q12：后续还会出第二届或完整版吗？
截至本文核验时，官方没有第二届的确切计划，只有「未来版本或纳入更多序列、更多治疗中时点、多机构数据」的设想。完整版（训练+测试、个体标注、临床元数据、原始 DICOM）组织方曾计划经 TCIA 发布，Zenodo 说明写的是「预计约 2025 年春季」，但本文未核到该集合已经上线，引用前须自行确认。
§3 数据构成：目录、字段与采集参数
3.1 每例的文件清单
训练包解开后的顶层目录叫 HNTSMRG24_train，下一层是匿名的纯数字患者编号（例如 2），再下一层按时间点分成 preRT 与 midRT 两个子目录。完整文件清单如下：
| 目录 | 文件名样式 | 内容 | 字段可靠性 |
|---|---|---|---|
| preRT | {ID}_preRT_T2.nii.gz |
放疗前 T2 加权影像 | 依官网目录说明确认 |
| preRT | {ID}_preRT_mask.nii.gz |
放疗前分割掩膜（0/1/2） | 依官网目录说明确认 |
| midRT | {ID}_midRT_T2.nii.gz |
放疗中 T2 加权影像 | 依官网目录说明确认 |
| midRT | {ID}_midRT_mask.nii.gz |
放疗中分割掩膜（0/1/2） | 依官网目录说明确认 |
| midRT | {ID}_preRT_T2_registered.nii.gz |
配准到放疗中空间的放疗前影像 | 依官网目录说明确认 |
| midRT | {ID}_preRT_mask_registered.nii.gz |
配准到放疗中空间的放疗前掩膜 | 依官网目录说明确认 |
命名约定值得留意：配准后的放疗前文件放在 midRT 目录下，而不是 preRT，因为它们与放疗中影像处于同一空间，后续读数据时按时间点分目录会把它们统一读成「放疗中组」，这是个容易踩空的细节。编号是数字，但并非从 1 连续排到 150；GitHub 评估示例里出现的编号有 8、77、78、80、81、84、86、88、90、91、93、94、95、96、99，说明编号来自原始队列，中间有未入选的号段。
3.2 标签语义
| 取值 | 含义 | 说明 | 可靠性 |
|---|---|---|---|
| 0 | 背景 | 全部非肿瘤体素 | 依官网确认 |
| 1 | GTVp | 原发大体肿瘤体积，每例最多一个，可为空 | 依官网确认 |
| 2 | GTVn | 转移淋巴结大体肿瘤体积，数量可变，可为空，多灶合并为同一值 | 依官网确认 |
多发淋巴结被压平成一个标签值，这一设计直接来自 HECKTOR 2022 的约定，本赛的官网与 Zenodo 说明都点名「与 HECKTOR 2022 相似」。代价是：想评价「淋巴结检出率」这类逐病灶指标，必须自己从连通域里拆回来，而拆回来的「病灶数」与临床所见的「淋巴结数」并不必然对应——相邻淋巴结在掩膜里可能连在一起，也被算成一个连通域。
四例在放疗中的掩膜是全空的：编号 21、25、29、42。Zenodo 说明的原话是这些空掩膜不是错误，而是肿瘤在放疗中完全缓解的表现。任何统计脚本如果默认「每例必有前景」，会在这四例上抛异常；任何按例计算 Dice 的实现，会在这四例上得到 0 或未定义，这正是 DSCagg 的用武之处。
3.3 影像采集参数
论文以中位数（范围）形式给出全数据集的 T2 采集参数：
| 参数 | 中位数（范围） | 解读 |
|---|---|---|
| 重复时间 TR | 4800 ms（1400–6250） | 跨度大，反映脂肪抑制与非抑制、不同机型的混合 |
| 回波时间 TE | 80 ms（74–375） | 中位数稳定，上限异常值可能来自个别序列 |
| 面内分辨率 | 0.5 mm（0.4–0.98） | 接近各向同性平面内的头部 MRI 常规 |
| 层厚 | 2.0 mm（1.0–2.5） | 层厚方向显著更粗，3D 建模须考虑各向异性 |
| 层间距 | 2.0 mm（1.0–2.5） | 与层厚同值，说明无层间隙 |
| 轴位层数 | 120（80–300） | 体积差异大 |
| 视野 FOV | 256×256 mm（256–520） | 部分大视野病例裁剪后仍保留较宽范围 |
| 采集次数 | 1（1–2） | 多为单次激励 |
按图像计的扫描仪分布（论文 Table 1）：1.5T Siemens Aera 297 幅、1.5T Elekta Unity 78 幅、3T Siemens Magnetom Vida 19 幅、1.5T Siemens Magnetom Sola Fit 10 幅，合计 404 幅，与「202 例 × 2 个时间点」自洽。这组数字说明：绝大多数影像是 1.5T 常规诊断或定位扫描，Elekta Unity 那部分来自磁共振引导放疗机（MR-Linac）本身，3T 只占很小比例。机型不均衡意味着任何按机型做的分层分析都会在 3T 子集上样本过少。
几个容易误读的说明：第一，虽然部分影像看起来像增强，但官方明确「不使用外源性对比剂」，看到高信号不要当成强化。第二，同一患者的放疗前与放疗中配对影像，要么都是脂肪抑制，要么都不是，这条稳定性能让配对模型少一层域差异。第三，所有患者都用热塑面罩固定，这是放疗定位的标准操作，也因此影像的体位一致性优于一般诊断扫描。
3.4 预处理与配准
- 从 DICOM 到 NIfTI：组织方用 DICOMRTTool（Python 模块，专门处理放疗 DICOM 与结构集）v1.0 完成转换。这意味着掩膜是从放疗结构集（RTSTRUCT）读出的，与普通的分割标注文件来源不同，习惯了自然图像标注工具的人要适应它的坐标约定。
- 裁剪：从锁骨上缘到鼻中隔下缘，官方给出的目的是统一视野并去除可识别的面部结构。这是去标识化与规范化双重考虑的结果，也解释了为什么数据集只能覆盖口咽到肩部。
- 配准：以放疗中影像为固定图、放疗前影像为移动图，流程是居中变换→刚性变换→Elastix 可变形变换，可变形参数用 Elastix Model Zoo 的第 23 号预设（Par0023），选它是因为开源且在此前类似应用中做过基准。少数出现过度形变的病例只做刚性对齐。代码与示例在 GitHub 的
Registration_example目录。 - 配准质量的意义：配准后的放疗前掩膜会直接作为任务 2 的输入之一，也会被用作 null 算法的预测。null 能拿到 0.601，说明配准本身已经相当可靠；反过来说，任何在任务 2 上达不到 0.601 的方法，实际上还不如「什么都不预测、只搬旧轮廓」。
3.5 文件量级与磁盘规划
| 项目 | 数值 | 备注 |
|---|---|---|
| 压缩包大小 | 15.0 GB | Zenodo 文件列表 |
| 解压后估计 | 约 25–40 GB（依文件系统与 NIfTI 压缩率而变） | 推断，非官方数字 |
| 每例文件数 | 6 | 三个影像 + 三个掩膜 |
| 单例影像体量 | 数十 MB 量级 | 依层数与分辨率推断 |
| 训练用缓存 | 建议预留 3 倍原始体量 | 含配准副本与预处理中间结果 |
论文与 Zenodo 都只给出压缩后的 15.0 GB，解压后的体积没有官方数字。按 404 幅影像、每幅数十 MB 的常见量级估算，解压后在数十 GB 量级是合理的，但这是推断，不是官方口径；规划存储时宁可多留余量，尤其是要做 5 折交叉验证并保存多份预处理副本时。
3.6 阅读单个病例的顺序
拿到一个患者目录后，建议按下面的顺序看，而不是随机打开一个文件：
先看 preRT 里的 T2 原图，确认体位是否标准（热塑面罩固定后的体位通常较正），再叠加同目录的掩膜，观察原发灶与淋巴结的空间关系。如果该例只有淋巴结没有原发灶（原发灶不明癌的典型表现），掩膜里就只会有标签 2 而没有任何标签 1 的体素，这是正常情况，不是数据错误。
然后打开 midRT 里的 T2 原图，与放疗前影像在脑内对照：肿瘤通常变小，边界可能因为放疗诱导的水肿与坏死而变得更模糊。接着打开 preRT_mask_registered，把它叠在放疗中影像上，观察它与放疗中掩膜的重合程度。重合得好，说明这一例的配准成功、位置变化不大；重合得差，说明肿瘤位置或形状变化明显，或者配准失败。
最后按这一步的感受给病例分类：配准好且肿瘤缩小明显的，是任务 2 上相对容易的题；配准差或形状剧变的，是难点；掩膜全空的四例，是必须特殊处理的极端情况。这样的分类在做错误分析时非常有用——模型的失败往往集中后两类，而这两类的失败原因完全不同，一个是几何问题，一个是存在性问题。
3.7 配准副本的正确用法
配准副本的设计意图在官网写得很清楚：给那些不想自己实现图像配准的参赛者一个退路，让他们仍能把两个时点当作联合输入；同时指出在真实自适应放疗中，配准后的扫描通常是可以直接拿到的。这句话很重要，它说明配准副本不是简化版的妥协，而是对临床实际的模拟。
用起来有三条原则。第一，如果想做自己的配准方法，必须同时报告用官方副本与用自配准结果的两组数字，否则无法判断提升来自模型还是来自更好的配准。第二，官方配准只用了刚性对齐的少数病例（过度形变时退化为刚性）应当单独统计，因为这类病例的配准误差性质不同。第三，配准后的掩膜是最近邻或标签保持插值得到的，边缘可能出现锯齿或缝隙，直接把它当硬标签监督会引入插值伪影，通常需要重采样回原始网格或做形态学清理。
§4 怎么拿到：许可、路径与合规
4.1 获取路径
| 对象 | 入口 | 是否需申请 | 许可 |
|---|---|---|---|
| 训练集 150 例 | Zenodo 记录 11199559 | 否，直链下载 | CC BY-NC 4.0 |
| 测试集 50 例 | 赛期 Docker 提交，真值不放出 | 需报名并提交容器 | 不适用（不可获取） |
| 示例代码与评估脚本 | GitHub kwahid/HNTSMRG_2024 | 否 | 仓库 LICENSE 未核实到正文 |
| 完整版（训练+测试+个体标注+临床） | 计划经 TCIA 发布 | 未知 | 未知 |
Zenodo 记录创建于 2024 年 5 月 15 日，官网在 6 月 14 日宣布训练集上线，两个日期都在报名开放之后，顺序上是先接受报名、再放数据。记录只有一个版本，没有版本迭代，所以不存在「该用 v1 还是 v2」的问题；DOI 10.5281/zenodo.11199559 是版本 DOI，概念 DOI 是 10.5281/zenodo.11199558，引用具体数据用前者即可。
截至核验时，Zenodo 页面显示的累计下载次数为一万二千余次、独立下载约四千八百次。这个量级在专业医学影像数据集里属于中上，说明它确实被当作常用基线在用，而不仅是赛期一次性消耗品。
4.2 许可口径冲突
这是使用前必须弄清的一点。三个来源给出两种说法：
| 来源 | 表述 | 采信 |
|---|---|---|
| Zenodo 记录元数据 | license.id = cc-by-nc-4.0 | 采信 |
| 压缩包内 LICENSE.txt 首行 | Attribution-NonCommercial 4.0 International | 采信 |
| overview 论文正文 | 称训练集为 CC BY 4.0 | 不采信，判为论文笔误或口径陈旧 |
按证据强度，Zenodo 的机器可读元数据与随包许可全文互相印证，应当以此为准；论文正文的 CC BY 4.0 与两者都不符，最可能是写作时的疏漏。实用建议是：科研、教学、论文复现按 CC BY-NC 4.0 用没有问题；任何涉及产品化、对外提供服务、或再分发给商业方的场景，都需要单独澄清，不要拿论文那句话当护身符。
CC BY-NC 4.0 的核心义务是署名与非商业。非商业的定义在许可原文中写为「not primarily intended for or directed towards commercial advantage or monetary compensation」，即并非主要为商业优势或金钱报酬。这个定义比直觉更宽，公司内部研发是否算非商业，取决于成果是否指向商业利益，实务上应按严格理解处理。
4.3 合规要点
- 去标识化：原始 DICOM 已匿名化，并额外裁掉面部结构。但裁剪范围从锁骨上缘到鼻中隔下缘，仍保留了颈部和肩部的部分体表轮廓，对极高标准的再识别风险仍需自行评估。
- 伦理与同意：MD 安德森 IRB 方案号 RCR03-0800，回顾性采集并豁免知情同意。使用者继承了这一伦理前提，不应试图重新识别个体。
- 引用义务：学术使用时同时引用 overview 论文与 Zenodo 记录，两者分别指向方法与数据。
- 不再分发原始压缩包的镜像：许可允许再分发但须署名且非商业，实务上建议直接指向 Zenodo 原始链接，避免版本漂移。
§5 质量与已知问题：标注、难度与边界
5.1 标注流程与观察者一致性
标注不是「一个人画一遍」，而是多人独立画完再融合。这个流程决定了数据的上限与下限。
| 环节 | 做法 | 对使用者的含义 |
|---|---|---|
| 独立勾画 | 每例每结构 3–4 名医师各自勾画，全程 13 名标注者 | 有分歧的地方被保留了信息，但只放出融合结果 |
| 资格 | 均为具备至少 2 年头颈癌分割经验的医生 | 这是临床水平，不是新手水平 |
| 信息条件 | 可查阅病史与既往相关影像（如 PET/CT） | 标注不是纯影像任务，人有机会用到额外信息 |
| 融合 | STAPLE（SimpleITK 实现） | 共识由概率估计得出，不是投票 |
| 终审 | 超过 10 年经验的放疗科教员（论文写 15 年以上） | 极端分歧病例改由单人裁定 |
| 工具 | Velocity AI 3.0.1、Raystation v11，命名遵循 AAPM TG-263 | 结构命名规范，便于跨工具读取 |
为什么是 3–4 名而不是更多，官网给了依据：本组此前的文献显示，在这类结构上至少需要 3 名标注者，再用 STAPLE 融合才能得到可接受的共识。这个依据原样来自作者团队自己的工作（PMID 36761036），不是独立验证，引用时不宜当作普适结论。
观察者间变异（interobserver variability，IOV）以 DSCagg 口径给出：
| 时点 | DSCagg-GTVp | DSCagg-GTVn | DSCagg-mean |
|---|---|---|---|
| 放疗前 | 0.757 | 0.854 | 0.806 |
| 放疗中 | 0.600 | 0.828 | 0.714 |
这组数字的含义值得反复咀嚼。放疗前 GTVp 的一致度 0.757，放疗中掉到 0.600——同一群有经验的医师，对同一批患者，仅仅因为换了治疗时点，就出现明显更高的分歧。这是整个数据集最有信息量的一个事实：任务 2 的上限很大程度上由标注不确定性决定，而不是由模型架构决定。
论文同时报告了传统几何指标的逐例中位数（四分位距）：放疗前 GTVp 的 Dice 中位 0.747、GTVn 0.845；放疗中 GTVp 0.558、GTVn 0.808。逐例指标低于聚合指标，是因为逐例时每个病例权重相同，疑难病例拖累严重；这也正是组织方选 DSCagg 的理由。
5.2 质量控制中的取舍
- 只放出共识，不放出个体标注。赛期官网明确写个体观察者分割不提供给参赛者，将在赛事完成后经 TCIA 公开。这意味着赛期与赛后的数据形态不同：想研究标注不确定性（ambiguity modeling）、想让模型学习分布而不是单一真值，赛期的公开包做不到，要等完整版。
- 疑难病例改用单人轮廓。极端分歧的少数病例，最终真值来自一位资深医师而不是 STAPLE。这批病例的真实不确定性高于其余病例，但掩膜上没有任何标记能区分它们。做误差分析时如果发现某几例所有方法都差，有可能是这批而不是方法的问题。
- IOV 计算剔除了上述疑难病例。论文自己说明，这会让 IOV 偏高。偏高意味着「超过 IOV」的门槛更容易达到——这是解释赛果时必须提到的限定条件。
- 没有 GTV 勾画指南。论文在局限性里直言：临床靶体积（CTV）有成熟指南，大体肿瘤体积（GTV）反而没有。缺乏统一指南是 IOV 偏高的结构性原因之一，这不是本赛的过错，但使用者在设计自己的标注或评估时必须意识到。
5.3 假设—支持—反对：三条需要判断的说法
| 假设 | 支持证据 | 反对证据 | 结论强度 |
|---|---|---|---|
| 顶尖算法已达到或超过医师间一致水平 | 任务 1 冠军 0.825 > IOV 0.806；任务 2 冠军 0.733 > IOV 0.714；前 9 队/前 4 队分别超过两任务的 IOV | IOV 剔除疑难病例后计算，可能偏高；IOV 由多数共识真值定义，与独立再勾画比较未做；仅单中心评估 | B（结果真实，外推需谨慎） |
| 引入放疗前先验能提升放疗中分割 | 任务 2 前四名均使用配准后的放疗前影像与掩膜；UW LAIR 的掩膜感知注意力模块优于简单拼接基线 | null 算法（直接搬旧轮廓）就有 0.601，接近 nnU-Net 基线的 0.633，说明先验本身的贡献可能被低估而非被证明；两任务成绩相关性极弱（Kendall’s tau 约 0.18 或接近 0），暗示能力不可迁移 | B |
| 本数据集足以代表头颈癌人群 | 来自大型癌症中心的真实世界病例；训练与测试按脂肪抑制状态、肿瘤反应、分期等分层 | 单中心、约 200 例、仅口咽区域；论文自述远少于 HECKTOR 2022 的约 900 例；亚部位多样性受限 | A（局限性由作者明确承认） |
5.4 已知技术缺陷与未覆盖内容
- 各向异性显著：面内 0.5 mm、层厚 2.0 mm，层间分辨率只有面内的四分之一。直接做 3D 卷积且不做重采样，模型会在层方向学到伪影；做重采样又会引入插值模糊。这是头颈 MRI 的共性困难，不是本数据集独有，但因为它只给原始空间，使用者要自己承担这一步的设计。
- 序列单一：只有 T2 加权。临床上放疗靶区勾画常同时看 T1 增强、DWI、ADC，甚至 PET/CT。只用 T2 意味着信号层面信息不足，某些囊性或坏死成分在 T2 上边界模糊，这既是设计取舍，也是任务 2 难度的一部分。
- 临床变量缺位：训练包没有附年龄、分期、HPV 状态等表格。论文的分层分析用到了这些变量，但只以图呈现，没有随包发布。需要做分层或亚组分析的研究者目前无法直接从数据包里取用。
- 无官方数据划分：150 例是整体公开的，没有官方指定的训练/验证切分。赛期用私有测试集评估，赛后想自评就必须自己切分，而任何随机切分都可能因为同一患者的两个时间点被拆到两侧而泄漏。
- 体型与年龄构成未公开：论文没有给出年龄、性别、体型的分布表，只给出分期与体积的分层图。做人群偏倚分析时缺少基准。
5.5 与相邻数据集的边界对照
| 数据集 | 模态 | 标注对象 | 时间维度 | 主要差异 |
|---|---|---|---|---|
| 本数据集 | T2w MRI | GTVp、GTVn | 放疗前 + 放疗中配对 | 唯一同时具备 MRI、肿瘤靶区、双时点三要素的公开集 |
| HECKTOR（2020–2022 及后续届） | FDG-PET/CT | GTVp、GTVn（后期加分期/预后） | 单时点 | 病灶相同但模态为 PET/CT；DSCagg 指标即源自该家族 |
| SegRap 2023 | CT（平扫+增强） | GTVnx、GTVnd 与 45 个危及器官 | 单时点 | 鼻咽癌，规模更大，含危及器官，本赛官网列为类比 |
| HaN-Seg | CT + MR | 30 个危及器官 | 单时点 | 有 MR 但不标肿瘤，常被用作器官级预训练来源 |
| Head-Neck-CT-Atlas 等放疗 CT 图集 | CT | 靶区与危及器官 | 多期（诊断/计划/随访） | 有随访期但为 CT，且面向影像组学而非分割竞赛 |
这张表说明一个常被忽略的事实：在头颈放疗影像里，模态、标注对象、时间维度三者很少同时齐备。本数据集选择补齐时间维度，代价是放弃多模态与多中心。
5.6 从论文的局限性看数据能支持什么结论
overview 论文的讨论部分自己列了四条局限，值得逐条翻译成对使用者的约束：
第一，队列规模与机构单一。约二百例、单机构，远少于 HECKTOR 2022 的约九百例，且只覆盖口咽区域。这意味着任何「在头颈癌上」的宽泛结论都需要外部数据复核；论文自己也用了「可能限制 HNC 亚部位多样性」这样的措辞。
第二，观察者间变异高，尤其放疗中的 GTVp，且缺乏 GTV 勾画指南。论文特别提到：临床靶体积的勾画指南存在，而大体肿瘤体积的指南明显缺失。这条对使用者的意义是，若你要拿这个数据集训练临床可用的模型，模型的表现上限受制于标注规范本身的不确定，而不能只靠改进网络。
第三，评价指标单一，只有 DSCagg。论文建议未来考虑逐病灶 Dice、目标归一化 Dice、表面距离指标、以及把淋巴结当作目标检测问题。这条提示了一个具体的改进方向：如果你关心淋巴结检出，用 DSCagg 会掩盖漏检，因为漏掉一个小淋巴结对总和的惩罚很小。
第四，只有 MRI，且原计划的多参数序列未能纳入。论文建议纳入同一患者系统配准的 PET 与 CT 可以提升表现。这句话反过来说就是：当前版本的信息量被有意压缩了，若你有配套的 PET/CT，自行融合是论文认可的方向。
把这四条放在一起，可以得出一个相当明确的结论：本数据集适合做方法学验证与赛题复现，不适合做人群层面的临床推断。想回答「这个算法在头颈癌患者中是否安全有效」，需要多中心前瞻数据，本集提供不了。
5.7 数据质量的两个客观指标
除了观察者一致性，还有两个可以客观量化的质量侧面。
其一，标注的层间一致性。由于数据是层厚 2 毫米的轴位序列，标注者逐层勾画，层间可能出现台阶。官方用 STAPLE 融合后，台阶通常被平滑，但个别病例仍会保留。检测方法是对掩膜沿层方向做差分，若同一位置在连续两层的边界跳变超过体素尺寸，就可能是台阶。这不是缺陷，而是二维勾画加三维重建的固有特征，3D 模型对其不敏感，把掩膜当切片级监督使用时则需要在意。
其二，影像的强度一致性。脂肪抑制与非脂肪抑制混用、四台不同机器、TR 从 1400 到 6250 毫秒不等，强度分布差异很大。官方没有做统一的强度归一化，交给使用者处理。这意味着同一套预处理参数在不同子集上表现可能差异显著，做交叉验证时必须按脂肪抑制状态分层报告，否则折与折之间的难度不同，会让折间方差被误读成模型不稳定。
第三个侧面是掩膜的拓扑正确性。多个淋巴结被压平为同一个标签值后，掩膜在淋巴结区域通常由若干互不相连的连通域组成，这是设计使然而非缺陷。任何假定「同一标签在 3D 中连通」的后处理（例如最大连通域过滤）都会误删淋巴结，这是新手最常犯的实现错误之一。
§6 评估体系与赛果
6.1 指标定义
DSCagg 的写法是：把测试集所有病例的交集体积求和、再除以所有病例的体积和，得到一个整体比值。用公式表示即 2Σ|A∩B| / Σ(|A|+|B|)，其中 A 是真值、B 是预测，求和覆盖全部测试病例。GTVp 与 GTVn 分开算，两次结果取平均作为排名分。
它与逐例 Dice 平均的差别在空掩膜上最明显。若某例真值与预测都为空，逐例 Dice 的分子分母都是零，实现上常被定义为 1 或 0 或直接跳过，三种处理会给出三种不同的平均分。DSCagg 不按例平均，一个空掩膜病例对总和的贡献为零，不会因为实现约定不同而改变总分。同理，若真值为空而预测有东西，逐例 Dice 归零，会重罚这一例；DSCagg 只体现为一个多出来的体积，惩罚是连续的。
指标也有它的盲点。因为按体积加权，大肿瘤病例主导总分，小而散的淋巴结贡献有限；这解释了为什么 GTVn 的分数普遍高于 GTVp，却不一定代表淋巴结更容易分割，而是淋巴结总体积小、对分母影响小。论文在局限性里也点到了这一点，建议未来考虑逐病灶 Dice、表面距离指标，或把淋巴结当作目标检测问题。
6.2 基线配置
| 基线 | 构成 | 任务 1 | 任务 2 |
|---|---|---|---|
| nnU-Net v2 | 3d_fullres 默认设置，1000 轮，5 折集成 | 0.817 | 0.633 |
| null 算法 | 直接输出配准后的放疗前分割 | — | 0.601 |
| 各队平均 | 全部合格提交的平均 | 0.783 | 0.688 |
任务 1 的 nnU-Net 基线 0.817 非常高，高到只有前三名超过它。这说明任务 1 在现有架构下接近饱和，论文也写「可能正在接近当前深度学习架构与可用训练数据的性能平台」。对使用者的启示：在任务 1 上做架构创新收益有限，把力气花在预处理、集成与损失函数上更实际。
任务 2 的 nnU-Net 基线 0.633 与 null 的 0.601 只差三个点，这个对比是整篇论文最尖锐的地方。它意味着：对放疗中影像做真正的分割，用默认配置训练出来的模型，几乎和「不做分割、直接把上一次的轮廓搬过来」打平。要让放疗中分割真正有用，必须把先验显式地喂进去，而不是让模型自己从像素里重新发现。
6.3 赛果
| 任务 | 合格团队 | 分数区间 | 冠军 | 冠军分 | 最佳 GTVp | 最佳 GTVn |
|---|---|---|---|---|---|---|
| 任务 1 放疗前 | 18 | 0.571–0.825 | TUMOR | 0.825 | Stockholm_Trio 0.795 | TUMOR 0.873 |
| 任务 2 放疗中 | 15 | 0.562–0.733 | UW LAIR | 0.733 | UW LAIR 0.607 | mic-dkfz 0.875 |
更细的分布：任务 1 有 107 个团队报名，累计 164 次有效提交（任务 1 共 95 次、任务 2 共 69 次），最终 19 个独立团队在榜（任务 1 十八个、任务 2 十五个）。任务 1 前九个队（约 50%）超过 IOV 0.806；任务 2 只有前四个队（约 25%）超过 IOV 0.714，且 GTVp 这一项只有冠军越过 IOV 线。
两任务的成绩几乎不相关：Kendall’s tau 在均分上是 −0.01、GTVp 上 0.01、GTVn 上 0.18，p 值分别为 1.00、1.00、0.38，均不显著。这个结果反直觉——同一个人在同一批数据上做两个任务，按理应该能力相关。合理解释是两任务的难点不同：任务 1 是「在放射前影像上找肿瘤」，考的是形态与解剖；任务 2 是「在放疗中影像上找肿瘤并用上先验」，考的是配准与变化建模。擅长前者不等于擅长后者。
6.4 冠军方法的共性
- 任务 1 冠军 TUMOR：试过多种 nnU-Net 变体与 MedNeXt 类卷积-注意力混合结构，用放疗中与配准后的放疗前影像做预训练，再在原始放疗前影像上微调，最终只提交一个核大小 3 的小号 MedNeXt。值得注意的是他们发现 nnU-Net 与 MedNeXt 的平均集成反而更差，所以没有集成。
- 任务 1 第二名 HiLab：全监督加预训练权重加数据增强，用 SegRap 2023 做预训练，对 CT/MRI 做直方图匹配对齐强度，用 MixUp 缓解负样本，最终是两个模型加折集成的组合。这条路线与本数据集「单模态小样本」的现实非常匹配。
- 任务 1 第三名 Stockholm_Trio：横向比较 SegResNet、nnU-Net、ResEnc、MedNeXt、U-Mamba 等架构，最佳是 ResEnc 与 MedNeXt 的集成，但因 Docker 运行时限制，最终提交被大幅简化。这是很实际的一条教训：赛期容器有时限，验证集上的最优组合不一定能上线。
- 任务 2 冠军 UW LAIR：在 SegResNet 里加掩膜感知注意力模块，让放疗前的掩膜影响从放疗中影像学到的特征，而不是简单把掩膜拼到输入通道；另外做了掩膜传播，把与配准后放疗前分割不重叠的预测剔除。十模型集成，GTVp 0.607。
- 任务 2 第二名 mic-dkfz：GTVn 单项最高 0.875；第三名 HiLab 用双流 UNet，给放疗中影像与配准后的放疗前影像各开一个编码器，在前向过程中逐步融合先验。
- 最佳论文奖：Ren 等，题为梯度图辅助的头颈肿瘤分割，走的是从放疗前到放疗中的迁移思路。
共性可以归纳成一句：任务 2 的高分方案全部把配准后的放疗前影像与掩膜作为结构化先验，而不是当作额外的输入通道。
§7 能做什么：任务清单与最小可执行路径
7.1 直接可做的任务
| 任务 | 输入 | 输出 | 是否需额外标注 | 典型用途 |
|---|---|---|---|---|
| 放疗前 GTVp/GTVn 分割 | 单幅 T2 | 掩膜 | 否 | 自动勾画、勾画工作量评估 |
| 放疗中 GTVp/GTVn 分割 | 放疗中 T2 + 放疗前影像与掩膜 | 掩膜 | 否 | 自适应放疗的当日重勾画 |
| 纵向变化建模 | 两个时点的影像与掩膜 | 体积变化、消退程度 | 否 | 疗效反应评估 |
| 配准质量研究 | 原始放疗前 + 放疗中 + 官方配准结果 | 配准场或相似度 | 否 | 研究官方配准的失配分布 |
| 标注不确定性建模 | 只有共识掩膜 | 不确定性图 | 需完整版个体标注 | 赛期公开包做不了，要等 TCIA 版 |
| 域泛化评测 | 本集训练 + 外部 MRI 头颈集 | 模型 | 否 | 检验跨机构泛化 |
纵向变化建模最被低估。数据集天然给出同一患者的两个时间点，配合「四例放疗中完全缓解」这一事实，可以构造「预测是否会完全缓解」的弱监督题目——虽然没有官方标签，但空掩膜本身就是标签。这类题目不在原赛事设计内，却是数据的直接副产品。
7.2 最小可执行路径
第一步，只取 preRT 目录，把 150 例按患者划分成 5 折，跑 nnU-Net v2 的 3d_fullres 默认配置。目标是把任务 1 的基准线拉到 0.79–0.82 区间。若明显低于这个区间，先查三件事：预处理的强度归一化是否按 Z-score 做；层方向是否做了重采样；标签 2 是否被正确当作独立类别而不是并入前景。
第二步，用同一套训练产物在放疗中影像上直接推理，得到「不迁移」的对照。这个数字通常会比任务 2 的 nnU-Net 基线差得多，因为它完全没有先验。
第三步，加入配准先验：把 midRT 目录里的 _registered 影像与掩膜读进来，掩膜用 one-hot 编码后作为额外通道拼接。这一步就能把分数从「不如 null」拉到「接近 null」。
第四步，把简单拼接换成注意力或双流结构，参考 UW LAIR 与 HiLab 的思路。这一步的收益通常在一到两个点，但需要更多显存与更长的训练。
第五步，在验证集上专门看放疗中 GTVp。若你的 GTVp 分数超过了 0.61，就已经超过本赛事冠军，这时要怀疑验证集与训练集之间的泄漏，而不是庆祝。
7.3 不建议做的事
- 不要用逐例 Dice 平均作为主指标。空掩膜病例与稀疏淋巴结会把均值压得没有意义，也无法与官方榜对比。
- 不要把 150 例随机分成训练与验证而不按患者分组。同一患者的两个时间点若被拆开，验证分会虚高，而且虚高的幅度依任务而定，很难事后校正。
- 不要在任务 1 上用放疗中数据做推理期输入。测试时只给放疗前影像，任何在推理阶段依赖放疗中序列的设计都无法部署。
- 不要把 null 基线当成可以忽略。它是本数据集最诚实的地板，很多复杂度量的模型在它面前并不占优。
- 不要期待直接从 Zenodo 包得到临床变量。需要分期或 HPV 时，要么等完整版，要么把研究问题限制在纯影像层面。
7.4 一份可直接套用的实验记录模板
小样本数据集最怕的事情是做过很多次实验却记不清每次改了什么，因为一百五十例的训练波动很大，同一配置换个随机种子就能差一两个点。建议每次实验至少记录下面这几项，便于日后归因：
- 数据侧：用了哪些文件（是否含配准副本）、是否重采样、重采样到多少毫米、是否裁剪到肿瘤包围盒、脂肪抑制与非抑制是否分组统计。
- 划分侧：折数、按什么分折（患者编号哈希还是分层抽样）、验证折的编号，三位一体的组合写在实验名里。
- 模型侧：骨架、输入通道数、损失函数（是否加 GTVn 的类不平衡权重）、训练轮数与早停依据。
- 指标侧：DSCagg-GTVp、DSCagg-GTVn、DSCagg-mean 三个数字都要记，不能只记均分，因为均分会在 GTVp 与 GTVn 之间互相补偿。
- 空掩膜侧：单独统计四例全空在验证折中的命中数，这是判断模型是否真正学会「不输出」的唯一方式。
这套记录看起来琐碎，但它解决的是一个实际问题：当你的模型在某次实验上突然超过 0.61，你需要能立刻判断是真的突破了，还是划分换了、或者验证折里恰好没有全空病例。
7.5 从赛题迁移到自有数据的注意事项
很多使用者的真实目标是把手头的院内数据做成类似的训练集，或者把在本集上训练好的模型迁移到院内。这两件事都有具体的坑。
若要把本院数据整理成同构数据集，最容易忽略的是配准。赛方的配准流程写得很细，其中「过渡形变时退化为刚性」这一步尤其重要，因为纯可变形配准在放疗前与放疗中解剖差异大的病例上会产生不合理折叠，而这些折叠会成为训练目标的一部分。建议直接复用 Par0023 预设，并把退化条件写成显式规则。
若要把模型迁移到院内，最大障碍是协议差异。本院若用 3T 机器、不同层厚、常规做脂肪抑制，那与本集的 1.5T 为主、脂肪抑制混用的分布相差很远。经验做法是先在院内做十到二十例的小规模微调，并保留原模型的权重作为初始化，而不是从头训练。同时要把「上线前必须经医师复核」写进流程，因为本集评估已显示，模型在放疗中 GTVp 上的表现与医师之间的一致水平相当接近，这意味着模型出错与医师出错难以区分。
还有一条合规层面的提醒：本集许可为非商用，若迁移成果用于商业产品，数据来源的合规链条需要重新梳理，不能因为模型权重是自己训练的就把数据许可问题绕过去。
§8 常见误读与引用陷阱
这张表列出检索与引用时最常见的错法。左列是听到或看到的说法，中列是实际口径，右列是核对的依据。
| 常见说法 | 实际口径 | 证据位置 |
|---|---|---|
| 这是一个 CT 数据集 | 影像只有 T2 加权 MRI，不含 CT | 官网 Dataset 页影像数据段、Zenodo 说明 |
| 数据集规模是 202 例 | 公开训练集 150 例；202 是整理后的合格池，含 52 例从不公开的私有评估 | 官网 Quick Summary 与 overview 论文对照 |
| 测试集 52 例 | 正式测试 50 例，另 2 例仅用于赛前调试 | 官网写 50，论文写 52 并说明其中 2 例调试 |
| 每例有 4 个 NIfTI 文件 | 每例 6 个：三个影像三个掩膜，多出的是配准副本 | 官网目录树、Zenodo 文件夹结构 |
| 许可为 CC BY 4.0 | Zenodo 与 LICENSE.txt 均为 CC BY-NC 4.0，论文正文的 CC BY 4.0 属口径冲突 | Zenodo API 的 license.id 与压缩包内 LICENSE.txt |
| 这是 HECKTOR 的 MRI 版本 | 两者共享 GTVp/GTVn 编码与 DSCagg 指标，但机构、模态、数据完全不重叠 | 官网把 HECKTOR 列为「类比任务」而非母集 |
| 标签 3 是某个子结构 | 只有 0/1/2 三个取值，没有 3 | 官网标签说明与评估脚本的期望值 |
| 患者编号从 1 连续编到 150 | 编号来自原始队列，中间有空号 | GitHub 评估示例中的病例编号序列 |
| 放疗中掩膜为空的四例是标注错误 | 是肿瘤完全缓解的预期结果，掩膜里没有前景 | Zenodo 说明点名 21、25、29、42 |
| 影像有对比剂强化 | 官方明确不使用外源性对比剂，部分看起来像增强 | Zenodo 说明 Data Details 段 |
| 冠军队证明 AI 超过医生 | 超过的是测得的观察者间变异，且该变异剔除了疑难病例后计算 | 论文 IOV 计算说明与讨论段 |
| 首届之后还有第二届可等 | 官方称暂无第二届的具体计划 | 论文未来工作段 |
| 完整版已经在 TCIA 上 | 只有发布计划，本文未核到集合上线 | Zenodo 说明的发布时间为「预计约 2025 年春」 |
参考论文的 DOI 容易张冠李戴。 常见的错误是把 arXiv 上的 SegRap 预印本（编号 2312.09576）当成 HNTS-MRG 的论文。两者确实有关系——SegRap 出现在本赛官网的参考文献列表里，作为类比任务被引用——但它不是本赛的论文，赛方的 overview 论文预印本在 PMC 上的编号是 PMC11623708，正式版是 LNCS 卷首章。引用时如果只写 arXiv 号，会把读者引向另一个挑战赛。
配准副本所在目录容易被误读。 _registered 结尾的放疗前影像与掩膜放在 midRT 目录而不是 preRT 目录，因为它们在空间上属于放疗中。按目录名批量加载再打标签的脚本，会把放疗前影像误标成放疗中影像，训练出「用未来预测现在」的模型，而这种错误在验证集上反而可能提高分数。
机型统计的单位是图像不是患者。 论文 Table 1 里 297、78、19、10 这些数字对应的是扫描幅数，合计 404 幅，等于 202 例乘两个时点。把它当患者数会得出「297 例用 Aera」的错误结论，而实际患者只有 202 例，每人被扫描两次。
缺失的官方切分不是漏洞，但被当成漏洞处理会出事。 数据包里没有训练与验证的划分文件，很多人于是按文件名顺序切前 120 例训练、后 30 例验证。由于编号来自原始队列，若原始队列按时间或科室排序，这种切法会造成隐蔽的分布漂移，验证分与真实泛化能力无关。
体积比较要注意单位与空间。 掩膜与影像处于同一空间，但配准副本的体素间距可能与原始放疗前影像不同（取决于重采样设置）。直接比较 preRT_mask 与 preRT_mask_registered 的体素总数会得到荒谬的差值，必须先换算成物理体积（立方毫米）再比。
空掩膜的统计陷阱。 除四例放疗中全空外，还有病例只有 GTVn 或只有 GTVp，或两者都空。统计「每例平均淋巴结数」时，若按连通域计数，会把相邻淋巴结算成一个；若按标签值计数，永远是 1 或 0。论文选择压平为单一标签值，正是为了回避这个歧义，但也意味着逐病灶评价必须自行重建。
时间窗口径有两种写法。 官网写放疗前 1–3 周，论文表格写 0–3 周。引用时按官网写，若做时间相关性分析，应记得论文的起点更早，两者不矛盾但会导致筛选样本不同。
不要把「口咽为主」读成「全部是口咽癌」。 队列以口咽癌与原发灶不明癌为主，后者中存在后来被证实为口咽来源的病例，这也是组织方纳入 CUP 的理由之一。写「全部为口咽癌」是过度概括。
中文检索的另一处坑：缩写被自动纠错。 搜索引擎会把 HNTS-MRG 纠正为 HNTS 或 HNS，导致结果指向完全无关的手外科或头颈外科文献。稳妥的写法是同时给出全称与前缀限定词，例如加上 MICCAI 2024 或 grand-challenge。
§9 在生态中的位置
9.1 与同域数据集的相对位置
| 数据集 | 机构 | 模态 | 标注 | 与本集的关系 |
|---|---|---|---|---|
| Head-Neck-CT-Atlas | MD 安德森 | CT（诊断/计划/随访） | 靶区与危及器官 | 同机构，CT 侧图集，可与本集做模态对照 |
| HEAD-NECK-RADIOMICS-HN1 | MAASTRO | CT | GTV 与危及器官 | 影像组学经典队列，特征工程路线的参照 |
| Head-Neck-PET-CT | 蒙特利尔与舍布鲁克 | PET/CT | GTV 与复发 | 多中心 PET/CT 影像组合集 |
| ACRIN-HNSCC-FDG-PET-CT | ACRIN 多机构 | PET/CT | GTV 与临床结局 | 临床试验数据，结局标签更丰富 |
| HANCOCK | 埃尔朗根 | 病理 + 临床 | 分子与生存 | 无影像分割，走多模态预后路线 |
| HECKTOR 系列 | 多机构 | PET/CT | GTVp/GTVn，后期加分期与预后 | 指标与标签编码的直接来源 |
| SegRap 2023 | 多机构 | CT | 鼻咽癌 GTV 与危及器官 | 官网列为任务 1 的类比；可作预训练来源 |
| HaN-Seg | 多机构 | CT + MR | 30 个危及器官 | MR 侧最近邻，但只标器官不标肿瘤 |
| 本数据集 | MD 安德森 | T2w MRI | GTVp/GTVn，双时点 | 补齐「MRI + 肿瘤 + 时间维度」 |
从这张表看，头颈放疗影像的公开资源大致沿三条线分布：CT 线（图集与危及器官）、PET/CT 线（HECKTOR 家族及其前身）、MRI 线（HaN-Seg 与本集）。MRI 线上带肿瘤标注的只有本集，这就是它在生态里的位置——不是最全的，但是稀缺的。
9.2 可迁移的方法与工具
- 框架层：nnU-Net v2 是默认起点，三个冠军级方案中至少有两个以它为骨架。MedNeXt 在任务 1 冠军里出现，说明卷积-注意力混合结构在这类小样本数据上有竞争力。
- 配准层：官方用 SimpleITK 加 Elastix 的 Par0023 预设，全部代码在
Registration_example。任何要做任务 2 的团队都可以直接复用，省去重复造轮子。 - 评估层：
Evaluation_example里的 notebook 实现了 DSCagg，并附了 15 例的样本数据，用一组「把放疗前分割当真值、配准后掩膜当预测」的示例演示计算。这是复现排名最省事的路径。 - 容器层：
Docker_tutorial给出 Grand Challenge 的打包要求，包括输入输出的挂载点约定。虽然赛已结束，这套约定仍是把模型交付给平台评测的参考模板。 - 预训练层：SegRap 被 HiLab 用作预训练来源，说明跨模态（CT→MRI）或跨病种（鼻咽→口咽）迁移在这类数据量下是有效的。
9.3 与相邻挑战赛的经验迁移
任务 1 本质上与 HECKTOR 2022 的任务 1 同类，都是头颈原发灶加淋巴结分割，只是模态换了。HECKTOR 2022 的冠军分数在 0.788 左右，本赛 0.825，表面上看高了，但两者测试集不同、模态不同、观察者不同，分数不可直接比较，只能当作「大致处于同一水平」的参照。
任务 2 与 SegRap 的多输入设定相似：SegRap 用平扫与增强 CT 两幅，本赛用放疗前与放疗中两幅，区别在于本赛的两幅之间有明确的时间顺序和解剖变化，而 SegRap 的两幅是同一次检查的不同序列。这意味着本赛的任务 2 对配准的依赖更深，也更接近真实的自适应工作流。
2025 年 HECKTOR 加设 HPV 预测任务，结果准确率接近随机，这是影像表型难以映射分子表型的负面证据。本赛没有走这条路，任务被严格限制在分割，从设计上是更保守也更稳妥的选择。
9.4 组织方网络与后续产出
赛事的核心组织者是 MD 安德森放射肿瘤科的 Fuller 实验室，Zenodo 记录上的四位作者分别承担联系人与数据管理角色。这个组合说明本集不是某个课题组的副产物，而是科室层面的数据整理工程的产物——从 IRB 方案、影像仓库自动抽取、到多医师标注排期，都需要机构级协调。
会议录取了二十二篇内容（第二十二篇是对其中一篇的勘误），其中一篇是综述、二十篇是参赛队伍的方法论文。这批论文构成了一个密集的方法文献库：想看 nnU-Net 的各种改造、MedNeXt 在小样本上的表现、双流结构如何处理两时点输入、掩膜注意力怎么设计，都能在这二十篇里找到对应实现。对做毕业设计或快速找灵感的人来说，这个论文集合的价值不低于数据本身。
赛后的产出计划包括一份更完整的数据发布与一篇总结论文。总结论文预计包含元分析与排名稳定性分析，参赛者可共同署名。这意味着本页引用的排名在更长的时间尺度上可能被重新审视——尤其是排名稳定性分析，如果它显示不同指标下名次变动很大，那现有的 0.825 与 0.733 就只能当作特定指标下的结果。
9.5 与通用医学影像分割数据集的关系
把它放进更宽的医学影像分割版图，会看到它的定位相当特殊。BraTS 那条线做的是脑肿瘤多模态 MRI，规模与组织度都更高，但它的时间维度是纵向随访而非治疗过程中；ACDC 做心脏 cine MRI 的分割与诊断，有时间序列但目标是心腔；腹部多器官数据集做的是器官与病灶，覆盖广但深度浅。
本集的独特之处在于「治疗过程中的同一患者」这一设定，它把时间维度绑定到了一个具体的临床决策点上。这种设计使得它的测试题目无法用其他数据替代，也使得它在方法学上的迁移性受限——为它设计的时间感知模块，搬到其他数据集上往往没有对应的两时点输入可用。
反过来说，如果你的研究兴趣正是「纵向影像的条件分割」，本集是目前最贴近该问题、且公开可下载的头颈数据。这一条足以支撑它在库里的独立位置，不会因为与 HECKTOR 共享标签编码就被误认为重复条目。
§10 总结：适配判断与三句话
10.1 适用场景
- 研究与教学上做头颈 MRI 肿瘤分割的基准：直接可用，150 例足以支撑小样本方法的对比。
- 自适应放疗算法的原型验证：任务 2 的输入契约（放疗中影像 + 前次影像与掩膜）与临床工作流一致，验证结论有外部效度。
- 纵向变化建模与疗效反应研究：双时点配对是稀缺资源，四例完全缓解是可用的弱标签。
- 配准方法研究：官方配准结果与原始影像同时提供，能直接量化配准误差对分割的影响。
- 标注不确定性方法研究：需等完整版个体标注，赛期公开包不足以支撑。
10.2 不适用场景
- 多中心泛化研究：单一机构、单一模态，跨机构稳定性的结论无法由它得出。
- 多参数 MRI 研究：只有 T2，做不了 DWI/ADC 或增强序列的分析。
- 产品化训练数据：非商用许可，且单中心人群对真实产品而言偏窄。
- 头颈全亚部位覆盖：喉、鼻咽、鼻窦等亚部位样本稀少。
- 需要临床结局的任务：本集不含生存或复发标签，这类任务请转向 HECKTOR 或 ACRIN 系列。
10.3 三句话
第一，它是头颈 MRI 上少见的「肿瘤靶区 + 双治疗时点 + 多观察者共识」三合一公开集，稀缺性来自组合而不是规模。
第二，任务 1 已接近饱和，任务 2 才是真正的考题；衡量任务 2 的进步必须先跨过 null 算法的 0.601，而不是跨过 nnU-Net 的 0.633。
第三，用之前先确认三件事：许可是非商用、标签只有三个取值且存在全空掩膜、官方没有给数据切分。
10.4 DAIMS 数据质量评估
DAIMS 是数据质量管理框架，这里用 24 项检查逐条衡量本数据集对建模的友好程度。状态含义：支持为达标，部分支持为有条件下可用，不支持为需要自行补足。
| # | 检查项 | 状态 | 说明 |
|---|---|---|---|
| 1 | 宽格式支持 | ✅ | 每例文件命名规则固定，可平铺成一行一条记录的文件清单表 |
| 2 | 唯一标识 | ✅ | 患者编号唯一，文件名中同时含时间点与模态，全局可解析 |
| 3 | 特殊字符处理 | ✅ | 全为 ASCII 下划线与数字，无空格与中文，跨平台友好 |
| 4 | 重复行检查 | ✅ | 患者编号 × 时间点 × 文件类型三元组唯一 |
| 5 | 缺失编码 | ⚠️ | 空掩膜不区分「无病灶」与「未标注」，需靠官网名单识别四例全空 |
| 6 | 标签标识 | ✅ | 0/1/2 三值语义明确，与 HECKTOR 一致 |
| 7 | 罕见类分组 | ⚠️ | GTVn 稀疏，但多灶合一，无法细分病灶级亚类 |
| 8 | 偏倚评估 | ⚠️ | 单中心、口咽为主已在论文声明，但缺年龄性别分布表 |
| 9 | 数据字典 | ✅ | 官网与 Zenodo 均给目录树与标签说明，字段含义无歧义 |
| 10 | 信息性缺失解释 | ⚠️ | 全空掩膜有解释，但无逐例的「为何缺失」字段 |
| 11 | 设备记录 | ⚠️ | 论文给了机型汇总表，但未给逐例的机型与序列参数 |
| 12 | 共线性风险 | ⚠️ | 机型与脂肪抑制状态高度共变，分层分析需谨慎 |
| 13 | 编码映射 | ✅ | 标签与 HECKTOR 编码可直接映射，跨集合并无障碍 |
| 14 | 时间戳处理 | ⚠️ | 只有治疗时点标签，无具体日期，做时间序列研究需替代变量 |
| 15 | 划分建议 | ❌ | 无官方切分，需自行按患者分组 |
| 16 | 泄漏讨论 | ⚠️ | 本页给出泄漏路径，官方文档未讨论 |
| 17 | 标签分布 | ⚠️ | 体积分布以图呈现，无表格，复现需自行统计 |
| 18 | 测量偏倚 | ✅ | IOV 以 DSCagg 与几何指标双口径报告，透明度高 |
| 19 | 外部验证建议 | ⚠️ | 论文建议纳入 PET/CT 与多机构数据，但未给具体路线 |
| 20 | 版本记录 | ✅ | Zenodo 单版本，概念 DOI 与版本 DOI 并存，可追溯 |
| 21 | 预处理脚本 | ✅ | 配准、评估、容器化三套示例代码公开 |
| 22 | 合规要求 | ✅ | 许可与伦理方案号齐备，虽有口径冲突但可判定 |
| 23 | 多模态对齐 | ⚠️ | 同一模态的跨时点对齐做得很好，跨模态完全缺失 |
| 24 | 去标识化 | ✅ | DICOM 匿名化加面部裁剪，双重处理 |
按上表统计，达标十三项、部分支持九项、不支持两项，折算约 16.5/24。失分集中在「无官方切分」「缺逐例设备记录」「缺临床与分布表」三处，都是可以靠使用方自行补足的问题，不是数据本身的缺陷。
这个分数在这里的含义是：数据结构干净、语义明确、可直接训练；但缺少能让人「拿来就做严谨对比实验」的治理层信息，补齐这些信息的成本要由使用者承担。
附录 A 关键数字速查
| 数字 | 指什么 | 出处等级 |
|---|---|---|
| 150 | 公开训练集例数 | 官网与 Zenodo 一致 |
| 50 | 正式测试例数 | 官网 |
| 52 | 私有评估池例数（含 2 例调试） | 论文 |
| 202 | 整理后合格队列总量 | 论文 |
| 6 | 每例 NIfTI 文件数 | 官网目录树 |
| 15.0 GB | 训练包压缩体积 | Zenodo 文件列表 |
| 0/1/2 | 背景/GTVp/GTVn 三个标签值 | 官网与 Zenodo |
| 3–4 | 每结构独立标注医师数 | 官网 |
| 13 | 标注者总数 | 论文 |
| 21、25、29、42 | 放疗中全空掩膜的四个病例编号 | Zenodo |
| 0.817 / 0.633 | nnU-Net 基线在任务 1/任务 2 的 DSCagg-mean | 官网与论文 |
| 0.601 | 任务 2 的 null 算法分数 | 论文 |
| 0.806 / 0.714 | 任务 1/任务 2 的观察者间变异 | 论文 |
| 0.825 / 0.733 | 任务 1/任务 2 冠军分数 | 官网与论文 |
| 107 / 164 / 19 | 注册团队 / 有效提交 / 榜上独立团队 | 论文 |
| 20 分钟 | 每例推理时限（T4 显卡） | 论文 |
附录 B 术语与缩写
| 缩写 | 全称 | 中文与说明 |
|---|---|---|
| HNTS-MRG | Head and Neck Tumor Segmentation for MR-Guided Applications | 本挑战赛名 |
| GTV | gross tumor volume | 大体肿瘤体积，肉眼可见的肿瘤范围 |
| GTVp | primary GTV | 原发灶靶区 |
| GTVn | nodal GTV | 转移淋巴结靶区 |
| GTVnx / GTVnd | nasopharyngeal / nodal GTV | 鼻咽癌语境下的原发与淋巴结靶区，与 GTVp/GTVn 同义不同名 |
| pre-RT | pre-radiotherapy | 放疗前 |
| mid-RT | mid-radiotherapy | 放疗中 |
| MRgRT / MRgART | MR-guided (adaptive) radiotherapy | 磁共振引导（自适应）放疗 |
| MR-Linac | magnetic resonance linear accelerator | 磁共振直线加速器一体机 |
| OPC | oropharyngeal cancer | 口咽癌 |
| CUP | cancer of unknown primary | 原发灶不明癌 |
| T2w | T2-weighted | T2 加权 |
| FS / NFS | fat-suppressed / non-fat-suppressed | 脂肪抑制 / 非脂肪抑制 |
| IOV | interobserver variability | 观察者间变异 |
| DSC | Dice similarity coefficient | Dice 相似系数 |
| DSCagg | aggregated DSC | 聚合 Dice，按总量汇总计算 |
| STAPLE | simultaneous truth and performance level estimation | 同时真值与性能水平估计，一种多观察者融合算法 |
| OAR | organ at risk | 危及器官 |
| RTSTRUCT | radiotherapy structure set | 放疗结构集，存储勾画轮廓的 DICOM 对象 |
| AAPM TG-263 | 美国医学物理师协会第 263 号任务组 | 放疗结构命名的标准命名法 |
| LNCS | Lecture Notes in Computer Science | Springer 计算机科学讲义，本赛会议录所在丛书 |
附录 C 上手检查清单
- 下载后先校验：压缩包 15.0 GB，MD5 为 286cb39d2fe7723b446b2f6bd415f72a，可在 Zenodo 页面核对。
- 解压后确认顶层目录名为
HNTSMRG24_train，患者目录数是否为 150。 - 抽查一例的文件数是否为 6，且
midRT目录下有四个文件（两个放疗中 + 两个配准后的放疗前）。 - 读四例全空掩膜（21、25、29、42）确认读入逻辑不抛异常。
- 统计全集的标签取值集合，确认只有 0、1、2。
- 统计有 GTVp 的例数与有 GTVn 的例数，作为基线预测的类别先验。
- 计算每例的体素间距分布，确认层厚与面内分辨率，决定是否重采样。
- 按患者编号做 5 折划分，并把折号写入配置，避免不同实验用不同切分。
- 若做任务 2，先跑 null 基线（直接用
_registered掩膜），拿到本地的地板分。 - 评估脚本使用官方 DSCagg 实现，不要在本地自写逐例平均后再对外声称是同一指标。
- 记录许可版本与下载日期，写进实验日志，方便日后追溯。
附录 D 未覆盖内容
以下内容在本页核验范围内没有确认，使用者需要自行补查：
- TCIA 上完整版（训练+测试、个体标注、临床元数据、原始 DICOM）是否已发布，集合名是什么，许可是否与原许可一致。
- GitHub 代码仓的 LICENSE 正文（抓取时返回空），代码是否可商用未知。
- 奖金的具体金额，官网只写为增加而未公布数字。
- 患者的年龄、性别、分期分布的具体数值，论文只以图呈现。
- 脂肪抑制与非脂肪抑制各占多少例，论文以图呈现未列表。
- 影像采集的年份区间。
- 放疗剂量与分次方案，overview 论文未涉及。
- 是否存在与本集共享患者的其他公开数据集，未做交叉核查。
附录 E 检索模板
检索官方与论文时可直接套用以下组合：
- 官方页面：
site:grand-challenge.org HNTS-MRG 2024 - 数据记录：
site:zenodo.org 11199559 - 综述论文：
"Overview of the Head and Neck Tumor Segmentation" MRI guided applications 2024 - 会议录章节：
10.1007/978-3-031-83274-1_后接章号（_1 为综述，_2 至 _21 为各队方法） - 方法复现：
HNTSMRG nnUNet pre-RT mid-RT registration prior - 中文检索：
HNTS-MRG 头颈 磁共振 引导 放疗 分割 数据集
引用格式建议同时给出两条：一条指向数据（Zenodo DOI），一条指向方法（LNCS 章 DOI），不要只写赛事网址，因为赛事网址在赛后可能不再更新。
编辑说明
核验时间与方式：2026-10-18。核验以一手来源为主，包括赛事官网的首页、数据集页、任务与评估页三处，Zenodo 记录 11199559 的页面与其 API 元数据、压缩包内 README.md 与 LICENSE.txt 原文，GitHub 代码仓的 README 与评估示例说明，以及 overview 论文（LNCS 卷首章，DOI 10.1007/978-3-031-83274-1_1；预印本 PMC11623708）。另有 Crossref 与 PubMed E-utilities 两次查询用于确认会议录章节结构与关键 PMID 的题名。
双口径冲突登记：
- 许可。Zenodo API 的 license.id 为 cc-by-nc-4.0，随包 LICENSE.txt 首行为 Attribution-NonCommercial 4.0 International；overview 论文正文称训练集为 CC BY 4.0。判为论文写作疏漏，正文按 CC BY-NC 4.0 处理，并在多处显式提示冲突。
- 测试集例数。官网 Quick Summary 写 50，论文写 52（其中 2 例用于调试）。两者不矛盾，正文并列说明来源。
- 放疗前时间窗。官网写 1–3 周，论文表格写 0–3 周。正文照官网，附录与正文提示差异。
- 标注者资历。官网写终审者具 10 年以上经验，论文写 15 年以上。正文以官网为叙事主线，表内注明论文口径。
- 候选池记录的论文标识。池内 identifier 与 paper 字段记为 arXiv:2312.09576，该预印本实为 SegRap 2023 的论文（它出现在本赛官网参考文献列表中，属于被引文献而非本赛论文）。本赛预印本为 PMC11623708。本页不采用池内该字段。
未采用的说法：不写「AI 超过医生」的表述，改为「接近标注者一致水平」并附限定条件；不写具体奖金金额，因官网仅写「$$$」；不写脂肪抑制与非脂肪抑制的例数、患者分期分布的具体数值，因论文仅以图呈现。
版本日志：初稿 2026-10-18，依据上述来源一次性成稿，未做后续修订。
下次复核建议：TCIA 完整版是否上线、GitHub 仓库许可是否补全、是否有第二届消息，这三项任一发生变化，§4 与 §9 需同步更新。
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：
- promise12 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- trackrad — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brats-meningioma — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brats-met — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- brainptm-2021 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- atlas-liver-tumor — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- prostatex — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- pi-cai — 共享标签：医学影像 / MRI / 挑战赛数据集 / 肿瘤学
- topaneu2026 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
- owl — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 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。
