NODE21 胸片肺结节检测与生成挑战赛

NODE21 是荷兰 Radboud 大学医学中心（Radboudumc）诊断图像分析组发起、托管在 Grand Challenge 平台上的胸部 X 线摄影（chest radiograph，CXR）肺结节挑战赛，名字展开为「Nodule Detection 2021」。公开训练集近五千张正位胸片，约四分之一由该中心的胸部放射科医师框出结节、合计一千四百余个包围框，其余为确认无结节的负类；影像来自 JSRT、PadChest、ChestX-ray14、Open-I 四个公开库的重新混合。数据以 Zenodo 记录发布，压缩包体积数十 GB。

它要解决的是胸片上「结节在哪」长期缺精确答案的问题。绝大多数公开胸片库的标签来自放射报告文本挖掘，只有「有无结节」这类影像级弱标签，框的位置无从谈起；而少数带框的库规模又小、来源单一。胸片是投影图像，结节常常迭压在心脏、肺门或膈肌上，标注成本高，导致该任务在深度学习时代反而进展缓慢。NODE21 的做法是把四个可再分发的库合到一起，用统一标准重订框，并额外开一条生成赛道：让算法把 CT 上的真实结节「种」进健康胸片，用合成数据补足稀缺的阳性样本。

如果要做胸片结节检测、想找一个带框的训练集，可以从这份公开训练集起步；如果研究方向是合成数据与数据增强，直接看生成赛道的位置清单与 CT 结节块。动手前先记住两件事：测试集永不公开，官方分数无法本地复现；许可按源库层层叠加，其中 PadChest 带非商业条款，商用必须先做来源追溯。

§1 它是什么

1.1 一句话定义与命名

NODE21 同时指两个东西：一个 2021 年启动的挑战赛，以及为该挑战赛发布的公开训练数据集。两者共用同一名字、同一个 Zenodo 记录与同一个官网，引用时说的通常也是同一件事。官方站点的首页标题写作「Welcome to NODE21」，IEEE TMI 2024 年的总结论文则把缩写展开为「Nodule Detection 2021」，这是目前唯一权威的展开形式。

这个名字容易被误读成别的结构。字母部分没有「胸部」或「X 线」字样，数字部分也不像届次编号，搜索结果里又常和 NODE（神经定向期望最大化，一种用于细胞计数的传统算法）同框出现。需要强调：NODE21 与 NODE 算法无关，也与「第 21 号节点」一类内部编号无关。Zenodo 的条目名就叫「NODE21」，文件名为 dataset_node21.zip，没有更长的正式全称。

1.2 双赛道结构与组织方式

NODE21 从一开始就不是单任务挑战赛，而是并行的两条赛道：

**检测赛道（Detection track）**要求算法读入一张正位胸片，输出一组可能的结节包围框，每个框附一个置信度。这是标准的目标检测任务，评价关注在不同假阳性水平下的灵敏度——因为临床上宁可多报也要少漏，单看分类准确率没有意义。

**生成赛道（Generation track）**要求算法读入一张正位胸片，外加一个 JSON 文件，文件里写明要在哪些位置「生成」结节；算法输出的是一张在原位置长出了结节的新图像。任务定义很具体：不是自由创作，而是按指定坐标植入。

两条赛道不是各自为政。官方说明的意图是把两者串起来——用生成算法造出额外的训练数据，喂给检测算法，再看检测性能是否提升。这个闭环设计是 NODE21 在同类胸片挑战赛里比较特别的地方：多数挑战赛只评检测，NODE21 直接问了一个方法论问题，即合成数据在标签稀缺的医学影像任务里到底值多少。

1.3 主办方与团队

主办方是 Radboudumc 的诊断图像分析组（Diagnostic Image Analysis Group，DIAG），这是欧洲医学影像 AI 领域历史较长的团队之一，早年以肺结节 CT 计算机辅助诊断起家。数据论文与 Zenodo 记录署名的三位核心作者是 Ecem Sogancioglu、Keelin Murphy 与 Bram van Ginneken；数据策展由 Ernst Th. Scholten 和 Ward Hendrix 承担，后两位本身也是胸部放射科医师，这一点在数据质量上很关键——框是懂临床的人画的，不是众包标注。

平台方 Grand Challenge（grand-challenge.org）提供竞赛托管、私有测试集的推理调用与排行榜，NODE21 是其中一个实例（实例标识沿用项目名 node21）。这种「学术团队 + 平台托管」的组合在欧洲医学影像挑战赛里很常见，好处是长期可访问、有算法容器化的基础设施，代价是数据分发往往分散在 Zenodo 与平台两处。

1.4 版本与时间线

数据在 Zenodo 上登记了四个版本号，全部标为 2021 年 4 月 28 日：v-1（10.5281/zenodo.4725881）、v-2（10.5281/zenodo.4783745）、v-3（10.5281/zenodo.4926037）、v-5（10.5281/zenodo.5548363）。v-5 是当前记录，也是带完整压缩包的那一版；v-1 的记录描述只讲含结节的训练子集，尚未把那批负类影像一并写入摘要。版本号跳过 v-4，页面上没有说明原因。

赛程方面，2021 年内完成第一阶段，第二阶段在 2022 年初结束，两赛道分别评出获奖者，表现突出的团队被邀请共同撰写总结论文；最终测试集自 2022 年 1 月起停用，其结果留给论文使用。2022 年 4 月起挑战赛对公众重新开放，定位从「竞赛」转为「持续记录该领域现状」。总结论文于 2024 年发表在 IEEE Transactions on Medical Imaging，DOI 10.1109/TMI.2024.3382042。

1.5 与源库的谱系关系

理解 NODE21 最快的方式是把它放回四个源库的关系里。JSRT 是 2000 年发布的 247 例胸片集合，其中 154 例有结节，是胸片结节检测的经典小库，尺寸多为 2048×2048、12 位灰度。PadChest 是西班牙阿利坎特的十万量级胸片库，带报告文本与多标签，许可为 CC BY-NC-SA。ChestX-ray14 是美国 NIH 的 11 万张胸片，标签来自报告文本挖掘。Open-I 是美国国家医学图书馆的开放影像库，以图文对形式提供。

NODE21 从這四家里挑了影像，但挑的规则不是随机抽样，而是「允许 remix 与再分发」——这直接决定了哪些能进、哪些不能。选定之后，结节框不是照搬源库：有的直接沿用源库标注并复核，有的由 NODE21 的放射科医师新画。四个库的影像风格、设备、人群差异很大，混合后的异质性既是优势（泛化压力真实）也是负担（域偏移难以归因）。

§2 数据构成

2.1 训练集规格表

下表是公开训练集的全部可核验字段。所谓「字段可靠性」指的是：该值在三处以上独立来源一致则为「三源一致」，两处为「双源」，仅官网一处为「单源」，需推算才能得到为「推算」。

项目	数值	字段可靠性
影像总数	4,882 张正位胸片	三源一致
含结节影像	1,134 张	三源一致
结节包围框	1,476 个	三源一致
无结节影像	3,748 张	推算（总数减阳性数），与 Zenodo 文字表述一致
每阳性影像平均框数	约 1.30 个	推算（框数除阳性数）
原始格式	源库原始格式（DICOM / PNG 等）	单源（官网）
预处理格式	MHA，1024×1024	三源一致（边长按像素计）
标注文件	metadata.csv（x, y, width, height, label）	双源（官网数据页、v-1 记录）
生成赛道位置清单	simulated_metadata.csv	单源（官网）
CT 结节块	luna16.zip，50×50×50 mm，1×1×1 mm 体素	双源
压缩包体积	37.2 GB	单源（Zenodo 文件列表）
压缩包 MD5	0bc7a2f16d6ad41b343bfb568964c6d8	单源（Zenodo）

「每阳性影像平均框数」这个推算值值得留意：1.30 说明绝大多数阳性图只有单个结节。这与候选筛选标准直接相关——只收孤立、清晰可见的结节，多发病灶被排除在外，因此训练出的检测器天然偏向「一图一灶」的情形。

2.2 标注文件的字段与语义

metadata.csv 是本数据集唯一的监督信号载体，每行对应一个包围框，字段为 x, y, width, height, label。label 是影像级标签而非框级标签：含任何结节的图为 1，否则为 0。无结节的图在表中如何表示（是否保留一行、框坐标填 0 还是留空），官网描述只给了「label 为 1 或 0」这一句，未细化到行级结构，实际处理时需要先看一眼文件再定解析逻辑。

坐标系原点在左上角，单位是预处理后图像的像素——这一点在原始格式版本里能否直接对应，取决于是否同时给出原始尺寸。原始与预处理两版都配了各自的 metadata.csv，框坐标应理解为与对应版本图像尺寸一致。

2.3 预处理流水线

官方对预处理有完整描述，且私有测试集也走同一流程，因此参赛者被建议直接使用预处理版。流程分四步：去掉均匀的背景边框；按能量归一化图像灰度；分割肺野并把图像裁剪到肺野区域；等比缩放到固定边长，短边用填充补齐。实现基于 OpenCXR 库的 cxr_standardize 算法，官网给出了可直接运行的 Python 片段。

这四步对下游影响各异。肺野裁剪意味着输入里不再包含颈部、腹部与肩部，模型无法利用这些区域的信息，好处是聚焦且省显存，代价是「结节紧贴胸壁或位于膈下」的情况被剪掉，训练与真实全院筛查场景存在差距。短边填充而不是拉伸，保住了纵横比，因此不同体型受检者的胸廓比例在图像里是可辨的。能量归一化对跨设备泛化有帮助，但也抹掉了曝光时间与设备特有的对比度信息，若下游任务需要利用设备特征，需改用原始版。

2.4 生成赛道附件

生成赛道的附件分两部分。simulated_metadata.csv 是一份「待生成位置清单」，对每张无结节胸片（label=0）给出应当在哪些位置植入结节。CT 结节块来自 LUNA16，是 50×50×50 mm 的立方体、重采样到 1×1×1 mm 体素，涵盖真实的实性与亚实性结节，供生成算法作为「结节源」使用。

基线生成方法采用 Litjens 等人的做法：把三维结节块投影成二维，用泊松图像混合贴到指定位置，再做强度与纹理微调。这种方法生成的结节在形状上是真实的（来自真实 CT），但在与背景融合处容易留下接缝，且亮度分布与真实胸片并不完全一致——这正是生成赛道希望参赛者改进的地方。

2.5 测试集结构

集合	规模	阳性数	参考标准	可获得性
训练集	见规格表	见规格表	放射科医师框	公开（Zenodo）
实验测试集	281	166	60 天内同受试者 CT	私有，不发布
最终测试集	未披露	未披露	同上	私有，2022-01 起停用
自建验证集	—	—	使用者自定	需自行划分

实验测试集的参考标准是这套数据最有价值也最不可及的部分：它不是靠医师看片定「有没有结节」，而是要求受试者在胸片拍摄前后 60 天内做过 CT，用 CT 上确证的三维病灶作为金标准。这种方法学优势在于消除了胸片二维投影的判读歧义，代价是这一规模在统计上只够做区间估计，且入选受检者本身就有过 CT，人群偏倚不可忽略。

2.6 阴性样本的作用

无结节胸片占训练集约七成七，这个比例不算极端，但也不是自然患病率。它们的价值有两层。第一层是检测任务的负类来源，没有足够负例，模型会产生大量假阳性；NODE21 的负例来自与阳性同样的四个库，风格分布一致，这一点优于把不同来源的负例拼进来。第二层是生成赛道的画布——合成结节正是要「种」在这些确认无结节的图上，才谈得上知道哪里本不该有结节。

§3 怎么拿到

3.1 获取路径

公开训练集有两条路。首选是 Zenodo 记录 5548363，直接下载 dataset_node21.zip（体积与 MD5 见下表）。该记录页对匿名访问者可见，文件可下载。次选是通过挑战赛官网的 Data 页面找到 Zenodo 链接，官网只做指引，不自己托管大文件。

下载前需要确认三件事：磁盘余量（解压后通常大于压缩体积，原始格式影像尤其占地方）、内网带宽（几十 GB 的量级在普通家用宽带上以小时计）、以及是否需要预处理版——如果只需要预处理版，仍必须下整个压缩包，官方没有单独提供预处理子包。

3.2 参与竞赛的额外步骤

若要提交算法而非只使用数据，需要注册 Grand Challenge 账号，在 NODE21 项目下加入，然后按平台要求把算法容器化。NODE21 的规则有一点与其他挑战赛不同：参赛者必须把代码放在公开的 GitHub 仓库里，并为其选择一种宽松的开源许可，平台从该仓库构建 Docker 镜像。这意味着提交即公开代码，且许可条款必须允许他人复用。

平台会提供检测与生成两条赛道的基线算法代码，结构可作模板。对大多数只想用数据的人，这一步可以直接跳过。

3.3 许可的层层叠加

这是最容易出错的地方，必须拆开说。NODE21 训练影像来自四个源库，每个源库的条款不同：

源库	许可性质	对再分发的约束
JSRT	公开研究用（日本放射线医学综合研究所发布）	允许研究使用与再分发
PadChest	CC BY-NC-SA 4.0	非商业 + 相同方式共享（传染性）
ChestX-ray14	NIH 公开发布条款	允许研究使用
Open-I	NLM 开放获取条款	允许研究与再分发

NODE21 团队声明只纳入「允许 remix 与再分发」的部分，这解决了「能不能拿到」的问题，没有解决「能不能商用」的问题。PadChest 的 NC 条款会随影像一起传导：如果训练集里含 PadChest 来源的图，整份数据的商用就存疑。Zenodo 记录页在抓取时未显示独立的许可字段，因此不能凭「Zenodo 上公开可下」推定许可宽松——公开可下载与许可允许商用是两件事。

实操建议只有一条：若用途涉及商业，逐张回溯来源。Zenodo 记录提到提供了指向源库原始标识符的清单，可以据此做来源级筛选，剔除 NC 来源后再用。这一步没有捷径，也没有官方提供的「商用子集」。

3.4 代码与算法资产的许可

参赛算法的代码在公开仓库里，各自采用宽松开源许可（如 Apache 2.0、MIT 一类），这些是参赛者的成果，与数据许可相互独立。用别人的算法代码不构成对数据的额外授权，反过来也一样。平台侧的容器与推理基础设施由 Grand Challenge 提供，其使用条款与数据条款分开。

3.5 合规使用清单

• 引用数据时同时写 NODE21（Zenodo DOI）与对应源库，尤其是使用了具体影像时。
• 报告模型性能时说明训练用了哪些源库的影像，因为跨库混合会影响泛化结论。
• 涉及人脸的影像（胸片通常不含，但原始图可能带标记）按源库的伦理条款处理。
• 不把私有测试集的任何推断结果当作用户可复现的基准。
• 商用前完成 NC 来源剔除，并保留剔除记录以备审计。

§4 质量与已知问题

4.1 标注质量的三个维度

评价一个带框的数据集，要看三件事：框找准了没有、该标的都标了没有、标注者之间一致到什么程度。NODE21 在这三件事上的可核验信息并不均衡。

框的准确性相对最有保障。NODE21 的框由 Radboudumc 的胸部放射科医师出具，其中 Ernst Th. Scholten 与 Ward Hendrix 本职就是胸部放射科医师，Zenodo 记录把二人标为数据策展。团队的做法分两类：对源库本来就有框的（JSRT 有结节位置标注），复核后沿用或修正；对其他三库，由医师新画。这种「以临床医师为中心」的流程与 ChestX-ray14 那种从报告文本里抽关键词的方式有本质区别。

标注完整性是更大的隐忧，且是结构性的。候选影像只收孤立、清晰可见、直径 6–30 mm 的结节，这条筛选标准由总结论文转述（未直接读到论文正文，见页脚来源说明）。筛选带来一个后果：被排除的图不是因为没结节，而是因为结节不符合入选条件——粟粒样分布、簇状分布、贴近纵隔或膈肌、直径超过 30 mm 或小于 6 mm 的病灶都在排除之列。这意味着训练集里的「负类」不应理解成「健康」，而应理解成「在这个筛选标准下不合格」。若下游拿它训练一个面向全院筛查的检测器，模型对贴边病灶的灵敏度会被系统性低估。

标注者之间的一致性方面，公开材料没有给出同一批图由多位医师独立重复标注后的 κ 值或类似指标。这并不意味着流程粗糙——从已有描述看，团队的做法是「医师出框 + 专业策展人复核」，属于质量控制而非一致性度量，两者解决的问题不同。若要评估这套框的不确定性，只能自己在样本上做二次标注，或借助模型预测与框的重合度做间接估计。

检出的边界更值得注意。 胸片结节的判读本身就有很高的主观性，文献中报告的判读者之间灵敏度差异很大，同一枚结节在两位放射科医师眼中可能是「明确病灶」与「血管断面」之别。实验测试集引入 CT 参照，正是为了绕开这一层主观性；但训练集没有，因此训练框里必然混有少量「争议框」——这些框在临床上是合理的，在算法评价上却是噪声。训练时应把它们当作软标签而非硬答案，否则模型会过度拟合到个别医师的判读习惯。

4.2 假设—支持—反对三列表

对公开材料无法直接回答的问题，用三列表形式把「不知道」写成有信息量的陈述。

假设	支持证据	反对证据或未决点
训练框的定位误差在临床可接受范围内	框由胸部放射科医师出具，且经两名专业策展人复核	无框级一致性指标公开；不同源库影像质量差异大，误差可能不均匀
负类样本确实无结节	负类来自四个源库的筛选结果，非随机抽	筛选标准排除了特定形态病灶，负类里可能含被排除的小病灶；且仅靠胸片判阴，无 CT 佐证
混合四源库提升了泛化能力	四库设备、人群、风格差异大，构成天然的域多样性	没有来源标签公开，无法做留一源库的交叉验证，泛化增益无法分解到「多样性」还是「单纯变多」
现有框量足以训练现代检测器	论文报告的集成模型在最终测试集上 AUC 达 0.877，超过多数参试放射科医师	该成绩依赖大规模集成（最多数十个模型），单模型性能未在公开材料中系统呈现；框数相对现代检测器的胃口偏少
实验测试集的规模能支撑统计显著性	参考标准来自同受试者 CT，金标准强	阳性约六成，置信区间较宽；受检者因做过 CT 而存在选择偏倚

4.3 规模与文献引用的常见偏差

一个反复出现的引用错误是把训练集总数（见规格表）写成「NODE21 数据集规模」，然后在讨论里按万级数据集的口径评价其统计效力。总数里真正带框的只有约四分之一。把它和 ChestX-ray14 的十一万余张直接比规模，是拿「带框子集」比「带弱标签全集」，两个数不在同一口径上。

另一个偏差是把压缩包体积当作「影像数据量」。包里同时装原始格式与预处理格式两版，原始影像多为高分辨率 16 位，体积主要来自原始版；若只用预处理版，实际可用的影像体积远小于包体。

4.4 版本可用性的历史问题

Zenodo 上四个版本全部标为 2021-04-28，编号跳过 v-4。v-1 的记录描述只讲含结节影像与框数，没有提那批负类影像；v-5 才把训练集总数写进摘要。这意味着早期引用 v-1 的文献可能只用了阳性子集，若有人拿早期论文的数字与当前记录对比，会得出「数据集扩容数倍」的错误结论——实际上是同一批数据的不同登记粒度。

v-5 的 DOI 是 10.5281/zenodo.5548363，这是应当引用的版本；引用 4725881 会指向只有阳性子集描述的旧记录。

4.5 重开后的可比性问题

2022 年 4 月对公众重开之后，挑战赛的性质变了：最终测试集已停用，实验测试集的规模很小且不再作为唯一的排名依据。新提交若自行搭建验证集，分数就不能与 2022 年初排行榜上的数字直接比较。在论文里引用「NODE21 排行榜」时，必须写明是哪个时间点、哪个测试集的结果，否则数字失去意义。

4.6 对临床使用者的边界

这套数据适合做方法研究与算法开发，不适合直接当临床验证证据。原因有三：训练集为研究用公开库的混合，不代表任何真实医院的就诊人群构成；阴性与阳性比例经过人为平衡，不反映自然患病率；测试集虽然金标准强，但规模小且受检者均为有 CT 指征者。任何以 NODE21 分数支撑的临床效能声明，都需要在真实筛查队列上另行验证。

4.7 四个源库的差异如何进入数据

把四个库拼在一起，不只是「样本变多」。四个库在拍摄年代、设备、人群、投照规范上差异很大，这些差异会以具体形式进入训练数据，理解它们有助于判断模型学到的到底是结节还是拍摄习惯。

JSRT 是这套数据里年代最久的一员，2000 年发布，来自日本，影像以高分辨率灰阶为主，结节的定位相对明确，很多早期结节检测论文都在它上面报告过数字。它的规模小，但风格统一，是四个库中最「干净」的一部分。

PadChest 来自西班牙阿利坎特，规模大、来源单一机构的设备，影像带报告文本与多标签，后续被广泛用于多标签分类。它的图像风格与 JSRT 差异明显，对比度与后处理痕迹都不同。

ChestX-ray14 是 NIH 的临床数据，采集自美国一家机构的院内检查，影像多为 1024 见方，设备与体位变化大，标签来自报告自然语言处理，噪声相应更高。

Open-I 来自美国国家医学图书馆，图文对来自公开文献与影像库，风格最杂，标注一致性也最难保证。

这四家混合的直接后果是：模型在训练中见到的「结节外观」覆盖了更大的变化范围，但同时也没有任何一组参数能对应单一拍摄条件。若在下游部署时只看总体指标，会掩盖分库性能的巨大差异；若要做分库评估，又需要来源清单——这正是公开材料里缺失的那一块。

4.8 预处理带来的取舍

官方推荐的预处理四步（去边框、能量归一、肺野裁剪、等比缩放加填充）每一步都有代价。

去边框会丢掉影像边缘的信息，包括可能贴近胸壁的病灶；能量归一把灰度压到统一区间，好处是跨设备可比，坏处是抹掉了曝光差异这一潜在的质量信号；肺野裁剪把视野限制在肺实质附近，显著降低显存占用，但也意味着纵隔旁、膈下、颈根部的结节被切掉一部分；等比缩放加填充保住了形状，代价是不同体型受检者在同一张 1024 图上占据的肺野面积不同，结节直径对应的像素数也随之变化。

对检测任务而言，最后一点最麻烦：同一直径的结节，在高个受检者图上的像素数会比矮个受检者少，模型若以像素尺度学「多大算可疑」，会产生与体型相关的偏差。缓解办法是在评估时按肺野面积归一，而不是按整图面积。

§5 能做什么

5.1 任务清单

任务	输入	输出	本数据集提供的支撑
结节检测与定位	正位胸片	包围框 + 置信度	阳性图的全部框与无结节负类，数量见规格表
结节分类（有/无）	正位胸片	影像级标签	label 字段直接可用
合成结节生成	胸片 + 目标坐标	植入结节的新图	simulated_metadata.csv + LUNA16 结节块
数据增强研究	真实训练集 + 合成样本	检测器性能对比	生成与检测两赛道打通的设计
预处理流水线复现	任意胸片	标准化后的定尺寸图	OpenCXR 标准化代码与描述
多源异构鲁棒性评测	四库混合影像	分源性能	源库来源可追溯（需回溯清单）

5.2 最小可执行示例：从下载到第一个检测结果

下面是一条完整的最小路径，用预处理版数据与一个通用的两阶段检测器骨架。代码只示意数据加载与坐标换算的关键点，不绑定具体框架。

第一步，确认压缩包完整：把 Zenodo 页面给出的 MD5（0bc7a2f16d6ad41b343bfb568964c6d8）与本地计算值比对，不一致就不要解压，先重下。

第二步，解压后先看目录结构：dataset_node21/ 下应有 cxr_images/（影像）与 ct_patches/（CT 结节块）两个主目录，预处理版与原始版通常分子目录。官网文字提到影像在 dataset_node21/cxr_images 之下，但压缩包内的实际层级可能多一层版本目录，以实际解压结果为准。

第三步，读 metadata.csv 并做一次统计核对：行数应接近框数与负类行数之和，label 列的取值应只有 0 和 1，框的 x + width 不应超过预处理边长，y + height 同理。任何越界都说明坐标对应的是原始尺寸而非预处理尺寸，需要缩放后再用。

import pandas as pd
meta = pd.read_csv("metadata.csv")
pos = meta[meta["label"] == 1]
neg = meta[meta["label"] == 0]
assert (pos["x"] + pos["width"] <= 1024).all()
assert (pos["y"] + pos["height"] <= 1024).all()
print(len(pos), len(neg))

第四步，划分验证集。这里没有官方的训练/验证切分（测试集私有），必须自己划。建议按源库分层抽样，保证验证集里四个库都有代表；若来源清单不全，至少按图像尺寸与灰度分布做分层，避免验证集被某一个库主导。

第五步，训练一个检测器。结节在胸片上通常只占图像极小面积，直接按整图训练会出现严重的正负样本失衡。常见做法是用锚框或中心点热图，并对负样本做难例挖掘。评估不要只看 mAP，要看固定假阳性率下的灵敏度——官方排行榜的分值体系与此接近，但具体公式未公开。

第六步，做一次误差分析：把假阳性集中的部位统计出来（肺尖、心影后、膈下、骨骼边缘），这一项几乎总能揭示数据集的偏倚来源。

5.3 生成赛道的实操路径

生成赛道的任务更窄，但工程细节多。输入是胸片加 JSON 位置清单，输出是同尺寸的图。最小实现照官方基线：把 LUNA16 的三维结节块投影成二维斑块，用泊松图像混合贴到目标位置，再做一次局部直方图匹配。这条基线能跑通，但合成结节的边缘通常会有轻微接缝、亮度偏亮。

要做成可用的增强，需要额外处理三件事：一是投影一致性，CT 上的结节在不同投影角度下形态不同，直接正交投影会在胸片上显得「太平」；二是遮挡关系，结节若落在肋骨后方，应当被肋骨纹理部分遮盖，这一点基线不考虑；三是强度分布，胸片的灰度是经过非线性处理的显示图像，结节的真实密度到像素值之间的映射并不线性。

评估生成质量本身是个难题。官方没有给出单一的生成质量指标，而是通过下游检测性能间接衡量——这也是 NODE21 设计上最务实的地方：合成图好不好，看它训练出来的检测器好不好。

5.4 合成数据增强的标准实验设计

若要用 NODE21 的生成能力做增强研究，建议固定以下变量，否则结论不可解释。

真实数据比例是主要自变量，常见取 10%、50%、100% 三档，每档下再分「仅真实」「真实 + 合成」两臂。合成样本数要控制在与真实样本同一数量级，避免用海量合成数据淹没变量。检测器架构与超参数在所有臂之间保持一致，只让训练数据变。评价统一在自建的固定验证集上，报告固定假阳性率下的灵敏度与 AUC。重复三次不同随机种子，报告均值与标准差。

论文里的那个关键结果——真实数据 10% 时 AUC 从 0.742 提到 0.802——正是在这类控制下得到的。它同时说明另一件事：当真实数据比例提高，增益会收窄。引用时应当把这个限定条件一并带上，否则容易被读成「合成数据总是有用」。

5.5 迁移到其他胸片库的注意事项

把在 NODE21 上训练的模型迁移到别的库（比如中国医院的体检胸片）时，最先失效的往往不是检测能力而是预处理。NODE21 的模型吃的是肺野裁剪、能量归一、1024×1024 填充后的图；如果目标库的图不做同样处理，输入分布立刻偏移。反过来，如果目标库也做同样处理，则要注意肺野分割在体型差异大的受检者上会失败，导致裁剪框错位。

第二个易失效点是设备相关的纹理。四个源库的设备以欧美为主，若目标库的设备、曝光参数、后处理风格差异大，模型对细微结节的响应会下降。NODE21 混合了四个库，对这一点有一定鲁棒性优势，但不等于免疫。

5.6 不适合用它做的事

用它训练一个直接上临床的结节筛查系统不合适，理由在 4.6 已述。用它做「胸片能否替代 CT」一类论证也不合适——数据集的参考标准本身依赖 CT，用它来论证胸片与 CT 的等价性会构成循环论证。用它做多发结节的计数研究同样不合适，因为多发病灶在筛选阶段已被排除。

§6 常见误读与引用陷阱

6.1 误读对照表

常见说法	实际口径	证据位置
NODE21 有 4,882 个结节	那个数是影像张数，结节只有一千四百多个	官网 Data 页与 Zenodo 记录的三个数字并列
NODE21 是第 21 届挑战赛	是 2021 年，缩写展开为 Nodule Detection 2021	论文题名与首页标题
NODE21 是 Radboud 新采集的数据	是从 JSRT、PadChest、ChestX-ray14、Open-I 四库挑出的子集	Zenodo 记录描述首段
数据集许可为 CC BY	未见 NODE21 自身的统一许可声明；影像随源库条款，含 CC BY-NC-SA	Zenodo 记录未渲染 license 字段；PadChest 条款
测试集可以下载来复现	实验测试集与最终测试集均私有且永不发布	官网 Data 页原文表述
这是检测挑战赛，与生成无关	双赛道，生成是并列的正式赛道	官网首段
合成数据一定能提升检测性能	仅在真实数据稀缺时增益明显；充足时增益收窄	论文转述：10% 真实数据下 0.742→0.802
那一批无结节影像都是健康人	是「在该筛选标准下无合格结节」的图，不等于无任何异常	筛选标准（孤立、6–30 mm）
排行榜第一名 0.8208 就是 AUC	是平台的综合 final score，不是 AUC；论文的 AUC 0.877 是最终测试集结果	排行榜页面与论文转述分开
数据就是 Zenodo 上那个压缩包里的影像	压缩包含原始与预处理两版，还需要 metadata.csv 才有监督信号	Zenodo 文件列表与官网字段说明

6.2 技术性陷阱

坐标口径陷阱。 同一份 metadata.csv 若与预处理图配对，框坐标是按预处理边长归一过的；若与原始图配对，需要按原始尺寸换算。混用会导致框整体缩到左上角一小块，训练时表现为「模型永远预测左上角」，很难从 loss 曲线上看出问题。第一次接触数据时，先可视化几个框，确认落在肺野上再往下做。

label 字段语义陷阱。 label 是影像级标签，一行一个框，但负类图的表示方式官网未细化。若把「label=0 的行」当作框坐标全 0 的框来训练，会得到大量位于图像左上角的无意义框，严重污染损失。正确做法是按影像聚合：有任意 label=1 的框的图算阳性，其余算阴性。

预处理版本混用陷阱。 官方建议用预处理版，因为私有测试集也走同一流程。但如果训练用预处理版、推理时用原始版且忘了做同样处理，性能会大幅下降，且这种下降在内部验证上完全看不出来。

CT 结节块单位陷阱。 结节块是 50×50×50 mm、体素 1 mm，也就是 50×50×50 体素。若按像素而非毫米读取 spacing，投影出的斑块尺寸会差几十倍。

Zenodo 版本陷阱。 引用 10.5281/zenodo.4725881（v-1）会指向只描述阳性子集的旧记录。应以 5548363 为准。

平台分数口径陷阱。 排行榜的 final score 与论文报告的 AUC 不是同一个量，跨来源对比数字时必须先确认指标定义。

源库追溯陷阱。 想做商用筛选却拿不到影像到源库的映射，就无法剔除 NC 来源。下载后先把来源清单保存下来，这一步一旦遗漏，事后无法补救。

6.3 合成数据路线的四条岔口与本数据集的位置

本数据集的生成赛道属于「图像域合成」，与另外三条常见路线并列，混谈会导致错误的预期。

第一条是图像域合成，即把结节「画」进真实胸片，本数据集走的是这条，起点是真实 CT 结节块，终点是二维合成图。第二条是几何变换增强，即旋转、缩放、弹性形变真实阳性图，不新增病灶多样性，只扩充视角。第三条是生成式模型从头造图，即用 GAN 或扩散模型直接生成整张胸片与病灶，可控性最弱，评价最难。第四条是跨模态翻译，即用 CT 生成对应的胸片，金标准来自 CT，物理上最合理，工程上最重。

四条路线的共同难点是评价：合成数据好不好，很难单看图像本身判断。本数据集的处理办法是把评价外移到下游检测性能上，这在方法学上是稳妥的——合成数据的价值本就应体现在任务收益上，而不是图像美观度上。代价是任何增益都混入了检测器本身的因素，不同的检测器可能给出不同的结论。引用该数据集的合成数据结论时，应同时报告检测器架构，否则结论不可复现。

另一条常被忽略的岔口是「合成数据放在训练集还是验证集」。若把合成样本放进验证集，指标会虚高，因为它与人造位置一一对应，模型只要记住位置就能得高分。正确做法是合成样本只进训练集，验证与测试一律用真实影像。

§7 在生态中的位置

7.1 胸片数据集的四条路线

公开胸片数据集大致可分为四条路线，NODE21 站在第二条上。

第一条是图文对路线。 MIMIC-CXR、CheXpert、PadChest、Open-I 都属于这一类：影像配放射报告，标签由报告文本挖掘或多标签分类得到，规模大（万到十万级），但标签是影像级的、噪声来自报告书写习惯与 NLP 抽取。这条路线支撑了胸片 AI 的大部分进展，也带来了「模型学的是报告作者的习惯」这一长期批评。

第二条是强框路线。 由放射科医师逐框标出病灶位置，规模通常小一到两个数量级，但标注密度高。JSRT 是最早的代表，VinDr-CXR 是近年规模较大的代表，NODE21 属于这一条并做了跨库混合。

第三条是 CT 对应的胸片路线。 用同受试者的 CT 确证胸片上的病灶，金标准质量最高。NODE21 的测试集用了这个思路，但数据本身仍是胸片库混合，不是整套 CT 配对队列。

第四条是合成与增强路线。 用生成模型造数据，NODE21 的生成赛道是这一路线的正式化尝试。

站在这四条线的交叉点上，NODE21 的独特之处不是规模，而是同时提供了强框训练集、CT 确证的测试标准、以及评估合成数据价值的两条赛道。多数同类挑战赛只做其中一件。

7.2 与四个源库的分工

库	与本数据集的关系	何时用哪个
JSRT	四源之一，结节框的主要来源	需要小规模、已被反复验证的经典基准时用 JSRT 原库；需要混合异质性时用 NODE21
PadChest	四源之一，提供西班牙人群与报告文本	需要多标签与报告文本时用 PadChest 原库；NODE21 里它只剩影像与框
ChestX-ray14	四源之一，提供美国人群大规模影像	需要十万级弱标签训练时用原库；NODE21 里被抽出的只是子集
Open-I	四源之一，图文对	需要图文对齐时用原库

一句话概括：NODE21 不替代任何一个源库，它是把四库中「可再分发且有框」的部分拼起来的一个新集合。它丢掉了源库的报告文本与多标签，换来了统一的框与统一的预处理。

7.3 与 CT 结节数据集的分工

LUNA16 与 LIDC-IDRI 是 CT 侧的结节基准，NODE21 与它们的关系是「借料不借题」。NODE21 从 LUNA16 取三维结节块，只用于生成赛道当结节源，不涉及 CT 检测任务本身。若研究目标是 CT 上的结节检测，应当直接去 LUNA16；若目标是胸片，NODE21 是更合适的起点。

这个区分很重要：经常看到有论文写「在 NODE21 与 LUNA16 上对比胸片与 CT 的结节检测性能」，这种对比在方法上就不成立，两个数据集的模态、任务定义、评价协议都不同。

7.4 与商业产品基准的关系

官网明确提到市面上已有辅助放射科医师发现结节的商业软件，但这些产品的验证基准不公开。NODE21 的一部分动机就来自这里：给学术界一个可公开比较的基准，使得「某商业软件在胸片上检出结节的性能」有可以对话的参照。这个定位决定了 NODE21 的评价设计偏向临床可解释的指标（固定假阳性率下的灵敏度）而非纯 mAP。

7.5 库内可对照条目

若要在同一框架内横向对照，库内有若干可直接并置的条目。四个源库本身都在架：JSRT、PadChest、NIH ChestX-ray14、Open-I，它们是本数据集的原料，也是判断「NODE21 相对源库多提供了什么」的参照——多出来的主要是统一的框与统一的预处理，少掉的是报告文本与多标签。CT 侧上游是 LUNA16 与 LIDC-IDRI，前者供结节块、后者是结节块的最初来源。胸片领域另有三条平行线索：VinDr-CXR 走的是「放射科医师逐框精标」的同一条路线，规模更大，可作为本数据集的外部验证集；CheXpert 与 MIMIC-CXR 走报告文本弱标签路线，与本数据集形成方法论对照；CheXpert Plus 在弱标签之外补了报告文本，属于两条路线之间的折中形态。

这四层对应关系（源库、CT 上游、同路线外部集、弱标签对照集）是本数据集最需要讲清的部分。任何引用 NODE21 的工作，实际上也在间接使用四个源库的影像，理解它们的原始条款与人群构成，是判断 NODE21 结论能推广到哪里的前提；而把它与同路线的 VinDr-CXR 并置，则能看出规模与来源多样性之间的取舍。

同属「对既有队列补专家标注」路线的条目里，还有一条与 NODE21 动机几乎同构的案例：把 NLST 队列的部分胸部 CT 按 LIDC-IDRI 的多位放射科医师独立标注协议重新标注，得到五百例左右的带框集合。两者的共同点是「不新采集、只重标」，差别在模态与规模。这类工作近年在增多，反映的是社区对弱标签噪声的普遍不满——与其再采一批数据，不如把已有队列的标签做厚。NODE21 的这批混合影像正属于这条思路里胸片一侧的早期样本。

还有一类条目容易被误认为同源：PAIR 的胸片肺结节集。它的用途是对商业 AI 做独立外部验证，出发点是监管与采购，与 NODE21 的学术基准定位不同。两者都叫「胸片肺结节」，但一个面向算法开发，一个面向产品验收，混用会得出错误的结论。这里不给出选型排序，只提示用途差异：若目标是训练，本数据集与 VinDr-CXR 更贴近；若目标是验收第三方产品，PAIR 那类以商业系统为对象的集更贴近。

7.6 方法学坐标

在「如何获得高质量胸片标签」这件事上，NODE21 选择了成本最高的一档：专家逐框。这条路线的天花板由标注预算决定，数千张的规模在 2021 年是合理的，放到今天看则偏小。当下主流的替代方案有三条：用大规模弱标签预训练再小样本微调；用视觉语言模型从报告里抽出更细的空间线索；用合成数据补足。NODE21 的生成赛道本质上是在押第三条，而它自己的结果说明这条路在数据稀缺时确实有用、在数据充足时收益有限。

这个结论对整条合成数据路线是一个有分寸的判断：不要把合成数据当作无限扩张训练集的捷径，它更像是小样本场景下的一种补充。

§8 总结

8.1 适用场景

第一，需要带框的胸片结节训练集，且能接受一万张以下的规模。这是最直接的用途，带框的子集覆盖四个来源库的风格。

第二，研究合成数据对检测模型的价值。生成赛道的位置清单与 CT 结节块是现成的研究素材，且官方给了基线方法，起步成本低。

第三，需要一套可复现的胸片预处理标准。OpenCXR 的标准化流程有完整描述与代码，可以直接搬用到别的项目。

第四，做跨库鲁棒性研究。四源混合本身提供了异质性，虽然来源标签未公开，但可以通过回溯清单自行补上。

8.2 不适用场景

需要十万级带框训练数据时不要指望它。需要可直接上临床的验证证据时不要用它。需要研究多发结节、粟粒样病变、贴边病灶时不要用它，这些在筛选阶段就被排除了。需要复现官方排行榜分数时不要用它，测试集不公开。需要商业授权明确的数据集时不要用它，许可需要逐库核对。

8.3 三句话概括

NODE21 是 Radboudumc 在 2021 年发起、至今仍开放的胸片肺结节挑战赛，核心资产是数千张经放射科医师重订框的混合胸片，以及一条让算法在健康胸片上「种」结节并检验其价值的生成赛道。

它最大的优点是标签质量与任务设计——框由临床医师出具，测试标准由同受试者 CT 确证，且把合成数据的效果做成了可验证的实验而非口号；最大的限制是规模偏小、测试集封闭、许可层层叠加。

使用它时，先确认拿得到的是什么（只有训练集与附件），再确认自己要做的是什么（检测、生成还是预处理复现），最后回到源库核对许可——这三步做完，后面的工作才有意义。

§9 延伸阅读与引用规范

9.1 引用时应包含的要素

引用 NODE21 的数据，至少有四项要写清：挑战赛名称与年份、Zenodo 版本 DOI（10.5281/zenodo.5548363）、总结论文的 DOI（10.1109/TMI.2024.3382042）、以及实际使用的源库。第四项最容易被省略，但恰恰是审稿时最常被追问的一项，因为它决定了对许可与人群构成的说明是否完整。

若只用了预处理版，可在方法中注明「使用官方 OpenCXR 标准化预处理」，这样他人能判断是否需要自行复现同样流程。若只用了部分源库，应当写明筛选依据。

9.2 原始文献

数据本身由 Zenodo 记录承载，正式的方法学与结果以 IEEE TMI 2024 的总结论文为准。论文作者列表在数据作者之外还包括多个参赛团队的成员，这是因为总结论文由主办方与优胜团队合写，署名顺序反映了这一合作结构。

四个源库各有自己的引用文献：JSRT 的原始文献是 Shiraishi 等 2000 年在 American Journal of Roentgenology 上的论文；PadChest 是 Bustos 等 2020 年在 Medical Image Analysis 上的论文；ChestX-ray14 是 Wang 等 2017 年在 CVPR 上的论文；Open-I 是 Demner-Fushman 等 2012 年在 Journal of Computing Science and Engineering 上的论文。CT 结节块的引用指向 LUNA16 的挑战赛论文与 LIDC-IDRI 的 DICOM 标准化表示论文。

9.3 复现性声明建议

以 NODE21 为实验基础的工作，方法部分建议至少声明：数据版本（v-5）、是否使用预处理版、训练/验证的划分方式与随机种子、检测器的输入分辨率、以及评价指标的具体定义（固定假阳性率取哪些点）。这几项缺失时，他人无法判断结果与官方数字的差距来自方法还是来自数据切分。

§10 术语与缩写

10.1 缩写表

缩写	全称	中文
CXR	chest radiograph / chest X-ray	胸部 X 线摄影
DIAG	Diagnostic Image Analysis Group	诊断图像分析组（Radboudumc）
CT	computed tomography	计算机断层扫描
FP	false positive	假阳性
FROC	free-response receiver operating characteristic	自由响应受试者工作特征曲线
AUC	area under the curve	曲线下面积
mAP	mean average precision	平均精度均值
NC	NonCommercial	非商业（CC 许可模块）
SA	ShareAlike	相同方式共享（CC 许可模块）
MHA	MetaImage	一种医学影像容器格式
SOTA	state of the art	当前最优水平

10.2 关键概念

自由响应评价（FROC）。 医学影像检测的标准评价方式，横轴是每张图的平均假阳性数，纵轴是灵敏度，曲线越靠左上越好。它比 ROC 更贴近临床，因为临床关心的是「允许每张片子报几个错的前提下能抓到多少」。

泊松图像混合（Poisson image blending）。 一种把源图像块无缝贴入目标图像的经典方法，通过求解泊松方程让贴入区域的梯度与目标区域一致，从而消除接缝。NODE21 的生成基线用它贴结节。

域偏移（domain shift）。 训练数据与部署数据的分布差异。本数据集的四源混合可看作对域偏移的一种预先暴露，但无法替代真实目标域的验证。

合成数据增强。 用生成模型或图像处理手段扩充训练集，而非采集新数据。其价值高度依赖真实数据的稀缺程度。

附录 A 关键数字速查

数字	含义	出处层级
4,882	训练集正位胸片总数	官网 + Zenodo + 论文
1,134	含结节的胸片数	官网 + Zenodo + 论文
1,476	结节包围框总数	官网 + Zenodo + 论文
3,748	无结节胸片数	Zenodo 文字 + 算术推算
281	实验测试集胸片数	官网 Data 页
166	实验测试集阳性数	官网 Data 页
1,024	预处理后图像边长（像素）	官网 + Zenodo
50	CT 结节块边长（毫米与体素数）	官网 + Zenodo
37.2	Zenodo 压缩包体积（GB）	Zenodo 文件列表
60	测试集 CT 与胸片的最大间隔（天）	官网 Data 页
6–30	入选结节的直径范围（毫米）	论文转述
0.877	最终测试集上集成模型的 AUC	论文转述
0.742→0.802	10% 真实数据下加入合成样本的 AUC 变化	论文转述
0.8208	检测赛道实验测试集排行榜首位 final score	排行榜页面

附录 B 检查清单

使用前的十项核对：

1. 压缩包 MD5 是否与 Zenodo 页面一致。
2. 解压后是否有 cxr_images 与 ct_patches 两个目录。
3. metadata.csv 的行数是否与框数、负类数吻合。
4. 框的右下角坐标是否都落在预处理边长之内。
5. 负类在图上的表示方式是否已确认（不当作零框处理）。
6. 预处理版与原始版是否分开存放，坐标是否各自对应。
7. 生成赛道的 simulated_metadata.csv 是否包含在包内。
8. 影像到源库的映射清单是否已保存。
9. 自建验证集的划分是否按源库或按风格分层。
10. 引用时是否同时写明版本 DOI、论文 DOI 与源库。

附录 C 未覆盖内容

官方公开材料（官网首页、数据页、Zenodo 记录、排行榜首页、论文摘要层面的转述）没有覆盖、本文也因此无法给出的内容：最终测试集的规模与构成；训练集按源库的分布；训练框的标注者一致性指标；排行榜 final score 的具体计算公式；生成赛道的量化评价指标；2022 年 4 月重开后新增提交是否进入统一的评测流程；Zenodo 版本号跳过 v-4 的原因。

这些缺口不影响把 NODE21 当作训练集使用，但会影响对「NODE21 分数意味着什么」的判断。凡引用分数，都应回到论文或平台当时的说明，而非二手转述。

附录 D 检索模板

按研究意图给出可直接使用的检索式：

找 NODE21 官方材料：NODE21 grand-challenge 或站点 node21.grand-challenge.org。

找数据本体：NODE21 zenodo 或 DOI 10.5281/zenodo.5548363。

找方法学与结果：NODE21 IEEE TMI 或 DOI 10.1109/TMI.2024.3382042。

找后续引用与改进："NODE21" nodule detection 加年份限制，近年文献多引用论文而非数据页。

找源库背景：分别检索 JSRT chest radiograph database、PadChest dataset、ChestX-ray14、Open-I chest X-ray。

注意排除噪声：检索时加 -NODE 或 "NODE21 challenge" 引号限定，可减少与 NODE 细胞计数算法、以及各类「node 21」软件节点文档的混淆。

附录 E DAIMS 评估

DAIMS（Dataset Attribution and Information for Model Selection）是一种面向数据集选型的多维评分框架，用于把「这个数据集适合什么」拆成可比较的维度。以下按该框架对 NODE21 打分，分值为 1–5，并注明依据。

维度	评分	依据
数据量与覆盖	3	近五千张影像、一千余张带框，规模在现代检测器中偏小；但覆盖四个来源库，人群与设备多样性好
标注质量	4	胸部放射科医师出框，两名专业策展人复核；扣分项是缺少标注者一致性指标
标注粒度	4	框级定位，较影像级弱标签信息量大得多；扣分项是无像素级分割
金标准强度	5	测试集参考标准来自同受试者 60 天内 CT，是胸片任务中较强的水平（但测试集不公开）
可获取性	4	训练集公开、单包下载、有固定 MD5；扣分项是包体大与测试集封闭
许可清晰度	2	无统一许可声明，四个源库条款叠加且含 NC；商用边界需逐库核对
文档完备度	4	官网有预处理描述与代码片段，Zenodo 有完整引用链；扣分项是部分细节（负类行结构、排行榜公式）未给
可复现性	2	官方测试集永不发布，官方分数无法本地复现；训练集部分可复现
任务定义清晰度	5	两赛道输入输出定义明确，生成赛道给了位置清单与结节块
长期可维护性	3	平台持续开放但性质已变，数据版本停在 2021 年；无后续版本公告

综合看，NODE21 在「标注质量」与「任务设计」两个维度上强，在「许可清晰度」与「可复现性」两个维度上弱。这与它的定位一致：它是一份为算法研究准备的数据集，不是为合规采购或临床验证准备的资产。选型时若这两项是硬约束，应当另找替代方案或补做许可追溯。

编辑说明

核验时间与方式

核验日期 2026-10-18。核验依据为四类一手材料：挑战赛官网首页与数据页（node21.grand-challenge.org 与其 /Data 子页）、Zenodo 记录 5548363 及其版本页、平台的检测赛道排行榜首页、以及总结论文在第三方索引中的摘要与方法转述。论文全文未逐字核对，凡来自该来源的表述均在正文中以「论文转述」限定，未与官网数字混同。

双口径冲突清单

第一，NODE21 的 21 既可理解为年份缩写，也可被误读为届次或节点编号。官方从未明示，论文题名展开为 Nodule Detection 2021，正文按展开处理。

第二，Zenodo 记录页未见独立 license 字段渲染，而正文所依据的「允许 remix 与再分发」仅是发布方描述，两者不构成同一层级的授权声明。正文因此不写具体 CC 版本，改以源库条款叠加表述。

第三，Zenodo 版本号 v-1、v-2、v-3、v-5 全部标为 2021-04-28，v-4 缺失。正文据实记录跳号，未推断原因。

第四，v-1 记录描述只列 1,134 张阳性影像，v-5 才写 4,882 总数。这属于同一批数据的不同登记粒度，不构成数据集扩容。正文在 §4.4 单独说明。

第五，官网 Data 页称 CT 结节块位于 node21_dataset/ct_patches，而压缩包顶层名为 dataset_node21.zip，路径前缀有 node21 与 dataset 的先后差异。正文按实际解压结果提示以现场为准。

未覆盖内容

最终测试集规模、训练集按源库的分布、训练框一致性指标、排行榜分值公式、生成赛道量化评价指标、重开后的评测流程细节、v-4 缺失原因，均未见公开材料，已列入附录 C。

版本日志

v1 2026-10-18 初稿。结构按写作规范 v4：三段导语、§1 至 §10、五个附录、单节合并「常见误读与引用陷阱」。

下次复核触发条件

Zenodo 发布新版本；官网宣布重新启用统一测试集；总结论文出现勘误；任一家源库变更许可条款。

来源列表

• https://node21.grand-challenge.org/
• https://node21.grand-challenge.org/Data
• https://zenodo.org/records/5548363
• https://doi.org/10.5281/zenodo.4725881
• https://node21.grand-challenge.org/evaluation/results/
• https://doi.org/10.1109/TMI.2024.3382042
• https://lacuna.tiptreesystems.com/paper/nodule-detection-and-generation-on-chest-x-rays-node21-challenge/art_9109d84c020c1b199c7a66635a61d2d3

---

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：

• rsna-pneumonia — 共享标签：医学影像 / X光影像 / 目标检测 / 挑战赛数据集 / 评测基准
• cxr-lt — 共享标签：医学影像 / X光影像 / 挑战赛数据集 / 肺癌 / 评测基准
• 3dteethland — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
• cariesxrays — 共享标签：医学影像 / X光影像 / 目标检测 / 评测基准
• pairlungnodulexr22 — 共享标签：医学影像 / X光影像 / 肺癌 / 评测基准
• dentex — 共享标签：医学影像 / X光影像 / 目标检测 / 挑战赛数据集
• chexlocalize — 共享标签：医学影像 / X光影像 / 肺癌 / 评测基准
• siim-acr-pneumothorax — 共享标签：医学影像 / X光影像 / 挑战赛数据集 / 评测基准
• dental-opg-xray — 共享标签：医学影像 / X光影像 / 目标检测 / 评测基准
• cobra2026 — 共享标签：医学影像 / X光影像 / 挑战赛数据集 / 评测基准

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。