A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images — FDA 健康儿童颅脑 CT 规范参考库

INFOBOX — Pedi-Cranial-CT-Healthy 一屏速览

维度	内容
本质	FDA CDRH 首个健康儿童颅脑 CT 规范参考数据集（normative reference，非标注集、非挑战赛）
监管身份	FDA CDRH Regulatory Science Tool RST26PD01.01（2026-07-13 发布），类型 Dataset，分类 Pediatric and Perinatal Devices
图像来源	Children’s National Hospital（华盛顿特区），IRB 批准，经 Research Collaboration Agreement 交付 FDA
规模	100 subjects / 100 studies / 100 series（1:1:1）；100 个 .mha 文件，共 3.2 GB
人群	1 个月-10 岁健康儿童；女 45 / 男 55；全部无已知神经系统病变或重大共病
影像规格	平扫、无对比剂；体素矩阵 512 × 511-710 × 24-256；层厚 0.625-5.4 mm
附件	人口学 TSV（5.5 kb，age in days/性别/种族族裔）+ v7 comprehensive 元数据报告 TSV（45.4 kb）+ Python 脚本 2 件
任务定位	医疗器械（含 AI/ML 使能软件）研发、验证、评估的正常解剖基线；无逐层病灶或结构人工标注
许可	全组件 CC BY 4.0（TCIA 与 NCI CCDI 双页一致）+ TCIA Data Usage Policy 引用义务
获取	TCIA 下载页，IBM Aspera Connect 高速通道（faspex package 1317）；DOI 10.7937/MQ33-AJ18
监管边界	未取得 MDDT 资格——仅 RST 发布层级，申报中不得当 qualified tool 引用
互链建议	ixi-brain(482) 成人正常对照、brats-pediatric(688) 儿科脑肿瘤、rsna-intracranial-hemorrhage(738)/ct-ich(948) 阳性病灶库

Pedi-Cranial-CT-Healthy 是一个「给 AI 医疗器械发尺子」的数据集：它不标注病灶、不打分级标签，而是把 100 例健康儿童（1 个月-10 岁）的颅脑平扫 CT 作为正常解剖的规范参考（normative reference）正式发布——由 FDA 器械与放射健康中心（CDRH）以监管科学工具（Regulatory Science Tool，RST）的名义背书，经癌症影像档案（The Cancer Imaging Archive，TCIA）分发。它要回答的问题是：当一家公司要证明自己的儿科颅脑影像 AI 算法「知道什么是正常」时，公开可得的健康儿童参考数据在哪里？

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——CC BY 4.0 全组件公开，Aspera 通道下载，3.2 GB 体量一天内可跑通。
2. 做监管申报或器械验证：直奔 §5 与 §7——先弄清 RST 与 MDDT 的资格差别，再对表 FDA 明示用途与限制。
3. 关心数据真实构成：直奔 §4 三组双口径存照——年龄分箱、人口学表格式、标识符口径三处「两说并存」都有存照与裁决规则，别被任何一页宣传数字单独说服。

§0 导读：这个数据集解决什么问题

儿科影像 AI 有一个长期的结构性空白：正常参考难找。公开影像数据集绝大多数以「病」为单位组织——出血库装出血、肿瘤库装肿瘤——它们回答「异常长什么样」，却不回答「正常长什么样」。对成人，这个问题尚可用 IXI（ixi-brain，rid 482）这类正常成人库缓解；对儿童，公开的健康颅脑 CT 参考在 2026 年 7 月之前几乎空白：儿科 CT 本身受剂量伦理约束扫描量少，健康儿童的扫描更是罕见（没有人会为「做数据库」给健康孩子做 CT），已有儿科影像多为临床指征驱动、混有大量病变与伪影。

正常参考的缺位在监管语境下代价具体。FDA 在审评 AI/ML 使能医疗器械时，需要证据链回答：你的算法在健康人群上的假阳性率是多少？你的分割模型对发育期脑结构的先验是否合理？你的图像质量算法判断「可用/不可用」的基线从哪来？若没有公开、可引用、来源与质控透明的正常参考集，开发者只能用内部数据自证——既不可复现，也难以横向比较。

Pedi-Cranial-CT-Healthy 的回答分三层。第一层是数据：100 例经机构质量确认（diagnostic quality）的健康儿童颅脑平扫 CT，全部去标识、逐图人工验证去标识有效性，MHA 格式 3.2 GB 公开下载。第二层是身份：它不是普通公开数据集，而是 FDA CDRH 列管的监管科学工具 RST26PD01.01——发布行为本身即监管机构的资源供给动作，附明确的用途边界与限制声明。第三层是配套：人口学表（以天计年龄、性别、种族族裔）、v7 comprehensive 元数据报告、以及两件可选 Python 脚本（SimpleITK 读图报告与三平面投影导出）随包分发，把「载入即用」的工程成本压到最低。

§0 读法三则：

1. 这个条目的主角是「参照系」而非「标注」：全集 100 例无任何病灶或结构标注，价值在「健康基线」四字——拿它当分割训练集会失望，拿它当阴性对照、质量基线、发育参考则正中靶心（§3、§7）。
2. 全文硬数字均出自 FDA RST 页、TCIA collection 页与 NCI CCDI Data Catalog 页三官方源实抓互证（2026-10-09）；三源之间三处口径冲突（年龄分箱、文件格式、标识符）不擅自调和，全部存照于 §4 与坑 1-3。
3. 检索时别把它当论文找——本数据集没有独立专门论文，两轮检索证伪后按「数据集+RST 工具」定位立条（坑 4）；引用格式用 FDA 推荐格式与 TCIA Data Citation（§6.4、附录 K）。

§1 数据集速览：十问十答

Q1：Pedi-Cranial-CT-Healthy 到底是什么？
FDA CDRH 以监管科学工具（RST）名义发布的健康儿童颅脑 CT 规范参考数据集：100 例 1 个月-10 岁健康儿童的颅脑平扫 CT，作为医疗器械（含 AI/ML 使能软件）研发、验证、评估时的正常解剖参考。RST 编号 RST26PD01.01，2026-07-13 发布。

Q2：图像是哪来的？
Children’s National Hospital（华盛顿特区）在 IRB 批准下采集，经 Research Collaboration Agreement 交付 FDA，再由 FDA 以 RST 形式发布、TCIA 分发。资助方为 NIH NICHD（R42HD081712）。

Q3：规模多大？
100 subjects、100 studies、100 series，严格 1:1:1——每人一次扫描。100 个 MHA 文件共 3.2 GB。体素矩阵 512 × 511-710 × 24-256（列 × 行 × 层数范围），层厚 0.625-5.4 mm。

Q4：有标注吗？
没有。全集无逐层病灶标注、无结构分割标签、无任何诊断标签——它是 normative dataset，不是标注集。人口学表只含 age in days（以天计年龄）、biological sex、race/ethnicity 三类字段。

Q5：人群构成如何？
女 45 / 男 55。种族自报口径：Asian 1 / Black 54 / White 19 / Not Reported 26；族裔：Hispanic 14 / Not Hispanic 48 / Not Reported 38；race/ethnicity 合计 12/100 缺失。年龄分布存在双口径（坑 1）：CCDI 页写 0-4 岁 20 例 / 5-9 岁 80 例，TCIA 页写「每岁 10 名」。

Q6：怎么下载？
TCIA 下载页，IBM Aspera Connect 高速通道（faspex package 1317）。DOI 10.7937/MQ33-AJ18。版本链三方对齐：FDA RST26PD01.01（2026-07-13）= TCIA Version 1（2026-08-11 更新）= TSV 文件日期戳 20260714。

Q7：什么许可？
全组件 CC BY 4.0（图像+TSV+脚本）——TCIA collection 页与 NCI CCDI 页一致；另受 TCIA Data Usage Policy 约束，使用时须引用 Data Citation（Hirschhorn, Porras Perez, Linguraru, Hill, 2026）与 DOI。

Q8：能用来做什么？
FDA 明示用途：儿科颅脑影像医疗器械的研发（development）、验证（verification）、评估（evaluation）的正常参考；适用对象含 AI/ML 诊断软件、图像分析工具、儿科神经影像图像质量算法；可作异常识别、发育阶段评估、脑结构分割的基线。

Q9：不能用来做什么？
三件事别做：① 别把它当阳性测试集——不含病理案例；② 别在申报里把它当 MDDT 引用——它未取得 MDDT 资格，FDA 未评估任何具体 context of use 的适用性；③ 别忽略单中心横断面限制——FDA Limitations 节自己写明泛化性有限。

Q10：为什么它对 AI-Ready 重要？
它是「监管机构直接发布 AI 验证资源」的样本：CC BY 4.0 无门禁、MHA 标准格式、配套脚本与元数据报告齐备、人口学表可机读——可获取性与文档质量双高；同时它示范了监管资源特有的边界文档（用途/限制/资质三段声明），为库内其他「官方发布型」数据集提供了对照模板。

§2 数据构成与规格

2.1 规模与文件构成

Pedi-Cranial-CT-Healthy 的数字结构异常整齐——100 贯穿全部层级：

层级	数量	说明
Subjects	100	健康儿童，1 个月-10 岁
Studies	100	与 subjects 1:1，每人一次扫描
Series	100	与 studies 1:1，单序列平扫
图像文件	100 个 .mha	MetaImage 格式，共 3.2 GB
人口学表	1 个 TSV	5.5 kb，Pedi-Cranial-CT-Healthy_demographics_v01_20260714.tsv
元数据报告	1 个 TSV	45.4 kb，Pedi-Cranial-CT-Healthy_metadata_report_v7_comprehensive-Final_v01_20260714.tsv
配套脚本	2 件 Python	读图报告 + 三平面投影导出（RST 附属工具）

1:1:1 的结构意味着：没有纵向随访、没有同人多扫、没有多序列配套（如同例 T1/T2）——每个孩子在这份数据里就是一次快照。这与它的横断面定位一致（FDA Limitations 明示无纵向随访数据），使用前应对「1 例=1 次=1 序列」有明确预期。

3.2 GB 的体量是典型的「轻量参考库」规格：单盘可容、逐例加载无压力，与动辄数百 GB 的挑战赛级影像库完全不同量级——它的设计目标是被反复引用与比对，而非承载大规模训练。

2.2 影像规格：体素矩阵与层厚

属性	规格
扫描类型	颅脑 CT 平扫（non-contrast，无对比剂）
存储格式	MHA（MetaImage，单文件头+数据体）
体素矩阵	512 × 511-710 × 24-256（列 × 行 × 层数范围）
层厚	0.625-5.4 mm
诊断质量	全部经机构 QA 确认为 diagnostic quality
打开工具	3D Slicer / ITK-SNAP / SimpleITK（MHA 通用）

两处规格细节值得展开：

1. 层厚跨 0.625-5.4 mm 近 9 倍跨度：这个范围横跨薄层（0.625 mm，多排 CT 最薄档）与常规厚层（5 mm 上下），说明 100 例并非同一扫描协议的产物——不同受检儿在临床上因检查目的不同接受了不同层厚。这对质量算法与重建类工具是资源也是陷阱：资源在于协议多样性提供了真实场景的厚度分布；陷阱在于任何「按固定层厚设计」的算法都会在跨度两端遇到分布外样本。另注意：0.625-5.4 mm 是跨例范围还是单例内混合层厚，官方页未明示（待核 2，坑 5）——下载数据后以 comprehensive 报告字段实测裁决。
2. 行数 511-710 与层数 24-256 的宽范围：行数范围反映 FOV/重建矩阵差异，层数近 11 倍跨度与层厚跨度互为镜像（薄层例层数多、厚层例层数少）。做 batch 化预处理时，不要假设统一形状——逐例读取 metadata 是唯一稳妥路径（配套脚本即为此设计，§3.4）。

2.3 人口学构成

demographics TSV 的人口学口径（100 例）：

维度	取值分布
生物学性别（biological sex）	女 45 / 男 55
年龄	1 个月-10 岁（以天计年龄记录；分布双口径见坑 1）
种族（race）	Asian 1 / Black 54 / White 19 / Not Reported 26
族裔（ethnicity）	Hispanic 14 / Not Hispanic 48 / Not Reported 38
缺失	race/ethnicity 合计 12/100 缺失

三点解读：

1. 「以天计年龄」（age in days）是本库人口学表的设计亮点：儿科发育以月甚至周为尺度，整数岁或整数月的粗粒度年龄会抹掉发育阶段差异；以天计的连续年龄让「按发育阶段分桶」的下游分析有充分自由度——这也是 FDA 把它列为本库三类人口学字段之首的原因。
2. Black 54/100 的构成在美国单中心背景下不意外（华盛顿特区的医院人口结构映射），但跨地域使用者必须意识到：这不是美国人口普查分布，更不是全球分布——任何跨人群泛化结论都受此单中心构成约束（坑 6 的前半段）。
3. Not Reported 高占比（种族 26、族裔 38）与缺失 12 是真实世界去标识流程的正常产物：去标识化阶段剥离可识别信息时，部分记录的人口学字段无法回填。做亚组分析时，Not Reported 不是可丢弃的噪声，而是必须显式处理的类别。

2.4 附件：两份 TSV 与脚本

附件	规格	内容
demographics TSV	5.5 kb	逐例 age in days / biological sex / race / ethnicity
metadata report TSV	45.4 kb	v7 comprehensive 版：逐例影像技术参数汇总（脚本 ① 的产物）
脚本 ①	Python	SimpleITK 读 .mha 并生成 metadata 报告
脚本 ②	Python	三平面（轴位/冠状/矢状）平均强度投影 PNG 导出，阈值 -1024 HU

TSV 而非 CSV/XLSX 的选择对管线友好：制表符分隔天然规避字段内逗号转义问题，pandas 一行 read_csv(sep='\t') 即入 DataFrame。注意文件名中的 v01 与 20260714 双戳：v01 是文件版本，20260714 是生成日期——与 FDA 发布日（2026-07-13）次日吻合，属于同一发布包的产物链。

另有一处文档漂移要存照：FDA 页描述人口学表为 .xlsx，而 TCIA 实际分发为 .tsv——以 TCIA 实发为准（坑 2，§4 存照 2）。如果你的管线按 FDA 页写好了 xlsx 解析器，第一次解压就会发现它扑空。

2.5 格式选择：为什么是 MHA 而不是 DICOM 或 NIfTI

MHA（MetaImage）是 ITK 生态的原生格式：单个文件内嵌头部（尺寸、间距、原点、方向矩阵）与体数据，免去了 DICOM 多文件序列的管理成本。对本库的使用者，这个选择有明确的好处与一个必须处理的转换点：

• 好处：SimpleITK/ITK 一行读取（sitk.ReadImage(path) 即得带几何信息的体数据）；无需 DICOM 目录结构假设；跨平台无歧义。
• 转换点：若你的下游是 DICOM 原生管线（PACS 对接、多数放射科工具链），需要自行转换（SimpleITK 或 dcm2niix 路径均可）；若做深度学习，NIfTI 转换也是一行事。转换会保留几何元数据，但 CT 的 HU 值语义依赖 DICOM 标签的场景（如 rescale slope/intercept 动态读取）需要核实 MHA 头部是否完整携带——comprehensive 报告 TSV 正是为这类核实准备的。

2.6 与同库 CT 条目的规格对照

数据集	例数	格式	标注	人群
Pedi-Cranial-CT-Healthy	100	MHA 3.2 GB	无（正常参考）	健康儿童 1 月-10 岁
ixi-brain（rid 482）	~580	NIfTI/DICOM	部分分割标签	正常成人为主
ct-org（rid 796）	1,398 例	DICOM/NIfTI	器官分割 17 类	成人肿瘤为主
ct-rate（rid 546）	5,076	DICOM	报告文本+异常标签	成人胸部 CT
abdomenct-1k（rid 402）	1,000+	NIfTI	器官分割	成人腹部

对照可见本库的独特生态位：库内 CT 家族几乎清一色成人+病灶/器官标注，健康儿童正常参考是唯一的——这正是 §9 互链网络的补位逻辑起点。

2.7 为什么健康儿童 CT 稀缺：剂量伦理的结构性约束

理解本库的价值，先要理解它的稀缺从哪来。健康儿童的 CT 数据面临三重结构性约束：

1. 电离辐射的剂量伦理：CT 是电离辐射检查，儿科人群对辐射的远期风险敏感度高于成人（更长的潜伏期窗口）。伦理审查的基本立场是：不能为「做数据库」给健康儿童施加无直接临床获益的辐射暴露——这意味着健康儿童 CT 只能来自「因临床指征已做检查、且结果无异常」的既有扫描。
2. 临床指征的天然偏倚：因指征做了颅脑 CT 的儿童，多数最终有发现（创伤随访、先天畸形评估等）——「做了 CT 且确认完全正常」是临床影像的少数派，采集端就要从大分母里筛小分子。
3. 去标识的额外门槛：儿童数据的可识别敏感度更高（§3.3），家长知情同意、去标识验证、再识别风险评估的流程强度都高于成人数据。

本库 100 例的取得路径——CNH 临床框架内采集（IRB 批准）→ 机构 QA 确认诊断质量 → 无已知神经系统病变或重大共病 → RCA 交付 FDA → 逐图人工去标识验证——正是对三重约束的标准解法。这也解释了为什么这个生态位空了这么久：每一步都需要机构信用与监管信用的接力，缺一环就出不了公开库。

对使用者的推论：不要期待这类资源短期扩样。100 例不是「做小了」，而是该生态位在现约束下的现实规模——设计研究时按 100 例的盘子设计，把扩样当意外之喜而非规划假设。

2.8 「轻量参考库」的工程定位：与训练库的分工

3.2 GB、100 例的体量，决定了本库在 ML 工程里的角色分配。把它与库内典型训练库对照：

角色	训练库（如 ct-org、rsna-intracranial-hemorrhage）	本库（参考库）
体量	数十至数百 GB、千例级	3.2 GB、100 例
监督信号	标注（掩码/标签/报告）	无（健康本身即信号）
管线位置	训练循环内	校验、对照、先验、底座
更新频率	随竞赛/版本迭代	官方单版本、低频演进
引用密度	结果表对比引用	方法学与验证文档引用

分工含义三条：

1. 数据管线里当「常驻校验集」：体量小到可以常驻 CI——每次模型迭代跑一遍正常样本的统计漂移检查（假阳性率、重建误差分布），成本可忽略。
2. 当「分布锚点」而非「分布本体」：100 例给出的是正常解剖的低维统计锚点（密度直方图、对称性指标、结构比例的合理区间），不是高维分布本身——在它上面做过于复杂的分布建模会过拟合样本。
3. 与预训练模型互补：预训练 encoder 提供「学到的解剖先验」，本库提供「可引用的正常样本」——两者配合的典型方式是用 encoder 的 embedding 在本库上建正常范围，再在部署端做偏离检测（§7.3 映射一）。

§3 任务定位与标注：normative reference 是什么、不是什么

3.1 定位：参照系而非标注集

把本库放进「数据集任务光谱」里，它占据的位置很特殊——不属于分割、分类、检测、报告生成任何一格，而是参照系（reference frame）：

任务类型	典型形态	本库是否提供
病灶检测/分类	逐例或逐层异常标签	否（不含病理案例）
结构分割	器官/组织逐层掩码	否（无人工标注）
图像质量评估	质量+协议标签	否（但可作质量基线的数据源）
正常解剖参考	健康人群影像+人口学	是（本体定位）

FDA 对本库的定位原文口径是：作为儿科颅脑影像医疗器械研发（development）、验证（verification）、评估（evaluation）的 normative reference。这三个动词值得逐个拆开：

1. 研发（development）：正常样本可为生成式建模、解剖先验学习、数据增强提供素材——用健康儿童 CT 学「正常脑」的分布，再在部署端做偏离检测。
2. 验证（verification）：算法工程验证阶段需要阴性样本——一个出血检测算法在 100 例正常儿童上的假阳性表现，是验证报告的标准素材。
3. 评估（evaluation）：临床评估设计中，正常对照组的构建往往是最难的一环——本库提供了来源与质控可引用的现成对照组。

3.2 入组标准：「健康」的定义

FDA 页给出的入组口径：no known neurological pathology or significant comorbidities（无已知神经系统病变或重大共病），且图像均经机构 QA 确认诊断质量（diagnostic quality）。

两个限定词值得较真：

1. no known 的含义是「无已知」而非「经筛查排除」：入组依据是临床判断与病史，而非为入组专门做的额外筛查（给健康儿童追加扫描本身违背剂量伦理）。因此「健康」是临床口径的最优近似，不是病理学金标准——理论上不能排除极低概率的无症状偶发改变。这是所有 normative dataset 的共同属性，不是本库特有缺陷，但引用时措辞应保持「健康参考」而非「病理学排除的正常」。
2. diagnostic quality QA 意味着全集通过临床质量门槛：运动伪影、覆盖不全等导致不可诊断的扫描已被机构 QA 过滤。这对图像质量算法研究者是双刃剑——基线数据干净是好事，但若你的算法要面对真实世界的低质量扫描，本库不能提供「坏样本」（本库就没有坏样本，QA 已经把它们挡在门外）。

3.3 隐私与去标识验证

FDA Testing 节的口径：去标识协议覆盖图像与人口学数据两类资产；发布前逐图人工评估验证去标识有效性。

「逐图人工」是本库隐私流程的关键词——不是抽检，是 100/100 全覆盖。儿童影像的去标识风险比成人更敏感（颅脑 CT 的头骨形态重建在理论上可用于个体识别，且儿科数据的时间跨度敏感性更高），全量人工验证是与这种敏感度匹配的流程强度。使用者的义务相应清晰：CC BY 4.0 允许再分发，但 TCIA Data Usage Policy 的引用义务不可豁免——学术礼仪之外，这也是对原始去标识劳动的追认。

3.4 配套脚本：两件附属工具的工程含义

FDA 称两件 Python 脚本为 optional Python script to promote repeatable data loading and handling——「可选」但强烈建议用，因为它们固化了发布方的读取口径：

脚本 ①：SimpleITK 读图生成 metadata 报告。 45.4 kb 的 v7 comprehensive 报告 TSV 就是它的产物。逐例抽取几何与强度元数据（尺寸、间距、原点、方向、HU 范围等），一次运行得到全集技术参数底表。对做协议分布分析（§2.2 的层厚跨度问题）的人，这份报告是第一站。

脚本 ②：三平面平均强度投影 PNG 导出（阈值 -1024 HU）。 对每例生成轴位/冠状/矢状三个平均强度投影（average intensity projection），HU 阈值 -1024 即把空气背景（-1024 HU 附近）截断，保留软组织与骨窗信息。三平面 PNG 是人工快速审阅 100 例的标准工具——质检、选例、做演示图都从这里起步。

两件脚本对使用者的深层意义是口径对齐：发布方明确告诉你「我们这样读图、这样出报告」，你用同一套脚本处理，你的中间产物与官方报告可直接对表——这类「官方读取路径」在多数公开数据集中是缺失的，本库把它补上了。

3.5 与「正常对照」使用模式的距离清单

把本库用作正常对照前，过一遍这五问：

1. 你的「正常」定义与入组口径（§3.2）是否一致？你的任务里「重大共病」的边界在哪？
2. 你的任务对层厚敏感吗？若是，先按 comprehensive 报告做层厚分层，别混着用（坑 5）。
3. 你的任务对年龄敏感吗？以天计年龄字段是你的主要分层轴，别用整数岁粗化（§2.3）。
4. 你的对照组需要年龄/性别配平吗？100 例的盘子（女 45/男 55、年龄双口径未决）撑得起多大粒度的配平？先算再设计。
5. 你的部署场景与本库的单中心华盛顿构成（§2.3）距离多远？泛化声明要据此打折。

§4 三组双口径存照：两说并存、以实发为准

本章是本条目的存照中枢。前实例核验（2026-10-09 三官方源实抓互证）发现 FDA 页与 TCIA/CCDI 页之间存在三处口径冲突。处理原则统一为：两说并存、不擅自调和、以实际分发物为最终裁决源。

4.1 存照 1：年龄分箱——CCDI 20/80 vs TCIA 每岁 10 名

口径	来源	陈述
口径 A	NCI CCDI Data Catalog 页	0-4 岁 20 例 / 5-9 岁 80 例
口径 B	TCIA collection 页	「1 个月-10 岁每个年龄 10 名」（10 per year of age）

两口径不可同真：若每岁 10 名、覆盖 1 个月-10 岁近十个年龄档，则 0-4 岁段应有约 40-50 例，与 CCDI 的 20 例矛盾；若 CCDI 的 20/80 为真，则「每岁 10 名」在低龄段必然不成立。

两种口径各自的可能性分析：

• 若 CCDI 20/80 为真：本库实为「学龄前少、学龄多」的偏斜分布——5-9 岁占八成，与「婴幼儿 CT 更难获得且更难去标识」的现实相容；此时按年龄段分桶的下游分析只有低龄 20 例的预算。
• 若 TCIA 每岁 10 名为真：年龄分布近似均匀——这是 normative dataset 的理想设计（每档配平），但与 CCDI 数字直接冲突。

条目处理：正文两说并存；涉及年龄分布的一切分析（§2.3 表、坑 1、rai:dataLimitations）均标注双口径；最终裁决源是原始 demographics TSV 的 age in days 列——下载数据后一 pandas 语句即可裁决。在裁决前，任何基于「每岁 10 名」或「20/80」的配平设计都应视为建立在未决口径上。

4.2 存照 2：人口学表格式——FDA 称 .xlsx vs TCIA 实发 .tsv

口径	来源	陈述
口径 A	FDA RST 页	人口学表为 .xlsx
口径 B	TCIA 下载包实际分发	.tsv（5.5 kb，文件名 ..._demographics_v01_20260714.tsv）

裁决规则：以 TCIA 实际分发为准——下载包里的文件是唯一实物证据，FDA 页描述存疑（可能是 RST 页撰写时格式尚未定稿的陈旧描述）。工程后果直接：管线里的 xlsx 解析器（openpyxl/pandas excel 路径）会扑空，应改为 pd.read_csv(sep='\t')。本条目全部涉及人口学表的表述（§2.4、§6.1、附录各处）一律按 .tsv 口径书写。

4.3 存照 3：标识符口径——random numerical vs zero-padded

口径	来源	陈述
口径 A	FDA RST 页	random numerical identifier（随机数字标识符）
口径 B	TCIA 页 + 文件名示例	zero-padded identifier（零填充标识符），示例 00329_CT.mha

TCIA 页的文件名示例 00329_CT.mha 支持零填充口径：五位数、前导零的形态是 zero-padded 的典型特征。但有一个待核细节：00329 与「100 例」的关系未明示——若 100 例的标识符是 1-100 的零填充（00001-00100），00329 超出该范围，暗示标识符可能不是序号而是保留的原随机数（恰好兼容 FDA 的 random numerical 描述：随机分配的数字经零填充格式化）。这是对两口径的调和假说，未经数据验证，不作为结论——裁决同样落在下载包的 TSV 标识符列与文件名对照上（待核，坑 3）。

工程提示：无论最终口径如何，处理这类标识符的稳妥姿势是把它当字符串不当整数——零填充标识符的字典序与数值序可能不一致（00329 < 0100? 不，零填充下 00100 < 00329 是字典序正确的；但若混入非零填充变体就会错位），字符串处理免疫前导零丢失问题。

4.4 三处存照的共性教训

三处冲突的来源结构相同：FDA RST 页是「描述层」，TCIA/CCDI 页是「分发层」——描述层在数据打包、格式定稿、标识符方案微调后未回溯更新，形成文档漂移。这不是 FDA 特有问题，而是所有「官方页+分发平台」双层数据发布的通病。对检索者的通用守则：

1. 遇到双层发布（官方页描述 vs 平台实物），一切以平台实物为准；
2. 描述层数字仍要记录存照——它是「官方口径演变」的证据，也是复现他人引用（可能按描述层写的）时的对照锚点；
3. 引用时注明「按实发物核对」的字样与核对日期。

4.5 年龄分箱裁决实操：一条语句的待办事项

存照 1 的裁决不需要等官方澄清——下载包到手后一条 pandas 语句即可：

import pandas as pd
demo = pd.read_csv("Pedi-Cranial-CT-Healthy_demographics_v01_20260714.tsv", sep="\t")
age_days = demo["age in days"]
# 裁决口径 A（每岁 10 名）：各年度桶计数应近似均等（低龄段不足一年按比例核查）
bins_year = [30, 365, 730, 1095, 1460, 1825, 2190, 2555, 2920, 3285, 3650, 3651]
print(pd.cut(age_days, bins=bins_year).value_counts().sort_index())
# 裁决口径 B（CCDI 20/80）：0-4 岁（≤1460 天）应约 20 例，5-9 岁应约 80 例
print((age_days <= 1460).sum(), (age_days > 1460).sum())

裁决结果的三种落点与对应动作：

1. 支持口径 B（20/80）：关闭坑 1 的 TCIA 侧描述（记为陈旧描述），下游按 0-4 岁 20 例的预算重新设计分桶；
2. 支持口径 A（近均匀）：关闭坑 1 的 CCDI 侧数字（疑为分箱页换算误差），下游可按均匀分布设计；
3. 两者都不支持：以实测分布为准新增第三口径，回写本条目并存照——这同样是有价值的核验产出。

在裁决完成前，本条目一切涉及年龄分布的段落保持双口径标注；引用本库的论文与报告建议照抄这一纪律，避免把未决口径当事实传播。

4.6 双层发布资源的通用核验清单

本库的描述层/分发层漂移不是孤例——凡「官方页描述 + 平台分发」双层结构的资源（监管发布、政府开放数据、学会托管库）都适用这套核验清单：

1. 实物优先：清单化下载包内全部文件（名称、大小、格式），与每一处官方页描述逐项对照；
2. 数字回锚：官方页的每个硬数字（例数、体量、字段、日期）标注来源页与抓取日，冲突处登记双口径；
3. 描述降级：被实物推翻的描述标记「存疑/陈旧」而非删除——它是官方口径演变的证据；
4. 版本三角：发布方版本号、平台版本号、文件内版本戳三点连线，确认指向同一实体；
5. 裁决存档：裁决语句（代码）与裁决结果一并存档，让后来者可复跑你的裁决。

§5 监管语境：RST 是什么、与 MDDT 差在哪

5.1 FDA RST 体系与本库的位置

Regulatory Science Tool（监管科学工具）是 FDA CDRH 对外供给监管科学资源的目录化机制：把 FDA 内部开发或经合作获得的工具（方法、数据集、模型等）以标准化条目发布，供医疗器械生态的利益相关方使用。RST 目录的总定位原文口径：peer-reviewed resource for stakeholders to use where standards and qualified MDDTs do not yet exist——在标准与合格 MDDT 尚不存在的地方，给利益相关方提供经同行评议的资源。

本库在 RST 目录中的登记信息：

登记项	值
RST 编号	RST26PD01.01
发布日期	2026-07-13
类型	Dataset
目录分类	Pediatric and Perinatal Devices
详情页	https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images
镜像	https://www.origin-cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images
目录总入口	https://cdrh-rst.fda.gov/
反馈通道	Q-Submission Program；联系邮箱 RST_CDRH@fda.hhs.gov

5.2 RST 与 MDDT：一纸资格差千金

Medical Device Development Tool（MDDT）是 FDA 的另一种资源供给机制，与 RST 的关键差别在监管资质：

维度	RST（本库所处层级）	MDDT
性质	监管科学资源发布	经 FDA 认定的申报可用工具
申报效力	不替代标准或 MDDT	在指定 context of use 内可入申报
资格认定	无（发布不等于认定）	逐工具逐用途认定
FDA 对适用性的评估	未评估任何具体 context of use	已评估并公示

本库未取得 MDDT 资格。这意味着：在上市申报（如 510(k)、De Novo）中引用本库作为证据时，它不享受「已认定工具」的通道——审评中心仍会按普通证据对待其适用性与充分性。RST 页自身也明示：工具在营销申报中未经 MDDT 资质认定，FDA 未评估任何具体 context of use 的适用性。

对使用者的实操含义：

1. 规划申报策略时，把本库当作「证据素材」而非「合规快捷通道」——用它的方式与用任何公开数据集相同，必要时走 Q-Submission Program 与 FDA 预沟通（反馈通道即为此设）。
2. 撰写验证文档时，引用格式用 FDA 推荐格式（附录 K），并如实标注 RST 编号——RST 身份提供的是来源公信力，不是资质背书，混淆两者会在审评中反噬。
3. 关注 MDDT 动态：若本库未来经 MDDT 认定，其申报效力将升级——这是条目的头号维护触发点（附录 J）。

5.3 「不替代」条款的完整口径

RST 页的限制声明值得完整转述成三不：

1. 不替代 FDA 认可的标准或合格 MDDT；
2. 未经认定用于营销申报的任何具体 context of use；
3. 非评估结论——发布该数据集不构成 FDA 对任何使用方式的认可。

这三不与 §7 的科学限制（单中心、横断面、无病理）是两套维度：前者是监管资质边界，后者是数据科学边界。条目使用者（尤其器械团队）需要同时守住两条线。

5.4 RST26PD01.01 的编号读法

RST 编号自带时间与版本信息：RST26PD01.01 中，26 指向 2026 年度，PD 是 Pediatric 域的目录分类代码（Pediatric and Perinatal Devices），01 是域内序号，尾缀 .01 是版本号——若未来数据集升级（如扩样、增标注），版本号位将变动。检索新版本时，以 RST 编号前缀 RST26PD01 为锚点在目录内搜索即可。

5.5 引用与归档实操：让监管语境的引用经得起复查

引用一个 RST 资源时，稳妥的文档结构是「三层引用 + 一份存照」：

1. 身份层：引 FDA 推荐格式（含 RST 编号与详情页 URL）——确立资源的监管身份；
2. 数据层：引 TCIA Data Citation（含 DOI）——确立数据本体的可解析锚点；
3. 使用层：写明你使用了哪些组件（图像/人口学表/脚本）、版本链状态（v01/Version 1/20260714）、以及你的使用方式与研究目的；
4. 存照：归档抓取日、抓取页 URL、下载包校验信息——活文档环境下，这是未来复查时证明「你看到的与官方当时一致的」唯一手段。

两层引用的区别记住一句：RST 编号回答「这是谁发布的」，DOI 回答「这是哪份数据」——申报与论文场景两层都要，普通技术报告至少保留数据层。

对再引用者的提醒：本条目为你的文档提供了整理格式（附录 K），但著录主体以官方页原文为准——尤其 Data Citation 的作者列表与年份，引用前回 TCIA 页核对一次。

§6 获取与许可：一条通道、两层义务、三方版本链

6.1 资产与获取路径总表

资产	入口	格式/体量	门槛
图像（100 个 .mha）	TCIA 下载页，IBM Aspera Connect 高速通道（faspex package 1317）	3.2 GB	无（CC BY 4.0，直接下载）
人口学表	TCIA 下载包内	TSV 5.5 kb	无
元数据报告（v7 comprehensive）	TCIA 下载包内	TSV 45.4 kb	无
配套 Python 脚本 2 件	TCIA 下载包内（RST 附属工具）	Python	无
FDA 详情页（用途/限制/引用格式）	https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images	网页	无
DOI 持久标识	https://doi.org/10.7937/MQ33-AJ18	—	无

获取路径只有一条（TCIA），且无注册墙、无申请制、无门禁——在库内可获取性光谱（注册墙→请求制→平台托管→公开直链）上，本库落公开直链档的顶层：只要装好 Aspera Connect，下载动作与下载一个普通压缩包无异。

Aspera（fasp 协议）是 TCIA 大体量分发的标准通道：首次使用需安装 IBM Aspera Connect 浏览器插件，之后的下载速度远高于 HTTP。3.2 GB 的体量在 Aspera 下是分钟级的事；若你的网络环境对 Aspera 不友好，TCIA 的 TB 量级集合都走同一通道，这个问题值得一次性解决。

6.2 许可结构：CC BY 4.0 一层到底 + TCIA 政策一层之外

本库许可是库内少见的简单形态——全组件统一 CC BY 4.0：图像、人口学 TSV、元数据报告、配套脚本全部同一许可，TCIA collection 页与 NCI CCDI Data Catalog 页对此一致（双页互证）。署名（BY）是唯一义务：自由使用、修改、再分发、商用，前提是给出署名。

署名之外还有一层合同性义务：TCIA Data Usage Policy。所有 TCIA 分发的数据集都受该政策约束，其核心是引用义务：

1. 须引用 Data Citation：Hirschhorn, M., Porras Perez, A. R., Linguraru, M. G., & Hill, G. (2026)（完整著录见附录 K）；
2. 须引用 DOI：10.7937/MQ33-AJ18；
3. 政策的其他条款（不得试图重识别、再分发附同政策等）按 TCIA 政策原文执行。

简言之：用数据→引 Data Citation+DOI，一处都不能省。这层义务不随 CC BY 4.0 的宽泛而消失——它是 TCIA 平台规则，凌驾于单数据集许可的宽松之上。注意 TCIA acknowledgment 的资助致谢原文：数据采集受 NIH NICHD R42HD081712 支持，由 Children’s National Hospital 交付 FDA，由 FDA 作为 Regulatory Science Tool 发布——正式论文中按原文致谢是稳妥做法。

6.3 版本链：三方对齐的同一发布

本库的版本信息有三处登记点，抓取时点（2026-10-09）三方对齐：

登记点	版本标识	日期
FDA RST 目录	RST26PD01.01	2026-07-13（发布）
TCIA collection	Version 1	2026-08-11（更新登记）
下载包内 TSV 文件名	v01 + 日期戳 20260714	2026-07-14（生成）

读法：FDA 发布在前（07-13），TSV 次日生成（07-14），TCIA 登记最后对齐（08-11）——三个日期是同一次发布的三个里程碑，不是三个版本。文件名里的 v01 与 RST 编号尾缀 .01 互相印证：当前宇宙只有一版。未来任何一处出现 v02/.02，即为数据更新的信号，触发条目维护（附录 J）。

6.4 引用格式速查

FDA 推荐引用格式（RST 页原文口径）：

U.S. Food and Drug Administration. (2026). A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images (RST26PD01.01). https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images

TCIA Data Citation：Hirschhorn, M., Porras Perez, A. R., Linguraru, M. G., & Hill, G. (2026)，配 DOI 10.7937/MQ33-AJ18。

两条引用各管一层：FDA 格式管 RST 工具身份，TCIA Data Citation 管数据本体——TCIA 政策要求的引用义务由后者满足；若你的文档只允许一处引用，优先 TCIA Data Citation（它直接指向数据 DOI）。BibTeX 著录见附录 K。

6.5 AI-Ready 评估：检查单过一遍

• 机器可读元数据：TSV 双表机读友好+comprehensive 报告+官方读取脚本——优。
• 公开直链：全组件无门禁（Aspera 通道），注册墙不存在——优。
• 许可明确性：CC BY 4.0 单层+TCIA 政策引用义务，两层都白纸黑字——优。
• 可复现性：官方脚本固化读取口径，报告 TSV 可对表——良。
• 文档自洽：FDA 描述层与 TCIA 分发层三处漂移（§4）——失分项，但已存照并有明确裁决规则。
• 人口学覆盖：age in days 粒度佳；race/ethnicity 缺失 12/100 与 Not Reported 占比需显式处理——中上。

综合：AI-Ready 等级「高」——可获取性、许可清晰度、配套工具三项拉满；文档漂移是描述层瑕疵，不影响实物可用性。在库内「官方发布型」数据集中，本库与 radlex、disease-ontology 同属文档质量第一梯队，且是其中唯一全组件 CC BY 4.0 的影像实体数据集。

6.6 获取排障清单

症状	常见原因	处置
点击下载无反应	未装 IBM Aspera Connect 插件	安装插件后重试（TCIA 页有指引）
Aspera 传输频繁中断	网络对 UDP 类协议不友好	重试；仍失败改用稳定网络环境——勿用爬虫类工具强抓
解压后文件数不足	下载未完成即中断	重新下载并做 FAQ Q31 三步完整性校验
找不到 .xlsx 人口学表	本库实发 .tsv（坑 2）	按 TSV 解析（sep='\t'），勿找 Excel 文件
读 .mha 报错	误用图像库直读（PIL 等）	用 SimpleITK/ITK 生态读取（附录 E）
报告 TSV 与自跑结果对不上	读取口径或版本不一致	先跑官方脚本 ① 固化口径，再 diff 排查

排障总原则：本库是「单通道、全公开」的分发结构——问题几乎都在客户端（插件、解析器、假设），不在服务端门槛。逐项排除前先复核版本链（§6.3），确认你拿到的是 v01/20260714 这一代的包。

§7 使用边界：FDA 明示的能与不能

7.1 FDA 明示用途清单

RST 页列明的适用对象与用法（原文口径转述）：

适用对象	用法
AI/ML 诊断软件	正常解剖参考：训练先验、阴性对照、假阳性基线
图像分析工具	发育阶段评估的年龄配对参照
儿科神经影像图像质量算法	「正常可用」扫描的质量基线
通用影像器械验证	研发/验证/评估三阶段的 normative reference

FDA 还给出三个基线化方向：异常识别的基线（正常分布建好后，偏离即异常信号）、发育阶段评估的基线（以天计年龄支持细粒度配对）、脑结构分割的基线（健康解剖先验）。注意这三个方向都是「基线」用途——本库提供参照系，下游任务的数据（尤其阳性样本）仍需另行组织。

7.2 FDA 明示限制清单

限制	内容	对使用者的含义
单中心	100 例全部来自 Children’s National Hospital	泛化性有限、机构/地域偏倚；跨中心声明需谨慎
横断面	无纵向随访数据	不支持生长发育纵向建模；每人仅一次快照
无病理	normative dataset 不含病理案例	只能作阴性/正常基线；阳性性能评估需另配数据

三条限制是 FDA 自己写的——官方发布型数据集难得地自带「反宣传」段落，这本身就是该资源可信度的一部分。把限制抄进你的验证文档，比事后被审评指出要体面得多。

7.3 对 AI 开发者的三个实操映射

映射一：异常检测的阴性底座。 典型管线：在本库 100 例上拟合正常解剖的表征分布（ Reconstruction 误差、密度统计、 embedding 离群度皆可），部署端对新扫描计算偏离度。要点：① 100 例撑不起高维分布的直接拟合——用低维统计量或预训练 encoder 的 embedding；② 层厚跨度 0.625-5.4 mm（§2.2）必须在拟合前按层厚分层或归一，否则厚度差异会污染正常分布；③ 年龄跨度 1 个月-10 岁的发育差异巨大，按 age in days 分桶是底线操作。

映射二：分割模型的解剖先验校验。 儿科脑结构分割模型常因训练数据偏成人而系统性偏移（成人比例外推到儿童）。本库可作校验集：把你的分割模型跑在 100 例上，检查输出是否符合健康儿科解剖的常识边界（颅骨-脑间隙、脑室比例随龄变化等）。要点：无 ground truth 掩码，校验是定性+统计性的（体积分布、对称性、年龄趋势），不是逐体素定量。

映射三：质量算法的「正常可用」锚点。 儿科影像质量算法（判断运动伪影、剂量 adequacy、覆盖完整性）需要「什么算正常」的锚。本库 100 例全部过机构 QA（§3.2），是现成的「可用端」样本；「不可用端」需另行收集。要点：QA 门槛是机构口径，你的算法阈值别直接照搬。

7.4 反面清单：三个常见误用

1. 当训练主力：100 例的体量只够拟合极简统计或微调预训练模型，当从头训练的主力集必然过拟合——它的高价值用途是参照、校验、对照，不是喂饱一个网络。
2. 当阳性测试集：没有病灶的库测不出检出率。有人用「健康库+人工插入病灶」做合成实验——可行，但要在论文里写明合成协议，且对插入病灶的真实性负责。
3. 忽略年龄双口径直接配平：在坑 1 裁决前按任一口径做的年龄配平都可能整体作废——先下数据，先裁决（§4.1），再设计。

7.5 三个使用场景的端到端走查

把 §7.3 的三个映射落成可执行的走查单，每条走查都从下载包的同一状态出发（附录 E 跑通 + 完整性校验通过）。

走查一：出血检测算法的儿科假阳性摸底（对应 §7.3 映射一，详细工作流见附录 R）

1. 分层：按层厚分两档（薄/厚），按 age in days 分三桶——分层方案在坑 1 裁决后固化；
2. 推理：100 例全量过模型，记录每例的阳性判定（位置/置信度/数量）；
3. 汇总：按例假阳性率、按层假阳性密度、置信度分布三张表；
4. 解读：结构性假阳性（集中在某层厚档或某年龄桶）与随机假阳性分开报告；
5. 报告措辞：写死「单中心 100 例健康儿童参考上的实测」，附版本链与引用。

走查二：儿科脑分割模型的合理性校验（对应 §7.3 映射二）

1. 推理：分割模型跑全集，输出结构掩码；
2. 无真值校验三查：体积分布查（各结构体积是否落在本库统计的合理区间）、对称性查（左右差异是否超常识）、年龄趋势查（结构比例随 age in days 的方向是否符合发育常识）；
3. 抽样目检：每桶抽 2-3 例，三平面 PNG（脚本 ② 产物）对照掩码叠加图人工复核；
4. 结论分级：通过/存疑/失败三档，存疑项写明具体例与表现；
5. 报告措辞：明确「无 ground truth 的统计性校验」，不给逐体素精度的表述。

走查三：质量算法的「可用端」标定（对应 §7.3 映射三）

1. 认知前提：本库全是机构 QA 通过的可用端样本——没有坏样本（§3.2）；
2. 测量：质量算法跑全集，得到 100 个质量分数的分布——这个分布就是「可用端分数带」；
3. 标定：可用端分数带用于设定算法的「正常波动范围」；不可用端阈值必须来自外部数据，本库给不了；
4. 报告措辞：写「以 FDA 发布健康儿童参考集为可用端锚点」，并注明机构 QA 口径与你的阈值口径不同源。

三条走查共享同一组红线：不锁未裁决口径（坑 1）、不混层厚（坑 5）、不越单中心外推（坑 6）、不虚标监管资质（坑 8）。

§8 生态与谱系：一条从颅缝早闭临床研究到监管工具的链路

8.1 上游方法学前史

本库的图像不是为做数据集而扫的，其团队脉络来自 Children’s National Hospital 的颅缝早闭（craniosynostosis）计算机辅助手术研究线。两条直接前史方法论文：

1. Porras AR 等，IEEE TMI 2018：Locally Affine Diffeomorphic Surface Registration and Its Application to Surgical Planning of Fronto-Orbital Advancement（doi:10.1109/TMI.2018.2816402；PMID 29969419；PMCID PMC6085886）——颅面表面配准与额眶前移手术规划。
2. Porras AR 等，Plast Reconstr Surg 2019：Quantification of Head Shape from Three-Dimensional Photography for Presurgical and Postsurgical Evaluation of Craniosynostosis（doi:10.1097/PRS.0000000000006260；PMID 31764657；PMCID PMC6905129）——三维摄影头颅形态定量的术前术后评估。

这条前史解释了本库的两个特质：其一，为什么是这批人做正常参考——颅缝早闭的形态学诊断与手术规划天然需要「正常头型/正常颅内解剖」对照，团队在临床研究中积累的正常儿童影像资源是本库的直接母体；其二，为什么 FDA 选择这批数据升格为 RST——方法学经过同行评议（TMI/PRS 两刊）、数据经临床 QA、团队有 NIH 资助记录（NICHD R42HD081712，SBIR/STTR 型小企业资助线），升格的尽调成本低。

注意：两篇方法论文是依托而非专门论文——它们研究的是配准与形态定量方法，不是本数据集的发布论文。本库没有独立专门论文（坑 4），引用时勿把 TMI/PRS 两篇当本库论文引。

8.2 人物与机构图谱

角色	主体
图像采集与来源	Children’s National Hospital（华盛顿特区），IRB 批准
交付协议	Research Collaboration Agreement（CNH → FDA）
发布与背书	FDA CDRH / OSEL（Office of Science and Engineering Laboratories）
资助	NIH NICHD R42HD081712
Data Citation 四人	M. Hirschhorn；A. R. Porras Perez；M. G. Linguraru（CNH 方法线）；G. Hill（FDA 侧）
方法论文作者群	Porras AR（两篇一作）、Paniagua B、Ensel S、Tu L、Tsering D、Mantilla E、Oh A、Enquobahrie A、Keating R、Rogers GF、Linguraru MG（通讯线）

人物结构是典型的「临床团队+监管方」双核：CNH 侧贡献数据与方法学权威（Porras/Linguraru 线），FDA 侧贡献发布与监管语境（Hill）。这种双核结构在库内数据集中罕见——多数公开数据集的作者链是纯学术或纯产业，监管方直接出现在 Data Citation 里的只有官方发布型条目。

8.3 分发层：TCIA 与 CCDI 的双窗

本库在分发侧有两个官方窗口：

1. TCIA（The Cancer Imaging Archive）：实体分发平台——下载、DOI、Data Citation、Data Usage Policy 都在这里落地。注意 TCIA 名字里的 Cancer 不妨碍它托管非肿瘤数据——TCIA 的收录范围早已扩展到各类影像集合，本库（健康儿童正常参考）就是明证。
2. NCI CCDI Data Catalog：目录索引窗——提供数据集描述页与人口学分箱口径（即存照 1 中 20/80 的来源）。CCDI 是索引层，不承载下载。

双窗结构与 §4.4 的「描述层/分发层」分析一致：下载找 TCIA，背景看 CCDI 与 FDA，一切以 TCIA 实物裁决。

8.4 在库内数据集生态中的位置

库内影像条目的生态位分布中，「正常/健康人群参考」是稀缺类：成人端有 ixi-brain（rid 482，正常成人脑 MRI），儿童端在本库之前是空白。监管发布型（官方机构直接发布）在库内同样稀缺。本库同时占据两个稀缺位——「儿科正常参考」与「监管发布」——这使它成为库内互链网络中的高连接度节点：向 pediatric 系（brats-pediatric）、出血系（rsna-intracranial-hemorrhage/ct-ich）、脑影像系（healthy-brain-network、bigbrain）、CT 系（ct-org、abdomenct-1k、ct-rate、topbrain2026）各伸出一条对照轴（§9）。

8.5 儿科 AI 验证资源的三种供给模式

把本库放进「儿科 AI 验证资源」的大图景，可见三种供给模式各有分工：

模式	代表	供给逻辑	相对优势	相对短板
监管机构官方发布	本库（FDA RST）	监管科学补位市场失灵	来源公信力、许可干净、用途边界自带文档	规模小、演进慢、无标注
学术队列开放	healthy-brain-network（rid 245）等	科研项目溢出	规模大、维度多（行为+影像）	许可与访问各异、健康对照未必独立成库
竞赛/挑战赛衍生	topbrain2026（rid 632）等	竞赛数据遗产	标注齐、任务明确、基准成熟	以病灶/任务为中心，正常对照稀缺

本库在三种模式中的位置给出一个观察：正常参考这个生态位几乎只能由官方/准官方供给——学术队列以研究问题为中心（健康对照是副产品），竞赛以任务为中心（正常样本不产生分数），只有监管机构对「验证基线」有直接的制度需求。这解释了 §0 说的结构性空白为何迟至 2026 年才由 FDA 补上，也提示使用者：等待同位资源扩容不如基于现有 100 例设计好统计方案。

三种模式的资源在库内的检索面：官方发布型看本条目与 §9.3 的对照表；队列型与竞赛型分别沿 §9.1 的互链轴延伸——三种模式交叉引用时，许可与引用义务各自独立核算，不做「开放程度」的横向排名。

§9 与库内条目的关系

9.1 互链图谱：三条对照轴、十个节点

本库在库内的互链逻辑不是「同任务竞争」，而是「对照补位」。三条对照轴各自牵出一组节点：

轴一：正常 vs 病变（阴性底座补阳性库）

互链条目	rid	关系
rsna-intracranial-hemorrhage	738	颅内出血阳性库（成人为主）：其模型若下探儿科，本库提供正常基线与假阳性对照
ct-ich	948	CT 出血检出：同上，出血算法在健康儿童上的特异度测试可引用本库
brats-pediatric	688	儿科脑肿瘤：同人群（儿童）反相位——肿瘤库配正常对照，本库是库内唯一选项

轴二：儿童 vs 成人（发育对照）

互链条目	rid	关系
ixi-brain	482	正常成人脑 MRI：与本库构成「正常人生命周期」的两端（本库 1 月-10 岁，IXI 成人），发育/老化跨龄研究的天然对
healthy-brain-network	245	儿童脑发育队列（HBN）：行为与影像的儿童大队列，与本库互为「临床队列 vs 健康参考」参照

轴三：CT 技术生态（协议与质量对照）

互链条目	rid	关系
ct-org	796	CT 器官分割：成人多器官标注库，其器官统计范围（肝脾等）与本库颅脑范围互补，方法学上分割基线思路相通
abdomenct-1k	402	腹部 CT 千例：部位对照（腹 vs 颅），正常/低标注设计思想近似
ct-rate	546	胸部 CT+报告：报告-影像对齐的胸部库，与三平面投影报告脚本（§3.4）同为「结构化描述影像」思路
topbrain2026	632	TopBrain 2026 挑战赛：脑部 CT 任务赛，参赛模型的阴性测试可用本库
bigbrain	285	BigBrain 精细解剖图谱：单例超清解剖参考 vs 本库群体统计参考——两种「参考」哲学的对极

frontmatter 的 relatedLink 已按上述十节点铺 URL（rid 一一对应），站内互链算法可直接消费。

9.2 检索路径建议

• 检索词组合：「Pedi-Cranial-CT-Healthy」（精确）+ 「normative」/「pediatric cranial CT」/「RST26PD01.01」；勿以「找论文」为目标检索（坑 4）。
• 若目标是下载：TCIA collection 页检索 Pedi-Cranial-CT-Healthy，或直接走 DOI 10.7937/MQ33-AJ18。
• 若目标是监管语境：从 RST 目录总入口（https://cdrh-rst.fda.gov/）按 Pediatric and Perinatal Devices 分类浏览，可同时看到 FDA 儿科域的其他 RST。
• 若目标是找互补数据：按 §9.1 三轴的 rid 反查库内条目——阳性配 738/948/688，成人配 482，队列配 245。

9.3 与库内「官方发布型」条目的结构对照

维度	本库（FDA RST）	radlex（RSNA）	disease-ontology（DOID）
发布主体	联邦监管机构	专业学会	学术联盟
资源类型	影像实体数据	术语本体	疾病定义本体
许可	CC BY 4.0	自有条款（free 口径）	CC 类开放
引用义务	TCIA 政策（Data Citation+DOI）	RadLex License	DOID 引用规范
版本治理	RST 编号尾缀 + TCIA Version	官方版本号	月度 release

三者同属「机构信用背书的开放资源」，许可与引用结构可互相参照；本库的独特项是「FDA 限制声明自带」（§7.2）——官方发布型资源里少见的自我批判段落。

§10 避坑清单：八个已踩过或必然会踩的坑

坑 1：年龄分箱 20/80 与「每岁 10 名」不可同真。 CCDI 页写 0-4 岁 20 例 / 5-9 岁 80 例；TCIA 页写 1 个月-10 岁每岁 10 名。两口径互斥（§4.1 分析），任何引用必须注明出处并标注「双口径未决」；涉及年龄配平的设计等下载裁决后再定。自动化抽取脚本若同时爬两页，会产生自相矛盾的元数据——在脚本里把「年龄分布」字段设为待裁决态。

坑 2：人口学表格式按 FDA 页写会扑空。 FDA 页称 .xlsx，TCIA 实发 .tsv（§4.2）。按 FDA 页写 openpyxl 解析器的管线第一次解压即失败。以 TCIA 实发为准：pd.read_csv(sep='\t')。

坑 3：标识符口径两说，00329 的身世待核。 FDA 称 random numerical identifier，TCIA 称 zero-padded（文件名示例 00329_CT.mha）。00329 若超出口径 A 与「100 例序号 1-100」的零填充范围，暗示「随机数+零填充格式化」的调和假说——但未经数据验证，不得当结论。工程守则：标识符一律按字符串处理，勿按整数排序或截断。

坑 4：搜不到论文不是数据集不存在。 本库无独立专门论文，两轮文献检索证伪。引用走 FDA 推荐格式 + TCIA Data Citation（§6.4）；勿把上游方法论文（TMI 2018/PRS 2019）错当本库论文引用——它们研究的是配准与形态定量方法，不承载本库的发布信息。TMI 2018 作者是 Porras AR 等，PMID 29969419。

坑 5：层厚 0.625-5.4 mm 的口径未明。 该范围是跨例范围还是单例内混合层厚（螺旋重建常见现象），官方页未写明。按「跨例范围」使用最稳妥，但涉及逐层分析时应以 comprehensive 报告 TSV 的字段实测裁决（待核 2）。混合层厚若为真，逐层重采样是必须步骤。

坑 6：「健康」是临床口径，不是病理学排除。 入组标准是 no known neurological pathology or significant comorbidities（§3.2）——无已知病史口径，不是为入组专门筛查的病理学阴性。且单中心构成（Black 54/100 的华盛顿映射、race/ethnicity 缺失 12/100）随数据走。泛化声明按「健康临床参考」措辞，勿升格为「病理学正常金标准」。

坑 7：MHA 不是 DICOM，HU 语义要核实。 下游若是 DICOM 原生管线（PACS、放射科工具链）需要转换（§2.5）；依赖 rescale slope/intercept 动态读取的 HU 逻辑要核实 MHA 头部是否完整携带几何与强度标定信息——comprehensive 报告 TSV 就是用来核这个的。深度学习管线转 NIfTI 是一行事，但转换脚本的几何校验别省。

坑 8：CC BY 4.0 不等于「零义务」，RST 不等于 MDDT。 许可义务面：TCIA Data Usage Policy 的引用义务（Data Citation+DOI）不随 CC BY 4.0 宽泛而消失（§6.2）。监管资质面：RST 发布层级未获 MDDT 认定，营销申报中不享受合格工具通道，FDA 未评估任何具体 context of use 的适用性（§5.2）——把「FDA 发布」写成「FDA 认定的验证工具」是审评红线。

FAQ（高频问答 26 问）

A. 基础认知

Q1：这个数据集是挑战赛吗？
不是。没有比赛、没有 leaderboard、没有 benchmark。它是 FDA 以监管科学工具（RST）名义发布的数据集，定位是研发验证资源而非竞赛数据（§5.1）。截至 2026-10-09 也未见公开 leaderboard 或引用本库的基准论文。

Q2：为什么叫 normative dataset？
Normative 意为「规范的/作为标准的」——它为「正常儿童颅脑长什么样」提供规范参考。与 pathologic（病理）相对：病理库装异常，normative 库装正常。本库是前者稀缺生态位的补位者。

Q3：100 例里有没有一个我认识的「平均儿童」？
没有「平均」这回事——每例都带以天计年龄、性别、种族族裔的个体差异，且 100 例的构成（§2.3）映射的是华盛顿一家医院的就诊人群，不是任何总体。「平均」要你自己按分层统计构造。

Q4：数据是新扫的吗？
图像采集于 CNH 的临床研究框架内（IRB 批准、NIH 资助），采集完成时间未逐例公布；发布链是 2026 年的事：FDA RST 发布 2026-07-13、TCIA Version 1 登记 2026-08-11。数据是「存量临床资源的新发布」，不是「为发布新采集」。

Q5：和上一版什么关系？
没有上一版——v01 是第一版，RST 编号尾缀 .01 同步印证（§6.3）。未来若出现 v02/.02 才有版本演进，届时条目按附录 J 触发点更新。

Q6：为什么 FDA 要发这个？
监管科学供给：AI/ML 儿科影像器械的审评需要「正常基线」的公共参照，市场失灵（无人有动力做健康儿童库）时由监管机构补位（§0）。这也是 RST 目录「标准与合格 MDDT 尚不存在处」定位的具体落地。

B. 数据与获取

Q7：下载要注册吗？要申请吗？
不要。TCIA 下载页直接走 IBM Aspera Connect（faspex package 1317），无注册墙、无申请制（§6.1）。装好 Aspera 插件是唯一前置。

Q8：3.2 GB 里都有什么？
100 个 .mha 图像文件 + demographics TSV（5.5 kb）+ metadata report TSV（45.4 kb）+ Python 脚本 2 件（§2.1、§2.4）。四类资产同包分发。

Q9：人口学表长什么样？
TSV，逐例一行，字段含 age in days（以天计年龄）、biological sex、race、ethnicity（§2.3）。注意坑 2：是 TSV 不是 FDA 页说的 XLSX。缺失值（race/ethnicity 缺 12 例）如何编码（空串/NA/Not Reported）以下载实物为准。

Q10：可以商用吗？
可以，CC BY 4.0 允许商用，署名即可（§6.2）。但两层义务仍在：TCIA Data Usage Policy 的引用义务（Data Citation+DOI）；以及坑 8 的监管边界——商用产品在申报中引用本库时，按普通证据对待，不得宣称 FDA 资质背书。

Q11：能再分发吗？
CC BY 4.0 允许再分发，署名义务同上；再分发时附 TCIA Data Usage Policy 与原始出处是合规且体面的做法。

Q12：标识符怎么处理最安全？
按字符串处理（§4.3 工程提示）：保留前导零、按字典序排序、建立标识符↔TSV 行的显式映射表。00329 这类非连续编号（若实测为真）说明序号无语义，不要用数值比较推断任何顺序关系。

C. 使用方法

Q13：推荐的开箱流程？
三步：① Aspera 下载解包；② 跑官方脚本 ① 生成自己的 metadata 报告，与官方 comprehensive 报告对表（口径校验）；③ 跑官方脚本 ② 出三平面 PNG，人工过一遍 100 例（§3.4）。之后按你的任务分支（§7.3 三映射）。

Q14：SimpleITK 读取的最小代码？
见附录 E。核心一行：img = sitk.ReadImage(path)，随后 img.GetSpacing()/GetOrigin()/GetDirection() 拿几何，sitk.GetArrayFromImage(img) 转数组（注意 numpy 轴序与 GetSize 的逆序关系）。

Q15：层厚差异怎么处理？
先按 comprehensive 报告（或自己脚本 ① 的输出）逐例记录层厚，再按任务决定：统计类任务分层报告；重建/配准类任务逐例重采样到统一 spacing。别默认统一层厚——0.625-5.4 mm 的跨度会制裁这个假设（§2.2）。

Q16：年龄怎么分层最合理？
用 age in days 原始列（勿用整数岁粗化），按你的任务粒度分桶（发育研究中常用 <2 岁/2-5 岁/5-10 岁这类临床段）。但在坑 1 裁决前，不要按「每岁 10 名」或「20/80」预设各桶样本量——先实测。

Q17：能用来训练分割模型吗？
能当先验/校验/测试素材（§7.3 映射二），不能当逐体素监督（没有掩码）。需要儿科脑分割标注的，看库内是否有对应标注资源并另行组织；本库的角色是让你验证「你的模型在正常儿童上的行为是否合理」。

D. 监管与合规

Q18：RST 和 MDDT 我该引用哪个身份？
引用 RST 编号 RST26PD01.01（这是它的真实身份），申报文档中如实标注其层级（§5.2）。把它写成 MDDT 或「FDA 认定工具」是事实错误，也是坑 8 的审评红线。

Q19：申报中怎么用才合规？
把它当公开文献级证据使用：引用推荐格式、说明使用方式与理由、自证适用性。需要预沟通的走 Q-Submission Program（§5.1 表），或邮件 RST_CDRH@fda.hhs.gov。

Q20：FDA 会不会评估我用得对不对？
RST 层级下，FDA 未预先评估任何具体 context of use（§5.3 三不）。你的适用性论证是你自己的举证责任——这正是它与 MDDT 的本质区别。

Q21：去标识可信吗？
FDA Testing 节口径：去标识协议覆盖图像与人口学数据，发布前逐图人工评估（§3.3）。全量人工验证是与儿童数据敏感度匹配的强度。使用者侧仍守 TCIA 政策的不得重识别条款——合规链是双方共担的。

E. 生态与维护

Q22：库内有哪些条目和它配对？
十节点三轴（§9.1）：出血系 738/948、儿科肿瘤 688、成人正常 482、儿童队列 245、CT 生态 796/402/546/632、解剖图谱 285。frontmatter relatedLink 已铺 URL。

Q23：和 IXI 什么关系？
对照而非竞争：IXI（rid 482）是正常成人脑 MRI（含部分标注），本库是正常儿童颅脑 CT（无标注）。模态（MR/CT）、人群（成人/儿童）、形态（标注有无）三重互补，「正常人生命周期」研究把两者连读（§9.1 轴二）。

Q24：未来会有 v02 或扩展吗？
未知。触发点已登记（附录 J）：数据扩样、MDDT 认定、第三方基准出现、官方文档修订（尤其坑 1 年龄口径的裁决性更新）任一发生即更新条目。

Q25：抓取时点之后信息变了怎么办？
本条目全部硬数字存照抓取时点 2026-10-09（三官方源实抓互证）。TCIA 页与 FDA 页是活文档，引用本条目数字时留意版本链（§6.3）——若 TCIA 出现 Version 2，以官方新口径为准并按附录 J 更新。

Q26：如果我只记住一件事？
这是一把「FDA 发的尺子」：100 例健康儿童颅脑 CT，量你的 AI 知不知道什么是正常——用之前先过 §4 三组双口径存照，引用时先过坑 8 的两层义务。

F. 工程细节

Q27：批量读取 100 个 MHA 的推荐目录结构假设？
不要假设——官方页未承诺目录树形态，逐文件枚举（glob 列出全部 .mha）后按标识符建索引最稳（坑 3）。TSV 行与文件名的对应关系用显式映射表落盘，避免隐式排序依赖。

Q28：geometry 信息缺失或异常时怎么办？
先用官方脚本 ① 重跑该例，对照官方 comprehensive 报告——若官方报告与你的读取一致而与预期不符，那是数据本身形态（真实世界的协议多样性）；若不一致，先查你的 SimpleITK 版本与读取参数。几何问题九成出在「假设统一」而不是「数据损坏」。

Q29：能转成 NIfTI/DICOM 吗？许可允许吗？
允许——CC BY 4.0 覆盖修改与衍生（含格式转换），署名义务不变（§6.2）。技术上一行 SimpleITK 可转 NIfTI；转 DICOM 需要自建序列结构，注意保留几何与 HU 标定语义（坑 7）。转换后请在新载体上保留原始出处与标识符映射。

Q30：三平面 PNG 投影的 -1024 HU 阈值会切掉什么？
只切空气背景（HU≈-1024 附近），软组织与骨保留——投影图本质是「去背景的密度概览」。它不是诊断窗（脑窗/骨窗），不能替代逐层阅片；质检与快审够用，读片场景别用投影图下结论。

Q31：怎么做数据的完整性校验？
下载后三步：文件计数（应为 100 个 .mha + 两 TSV + 脚本）；体量核对（约 3.2 GB 量级）；逐例 sitk.ReadImage 全量可读 + GetSize 落在 512 × 511-710 × 24-256 范围内。任何一步异常先复跑下载再怀疑数据。

Q32：版本升级后旧管线怎么平滑迁移？
版本三角（附录 G）任一点变化即冻结旧产物：旧报告 TSV 归档、管线输入切到新包重跑脚本 ①、diff 新旧报告——迁移成本被官方脚本压到很低，这是「官方读取路径」设计的红利。

G. 进阶与边界

Q33：能和 IXI 直接拼成「全龄正常库」吗？
能拼、但要声明接缝：两者模态不同（CT vs MRI）、人群地域不同、采集协议不同——「拼接库」只适合做跨库统计对照或分别建模后比较，不适合当同质训练集。引用时两个 DOI 各引各的，别制造「一个数据集」的假象。

Q34：能用作合成实验的底板吗（往正常 CT 里插伪影/病灶）？
可以且是合理用法——本库正是「干净底板」的稀缺来源。三个前提：① 论文写明合成协议（插入物的生成方式、位置分布、强度模型）；② 声明底板来自本库并引 DOI；③ 承认合成阳性的局限——它测的是算法响应，不是真实病灶分布。

Q35：图像质量算法用本库要注意什么？
记住 QA 前置（§3.2）：本库全是「机构 QA 通过」的可用端样本，没有坏样本。你的算法评估只覆盖「正常范围内的质量波动」，不可用端的性能要另找数据；阈值也别直接照搬机构 QA 口径。

Q36：100 例做 bootstrap/交叉验证的方差可信吗？
小样本重采样的方差估计偏乐观且对构成敏感——结论当「样本内稳定性」报告，别外推成「总体精度」。配合以天计年龄做分层重采样，能压一部分构成漂移，但压不掉单中心约束（坑 6）。

Q37：能发布基于本库的衍生数据集吗？
CC BY 4.0 允许衍生与再分发（署名+TCIA 政策义务随行）。发布时最佳实践：保留或映射原始标识符（坑 3 的映射表价值就在这）、注明衍生自本库 DOI 与版本、附你的处理代码——这让你的衍生库可回溯、可审计。

Q38：审稿人质疑「正常性」时怎么答？
三层作答：入组口径（FDA 页原文：无已知神经系统病变或重大共病）；质量口径（机构 QA 确认诊断质量）；隐私口径（逐图人工去标识验证）。再补一句定位话术：本库是「临床健康参考」，其「正常」的边界即入组边界（坑 6）——不给审稿人把「临床口径」偷换成「病理学金标准」的空间。

Q39：发现官方页与本条目不一致怎么办？
以官方实物为准并视为条目维护信号：对照附录 J 的触发点定性（数据变更/文档漂移修复），在引用你的文档里注明官方口径与日期。欢迎回哺：把不一致反馈到 RST_CDRH@fda.hhs.gov 或 Q-Submission——官方资源的纠错通道就是给使用者开的。

Q40：如果 FDA 未来给这库加标注或扩样，旧引用还算数吗？
算——版本链的意义就在这：你的结论绑定的是 v01/Version 1/20260714 这一版，新版本出现后你的引用仍指向旧版事实。规范做法是在文中写死版本链状态（§6.3），让读者知道你用的是哪一版。

Q41：本库对低资源团队的价值在哪？
三个「零门槛」：许可零门槛（CC BY 4.0 无谈判）、算力零门槛（3.2 GB 单机可跑）、工程零门槛（官方脚本+机读 TSV）。对没有内部正常儿童库的团队，这是把「正常基线」从奢侈品变成公共品的直接意义。

Q42：如果我只做一件事，先做哪件？
下载包到手后立刻跑两件事：脚本 ① 全集报告对表官方 comprehensive 报告（验环境+验口径）；age in days 分布裁决（关坑 1）。这两件事完成后，你对本库的理解就从「读介绍」变成「摸过实物」。

H. 对照与选型

Q43：我想找「带标注的儿科脑 CT」，该看本库吗？
不该——本库无标注（§3）。带标注的儿科/脑部资源沿互链轴找：儿科脑肿瘤标注看 brats-pediatric（688），脑部 CT 任务赛看 topbrain2026（632），儿童行为-影像队列看 healthy-brain-network（245）。本库与它们的关系是「配对照」而不是「替代」（§9.1）。

Q44：成人正常参考里能凑出儿童替代吗？
不能——发育期解剖与成人差异是系统性的（颅骨-脑间隙、脑室比例、颅缝状态都随龄变化），用成人参考外推儿科正是本库要修复的错误来源。IXI（482）与本库是互补对，不是替代关系（Q33）。

Q45：本库和 OpenPediatrics 类开放儿科资源什么关系？
本条目只收录经三源核验的事实——库内互链之外的第三方资源未做核验，不做推荐性对比。选型时用 §9.1 三轴与附录 P 的对照逻辑自查：先定任务（阳性/阴性/配对），再核许可，再核人群匹配度。

Q46：小组没有 GPU，本库能出成果吗？
能——本库的典型产出（统计基线、质量分析、假阳性摸底、解剖先验校验）多为 CPU 级工作量：3.2 GB 体量 + SimpleITK 传统管线即可完成大部分（附录 R/S 工作流不含必选深度学习环节）。它对低资源团队友好是设计使然（Q41）。

Q47：写综述时本库适合放在哪一章？
三个常见位置：儿科影像数据集景观（稀缺的正常参考位）、监管科学资源（RST/MDDT 供给模式）、AI 验证方法学（阴性基线设计）。引用组合：TCIA Data Citation + RST 编号（附录 K），综述里注明抓取时点。

Q48：教学场景（课程/实训）能用吗？
非常适合——CC BY 4.0 允许课堂使用与再分发，3.2 GB 单机可跑，三平面 PNG（脚本 ②）天然是「看得见」的教学材料，TSV 人口学表可做数据素养练习。署名义务照尽即可。

I. 维护与反馈

Q49：发现下载包与官方页数字不符，先信谁？
信下载包（分发层优先，§4.4/4.6），然后按 Q39 反馈官方——双轨：你的管线以实物为准继续走，官方描述等修订。本条目引用同样以实物口径为书写基准。

Q50：想给数据集做贡献（补标注/纠错）走哪条路？
官方通道是 Q-Submission Program 与 RST_CDRH@fda.hhs.gov（§5.1 表）。注意：任何由你 added 的标注是衍生作品（CC BY 4.0 允许），但不会自动并入官方库——官方扩样与否看附录 J 触发点 5。

Q51：本条目多久复核一次？
按附录 J 的触发点制而非日历制：六类触发（版本更新/MDDT 认定/口径裁决/第三方基准/扩样/文档修复）任一发生即复核；无触发时，抓取时点 2026-10-09 的存照持续有效。

Q52：引用本条目（而非数据集）时注意什么？
条目是二手整理：硬数字已锚定三官方源并注明抓取时点，但原文以官方页为准；条目自身的整理性内容（走查/工作流/术语表）引用时注明为条目观点。数据本体的引用永远落到 DOI 10.7937/MQ33-AJ18。

---

事实清单（硬事实 40 条）

1. 官方名：A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images；TCIA collection 名 Pedi-Cranial-CT-Healthy。
2. FDA CDRH RST 编号 RST26PD01.01，2026-07-13 发布，类型 Dataset，目录分类 Pediatric and Perinatal Devices。
3. TCIA Version 1 更新登记 2026-08-11；下载包 TSV 文件名日期戳 20260714——三方对齐同一发布。
4. DOI：10.7937/MQ33-AJ18（TCIA 颁发）。
5. 规模：100 subjects / 100 studies / 100 series（严格 1:1:1，每人一次扫描）。
6. 文件：100 个 .mha（MetaImage）文件，总量 3.2 GB。
7. 体素矩阵：512 × 511-710 × 24-256（列 × 行 × 层数范围）。
8. 层厚 0.625-5.4 mm；全部平扫、无对比剂（non-contrast）。
9. 年龄 1 个月-10 岁；女 45 / 男 55。
10. 年龄分箱双口径：NCI CCDI 页 0-4 岁 20 例 / 5-9 岁 80 例 vs TCIA 页「每岁 10 名」——两说不可同真（坑 1）。
11. 种族自报：Asian 1 / Black 54 / White 19 / Not Reported 26。
12. 族裔自报：Hispanic 14 / Not Hispanic 48 / Not Reported 38；race/ethnicity 合计缺失 12/100。
13. 全部为 healthy subject；无逐层病灶标注、无结构分割标签、无诊断标签。
14. 入组口径：no known neurological pathology or significant comorbidities；图像经机构 QA 确认诊断质量（diagnostic quality）。
15. demographics 字段三类：age in days（以天计年龄）、biological sex、race/ethnicity。
16. demographics TSV 5.5 kb，文件名 Pedi-Cranial-CT-Healthy_demographics_v01_20260714.tsv。
17. metadata report TSV 45.4 kb，文件名 Pedi-Cranial-CT-Healthy_metadata_report_v7_comprehensive-Final_v01_20260714.tsv（v7 comprehensive 版）。
18. 配套脚本 ①：SimpleITK 读 .mha 生成 metadata 报告——45.4 kb comprehensive 报告即其产物。
19. 配套脚本 ②：三平面（轴位/冠状/矢状）平均强度投影 PNG 导出，HU 阈值 -1024。
20. FDA 对两脚本的定位原文：optional Python script to promote repeatable data loading and handling。
21. 隐私流程：去标识协议覆盖图像+人口学数据；发布前逐图人工评估验证去标识有效性（FDA Testing 节）。
22. 许可：全组件 CC BY 4.0（图像+TSV+脚本）——TCIA collection 页与 NCI CCDI 页一致。
23. 另受 TCIA Data Usage Policy 约束：须引用 Data Citation 与 DOI。
24. 获取：TCIA 下载页，IBM Aspera Connect 高速通道（faspex package 1317）；无注册墙无申请制。
25. 图像来源：Children’s National Hospital（华盛顿特区），IRB 批准，经 Research Collaboration Agreement 交付 FDA。
26. 发布方：FDA CDRH / OSEL（Office of Science and Engineering Laboratories）。
27. 资助：NIH NICHD R42HD081712（TCIA acknowledgment 原文：Data was collected with the support of NIH NICHD awards R42HD081712 made available by Children’s National Hospital to FDA, and released by FDA as a Regulatory Science Tool）。
28. TCIA Data Citation 四人：Hirschhorn, M.; Porras Perez, A. R.; Linguraru, M. G.; Hill, G. (2026)。
29. 上游方法论文一：Porras AR 等，Locally Affine Diffeomorphic Surface Registration…，IEEE Trans Med Imaging 2018;37(7):1690-1700，doi 10.1109/TMI.2018.2816402，PMID 29969419，PMCID PMC6085886。
30. 上游方法论文二：Porras AR 等，Quantification of Head Shape from Three-Dimensional Photography…，Plast Reconstr Surg 2019;144(6):1051e-1060e，doi 10.1097/PRS.0000000000006260，PMID 31764657，PMCID PMC6905129。
31. 无独立专门论文：两轮文献检索证伪，FDA RST 页与其镜像均未列 publication——按「数据集+RST 工具」定位（坑 4）。
32. 监管资质：未取得 MDDT 资格；RST 目录总定位为 where standards and qualified MDDTs do not yet exist 的 peer-reviewed resource；FDA 未评估任何具体 context of use 的适用性。
33. 反馈通道：Q-Submission Program；联系邮箱 RST_CDRH@fda.hhs.gov。
34. FDA 明示限制三条：单中心 100 例（泛化有限、机构/地域偏倚）、横断面（无纵向随访）、normative dataset 不含病理案例。
35. FDA 明示用途：儿科颅脑影像医疗器械研发/验证/评估的 normative reference；适用 AI/ML 诊断软件、图像分析工具、儿科神经影像图像质量算法；可作异常识别、发育阶段评估、脑结构分割的基线。
36. FDA 推荐引用格式：U.S. Food and Drug Administration. (2026). A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images (RST26PD01.01). https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images
37. 双口径存照 2：FDA 页称人口学表 .xlsx，TCIA 实发 .tsv——以实发为准，FDA 描述存疑（坑 2）。
38. 双口径存照 3：FDA 页称 random numerical identifier，TCIA 页称 zero-padded identifier（示例 00329_CT.mha）——00329 与「100 例序号 1-100」的关系待核，调和假说（随机数+零填充）未经数据验证（坑 3）。
39. 打开工具：3D Slicer / ITK-SNAP / SimpleITK（MHA 格式通用）。
40. RST 详情页 https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images（FDA 推荐引用即此 URL）；镜像 https://www.origin-cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images；目录总入口 https://cdrh-rst.fda.gov/。

术语表（28 条）

术语	释义
normative dataset（规范参考数据集）	以健康人群为对象的参照数据集，提供「正常」基线而非病理标注
RST（Regulatory Science Tool）	FDA CDRH 的监管科学工具目录，发布方法/数据/模型等资源；发布≠MDDT 认定
MDDT（Medical Device Development Tool）	经 FDA 认定可在指定 context of use 下进入申报的工具；本库未取得
CDRH	FDA 器械与放射健康中心，本库发布主体
OSEL	Office of Science and Engineering Laboratories，CDRH 下属实验室体系
TCIA（The Cancer Imaging Archive）	癌症影像档案，本库分发平台；名字带 Cancer 但托管范围含非肿瘤影像
CCDI Data Catalog	NCI 的癌症数据索引目录，本库的描述窗口（年龄分箱 20/80 口径来源）
DOI	数字对象唯一标识；本库 10.7937/MQ33-AJ18
MHA / MetaImage	单文件体数据格式（头部+数据），ITK 生态原生；本库图像格式
SimpleITK	ITK 的简化接口库，官方脚本 ① 的读取引擎
ITK	Insight Toolkit，医学影像处理基础库，MetaImage 格式的母生态
3D Slicer	开源医学影像平台，MHA 可直接打开
ITK-SNAP	开源分割与浏览工具，MHA 可直接打开
HU（Hounsfield Unit）	CT 密度标定单位，水=0、空气≈-1024；脚本 ② 阈值 -1024 即截空气
平均强度投影（AIP）	沿投射方向取平均的体渲染法；脚本 ② 对三平面各出一张 PNG
三平面（tri-planar）	轴位/冠状/矢状三个正交视角的组合视图
层厚（slice thickness）	单层 CT 的采集厚度；本库跨例范围 0.625-5.4 mm
体素矩阵	体数据的三维尺寸；本库 512 × 511-710 × 24-256
age in days（以天计年龄）	以天为单位的连续年龄字段，儿科细粒度分层的基础
biological sex（生物学性别）	人口学表字段；本库女 45/男 55
race/ethnicity	种族/族裔自报字段；Not Reported 与缺失需显式处理
去标识化（de-identification）	剥离可识别信息的流程；本库发布前逐图人工验证
IRB	机构审查委员会，人体研究伦理审批主体；图像采集经 CNH IRB 批准
RCA（Research Collaboration Agreement）	研究合作协议；CNH 向 FDA 交付数据的法律通道
Aspera（fasp 协议）	IBM 高速传输协议，TCIA 大体量分发的标准通道
颅缝早闭（craniosynostosis）	颅缝过早闭合的先天畸形，CNH 团队的临床研究主线与本库上游
额眶前移（fronto-orbital advancement）	颅缝早闭的手术方式之一，TMI 2018 论文的配准应用对象
Q-Submission Program	FDA 申报前预沟通通道，本库使用问题的官方反馈路径
阴性对照（negative control）	用健康/无病变样本评估算法特异度与假阳性的参照设计；本库的核心用法
横断面（cross-sectional）	每人仅一次时点测量的研究设计；本库「1 例=1 次扫描」的属性来源

附录

附录 A：条目信息速查卡

项	值
条目名	Pedi-Cranial-CT-Healthy
url_name	pedi-cranial-ct-healthy
类型	监管发布型正常参考数据集（无标注、无竞赛）
监管身份	FDA CDRH RST26PD01.01（2026-07-13）
分发	TCIA（Version 1，2026-08-11；DOI 10.7937/MQ33-AJ18）
团队	Children’s National Hospital（数据）+ FDA CDRH/OSEL（发布）
规模	100 例 / 100 个 .mha / 3.2 GB
人群	1 个月-10 岁健康儿童；女 45/男 55
许可	全组件 CC BY 4.0 + TCIA Data Usage Policy
抓取时点	2026-10-09（三官方源实抓互证）
库内互链	ixi-brain(482)/brats-pediatric(688)/rsna-intracranial-hemorrhage(738)/ct-ich(948)/healthy-brain-network(245)/ct-org(796)/abdomenct-1k(402)/ct-rate(546)/topbrain2026(632)/bigbrain(285)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	TCIA/CCDI/FDA 三官方页均可索引；「Pedi-Cranial-CT-Healthy」名唯一性强；但无独立论文使文献检索路径失效（坑 4）
A 可获取性	9	全组件 CC BY 4.0 无门禁，Aspera 直下 3.2 GB；唯一摩擦是 Aspera 插件安装
I 可互操作	8	MHA 为 ITK 标准格式+官方脚本+TSV 机读；转换 DICOM/NIfTI 需自行处理（坑 7）
M 元数据质量	7	comprehensive 报告 v7+以天计年龄人口学；描述层三处漂移（坑 1-3）拉低
S 可持续性	8	联邦机构+TCIA 双背书，DOI 持久标识；单版本无更新承诺为中性项
综合评级	8.0/10（高）	可获取性、许可清晰度、配套工具三项拉满；文档漂移为描述层瑕疵

附录 C：逐项证据链自证

关键数字/陈述	来源	抓取方式与时点
RST26PD01.01 / 2026-07-13 / Dataset / Pediatric and Perinatal Devices	FDA CDRH RST 详情页	实抓 2026-10-09
100 例 / 1 个月-10 岁 / 女 45 男 55 / 每岁 10 名口径	TCIA collection 页	实抓 2026-10-09
0-4 岁 20 / 5-9 岁 80 口径	NCI CCDI Data Catalog 页	实抓 2026-10-09
DOI 10.7937/MQ33-AJ18 / Data Citation 四人	TCIA 页	实抓 2026-10-09
CC BY 4.0（全组件）	TCIA 页 + CCDI 页双页互证	实抓 2026-10-09
3.2 GB / 100 个 .mha / 体素矩阵 / 层厚	TCIA 页 + comprehensive 报告口径	实抓 2026-10-09
.tsv 实发（5.5 kb / 45.4 kb / 文件名）	TCIA 下载清单	实抓 2026-10-09
.xlsx 描述 / random numerical identifier / 入组口径 / Testing 节 / Limitations 节	FDA RST 详情页	实抓 2026-10-09
R42HD081712 acknowledgment 原文	TCIA acknowledgment	实抓 2026-10-09
TMI 2018 / PRS 2019 著录（doi/PMID/PMCID）	期刊页/NLM	前实例核验 2026-10-09
无独立专门论文（证伪）	WebSearch 两轮 + FDA 页无 publication	前实例核验 2026-10-09

附录 D：数据获取决策树

你想做什么？
├── 只要数据本体
│   └── TCIA 下载页 → Aspera Connect → 3.2 GB 解包（CC BY 4.0，无门禁）
├── 要先核实规格再下载
│   ├── 影像规格 → comprehensive 报告 TSV 字段 / 官方脚本 ① 自跑
│   ├── 年龄分布裁决 → demographics TSV 的 age in days 列（坑 1 裁决源）
│   └── 标识符口径 → 下载包文件名 ↔ TSV 对照（坑 3 裁决源）
├── 要写监管/验证文档
│   ├── 引用格式 → 附录 K（FDA 格式 + TCIA Data Citation 二选一或都引）
│   ├── 资质边界 → §5.2（RST ≠ MDDT，坑 8）
│   └── 预沟通 → Q-Submission Program / RST_CDRH@fda.hhs.gov
└── 要找配套/对照数据
    ├── 阳性病灶 → rsna-intracranial-hemorrhage(738) / ct-ich(948) / brats-pediatric(688)
    ├── 正常成人 → ixi-brain(482)
    └── 儿童队列 → healthy-brain-network(245)

附录 E：SimpleITK 最小加载与核查代码

import SimpleITK as sitk
import pandas as pd

# 1) 读人口学表（注意 TSV，不是 xlsx —— 坑 2）
demo = pd.read_csv("Pedi-Cranial-CT-Healthy_demographics_v01_20260714.tsv", sep="\t")
print(demo.columns.tolist())          # 应含 age in days / sex / race / ethnicity
print(demo["age in days"].describe()) # 年龄分布实测 —— 坑 1 的裁决语句

# 2) 逐例读取 MHA 并核查几何与标识符
#    标识符按字符串处理（坑 3）：保留前导零、字典序
for f in sorted(files):               # files 为 100 个 .mha 路径，字符串排序
    img = sitk.ReadImage(f)
    size = img.GetSize()              # (x, y, z) —— z 即层数（24-256 范围内）
    spacing = img.GetSpacing()        # 含层厚（0.625-5.4 mm 范围内，逐例记录）
    origin, direction = img.GetOrigin(), img.GetDirection()
    arr = sitk.GetArrayFromImage(img) # numpy 数组：轴序为 (z, y, x)，与 GetSize 逆序
    # 记录 (identifier, size, spacing) 三元组，与官方 comprehensive 报告对表

三处易错：numpy 轴序逆序（GetArrayFromImage 返回 (z,y,x)）；spacing 单位是 mm；HU 值直接可用但转换逻辑若迁移自 DICOM 管线需核实 slope/intercept 假设（坑 7）。

附录 F：官方配套脚本两件的工作说明

件	输入	输出	用途
脚本 ①	.mha 全集	逐例 metadata 报告（TSV）	固化发布方读取口径；45.4 kb comprehensive 报告即 v7 产物
脚本 ②	.mha 全集	三平面平均强度投影 PNG（每例 3 张）	人工快审 100 例；质检/选例/演示图底图

使用要点：① 两脚本为「可选」但建议原样运行一遍——你的产物与官方报告对得上，说明环境与口径无误；② 脚本 ② 的 -1024 HU 阈值意味着空气背景被截断，PNG 里看到的是软组织+骨窗信息；③ 若自写读取代码，先用脚本 ① 的字段清单当核对表，缺什么补什么。

附录 G：版本链与日期对照详表

里程碑	日期	载体	标识
FDA RST 发布	2026-07-13	RST 目录详情页	RST26PD01.01（尾缀 .01=版本 1）
TSV 文件生成	2026-07-14	下载包文件名	v01 + 日期戳 20260714
TCIA 登记更新	2026-08-11	TCIA collection 页	Version 1
条目抓取核验	2026-10-09	本条目三源实抓	—

读法三条：① 三个日期是同一发布包的三个里程碑（发布→打包→登记），不是三个版本；② 全链只有 v01/.01/Version 1 一套版本记号，互相印证；③ 未来任一载体出现 v02/.02/Version 2，即为数据更新信号——按附录 J 触发点 1 处理。

日期链对引用的含义：引用年份统一用 2026（Data Citation 与 FDA 推荐格式一致口径）；描述发布细节时可引用「2026-07-13 FDA 发布、2026-08-11 TCIA 登记」的完整链路，勿把 TCIA 登记日当发布日。

附录 H：坑点档案（与 §10 对照）

坑	一句话档案	触发场景
坑 1	年龄分箱 CCDI 20/80 vs TCIA 每岁 10 名，两说不可同真	年龄配平/分布引用
坑 2	人口学表 FDA 称 .xlsx、实发 .tsv，按 FDA 页写解析器会扑空	管线搭建
坑 3	标识符 random numerical vs zero-padded（00329_CT.mha），00329 身世待核	数据处理/排序
坑 4	无独立专门论文，搜不到不是不存在；TMI/PRS 两篇不是本库论文	文献检索/引用
坑 5	层厚 0.625-5.4 mm 是跨例还是单例内混合，官方未明示	逐层分析/重采样
坑 6	「健康」是临床口径非病理学排除；单中心构成随数据走	泛化声明
坑 7	MHA 非 DICOM，HU 标定语义需核实	PACS/DICOM 管线
坑 8	CC BY 4.0 仍有 TCIA 引用义务；RST ≠ MDDT	商用/申报

附录 I：双口径登记表（三组存照正式化）

#	项	口径 A（描述层）	口径 B（分发层）	条目处理	裁决源
1	年龄分箱	TCIA 页：1 个月-10 岁每岁 10 名	CCDI 页：0-4 岁 20 / 5-9 岁 80	两说并存，全文双口径标注	demographics TSV 的 age in days 列
2	人口学表格式	FDA 页：.xlsx	TCIA 实发：.tsv（5.5 kb）	按实发书写（.tsv），FDA 描述存疑	下载包实物
3	标识符	FDA 页：random numerical identifier	TCIA 页：zero-padded（00329_CT.mha）	两说并存+调和假说标注「未验证」	文件名 ↔ TSV 标识符列对照
4	层厚口径	官方页仅给范围 0.625-5.4 mm	—	按「跨例范围」使用，混合假说存疑	comprehensive 报告逐例字段

共性教训（§4.4）：描述层（FDA/CCDI 描述页）与分发层（TCIA 实物）漂移是双层发布体系的通病；一切以分发层实物裁决，描述层数字存照备查。

附录 J：维护计划与触发点

触发点	条件	动作	优先级
数据版本更新	TCIA 出现 Version 2 / RST 尾缀 .02 / TSV v02	更新 §2/§6 规模与版本链，重跑坑 1/3 裁决	1
MDDT 认定	本库进入 FDA MDDT 名录	升格 §5.2，改写资质边界，AI-Ready 评级上调	2
年龄口径官方裁决	官方页修订或发布方声明 20/80 或每岁 10 名	关闭坑 1，全文双口径改为单口径	3
第三方基准出现	首篇引用本库的基准/leaderboard 论文	§7 与 FAQ Q1 补生态段落	4
扩样或增标注	发布方扩展样本或追加标注层	重写 §2/§3 任务定位	5
文档漂移修复	FDA 页修正 .xlsx/标识符描述	关闭坑 2/坑 3 对应描述层记录	6

附录 K：引文规范

TCIA Data Citation（数据本体，满足 TCIA 政策引用义务）：

Hirschhorn, M., Porras Perez, A. R., Linguraru, M. G., & Hill, G. (2026). A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images. The Cancer Imaging Archive. https://doi.org/10.7937/MQ33-AJ18

（著录主体以 TCIA 页 Data Citation 原文为准；上条为条目整理格式，DOI 不可省。）

FDA 推荐引用格式（RST 工具身份）：

U.S. Food and Drug Administration. (2026). A Normative Dataset of Healthy Pediatric Cranial Computed Tomography (CT) Images (RST26PD01.01). https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images

BibTeX（数据集本体）：

@dataset{hirschhorn2026pedicranialcthealthy,
  title        = {A Normative Dataset of Healthy Pediatric Cranial
                  Computed Tomography (CT) Images},
  author       = {Hirschhorn, M. and Porras Perez, A. R. and
                  Linguraru, M. G. and Hill, G.},
  year         = {2026},
  publisher    = {The Cancer Imaging Archive},
  doi          = {10.7937/MQ33-AJ18},
  note         = {Released by FDA CDRH as Regulatory Science Tool RST26PD01.01}
}

@misc{fda2026rst26pd0101,
  title        = {A Normative Dataset of Healthy Pediatric Cranial
                  Computed Tomography (CT) Images (RST26PD01.01)},
  author       = {{U.S. Food and Drug Administration}},
  year         = {2026},
  howpublished = {\url{https://cdrh-rst.fda.gov/normative-dataset-healthy-pediatric-cranial-computed-tomography-ct-images}}
}

上游方法论文（按需引用，勿当本库论文——坑 4）：

• Porras AR, Paniagua B, Ensel S, Keating R, Rogers GF, Enquobahrie A, Linguraru MG. Locally Affine Diffeomorphic Surface Registration and Its Application to Surgical Planning of Fronto-Orbital Advancement. IEEE Trans Med Imaging. 2018;37(7):1690-1700. doi:10.1109/TMI.2018.2816402. PMID 29969419.
• Porras AR, Tu L, Tsering D, Mantilla E, Oh A, Enquobahrie A, Keating R, Rogers GF, Linguraru MG. Quantification of Head Shape from Three-Dimensional Photography for Presurgical and Postsurgical Evaluation of Craniosynostosis. Plast Reconstr Surg. 2019;144(6):1051e-1060e. doi:10.1097/PRS.0000000000006260. PMID 31764657.

附录 L：FAIR/AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	DOI 10.7937/MQ33-AJ18 + RST 编号 RST26PD01.01 双标识
F2 富元数据	✅	comprehensive 报告 v7 + 人口学 TSV + FDA 用途/限制文档
F3 元数据与数据同址	✅	同包分发（图像+TSV+脚本）
F4 可解析格式	✅	MHA（ITK 标准）+ TSV
A1 可访问协议	✅	Aspera 公开通道，无注册墙
A2 元数据可访问	✅	三官方页均无门禁
I1 互操作格式	✅	MHA/TSV 通用；DICOM/NIfTI 转换自付（坑 7）
I2 词汇表引用	✅	人口学字段用标准口径（age in days/biological sex/race/ethnicity）
R1 来源溯源	✅	CNH→FDA→TCIA 链路+RCA+资助号全公开
R3 可复现流程	✅	官方脚本固化读取口径，报告可对表
AI-Ready 综合	高	附录 B DAIMS 8.0/10；描述层漂移为唯一扣分项

附录 M：缩写速查

缩写	全称
RST	Regulatory Science Tool（监管科学工具）
MDDT	Medical Device Development Tool
CDRH	Center for Devices and Radiological Health
OSEL	Office of Science and Engineering Laboratories
TCIA	The Cancer Imaging Archive
CCDI	Childhood Cancer Data Initiative（NCI 儿童癌症数据计划），其 Data Catalog 为本库的索引描述窗口
DOI	Digital Object Identifier
MHA	MetaImage 单文件体数据格式
HU	Hounsfield Unit
AIP	Average Intensity Projection（平均强度投影）
IRB	Institutional Review Board
RCA	Research Collaboration Agreement
CNH	Children’s National Hospital
NIH / NICHD	National Institutes of Health / Eunice Kennedy Shriver National Institute of Child Health and Human Development
AI/ML	Artificial Intelligence / Machine Learning
QA	Quality Assurance
TSV	Tab-Separated Values
CT	Computed Tomography
MRI	Magnetic Resonance Imaging
FDA	U.S. Food and Drug Administration

附录 N：基于本数据集的研究检查清单（12 项）

1. 许可核对：用途落在 CC BY 4.0 即自由（含商用），署名义务+TCIA Data Usage Policy 引用义务（Data Citation+DOI）一项不可少（§6.2）。
2. 口径声明：引用年龄分布前先裁决坑 1（下载数据跑 age in days 统计），裁决前的一切引用注明「双口径未决」。
3. 解析器选择：人口学表按 TSV 写（坑 2），勿按 FDA 页的 xlsx 描述写。
4. 标识符处理：一律字符串化（坑 3），保留前导零、字典序排序、建立显式映射表，不做数值推断。
5. 层厚分层：涉及逐层或重建的操作先按 comprehensive 报告逐例记录层厚，按需重采样；勿假设统一层厚（坑 5）。
6. 年龄分桶：用 age in days 原始列分桶，勿整数岁粗化；桶设计在坑 1 裁决后再定样本预算。
7. 构成声明：任何跨人群结论注明单中心构成（Black 54/100、race/ethnicity 缺失 12/100、Not Reported 高占比），泛化措辞按「健康临床参考」口径（坑 6）。
8. HU 语义核实：从 DICOM 管线迁移的 rescale 逻辑先核实 MHA 头部标定完整性（坑 7）；官方脚本 ① 的报告字段是核对表。
9. 用途对表：任务设计对照 FDA 明示用途（§7.1）与限制（§7.2）两张表——限制抄进你的验证文档。
10. 资质措辞：申报文档如实写 RST 层级，勿写 MDDT/FDA 认定（坑 8）；预沟通走 Q-Submission。
11. 引用完整：数据引 TCIA Data Citation（DOI 不可省），RST 身份引 FDA 推荐格式；方法学前史按需引 TMI 2018/PRS 2019，勿混为本库论文（坑 4）。
12. 时点存照：官方页为活文档，引用本条目数字注明抓取时点 2026-10-09 与版本链状态（§6.3）。

附录 O：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
数据集本体	TCIA 站内检索 Pedi-Cranial-CT-Healthy / DOI 10.7937/MQ33-AJ18	TCIA collection 页+下载入口
RST 详情	RST26PD01.01 / cdrh-rst.fda.gov 检索 healthy pediatric cranial	FDA RST 详情页
监管域同类	cdrh-rst.fda.gov 按 Pediatric and Perinatal Devices 浏览	FDA 儿科域其他 RST
NCI 索引窗	CCDI Data Catalog 检索 Pedi-Cranial-CT-Healthy	NCI CCDI 描述页
团队谱系	Porras craniosynostosis registration / Linguraru Children’s National head shape	TMI 2018 + PRS 2019
下游引用	「Pedi-Cranial-CT-Healthy」精确短语（文献库/预印本站）	引用者（截至 2026-10-09 为零，属预期）
反例（勿用）	以「pediatric cranial CT dataset paper」找发布论文	无独立论文命中——数据集真实存在（坑 4）

检索卫生两条：一、本库的一切官方信息锚点是三个（TCIA collection 页、FDA RST 详情页、NCI CCDI 描述页），任何第四方转述都应回锚核对；二、描述层（FDA/CCDI）与分发层（TCIA）冲突时按附录 I 裁决规则处理。

附录 P：库内互链关系声明（逐条）

互链条目（rid）	对照轴	互链逻辑	建议使用场景
ixi-brain（482）	儿童 vs 成人	正常人生命周期两端：本库 1 月-10 岁 CT，IXI 成人 MRI	发育/老化跨龄研究、模态互补的正常先验
brats-pediatric（688）	正常 vs 肿瘤	同为儿科脑影像：肿瘤库的阴性对照	儿科肿瘤检测模型的特异度测试
rsna-intracranial-hemorrhage（738）	正常 vs 出血	出血阳性库（成人为主）缺正常儿童基线	出血算法下探儿科前的假阳性摸底
ct-ich（948）	正常 vs 出血	同上，CT 出血检出方向	同上
healthy-brain-network（245）	队列 vs 参考	HBN 为临床行为-影像儿童大队列，本库为健康参考	儿童脑发育研究的双库设计
ct-org（796）	部位/任务互补	成人多器官分割库 vs 儿童正常参考库	CT 分割方法学的跨库验证设计
abdomenct-1k（402）	部位互补	腹部 vs 颅脑；低标注设计思想近似	跨部位泛化实验
ct-rate（546）	描述范式互补	胸部报告-影像库 vs 三平面投影报告脚本	结构化描述影像方法对照
topbrain2026（632）	赛题 vs 参考	脑部 CT 挑战赛的阴性测试补位	参赛模型特异度/假阳性评估
bigbrain（285）	参考哲学对极	单例超清解剖图谱 vs 群体统计参考	「参考系」方法学讨论的单例/群体两极

附录 Q：误用反例对照表

误用	错在哪	正确姿势
「FDA 认证的数据集」	RST 是发布层级，非认证（坑 8）	写「FDA CDRH 作为 RST 发布（RST26PD01.01）」
「100 例均匀覆盖每个年龄」	坑 1 未裁决	写「年龄分布双口径存照中，以 TSV 实测为准」
「病理学确认的正常脑」	入组是临床口径（坑 6）	写「无已知神经系统病变或重大共病的临床健康参考」
「提供了儿科脑分割标注」	无任何标注（§3）	写「正常解剖参考，无标注」；分割先验用途见 §7.3
「引用 Porras 2018 即可」	那是方法学前史非本库论文（坑 4）	引 TCIA Data Citation + FDA 推荐格式
「下载个 Excel 打开人口学表」	实发 TSV（坑 2）	pd.read_csv(sep='\t')
「把 00329 当序号 329」	标识符语义未核（坑 3）	字符串处理+映射表
「3.2 GB 直接进 PACS」	MHA 非 DICOM（坑 7）	先转换并核实 HU 标定

附录 R：假阳性基线构建工作流（异常检测方向）

以「出血/异常检测模型在健康儿童上的假阳性基线」为例的完整工作流：

阶段 0 准备
  - 下载解包 → 附录 E 最小加载代码跑通 → 完整性校验（FAQ Q31 三步）
  - 跑官方脚本 ①，产出自有 metadata 报告，与官方 comprehensive 报告对表
阶段 1 分层设计
  - 按 age in days 分桶（桶设计在坑 1 裁决后定）
  - 按层厚（comprehensive 报告字段）分层：薄层档/厚层档分别统计
  - 记录性别、种族/族裔构成，Not Reported 与缺失显式成桶
阶段 2 基线测量
  - 模型全集推理 → 记录每例阳性判定的位置、置信度、数量
  - 输出三张表：按例假阳性率 / 按层假阳性密度 / 置信度分布
  - 对比层厚分层与年龄分桶的子集差异，定位结构性假阳性源
阶段 3 报告
  - 报告口径写明：单中心 100 例（坑 6）、无病理（阴性性能即上限）、版本链状态
  - 引用 TCIA Data Citation + RST 编号

三个红线：不在未裁决的年龄口径上锁设计（坑 1）；不把投影 PNG 当逐层评估的替代品（Q30）；不把本库结果外推成「儿科人群总体假阳性率」——它只是「这 100 例上的实测」。

附录 S：发育分桶分析工作流（发育评估方向）

利用 age in days 做发育阶段对照的分析骨架：

步骤 1  桶定义：按临床发育段设计（如 <1 岁 / 1-2 岁 / 2-5 岁 / 5-10 岁）
        ——先看各桶实测样本量（坑 1 裁决语句），空桶/极小桶合并或放弃
步骤 2  桶内统计：逐桶计算密度统计量（脑/脑室/颅骨-脑间隙的
        直方图与分位数）、对称性指标、体积比例
步骤 3  趋势检验：跨桶比较时报告效应量与不确定性（bootstrap 区间），
        声明横断面设计不支持因果或轨迹结论（§7.2）
步骤 4  对照使用：将你的任务队列（临床/病变）按同桶对齐后与本库统计比较，
        差异解释须同时控制层厚与构成变量
步骤 5  产出：统计表 + 每桶代表例的三平面 PNG（脚本 ②）作直观附录

提示：100 例摊到四桶后单桶样本量很小——趋势结论用「方向一致性+区间重叠」的谨慎语言，勿做显著性兜售；两极桶（<1 岁、9-10 岁）是最可能缺样本的位置，设计时先核查。

附录 T：三平面 PNG 快审流程清单（人工质检方向）

100 例的人工快审是任何严肃使用前的一步——脚本 ② 的产物按此清单过：

检查项	方法	记录
覆盖完整性	矢状位 PNG 看颅顶-颅底是否完整	覆盖异常例清单
左右对称性	轴位 PNG 目测中线与双侧形态	显著不对称例（复核是否体位）
伪影痕迹	轴位/冠状 PNG 看运动/金属伪影纹理	伪影例与程度分级
窗内一致性	三张 PNG 的灰阶分布是否同族	异常灰阶例（核对 HU 标定，坑 7）
标识符核对	文件名 ↔ PNG 命名 ↔ TSV 行三点对照	映射表最终版（坑 3）

审阅产出直接反哺分析：伪影例在统计中降权或剔除要有记录；覆盖异常例影响归一化体积类指标的使用。快审记录本身建议随研究代码归档——它就是你「摸过每一例」的证据。

附录 U：条目自检表（发布前已过项）

自检项	状态
行数 1200-1900（目标 1400-1700）	以 scripts/check_md.py 实测为准（附录 O 后复核）
frontmatter 字段齐备与长度（title/subtitle/data_source ≤255，description ≤170）	已验（159/166/188/117）
YAML safe_load 解析	已通过
title 站点后缀（AI-Ready Wikipedia ＋ 千方病案医数集后缀）	已含
frontmatter 双引号串内无英文直引号	已验（中文强调一律「」）
category_tags 受控词表内（医学影像/CT/脑影像/儿科）	已验
relatedLink 纯 URL（10 条，rid 对应附录 P）	已验
坑点 ≥6（坑 1-8 编号制）	已含
DAIMS 表（附录 B）	已含
§0-§10 + INFOBOX 章节齐备	已含
代码围栏配对	已验（python×2、text×2、bibtex×1 成对）
双口径存照「两说并存、以实发为准」	§4 三组存照+附录 I 正式化

附录 V：官方页关键句对照表（原文—中译—条目落点）

收录核验中反复引用的官方关键表述（前实例三源实抓留档口径），供引用者直接回锚。中译为本条目整理，引用以原文为准。

#	原文关键句	中译	条目落点
1	no known neurological pathology or significant comorbidities	无已知神经系统病变或重大共病	§3.2、坑 6、Q38
2	diagnostic quality（机构 QA 确认口径）	诊断质量（经机构质量保证确认）	§2.2、§3.2
3	optional Python script to promote repeatable data loading and handling	促进可重复数据载入与处理的可选 Python 脚本	§3.4、事实 20
4	peer-reviewed resource for stakeholders to use where standards and qualified MDDTs do not yet exist	在标准与合格 MDDT 尚不存在处供利益相关方使用的经同行评议资源	§5.1、事实 32
5	（RST 页）不替代 FDA 认可标准或 MDDT；未经 MDDT 资质认定；FDA 未评估任何具体 context of use	三不声明	§5.3、坑 8
6	Limitations：单中心 100 例 / 横断面无纵向随访 / normative dataset 不含病理案例	三条官方限制	§7.2、事实 34
7	Data was collected with the support of NIH NICHD awards R42HD081712 made available by Children’s National Hospital to FDA, and released by FDA as a Regulatory Science Tool	资助与交付链致谢原文	§6.2、事实 27
8	10 per year of age（TCIA 页年龄口径）	每岁 10 名	坑 1、存照 1
9	0-4 岁 20 / 5-9 岁 80（CCDI 页分箱口径）	低龄 20 例、学龄 80 例	坑 1、存照 1
10	random numerical identifier（FDA 页） / zero-padded identifier（TCIA 页，示例 00329_CT.mha）	标识符两口径	坑 3、存照 3
11	demographic data 描述为 .xlsx（FDA 页）；实发 Pedi-Cranial-CT-Healthy_demographics_v01_20260714.tsv（TCIA 包）	人口学表格式漂移	坑 2、存照 2
12	age in days / biological sex / race / ethnicity（demographics 字段口径）	以天计年龄/生物学性别/种族/族裔	§2.3、事实 15
13	de-identification 协议覆盖图像与人口学数据；发布前逐图人工评估（FDA Testing 节口径）	去标识验证口径	§3.3、事实 21
14	IBM Aspera Connect / faspex package 1317	下载通道与包号	§6.1、事实 24
15	CC BY 4.0（TCIA 页与 CCDI 页一致口径）	全组件统一许可	§6.2、事实 22

使用提示：引用上述任何一句到你的文档时，注明「原文见 FDA RST 详情页 / TCIA collection 页（抓取时点 2026-10-09）」；表格只给定位，不替代官方页原文。

回锚守则：本表与官方页如有出入，以官方页现文为准，并按附录 J 触发点回报条目维护。

附录 W：条目生产档案

• 生产通道：接管成稿模式——前实例（agent-d-pedicrania，2026-10-09T06:18 认锁）完成三源核验与 FACTS.md 九节；接管实例（agent-d2-pedicrania，2026-10-09T06:41 接锁）基于 FACTS 成稿，全程零重复抓取。
• 事实研究：前实例三官方源（FDA RST 详情页 / TCIA collection 页 / NCI CCDI Data Catalog 页）实抓互证 + 两轮论文检索证伪（无独立专门论文）。
• FACTS.md：writing/pedi-cranial-ct-healthy/FACTS.md 九节（含三组双口径存照与三项待核）。
• 成稿方式：分片直写私有区 .parts_agent-d2-pedicrania_1791499268_1543785/ 拼接（12 片，显式顺序列表拼接——规避 shell glob locale 排序事故一次）。
• 坑点：§10 八则（坑 1-8「坑 N：」编号制），与附录 H 档案表对照。
• 双口径处理：§4 三组存照（年龄分箱/表格式/标识符）+ 附录 I 正式化登记 + 全文「两说并存、以实发为准」纪律。
• description：成稿时即 ≤170 字符（实测 117）。
• 互链计划：frontmatter relatedLink 10 条纯 URL（rid 对应附录 P），正文 §9 三轴展开。
• 自检：check_md.py PASS（0 error 0 warning）+ preflight_check.py PASS（0/0）+ YAML safe_load 通过 + 四字段长度实测通过。

附录 X：检索决策树

你想找什么？
├── 下载本库数据
│   └── TCIA collection 页检索 Pedi-Cranial-CT-Healthy / DOI 10.7937/MQ33-AJ18（Aspera）
├── 确认监管身份与边界
│   ├── RST 详情页（RST26PD01.01，用途/限制/引用三段）
│   └── 分不清 RST/MDDT → §5.2 对照表
├── 核实一个数字
│   ├── 年龄分布 → 坑 1 裁决语句（§4.5），未裁决前双口径
│   ├── 人口学表格式 → 下载包实物（坑 2，.tsv）
│   ├── 标识符 → 文件名↔TSV 对照（坑 3）
│   └── 其他规格 → comprehensive 报告 TSV / 附录 V 原文回锚
├── 找配套或对照资源
│   ├── 阳性病灶 → rsna-intracranial-hemorrhage(738) / ct-ich(948) / brats-pediatric(688)
│   ├── 成人正常 → ixi-brain(482)；儿童队列 → healthy-brain-network(245)
│   └── CT 生态 → ct-org(796) / abdomenct-1k(402) / ct-rate(546) / topbrain2026(632) / bigbrain(285)
└── 找本库的「发布论文」
    └── 不存在（坑 4）——引 TCIA Data Citation + FDA 推荐格式（附录 K）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-09，抓取与核验时点见附录 A。事实陈述以 FDA CDRH RST 详情页、TCIA collection 页与 NCI CCDI Data Catalog 页三官方源实抓互证为源（前实例完成核验与 FACTS 九节，接管实例基于 FACTS 成稿）；描述层与分发层的三组口径冲突（年龄分箱、人口学表格式、标识符口径）与层厚口径待核项已在 §4、坑 1-5 与附录 I 全部存照，处理原则统一为「两说并存、以实发为准」。条目与库内 ixi-brain（rid 482）、brats-pediatric（rid 688）、rsna-intracranial-hemorrhage（rid 738）、ct-ich（rid 948）、healthy-brain-network（rid 245）等十个条目互链（frontmatter relatedLink 与附录 P 一一对应），构成「正常参考 vs 病变库、儿童 vs 成人、CT 技术生态」三条对照轴的检索面。后续维护触发点见附录 J——其中 MDDT 认定与数据版本更新为高优触发，任一发生时本条目的监管资质段与版本链段需整体复核。

---

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：

• hbn-eeg — 共享标签：医学影像 / 儿科
• instance2022 — 共享标签：医学影像 / CT / 脑影像
• bonbid-hie — 共享标签：医学影像 / 脑影像 / 儿科
• rsna-intracranial-hemorrhage — 共享标签：医学影像 / CT / 脑影像
• topcow — 共享标签：医学影像 / CT / 脑影像
• imagechd — 共享标签：医学影像 / CT / 儿科
• deeplesion — 共享标签：医学影像 / CT
• human-connectome-project — 共享标签：医学影像 / 脑影像
• nsclc-radiomics — 共享标签：医学影像 / CT
• enigma — 共享标签：医学影像 / 脑影像

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。