信息速览
INFOBOX — PSMA-PET-CT-Lesions 一屏速览
维度 内容 本质 597 个全身 PSMA PET/CT 检查、378 名男性前列腺癌患者的手工 3D 病灶分割公开数据集（非挑战赛自建，是挑战赛的官方训练数据本体） 团队 LMU Klinikum（LMU 慕尼黑大学医院，核医学+放射科）主导，图宾根大学医院（UKT）合作分发 NIfTI 版；署名含 Jeblick、Gatidis、Küstner、Cyran、Ingrisch 等 时间窗 采集 2014-2022；TCIA 发行 2024（Version 1）；FDAT 镜像版本链 v1→v2（掩膜修正）→v3（QIBA 对齐 SUV） 规模 597 检查 / 378 患者；539 个含病灶、58 个无病灶；DICOM+DICOM SEG+TSV；NIfTI 合并包 20.6 GB（v3） 双示踪剂 ¹⁸F-PSMA 369 个检查（平均 246 MBq）、⁶⁸Ga-PSMA 228 个检查（平均 214 MBq），注射后平均 74 分钟采集 设备 Siemens Biograph mCT Flow 20 / Biograph 64-4R TruePoint / GE Discovery 690（三台临床 PET/CT） 标注 单一读片人（3 年经验）mint Medical 阈值预分割＋逐层手工修正；4 年与 >10 年经验专家复核；highdicom v0.22.0 转 DICOM SEG 角色 autoPET III 与 autoPET IV Grand Challenges 官方训练数据（PSMA 与 FDG 合并 nnU-Net 格式，含参考 5 折划分） 许可 TCIA DICOM＝Restricted license（研究免费、商用需联系）｜FDAT NIfTI 合并版＝CC BY-NC 4.0 姊妹集 FDG-PET-CT-Lesions（DOI 10.7937/gkr0-xv29，Tübingen，2022） 库内互链 autopet（rid 468）、autopet-iii（rid 678）、autopet-v（rid 634）
PSMA-PET-CT-Lesions 是一个「把前列腺癌分子影像的标注地板抬高」的数据集工程：在它出现之前，公开的全身 PET/CT 病灶级分割标注几乎为零，深度学习模型只能在几千个切片级标签上打转。LMU 慕尼黑团队把 597 个临床常规全身 PSMA PET/CT 检查中每一个 PSMA 摄取病灶（原发灶和/或全部转移灶）逐层手工勾画成 3D 二值掩膜，连同影像本体一起通过 The Cancer Imaging Archive（TCIA）公开，并作为 autoPET III 与 autoPET IV 两个国际挑战赛的官方训练数据——由此直接催生了一整代全身 PET/CT 自动分割模型。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——注意 TCIA DICOM 版与 FDAT NIfTI 合并版是两条不同的发行轨道、两种不同的许可，别混。
- 关心标注质量：直奔 §4 与 §5——单一读片人加双层专家复核的协议细节、阈值预分割加手工修正的具体流程、以及 v2 版本对 5 个检查掩膜的修正都在那里。
- 做模型评测：直奔 §7——autoPET III/IV 的参考 5 折划分、挑战赛测试集（含 UKT 图宾根 PSMA 数据）与 Nature Machine Intelligence 结果论文是对标基准。
§0 导读：这个数据集解决什么问题
前列腺癌是全球男性第二大常见恶性肿瘤，而前列腺特异性膜抗原（Prostate-Specific Membrane Antigen，PSMA）PET/CT 已成为前列腺癌分期、复发检测与治疗反应评估的核心分子影像手段：¹⁸F-PSMA-1007 与 ⁶⁸Ga-PSMA-11 等示踪剂与 PSMA 阳性肿瘤细胞高特异性结合，使原发灶、淋巴结转移与骨转移在 PET 影像上以摄取增高点的形式显影。临床上，读片医生要在上百层轴位切片里数清每一个摄取灶、量出每一个病灶的摄取值——这是一项重复、易漏、且高度依赖经验的工作，也正是自动化最渴望介入的环节。
但深度学习方法长期被一个瓶颈卡住：没有公开的病灶级 3D 分割标注。PET/CT 的切片级标签（比如「有转移/无转移」）无法教会模型病灶的边界在哪；临床 PACS 数据又因隐私无法公开。结果是在 2022 年之前，全身 PET/CT 自动分割领域几乎没有可复现的基准。FDG-PET-CT-Lesions（2022，Tübingen，503 个 FDG PET/CT 检查）先迈出一步，PSMA-PET-CT-Lesions 则把同一种标注方法论搬到了 PSMA 示踪剂上——而 PSMA 恰恰是前列腺癌临床影像的主流。
它的回答分三层。第一层是数据：597 个检查、378 名患者，539 个检查的每个 PSMA 摄取病灶（含原发与全部转移）均被手工 3D 分割，配 DICOM SEG 掩膜与患者级元数据公开。第二层是角色：它与 FDG 姊妹集合并打包为 nnU-Net 格式，作为 autoPET III（2023）与 autoPET IV（2024）两个 Grand Challenges 的官方训练数据，让全球数十支队伍在同一标注底座上比较分割算法，冠军方法发表在 Nature Machine Intelligence（2024）。第三层是生态：挑战赛后数据持续维护——FDAT 镜像先以 v2 修正了 3 名患者 5 个检查的掩膜，又以 v3 把 SUV 计算对齐 QIBA 标准——使它成为多示踪剂（FDG vs PSMA）、多中心泛化研究的首选底座。
§0 读法三则：
- 这个条目的对象是 PSMA 数据集本体，不是 autoPET 挑战赛本身——挑战赛的规则、参赛方案与榜单见库内 autopet / autopet-iii / autopet-v 条目，本条目聚焦数据集自身的采集、标注、版本与许可。
- 全文核心数字（597/378/539/58/369/228、CT 与 PET 扫描参数、注射剂量与等待时间）均出自 TCIA 官方 collection 页、FDAT DOI 页与 autoPET 官网三处交叉核验，冲突处已在 §9 存照。
- 检索时注意不要把它与 autoPET 挑战赛的完整训练集（PSMA+FDG 约 1100 个检查）混淆——597 是 PSMA 部分，503 是 FDG 姊妹集部分，两者合计才是挑战赛训练集全貌（坑 1）。
§1 数据集速览：十问十答
Q1：PSMA-PET-CT-Lesions 的「597 个检查」从哪来？
全部来自 LMU 慕尼黑大学医院（LMU University Hospital Munich）2014-2022 年的临床常规检查，由核医学科与放射科联合运营，使用三台临床 PET/CT 扫描仪（Siemens Biograph mCT Flow 20、Siemens Biograph 64-4R TruePoint、GE Discovery 690）。数据回顾性收集，发布经 LMU 医学院伦理委员会与机构数据安全与隐私审查委员会批准，所有标识符匿名化。
Q2：患者构成是什么？
378 名男性患者，疑似或确诊前列腺癌，年龄 48-92 岁。由于 PHI（受保护健康信息）处理规则，89 岁以上患者在元数据与表格中一律记为 90 岁。378 名患者贡献 597 个检查，意味着约三分之一的患者有多次随访检查——这使数据集天然支持纵向分析（尽管日期被平移）。
Q3：双示踪剂怎么分？
369 个检查用 ¹⁸F-PSMA（平均注射 246 MBq），228 个检查用 ⁶⁸Ga-PSMA（平均 214 MBq）；PET 采集均在静脉注射后平均 74 分钟进行。放射性核素信息记录在元数据 TSV/CSV 中，并经一名 10 年经验放射科医师逐例目视核验——这意味着模型可以直接研究两种示踪剂之间的分布差异与泛化性（见 §8 方法启示）。
Q4：影像规格是什么？
CT 为诊断级扫描，通常覆盖颅底到大腿中部：参考管电流量积 143 mAs（均值），管电压多为 120 kV 或 100 kV（范围 80-140 kV），层厚 2.5-5.0 mm（均值 2.82 mm），x-y 分辨率多为 0.98 mm；除 26 个检查因禁忌未用对比剂外，多数检查使用静脉对比增强。PET 经 CT 衰减校正重建，层厚 3.0-5.0 mm（均值 3.49 mm），x-y 分辨率 2.73-4.07 mm（均值 3.56 mm）。
Q5：掩膜覆盖什么病灶？
全部 PSMA 摄取肿瘤病灶——包括前列腺原发灶和/或所有转移灶（淋巴结、骨等），在 PET 影像上 3D 手工分割为二值掩膜（1=病灶体素，0=背景）。生理性摄取（如肾、膀胱、唾液腺）不属于肿瘤病灶。539 个检查含至少一个病灶，58 个检查无任何病灶。
Q6：谁标注的，可靠吗？
一名具 3 年混合影像（hybrid imaging）经验的读片人使用专用软件（mint Medical，Heidelberg）完成全部初注：先画圆形 VOI，摄取值高于用户定义阈值的体素自动预分割，再逐层手工修正；随后由分别具 4 年与 10 年以上经验的持证医学影像专家复核验证。发布后挑战赛结束阶段，另有专家（Arthur Dujardin、Paul Blanc-Durand）协助复核并更新训练集部分标注——v2 版本即修正了 3 名患者 5 个检查的掩膜。
Q7：数据怎么组织？
两条发行轨道：①TCIA DICOM 版——每个检查一组 DICOM 影像加一个 DICOM SEG 掩膜加 TSV 元数据（患者年龄、PET/CT 厂商与型号、PET 放射性核素、CT 对比剂使用）；②FDAT NIfTI 合并版——与 FDG 姊妹集合并，nnU-Net 目录结构：imagesTr 里 0000=重采样到 PET 分辨率的 CT（CTres）、0001=SUV 化 PET，labelsTr 为二值掩膜，附 dataset.json、dataset_fingerprint.json、splits_final.json（参考 5 折划分）与元数据 CSV。检查日期经全局患者级偏移平移，患者内检查间隔保持不变。
Q8：它和 autoPET 挑战赛什么关系？
它是 autoPET III（2023）与 autoPET IV（2024）的官方训练数据：PSMA 与 FDG 两套数据合并提供，任何人均可下载训练（不限于参赛者），挑战赛测试集另含 UKT 图宾根的 PSMA 数据。挑战赛结果论文发表于 Nature Machine Intelligence（2024，Gatidis 等）。
Q9：许可怎么算？
TCIA DICOM 版为 TCIA Restricted license：研究免费使用但需注明出处，商用须联系组织者；FDAT NIfTI 合并版为 CC BY-NC 4.0（禁止商用，需署名）。两条轨道许可不同、内容有版本差（FDAT 有 v2/v3），使用前必须按自己的轨道核验（坑 4）。
Q10：它解决不了什么？
单中心（LMU）数据，扫描仪与流程仅代表慕尼黑一地；标注为单一读片人加复核而非多读片人共识，观察者间变异未在数据内量化；检查日期被平移，不能做真实时间趋势分析；89 岁以上年龄失真；掩膜只覆盖 PSMA 摄取病灶、不含器官分割（autoPET IV 的器官监督需求由另一路器官掩膜数据补足）。这些局限详见 §10 与坑点清单。
§2 数据集速览：数据构成与文件组织
2.1 两条发行轨道总览
PSMA-PET-CT-Lesions 同时存在两条互相独立、内容形态不同的发行轨道，这是理解这个数据集的第一道门槛：
| 维度 | TCIA DICOM 版 | FDAT NIfTI 合并版 |
|---|---|---|
| 托管方 | The Cancer Imaging Archive（TCIA） | FDAT Research Data Repository（Tübingen） |
| DOI | 10.7937/r7ep-3x37 | 10.57754/fdat.g27kx-86t35（数据 DOI 10.7937/r7ep-3x37 为 TCIA 引用） |
| 内容 | 原始 DICOM 影像 + DICOM SEG 掩膜 + TSV 元数据（仅 PSMA） | PET（SUV）+ 重采样 CT + 二值掩膜，nnU-Net 结构，与 FDG-PET-CT-Lesions 合并打包 |
| 版本 | Version 1（2024） | v1 → v2（掩膜修正）→ v3（QIBA 对齐 SUV，20.6 GB） |
| 许可 | TCIA Restricted license | CC BY-NC 4.0 |
| 面向人群 | 影像组学、DICOM 工具链、需要原始体素值的研究者 | 直接做分割模型训练的研究者与挑战赛参赛者 |
2.2 TCIA DICOM 版内容
TCIA collection 页（Subject Count: 378，Primary Site: prostate gland，Modalities: CT/PT/SEG）给出的最小内容集：
- DICOM 影像：每个检查的原始 PET（计数单位）与诊断 CT 序列，保留原始分辨率与体素值。
- DICOM SEG：每检查单一分割对象文件，内含全部病灶的 3D 二值掩膜，由 highdicom 包 v0.22.0（Python 3）从标注软件导出的 NRRD 掩膜合并转换而来。
- TSV 元数据：患者年龄（影像时点）、PET/CT 厂商与型号、PET 放射性核素（¹⁸F-PSMA 或 ⁶⁸Ga-PSMA）、是否使用 CT 对比剂——核素与对比剂信息经 10 年经验放射科医师逐例目视核验。
每个检查由匿名化病例标识号加检查日期唯一标识；日期经全局患者级偏移平移（同一患者内检查间隔保持不变），既保护隐私又保留纵向结构。
2.3 FDAT NIfTI 合并版内容（nnU-Net 结构）
挑战赛使用的数据结构如下（PSMA 与 FDG 合并，tracer 前缀区分）：
|--- imagesTr
| |--- psma_patient1_study1_0000.nii.gz （CT，重采样到 PET 分辨率）
| |--- psma_patient1_study1_0001.nii.gz （PET，SUV 值）
| |--- ...
|--- labelsTr
| |--- psma_patient1_study1.nii.gz （手工病灶掩膜，二值）
| |--- ...
|--- dataset.json （nnU-Net 数据集描述）
|--- dataset_fingerprint.json （nnU-Net 指纹）
|--- splits_final.json （参考 5 折划分）
|--- psma_metadata.csv （PSMA 元数据）
|--- fdg_metadata.csv （FDG 元数据）
预处理规则：CT 体积重采样至对应 PET 体积的尺寸与分辨率；PET 体素值按体重标准化为标准摄取值（SUV）。autoPET 官网推荐使用 CTres.nii.gz 与 SUV.nii.gz 作为训练输入，掩膜中 1 表示病灶。v3 版本的重要更新是 PET 的 SUV 计算对齐 QIBA（Quantitative Imaging Biomarkers Alliance）标准，使跨检查、跨研究的定量比较更可靠。
2.4 版本链（FDAT 镜像）
- v1：初版发布。
- v2：修正 3 名患者共 5 个检查的分割掩膜——3 个检查（psma_4da96443cf212c5f 的 2020-08-31、2022-01-15、2022-05-14 三个时点与 psma_5eb9920ce854b7a2 的 2019-03-29）更新了原有掩膜，2 个检查（含 psma_faa4c90c3d2d53a3 的 2019-08-10）此前完全没有掩膜、此次补充。这一版本本身就是对「单一读片人初注存在漏标」的直接承认与修复，是评估标注质量时必须引用的证据（见 §10 坑 6）。
- v3：PET SUV 计算按 QIBA 标准对齐（采用社区公开代码流程），打包 20.6 GB。
2.5 扫描参数细目（硬数字）
| 参数 | CT | PET |
|---|---|---|
| 覆盖范围 | 多数颅底至大腿中部 | 同床全身 |
| 层厚 | 2.5-5.0 mm（均值 2.82 mm） | 3.0-5.0 mm（均值 3.49 mm） |
| x-y 分辨率 | 多为 0.98 mm | 2.73-4.07 mm（均值 3.56 mm） |
| 管电压 | 120 kV 或 100 kV 为主（80-140 kV） | — |
| 参考管电流量积 | 143 mAs（均值） | — |
| 对比剂 | 多数使用（26 个检查因禁忌未用） | — |
| 衰减校正 | — | 由同床 CT 导出，厂商标准重建 |
| 示踪剂 | 检查数 | 平均注射剂量 | 注射-采集间隔 |
|---|---|---|---|
| ¹⁸F-PSMA | 369 | 246 MBq | 平均 74 分钟 |
| ⁶⁸Ga-PSMA | 228 | 214 MBq | 平均 74 分钟 |
§3 数据集速览：任务定义与标注体系
3.1 任务定义
数据集面向的核心任务是全身 PET/CT 肿瘤病灶自动分割：给定配准的 PET（SUV）与 CT 体积，输出每个 PSMA 摄取肿瘤病灶（原发灶和/或全部转移灶）的 3D 二值掩膜。这是一个比「切片级分类」难得多的任务——病灶可能小到几毫米（ PET 分辨率下仅数个体素），也可能与生理性摄取（肾盂、膀胱、肠道、唾液腺）相邻易混；而且前列腺癌转移好发于骨与淋巴结，病灶数量与分布高度长尾。
由此派生的下游任务包括：病灶检出（detection）、肿瘤负荷定量（total tumor burden，与 SUV 阈值法自动分割对照）、多示踪剂泛化（在 FDG 上训练、PSMA 上测试或反之）、跨中心泛化（LMU 训练、UKT 测试），以及纵向治疗反应评估（同一患者多时点检查）。
3.2 标注协议（官方两步法）
autoPET 官网公开的标注协议分两步：
- Step 1——病灶识别：由读片人结合 PET 与 CT 信息目视评估，并交叉参考临床检查报告，识别全部 PSMA 摄取肿瘤病灶。
- Step 2——手工分割：在轴位切片上手工逐层分割已识别病灶。
具体实现采用「阈值预分割＋逐层修正」的半自动流水线：读片人在专用软件（mint Medical，Heidelberg，Germany）中围绕病灶绘制圆形 VOI（感兴趣体积），软件自动把 VOI 内摄取值高于用户定义阈值的体素预分割出来，读片人再逐层（slice by slice）手工修正边界，最终得到 3D 二值掩膜。掩膜先由软件以 NRRD 格式保存，随后导出合并为每检查单一掩膜，用 highdicom v0.22.0 转换为 DICOM SEG。
3.3 质量控制链
- 初注：单一读片人，3 年混合影像经验。
- 复核：持证医学影像专家两级复核——分别具 4 年与 10 年以上混合影像经验。
- 元数据核验：一名 10 年经验放射科医师对全部检查的放射性核素与 CT 对比剂使用逐例目视核验。
- 发布后修正：挑战赛结束后，Dujardin 与 Blanc-Durand 协助复核并更新训练集部分标注（v2 的直接来源）。
3.4 阈值法的边界与手工修正的必要性
SUV 阈值法（如固定 SUV≥2.5 或 3）是临床常用的病灶客观化手段，但对 PSMA 影像有两个著名问题：一是本底摄取随示踪剂、设备与患者生理状态波动，固定阈值在低本底患者上把噪声当病灶、在高本底患者上漏掉低摄取转移灶；二是阈值分割把整个连通摄取区一股脑框进来，无法区分肿瘤与紧邻的生理性摄取。这正是「阈值预分割＋人工逐层修正」设计的动机：机器先给出候选，人只做判断与修边——把每病灶标注成本压到可承受，同时保住语义正确性。数据集中 58 个无病灶检查的存在也有意为之：它们是天然的困难负样本，逼模型学会「无病灶」而非「全图乱画」。
3.5 与 FDG 姊妹集的标注同构性
FDG-PET-CT-Lesions（Tübingen，2022，DOI 10.7937/gkr0-xv29）采用同一标注方法论，两集合并后统一为 nnU-Net 格式。同构性是挑战赛设计的关键：参赛者的同一模型必须同时吃下 FDG（淋巴瘤、肺癌、结直肠癌等异质肿瘤）与 PSMA（前列腺癌为主）两类分布，考察的正是「一个分割模型面对多示踪剂、多瘤种时的泛化边界」。对独立研究者，同构性则意味着可以拿两集做严格的跨示踪剂对照实验——例如 Rokuss 等的 From FDG to PSMA 系统研究（arXiv:2409.09478）即以此为题。
§4 数据集速览：机构、人物与论文时间线
4.1 主导机构：LMU Klinikum
LMU Klinikum（LMU 慕尼黑大学医院）是德国最大医学中心之一，其核医学科（Nuklearmedizinische Klinik）与放射科（Institut für Diagnostische und Interventionelle Radiologie）联合运营全身 PET/CT 临床服务。数据集中三台扫描仪（Siemens Biograph mCT Flow 20、Biograph 64-4R TruePoint、GE Discovery 690）即来自该联合平台——多厂商设备并存使数据集天然包含厂商间重建差异，对模型泛化是压力也是价值。发布经 LMU 医学院伦理委员会与机构数据安全与隐私审查委员会双重批准。
4.2 合作机构：Universitätsklinikum Tübingen
图宾根大学医院（UKT）团队——核心为 Sergios Gatidis 与 Thomas Küstner——是 FDG-PET-CT-Lesions（2022）的创建者，并与 LMU 共同发起 autoPET 挑战赛系列。在 PSMA-PET-CT-Lesions 项目中，Tübingen 承担 NIfTI 合并版的分发（FDAT Research Data Repository）与挑战赛组织；挑战赛测试集的 PSMA 部分亦来自 UKT 自有数据，构成天然的跨中心测试。
4.3 关键人物
DOI 页署名（部分）：Jeblick Katharina（联系人）、Schachtner Balthasar、Mittermeier Andreas、Jakob Dexl、Wesp Philipp、Unterrainer Lena、Sheikh Gabriel、Delker Astrid、Böhning Guido、Brendel Matthias、Ricke Jens、Werner Rudolf、Gu Sijing、Ingrisch Michael（联系人）、Geyer Thomas、Cyran Clemens（联系人）、Fabritius Matthias（LMU）；Küstner Thomas（联系人）、Gatidis Sergios（联系人）、Früh Marcel（Tübingen）。具体分工：Jeblick 等负责数据集发布与 TCIA 入库；Cyran、Ingrisch、Geyer 等 LMU 核医学/放射学专家参与标注复核与元数据核验；Gatidis、Küstner 负责挑战赛与 NIfTI 分发。标注初注者为一名 3 年经验读片人（姓名未公开）。
4.4 论文与时间线
| 时间 | 事件 |
|---|---|
| 2014-2022 | LMU 临床采集 597 个全身 PSMA PET/CT 检查 |
| 2022 | FDG-PET-CT-Lesions 发布（TCIA，DOI 10.7937/gkr0-xv29），确立标注方法论 |
| 2023 | autoPET III Grand Challenge 启动，FDG+PSMA 合并训练集发布 |
| 2024 | PSMA-PET-CT-Lesions 入驻 TCIA（Version 1，DOI 10.7937/r7ep-3x37）；Jeblick 等数据集论文发布 |
| 2024 | autoPET 挑战赛结果论文发表于 Nature Machine Intelligence 6(11):1396-1405（Gatidis 等） |
| 2024-2025 | autoPET IV 挑战赛（增加器官监督与交互式引导赛道）；FDAT 镜像发布 v2（掩膜修正）、v3（QIBA 对齐 SUV） |
4.5 引用规范
官方要求引用：Jeblick, K., et al. 「A whole-body PSMA-PET/CT dataset with manually annotated tumor lesions (PSMA-PET-CT-Lesions)」(Version 1) [Dataset]. The Cancer Imaging Archive, 2024. DOI: 10.7937/r7ep-3x37。若使用 NIfTI 合并版还须同时引用 FDG 姊妹集：Gatidis S, Kuestner T. 「A whole-body FDG-PET/CT dataset with manually annotated tumor lesions (FDG-PET-CT-Lesions)」[Dataset]. TCIA, 2022. DOI: 10.7937/gkr0-xv29。
§5 数据集速览：评估基准与生态位
5.1 autoPET III 与 autoPET IV：官方训练数据
PSMA-PET-CT-Lesions 不是「又一个分割数据集」，而是两届国际挑战赛的基石。autoPET III（2023）与 autoPET IV（2024）均以 FDG+PSMA 合并训练集为唯一训练底座，参赛者提交算法对独立测试集（含 UKT 图宾根 PSMA 数据）做全身病灶分割，挑战赛平台（grand-challenge.org）自动评测。官方提供 splits_final.json 参考 5 折划分，保证离线实验与排行榜可比。autoPET IV 相对 III 的增量是引入器官监督（organ supervision）与人类引导（interactive guidance）两条赛道，考察先验知识与人在环对病灶分割的增益——arXiv:2509.02402 即为该届的方法总结性论文。
5.2 挑战赛结果与代表方法
- 官方结果论文：Gatidis S, Früh M, Fabritius MP, Gu S, Nikolaou K, la Fougère C, 等. 「Results from the autoPET challenge on fully automated lesion segmentation in oncologic PET/CT imaging.」 Nature Machine Intelligence 6(11):1396-1405, 2024——总结了各届冠军方案与共性发现。
- nnU-Net 系：挑战赛top队伍几乎全部基于 nnU-Net 框架改良（Isensee 等的 nnU-Net Revisited，arXiv:2404.09556，同期发表）；Kalisch 等（arXiv:2409.12155）把解剖学知识融入 nnU-Net。
- 跨示踪剂研究：Rokuss 等「From FDG to PSMA: A hitchhiker’s guide to multitracer, multicenter lesion segmentation in PET/CT imaging」（arXiv:2409.09478）系统研究了两示踪剂间的迁移与泛化。
- 空间先验研究：Dartmouth 团队（Azam Biswas 等，medRxiv 2026）用人群级空间先验增强深度学习 PSMA 转移灶分割，明确以 PSMA-PET-CT-Lesions（DOI 10.7937/R7EP-3X37）为数据底座——显示数据集在挑战赛之后仍是活跃研究底座。
5.3 度量与基线
挑战赛与后续文献的常规度量是分割重叠（Dice 系数）与病灶级检出（灵敏度、假阳性数每例）。经验上，PET/CT 病灶分割的主要误差源是：小病灶（PET 分辨率下数个体素）漏检、生理性摄取误报、跨示踪剂域偏移。nnU-Net 开箱基线在合并训练集上即可获得有竞争力的 Dice，使数据集对新手团队友好；但病灶级指标与临床读片一致性仍显著依赖标注质量——这正是 §10 坑 6（v2 修正）的语境。
5.4 DEEP-PSMA 等平行生态
值得区分：同一时期另有 Peter MacCallum 癌症中心支持的 DEEP-PSMA 挑战赛（Zenodo 记录 15281783/15281784），其数据为 100 例 mCRPC 患者的配对 PSMA+FDG PET/CT、基于 SUV 阈值加人工清除生理摄取的标注、面向 ¹⁷⁷Lu-PSMA 治疗前分期。它与 PSMA-PET-CT-Lesions 是不同的数据集（规模、标注法、许可、主办方均不同），检索时勿混（坑 2）。psma-pet-ct 生态还有大量 Zenodo 上的小规模单中心 U-Net 权重发布（如 record 14170085 的前列腺内肿瘤分割 U-Nets），它们多数以本数据集或其前身流量为参照系。
§6 数据集速览：许可、获取与合规清单
6.1 获取路径
TCIA DICOM 版：
- 访问 TCIA collection 页：https://www.cancerimagingarchive.net/collection/psma-pet-ct-lesions/（或 IDC portal：https://portal.imaging.datacommons.cancer.gov/collections/psma_pet_ct_lesions）。
- TCIA 提供 NBIA 下载器（manifest 文件）与全量 zip 分包下载两种方式；IDC portal 支持云端直接浏览与按筛选导出。
- 无需注册账号即可下载；使用须遵守 TCIA Restricted license 并引用 §4.5 规定的数据集 DOI。
FDAT NIfTI 合并版（挑战赛格式）：
- 访问 autoPET 官网（autopet.org/psmapetct.html）或 FDAT Research Data Repository DOI 页（10.57754/fdat.g27kx-86t35）。
- v3 打包 20.6 GB（PSMA-PET-CT_Lesions_v3.zip，MD5 156c136aea40541275d97cc6bfae9f39）；FDG 数据在姊妹记录。
- 官网提供 DICOM→NIfTI 转换脚本，可自行从 TCIA 版重建；nnU-Net 用户可直接以 dataset.json 起跑。
- autoPET 官网明确：任何人均可使用训练数据（不限于挑战赛参赛者），需在发表中注明出处；商用须联系组织者。
6.2 许可双轨
| 轨道 | 许可 | 商用 | 署名义务 |
|---|---|---|---|
| TCIA DICOM | TCIA Restricted license | 需联系组织者 | 引用数据集 DOI 与 TCIA |
| FDAT NIfTI 合并 | CC BY-NC 4.0 | 禁止（须另行授权） | CC 署名条款 |
两轨覆盖不同形态的同一批研究数据：TCIA 版重「原始性」（原始 DICOM 与体素值），FDAT 版重「可用性」（SUV 化、nnU-Net 即插即用）。若商用，两条轨道均需额外授权；若发表研究，按所用轨道引用对应 DOI（用了合并版则两个 DOI 都要引）。
6.3 合规清单
- [ ] 确认所用轨道（TCIA 或 FDAT）与对应许可，商用前联系组织者（autoPET 官网联系方式）。
- [ ] 引用数据集 DOI（合并版使用者加引 FDG 姊妹集 DOI）。
- [ ] 不尝试从数据反推患者身份（日期已平移、年龄封顶 90，但仍属去标识化而非匿名化数据，按机构伦理要求管理）。
- [ ] 注意版本：TCIA 版为 Version 1；FDAT 版以 v3（QIBA SUV）为最新，复现他人 v2 之前论文结果时留意 SUV 口径差异。
§7 生态与互链点：它在库内数据集版图上的位置
7.1 库内可互链条目
| 条目 | rid | 互链逻辑 |
|---|---|---|
| autopet | 468 | autoPET 系列总条目——本数据集是其官方训练数据的 PSMA 部分，血缘最直接 |
| autopet-iii | 678 | autoPET III 挑战赛——本数据集（与 FDG 姊妹集合并）为该届官方训练底座 |
| autopet-v | 634 | autoPET V 挑战赛——系列后续届次，标注与数据生态延续 |
| fdg-pet-ct-lesions | （库内暂缺） | FDG 姊妹集（DOI 10.7937/gkr0-xv29），同构标注方法论；建议作为候选补入池 |
7.2 数据集谱系图（文字版）
FDG-PET-CT-Lesions (Tübingen, 2022, 503 studies)
│ 同一标注方法论 + nnU-Net 打包
▼
PSMA-PET-CT-Lesions (LMU, 采集2014-2022, TCIA 2024, 597 studies)
│ │
└──── 合并训练集 ───────────┘
│
┌───────────┼───────────┐
▼ ▼ ▼
autoPET III autoPET IV 独立研究
(2023) (2024) （多示踪剂泛化、空间先验、
训练底座 器官监督/交互 纵向分析、DAIMS 评测）
│ 引导赛道
▼
Nature Machine Intelligence 2024 结果论文
7.3 与相邻领域数据集的互补
- 与器官分割数据（如 TotalSegmentator）：PET/CT 病灶分割常需器官解剖约束；autoPET IV 的器官监督赛道把两者连接。本数据集不含器官掩膜，做器官约束方法需另行获取 CT 器官分割。
- 与 CT 转移灶数据（如 DeepLesion 等）：CT 侧病灶标注缺代谢信息，PSMA PET/CT 侧标注缺 CT 形态学细标——两者互补而非替代。
- 与 DEEP-PSMA（Zenodo 15281783）：治疗场景（¹⁷⁷Lu-PSMA 前 mCRPC 分期）的配对 PSMA/FDG 100 例，与本项目互为外部验证集。
- 与前列腺 MRI 数据（PI-CAI 等）：PSMA PET/CT 与 mpMRI 是前列腺癌影像的两大互补模态；多模态融合研究常两端取材。
§8 数据集速览：方法学启示——它教会我们什么
8.1 启示一：公开病灶级标注是分子影像 AI 的「乘法因子」
在 597 个检查的病灶掩膜公开之前，全身 PET/CT 分割论文普遍困在小规模私有数据上，方法无法横向比较。本数据集加上挑战赛机制之后，一年内涌现出数十个可比方法（nnU-Net 变体、器官先验、交互式模型、半监督），冠军方案登上 Nature Machine Intelligence。结论很简单但常被忽视：一个中等规模、标注正确、划分固定的公开基准，比十个大规模但不可比的数据更能推动领域。
8.2 启示二：半自动标注流水线是大规模 3D 医学标注的现实解
逐体素手工勾画全身 PET/CT 的成本约是每检查数十分钟到小时级；597 个检查若全手工，标注工程不可行。本数据集的做法——阈值预分割打底、人工只做识别与修边、专家复核兜底——把单检查成本压到可承受范围，同时经 v2 版本证明流水线可以持续修正。这一模式与 PANDA-PLUS 的「学生注+专家终审」、TotalSegmentator 的「自动+人工修订」同属一个方法论家族：机器做体力，人做判断，版本链兜底。
8.3 启示三：双示踪剂设计把「泛化」从口号变成可测变量
单示踪剂数据集只能回答「模型在同分布下多好」；PSMA（前列腺癌、以骨/淋巴结转移为主）与 FDG（淋巴瘤、肺癌等异质谱系）的同构合并让「跨示踪剂域偏移」第一次成为可控实验变量。Rokuss 等的系统研究（From FDG to PSMA）显示跨示踪剂直接迁移存在显著性能落差，混合微调可恢复大部分——这类结论只有在双示踪剂同构数据上才能得出。对任何做多模态/多中心医学 AI 的团队，这是实验设计的模板。
8.4 启示四：挑战赛数据集的「赛后生命周期」值得学习
多数挑战赛数据在赛后就冻结腐化；本数据集在 autoPET III 之后经历了：v2 修掩膜（回应参赛者与社区发现的问题）→ v3 对齐 QIBA SUV（回应定量可重复性诉求）→ 继续作为独立研究底座（medRxiv 2026 空间先验研究）。数据集被当作持续维护的科研基础设施而非一次性竞赛道具——这正是它 2024 年仍能以 Version 1 入驻 TCIA、并获得独立引用生命的原因。
8.5 启示五：负样本与纵向结构是被低估的数据资产
58 个无病灶检查（约 9.7%）在分割数据集里少见——多数集只收阳性。它们逼模型面对「没病就别画」的基本功，直接压制假阳性。而 378 名患者贡献 597 个检查的纵向结构（间隔保持、日期平移）使治疗反应评估、进展监测类研究无需额外数据即可起步。选择数据集时，「有没有阴性对照」「有没有重复检查」是两个常被忽视的硬指标。
8.6 DAIMS 数据集评估维度评分表
| # | DAIMS 维度 | 评分（0-10） | 评语 |
|---|---|---|---|
| 1 | 任务定义清晰度 | 9 | 全身 PSMA 病灶二值分割，目标与掩膜语义无歧义 |
| 2 | 数据规模 | 6 | 597 检查/378 患者属中等规模；对比 ImageNet 时代视觉数据偏小，但在 PET/CT 分割领域为最大公开集之一 |
| 3 | 标注质量与协议透明度 | 8 | 两步协议公开、复核链完整；扣分在单读片人、v2 修正暴露初注漏标 |
| 4 | 标注一致性证据 | 5 | 无多读片人一致性统计（kappa/Dice 间）公开 |
| 5 | 数据多样性（设备/示踪剂） | 8 | 三台设备、双示踪剂（¹⁸F/⁶⁸Ga）、14 个年度跨度；扣分在单中心 |
| 6 | 人口学覆盖 | 6 | 378 名男性、48-92 岁；性别单一（前列腺癌自然属性），高龄段失真（89+→90） |
| 7 | 元数据完备性 | 8 | 年龄/设备/核素/对比剂逐例提供并经医师核验；无临床结局、PSA、Gleason 等深度临床变量 |
| 8 | 文件格式与工程友好度 | 9 | DICOM+DICOM SEG 标准件；nnU-Net 即插即用；转换脚本公开 |
| 9 | 版本维护 | 9 | v1→v2→v3 主动维护，修正与变更记录逐条可查 |
| 10 | 获取便利性 | 9 | 无注册、双轨直链、20.6 GB 可整包下载 |
| 11 | 许可明确性 | 7 | 双轨许可各自明确，但跨轨差异（Restricted vs CC BY-NC）易混淆，商用均受限 |
| 12 | 隐私处理 | 8 | 日期平移、年龄封顶、标识匿名化、伦理双重批准；非匿名化数据仍有再识别残余风险 |
| 13 | 基准与可复现性 | 9 | 参考 5 折划分、挑战赛 leaderboard、结果论文 NMI 2024，对标链完整 |
| 14 | 生态与下游引用 | 8 | 两届挑战赛+持续独立研究；扣分在部分下游为预印本 |
| 15 | 文档质量 | 9 | TCIA 页、FDAT DOI 页、autoPET 官网三处文档互证且一致 |
| 16 | 阴性对照 | 8 | 58 个无病灶检查显式保留 |
| 17 | 纵向结构 | 7 | 同患者多时点保留间隔；日期平移限制真实时间分析 |
| 18 | 跨中心泛化支持 | 6 | 本体单中心；需借助 UKT 测试集（挑战赛侧）补足 |
| 19 | 法律/伦理风险 | 8 | 伦理批准齐全、许可清晰；商用路径须人工联系 |
| 20 | 综合可用性 | 8 | 分割研究开箱即用；深度临床研究受元数据粒度限制 |
| — | DAIMS 总分（满分 200） | 154 | 定位：任务级黄金基准（task-level golden benchmark），规模与标注深度有意识权衡后的中量级精品 |
§9 双口径存照与来源核查记录
9.1 双口径冲突存照（逐条）
存照 1——许可双轨：TCIA collection 页与 TCIA 官网 collection 页均写明 DICOM 版为 TCIA Restricted license；autopet.org 官网写明「NIfTI 版（FDAT，与 FDG 合并）为 CC BY-NC 4.0，任何人可用、商用联系组织者」。两者不矛盾（覆盖不同发行形态），成稿按双轨并存表述。来源：TCIA 页、autopet.org/psmapetct.html。
存照 2——597 vs 1100：本数据集为 597 个 PSMA 检查；部分文献与挑战赛材料以约 1100 个检查描述合并训练集（597 PSMA + 503 FDG 姊妹集）。成稿以 597/378 为本条目口径，合并规模仅在挑战赛语境出现。来源：TCIA 页、FDAT DOI 页。
存照 3——版本号体系：TCIA 发行标注 Version 1（2024）；FDAT 镜像存在 v1/v2/v3 数据包版本链（v2 修掩膜、v3 对齐 QIBA SUV）。两套版本号指代不同对象（TCIA 发行版 vs FDAT 数据包），引用时须指明仓库。来源：FDAT DOI 页 10.57754/fdat.g27kx-86t35。
存照 4——Subject Count 口径：Cancer IDC portal 与 TCIA portal 均写 Subject Count: 378、studies 597；TCIA 官网详情页同口径。未发现冲突，三源一致。
存照 5——标注者身份：初注读片人姓名未公开（仅「3 年混合影像经验」）；复核专家具 4 年与 10 年以上经验；挑战赛结束后复核更新者具名（Arthur Dujardin、Paul Blanc-Durand，见 Zenodo 15281783 致谢）。成稿按匿名读片人+具名赛后复核并存。
9.2 核查来源清单（三源互证）
- TCIA 官方 collection 页：https://www.cancerimagingarchive.net/collection/psma-pet-ct-lesions/（亦经 www.cancerimagingarchive.net?p=48821 抓取）——规模、扫描参数、标注协议、许可、引用格式。
- FDAT Research Data Repository DOI 页：https://dx.doi.org/10.57754/fdat.g27kx-86t35（DOI 10.7937/r7ep-3x37 解析）——版本链 v1/v2/v3、署名名单、nnU-Net 结构、文件包与 MD5。
- autoPET 官网 PSMA 数据库页：https://autopet.org/psmapetct.html——许可口径、NIfTI 结构、标注两步法协议、引用要求、转换脚本。
- Cancer IDC portal：https://portal.imaging.datacommons.cancer.gov/collections/psma_pet_ct_lesions——Subject Count 378、Modalities CT/PT/SEG 交叉核验。
- 挑战赛结果论文：Gatidis S, et al. Nature Machine Intelligence 6(11):1396-1405, 2024（经 ar5iv/arXiv:2509.02402 与 2409.09478 参考文献链核验）。
- 后续独立研究：Azam Biswas 等, medRxiv 10.64898/2026.08.26.26361439——数据 DOI 10.7937/R7EP-3X37 被独立引用，佐证数据活性。
9.3 遗留疑点
- TCIA Version 1 与 FDAT v2/v3 掩膜内容的具体 diff（除官方列出的 5 个检查外是否还有细微差异）无逐体素对照文档，成稿仅按官方变更记录表述。
- autoPET IV 官方测试集（UKT PSMA 部分）的规模与构成未在本次三源内逐项核验，引用时建议直接查挑战赛官网。
- 597 个检查中 ¹⁸F/⁶⁸Ga 与有无病灶的交叉分布（例如 68Ga 组的阳性率）官方未披露，不做推断。
§10 坑点清单：使用前必读的十个坑
坑 1：把 597 当成挑战赛训练集全貌。
autoPET III/IV 的官方训练集是 PSMA（597）+FDG（503）合并，约 1100 个检查；只下 PSMA 部分就报告「autoPET 训练集 597 例」会在复现对比时出错。反向坑也存在：用合并包的 dataset.json 时，若只筛 psma_ 前缀文件做 PSMA-only 实验，须自建划分而非沿用合并 5 折。
坑 2：与 DEEP-PSMA 挑战赛数据混淆。
DEEP-PSMA（Zenodo 15281783/15281784）是 Peter MacCallum 癌症中心的 100 例 mCRPC 配对 PSMA+FDG 数据，SUV 阈值≥3 加人工清除生理摄取的标注，面向 ¹⁷⁷Lu-PSMA 治疗分期。它与本数据集在规模、标注法、许可、主办方上完全不同。检索「PSMA PET CT dataset challenge」时两个都排前面，引用前先看 DOI。
坑 3：直接拿 PET 原始 DICOM 当 SUV 用。
TCIA DICOM 版的 PET 存的是原始计数（activity counts），不是 SUV；SUV 化需要体重与注射剂量信息并在预处理中完成。FDAT NIfTI 版已替你做好（v3 且 QIBA 对齐）。拿原始计数直接训模型再对比 SUV 文献结果是常见错误。跨版本复现时还要注意 v2→v3 的 SUV 口径变化（坑 6）。
坑 4：许可轨道拿错。
TCIA DICOM = TCIA Restricted license；FDAT NIfTI = CC BY-NC 4.0。以为「反正 TCIA 都是 CC」或以为「NIfTI 版可以商用」都会踩雷；商用场景两条轨道都要联系组织者。公司团队最稳妥的路径是先联系 autoPET 组织者获得书面商用许可。
坑 5：把平移后的检查日期当真实日期。
所有检查日期经全局患者级偏移平移，只有患者内相对间隔是真的。任何「治疗—复查」真实时间线分析、季节性分析、设备更新时间效应分析都不能用平移日期做绝对时间推断。
坑 6：忽视 v2 掩膜修正。
v2 修正了 3 名患者 5 个检查的掩膜（3 个更新、2 个从无到有补标），包括 psma_4da96443cf212c5f 的三个时点。若你的训练集来自 v1 时代镜像（如某些第三方打包），会带着已知漏标训练。核对方式：查 FDAT DOI 页变更记录，比对文件名。
坑 7：掩膜不含生理性摄取，别拿它学「全 PET 异常分割」。
掩膜只覆盖 PSMA 摄取肿瘤病灶；肾、膀胱、唾液腺、肝胆、肠道等生理性摄取不在标注内。用它训练「异常检测」会把生理摄取全判成漏标。想要器官与生理区域先验，需引入器官分割数据（autoPET IV 器官监督赛道正是此思路）。
坑 8：小病灶度量陷阱。
PET 分辨率约 3-4 mm，小转移灶只占数个体素；Dice 对小目标极不友好，逐病灶 Dice 方差巨大。评测须同时报病灶级检出灵敏度与假阳性率，且重采样插值（如把 PET 重采样到 CT 网格）会改变小病灶体素数——插值方式要与基线一致，否则分数不可比。
坑 9：58 个阴性检查的正确用法。
阴性检查不是「浪费的名额」而是防假阳性的关键负样本。常见错误做法是把全数据集当阳性池做训练（等价于教模型「总得画点什么」）；正确做法是保留阴性检查在训练与验证划分中，并在评测中单独报告其假阳性率。
坑 10：单中心外推。
三台设备都在 LMU 一家、流程与人群同质；在 UKT（图宾根）测试集上跨中心性能落差是挑战赛论文明确讨论的现象。任何「在 PSMA-PET-CT-Lesions 上验证了泛化性」的表述，严格说只验证了「同中心跨设备」；真正的跨中心验证需要挑战赛测试数据或 DEEP-PSMA 等外部集。
§11 实战使用指南：从下载到第一版模型
11.1 三种典型用户的上手路径
路径 A——挑战赛复现/参赛者：
- 从 autoPET 官网下载 FDG+PSMA 合并 NIfTI 包（v3，PSMA 部分 20.6 GB）。
- 直接以 nnU-Net v2 框架导入（dataset.json 已齐），跑 nnUNetv2_plan_and_preprocess。
- 用 splits_final.json 参考 5 折做离线训练，对齐官方基线后再上创新点（器官先验、交互式、半监督等）。
- 提交前在留出折上同时报 Dice 与病灶级指标（见 11.4）。
路径 B——影像组学/定量研究者：
- 从 TCIA 下载 DICOM 版（保留原始体素值与厂商重建参数）。
- 用 TCIA 官方工具链（NBIA 下载器 + DICOM 处理库如 pydicom/highdicom/highdicom SEG 读取）抽取 PET 原始值与掩膜。
- 自行 SUV 化时按 QIBA 对齐流程（v3 所用社区代码）以保持与文献可比。
- 元数据 TSV 可直接做分组分析（示踪剂 ¹⁸F vs ⁶⁸Ga、设备三组、对比剂有无）。
路径 C——多示踪剂泛化研究者：
- 同时下载 FDG 姊妹集（DOI 10.7937/gkr0-xv29）与本数据集。
- 以 tracer 前缀构建「训练域/测试域」矩阵：PSMA→PSMA、FDG→FDG、FDG→PSMA、PSMA→FDG、混合微调。
- 控制预处理完全一致（同一重采样网格与插值），否则域差与插值差混淆（坑 8）。
- 参考 Rokuss 等（arXiv:2409.09478）的实验设计作为对照起点。
11.2 最小可用加载示例（NIfTI 轨道）
autoPET 官网给出的读取方式（示意，nibabel）：
import nibabel as nib
# FDAT 合并版（nnU-Net 结构）
ct = nib.load("imagesTr/psma_patient1_study1_0000.nii.gz") # CTres
pet = nib.load("imagesTr/psma_patient1_study1_0001.nii.gz") # SUV
mask = nib.load("labelsTr/psma_patient1_study1.nii.gz") # 二值病灶掩膜
# TCIA 版目录结构（自行转换后）
suv = nib.load("PETCT_xxxx/SUV.nii.gz")
ctres = nib.load("PETCT_xxxx/CTres.nii.gz")
seg = nib.load("PETCT_xxxx/SEG.nii.gz") # 1=病灶
要点：CTres 已重采样到 PET 网格——不需要自己再做 CT/PET 配准（同床采集，仅存生理性微动）；掩膜为二值，无病灶实例 ID，逐病灶分析需自行连通域分解。
11.3 训练前检查清单
- [ ] 确认版本：FDAT 包版本号（v3 最新）；TCIA 版 Version 1；混用旧镜像时查 v2 修正清单（坑 6）。
- [ ] 确认 PET 体素值口径：SUV 还是原始计数（坑 3）。
- [ ] 保留阴性检查在训练/验证划分中（坑 9）。
- [ ] 重采样与插值策略固定并记录（坑 8）。
- [ ] 逐病例（patient-level）划分训练/验证，绝不能按检查划分——同一患者多检查泄漏会虚高分数。
- [ ] 元数据中的平移日期只用于相对间隔（坑 5）。
- [ ] 引用与许可按轨道落实（§4.5、§6.2）。
11.4 评测协议建议
- 体素级：Dice、IoU 按检查平均；小病灶占比高时补报按体素加权的全图 Dice（可暴露小病灶被淹没的问题）。
- 病灶级：连通域分解后按重叠匹配（如 IoU≥0.2 或中心距离阈值）计算病灶级灵敏度、每例假阳性数（FP/case）、病灶级 Dice 分布（中位数与四分位）。
- 分组评测：按示踪剂（¹⁸F/⁶⁸Ga）、设备（3 组）、有无对比剂分组报告——性能异质性是最常见的隐藏问题。
- 阴性子集：58 个无病灶检查单独报假阳性率。
- 跨域评测：有条件者加入 UKT 外部数据或 DEEP-PSMA 作外推测试（坑 10）。
11.5 常见工程坑速查
| 现象 | 根因 | 处置 |
|---|---|---|
| Dice 与文献差很多 | SUV 口径或插值不一致（坑 3/8） | 核对预处理链，QIBA 口径 |
| 分数虚高 | 按检查而非按患者划分 | patient-level split |
| 假阳性爆炸 | 训练集缺阴性或权重失衡 | 保留 58 例阴性、focal/tversky 类损失 |
| 小病灶全漏 | 分辨率+损失设计 | 病灶级加权、多尺度监督 |
| 跨示踪剂崩 | 域偏移 | 混合微调、示踪剂 one-hot 条件化 |
| 掩膜对不上图 | 混用 TCIA 与 FDAT 网格 | 一套数据只用一条轨道的文件 |
11.6 二次利用的合规提醒
- 派生数据（再标注、裁剪 patch、权重）分发时须继承所用轨道许可并保留原引用要求。
- 展示示例影像（论文/幻灯）注意去标识化已由数据方完成，但组合元数据再识别风险自担。
- 商用（含商业评估服务、产品训练）两条轨道均须事前联系 autoPET 组织者（§6.2）。
§12 FAQ：四十五问
Q1：这个数据集叫什么名字？
官方名 PSMA-PET-CT-Lesions（TCIA collection 名称，无空格连字符风格），数据集论文题「A whole-body PSMA-PET/CT dataset with manually annotated tumor lesions」。
Q2：多少数据？
597 个全身 PSMA PET/CT 检查，来自 378 名男性患者；539 个检查含至少一个病灶，58 个无病灶。
Q3：谁采集的？
LMU 慕尼黑大学医院（核医学科+放射科），2014-2022 年临床常规检查，三台设备（Siemens Biograph mCT Flow 20、Biograph 64-4R TruePoint、GE Discovery 690）。
Q4：谁标注的？
一名 3 年混合影像经验的读片人用 mint Medical 软件初注（阈值预分割+逐层手工修正），由 4 年与 10 年以上经验的持证影像专家复核；元数据经 10 年经验放射科医师核验。
Q5：标注覆盖哪些病灶？
全部 PSMA 摄取肿瘤病灶——前列腺原发灶和/或所有转移灶（淋巴结、骨等）。生理性摄取不在标注内。
Q6：示踪剂有几种？
两种：¹⁸F-PSMA 369 个检查（平均 246 MBq）、⁶⁸Ga-PSMA 228 个检查（平均 214 MBq）；注射后平均 74 分钟采集。
Q7：在哪里下载？
TCIA（DICOM 版，cancerimagingarchive.net collection psma-pet-ct-lesions）或 FDAT/autoPET 官网（NIfTI 合并版，与 FDG 合并，nnU-Net 格式）。
Q8：免费吗？
研究用途免费。商用均需联系组织者：TCIA 版是 Restricted license，FDAT NIfTI 版是 CC BY-NC 4.0（禁商用）。
Q9：需要注册吗？
TCIA 下载无需注册账号；FDAT 直接下 zip。
Q10：数据多大？
FDAT NIfTI v3 打包 20.6 GB（仅 PSMA 部分）；TCIA DICOM 版按检查分包，全量规模与其相当或更大（DICOM 未压缩重采样）。
Q11：有官方数据划分吗？
有：splits_final.json 参考 5 折（FDAT NIfTI 合并包内）。注意按患者而非检查划分的自定义实验须自行重做。
Q12：掩膜是什么格式？
TCIA 版为 DICOM SEG（由 NRRD 经 highdicom v0.22.0 转换）；FDAT 版为 NIfTI 二值掩膜（1=病灶）。
Q13：有实例级病灶 ID 吗？
没有。掩膜是纯二值；逐病灶分析需自行连通域分解。
Q14：CT 和 PET 配准好了吗？
同床采集，天然对齐；FDAT 版的 CTres 已重采样到 PET 网格，可直接成对使用。
Q15：PET 值是 SUV 吗？
FDAT NIfTI 版是（v3 对齐 QIBA）；TCIA DICOM 版是原始计数，SUV 需自行换算。
Q16：v2、v3 改了什么？
v2 修正 3 名患者 5 个检查的掩膜（3 更新、2 补标）；v3 把 SUV 计算对齐 QIBA 标准。
Q17：和 FDG-PET-CT-Lesions 什么关系？
姊妹数据集：同一标注方法论、同一挑战赛训练底座，Tübingen 创建（2022，DOI 10.7937/gkr0-xv29，503 个检查）。合并版即 autoPET 训练集。
Q18：和 autoPET 挑战赛什么关系？
它是 autoPET III 与 autoPET IV 的官方训练数据的 PSMA 部分；测试集另含 UKT 图宾根 PSMA 数据。
Q19：挑战赛结果在哪看？
Gatidis 等，Nature Machine Intelligence 6(11):1396-1405, 2024；挑战赛平台 leaderboard 亦可查。
Q20：有基线代码吗？
nnU-Net 开箱即用即为强基线；挑战赛参赛方案多数开源（官网 leaderboard 附算法仓库链接）。
Q21：合适的基础模型是什么？
nnU-Net v2（3D full-resolution 配置）是社区默认起点；轻量方案可用 2.5D U-Net + 病灶级加权损失。
Q22：显存要求？
全身 PET/CT 体积大（数百层×数百×数百），3D 训练常用 patch 采样（如 128³ 或滑动窗推理）；单张 24GB 级显卡可行。
Q23：年龄 90 岁是真实年龄吗？
不全是。PHI 处理：89 岁以上一律记 90。
Q24：检查日期是真实的吗？
不是绝对日期。全局患者级偏移平移，仅患者内相对间隔保真。
Q25：能做纵向治疗反应研究吗？
能做相对间隔意义上的纵向分析（同患者多时点约三分之一），但不能用真实日历时间。
Q26：有 PSA、Gleason、治疗等临床变量吗？
没有。元数据仅年龄、设备型号、核素、对比剂使用四项。深度临床研究需外部链接（不可行，数据匿名）。
Q27：有女性吗？
没有。378 名均为男性（前列腺癌自然属性）。
Q28：阳性阴性比例？
539 阳性 : 58 阴性 ≈ 9:1。阴性检查是有意保留的困难负样本。
Q29：能用来做异常检测吗？
能做「肿瘤病灶 vs 正常/生理摄取」的检测，但不能做泛医学「PET 异常」检测——掩膜只覆盖 PSMA 摄取肿瘤病灶（坑 7）。
Q30：跨中心泛化怎么测？
本体是单中心（LMU）。真正的跨中心测试用 autoPET 测试集（含 UKT 数据）或 DEEP-PSMA 等外部集。
Q31：DEEP-PSMA 是同一个东西吗？
不是。DEEP-PSMA 是 Peter MacCallum 的 100 例 mCRPC 配对 PSMA+FDG 数据（Zenodo 15281783/15281784），SUV 阈值+人工清除标注，面向 ¹⁷⁷Lu-PSMA 治疗分期（坑 2）。
Q32：¹⁸F 与 ⁶⁸Ga 要区分处理吗？
元数据提供核素标签；两者半衰期与正电子射程不同，重建特性有差。建议至少做分组评测，域适应研究则显式条件化。
Q33：CT 对比剂影响什么？
多数检查用静脉对比剂（26 个未用）。对比剂改变 CT 值分布，若模型重度依赖 CT 分支需分组验证。
Q34：能和 MRI 配对吗？
数据集内无 MRI。多模态研究需外部 MRI 数据（不同患者），无法逐患者配对。
Q35：引用格式？
Jeblick, K., et al. (Version 1) [Dataset]. TCIA, 2024. DOI: 10.7937/r7ep-3x37；用合并版加引 Gatidis & Kuestner FDG 数据集（DOI 10.7937/gkr0-xv29）。
Q36：发论文要申请许可吗？
研究用途无需申请，按要求引用即可；商用需联系组织者。
Q37：掩膜质量可靠吗？
初注+两级专家复核+赛后修正（v2）三级质控。但无读片人间一致性统计公开，且 v2 证明初注存在漏标实例——对精度敏感的应用建议抽样自查。
Q38：58 例无病灶是健康人吗？
不一定是健康人，是「该检查未发现 PSMA 摄取肿瘤病灶」的患者（疑似或确诊前列腺癌队列）。不能当健康对照影像库用。
Q39：数据里有没有器官掩膜？
没有。病灶掩膜之外无器官标注；器官先验需引入 TotalSegmentator 等外部工具或 autoPET IV 器官监督赛道配套数据。
Q40：能用于教育/竞赛吗？
研究、教育用途按各轨道许可可用（署名义务）；商用均受限。
Q41：TCIA 版和 FDAT 版选哪个？
要原始体素/做定量组学→TCIA DICOM；要快速训练分割模型→FDAT NIfTI（v3）。两者不可混装文件。
Q42：为什么我的 Dice 对不上论文？
常见原因：SUV 口径、插值方式、划分方式（患者级 vs 检查级）、版本（v2 前后）不一致。逐一核对 §11.4。
Q43：后续会更新吗？
挑战赛已结但数据持续维护（v3 为最近大版本）；关注 FDAT DOI 页与 autoPET 官网公告。
Q44：有中文资料吗？
本条目即为系统性中文整理；官方文档为英文（TCIA/FDAT/autoPET 三处）。
Q45：一句话总结它的价值？
它是全身 PSMA PET/CT 病灶分割这个任务方向上规模最大、标注最完整、生态最活跃的公开基准——是这个领域的「ImageNet 时刻」贡献者之一。
§13 核心事实清单（可机读摘要）
- 数据集名称：PSMA-PET-CT-Lesions
- 别名：无广泛使用的别名；社区语境亦称「autoPET PSMA 数据」（medRxiv 2026 用语），注意这只是描述性称呼。
- 数据 DOI：10.7937/r7ep-3x37（TCIA，2024，Version 1）
- FDAT 镜像 DOI：10.57754/fdat.g27kx-86t35（版本链 v1/v2/v3）
- 姊妹数据集 DOI：10.7937/gkr0-xv29（FDG-PET-CT-Lesions，2022）
- 机构：LMU Klinikum（LMU 慕尼黑大学医院）；合作：Universitätsklinikum Tübingen（UKT）
- 采集窗口：2014-2022
- 检查数：597（全身 PSMA PET/CT）
- 患者数：378（男性，48-92 岁，89+ 记 90）
- 阳性/阴性检查：539 / 58
- 示踪剂：¹⁸F-PSMA 369 检查（平均 246 MBq）；⁶⁸Ga-PSMA 228 检查（平均 214 MBq）
- 注射-采集间隔：平均 74 分钟
- 扫描设备：Siemens Biograph mCT Flow 20；Siemens Biograph 64-4R TruePoint；GE Discovery 690
- CT 参数要点：层厚 2.5-5.0 mm（均值 2.82）；x-y 多为 0.98 mm；120/100 kV 为主（80-140）；143 mAs 参考 mAs；26 检查无对比剂
- PET 参数要点：层厚 3.0-5.0 mm（均值 3.49）；x-y 2.73-4.07 mm（均值 3.56）；CT 衰减校正
- 标注对象：全部 PSMA 摄取肿瘤病灶（原发+转移），3D 二值掩膜
- 标注工具与流水线：mint Medical（Heidelberg）；圆形 VOI+阈值预分割+逐层手工修正；NRRD→highdicom v0.22.0→DICOM SEG
- 标注人：单一读片人（3 年经验）；复核 4 年与 >10 年专家各一；元数据核验 10 年经验放射科医师
- 数据格式：TCIA＝DICOM+DICOM SEG+TSV；FDAT＝NIfTI nnU-Net（0000=CTres，0001=SUV；dataset.json；splits_final.json 5 折）
- 许可：TCIA＝Restricted license；FDAT NIfTI＝CC BY-NC 4.0；商用均需联系组织者
- 角色定位：autoPET III（2023）与 autoPET IV（2024）官方训练数据的 PSMA 部分
- 挑战赛结果论文：Gatidis S, et al. Nat Mach Intell 6(11):1396-1405, 2024
- 版本里程碑：v2 修正 3 患者 5 检查掩膜；v3 QIBA 对齐 SUV；v3 包 20.6 GB，MD5 156c136aea40541275d97cc6bfae9f39
- 库内互链：autopet（468）、autopet-iii（678）、autopet-v（634）；建议补池：fdg-pet-ct-lesions
§14 术语表
| 术语 | 英文 | 释义 |
|---|---|---|
| PSMA | Prostate-Specific Membrane Antigen | 前列腺特异性膜抗原，前列腺癌细胞高表达的跨膜蛋白，PET 显像靶点 |
| PSMA PET/CT | PSMA PET/CT | 用 PSMA 示踪剂的正电子发射断层与同床 CT 的混合影像 |
| ¹⁸F-PSMA-1007 | 18F-PSMA-1007 | 氟-18 标记的 PSMA 示踪剂，半衰期约 110 分钟 |
| ⁶⁸Ga-PSMA-11 | 68Ga-PSMA-11 | 镓-68 标记的 PSMA-11 示踪剂，半衰期约 68 分钟 |
| SUV | Standardized Uptake Value | 标准摄取值：组织摄取浓度按体重与注射剂量归一化后的半定量指标 |
| QIBA | Quantitative Imaging Biomarkers Alliance | RSNA 主导的定量影像生物标志物标准化联盟；v3 版 SUV 对齐其规范 |
| DICOM SEG | DICOM Segmentation Object | DICOM 标准的分割对象存储格式，掩膜作为一等公民随影像归档 |
| NIfTI | Neuroimaging Informatics Technology Initiative | 神经影像常用体数据格式（.nii.gz），挑战赛管线使用 |
| nnU-Net | nnU-Net | 自配置医学图像分割框架（Isensee 等，Nature Methods 2021），数据集按其目录规范打包 |
| VOI | Volume of Interest | 感兴趣体积；标注时先画 VOI 再阈值预分割 |
| mCRPC | metastatic Castration-Resistant Prostate Cancer | 转移性去势抵抗性前列腺癌 |
| TTB | Total Tumor Burden | 总肿瘤负荷（DEEP-PSMA 语境的轮廓指标，勿与本集掩膜混淆） |
| hybrid imaging | 混合影像 | PET/CT、PET/MRI 等功能-解剖同机融合成像 |
| patient-level split | 患者级划分 | 划分按患者（而非检查）切分，防同患者多检查泄漏 |
| FP/case | False Positives per case | 每例假阳性数，病灶检出评测常用指标 |
| TCIA | The Cancer Imaging Archive | NCI 资助的开放肿瘤影像档案库，本数据集 DICOM 版托管方 |
| FDAT | FDAT Research Data Repository | 图宾根大学研究数据仓库，NIfTI 合并版托管方 |
| IDC | Imaging Data Commons | NCI 影像数据共享云平台，镜像本 collection |
§15 附录 A：与相关数据集对照表
| 维度 | PSMA-PET-CT-Lesions | FDG-PET-CT-Lesions | DEEP-PSMA |
|---|---|---|---|
| 机构 | LMU 慕尼黑 | UKT 图宾根 | Peter MacCallum（澳） |
| 发布 | TCIA 2024 | TCIA 2022 | Zenodo 2025 |
| 规模 | 597 检查/378 患者 | 503 检查/273 患者 | 100 例（配对双示踪） |
| 瘤种谱 | 前列腺癌为主 | 淋巴瘤等多瘤种 | mCRPC |
| 标注法 | 手工 3D（阈值预分割+修正） | 手工 3D（同方法论） | SUV 阈值+人工清除生理摄取 |
| 角色 | autoPET III/IV 训练数据 | autoPET III/IV 训练数据 | DEEP-PSMA 挑战赛 |
| 许可 | Restricted / CC BY-NC 4.0 | CC BY-NC 4.0 | CC BY 4.0（Zenodo 页口径） |
| DOI | 10.7937/r7ep-3x37 | 10.7937/gkr0-xv29 | 10.5281/zenodo.15281783 |
（FDG 检查数与患者数为公开摘要口径，成稿引用时以姊妹集官方页为准；本表仅用于定位差异。）
§16 附录 B：挑战赛时间线与本数据集的角色
- autoPET I（2022）：FDG-only 训练数据（FDG-PET-CT-Lesions），确立任务定义与评测。
- autoPET III（2023）：加入 PSMA-PET-CT-Lesions，双示踪剂合并训练集；考察跨示踪剂泛化。
- autoPET IV（2024-2025）：同一训练底座，新增器官监督与人类引导（交互式）赛道。
- autoPET V：系列延续（库内 rid 634），数据生态在挑战赛之间持续复用。
本数据集在其中的角色始终是「训练侧的 PSMA 底座」——挑战赛测试数据（含 UKT PSMA）独立于本数据集，防止训练-测试同中心泄漏。
§17 附录 C：复现实操：DICOM→NIfTI 自建转换
若只有 TCIA DICOM 版，官方提供转换脚本思路（autoPET 官网链接）：
- 逐检查读取 PET DICOM 序列，按体重与注射剂量换算 SUV（v3 之后建议走 QIBA 对齐代码）。
- 读取 CT DICOM 序列，重采样至 PET 网格（线性插值；PET 侧最近邻以保持计数语义）。
- 读取 DICOM SEG（highdicom），导出为与 PET 同网格的二值 NIfTI。
- 生成 dataset.json（modality 0000=CT、0001=PET；labels={0:background,1:lesion}）与自行 patient-level 5 折。
- 与 FDAT v3 官方包做一次逐文件网格/数值抽查，确认管线无偏。
§18 附录 D：伦理与隐私声明（官方口径）
- 发布获 LMU 医学院伦理委员会及机构数据安全与隐私审查委员会批准。
- 所有患者与检查标识匿名化；检查日期全局患者级平移。
- 年龄 89 岁以上一律记 90（PHI 准则）。
- 数据为去标识化而非匿名化：使用者仍负有机构伦理与数据保护义务，不得尝试再识别。
§19 附录 E：引用与版本对照速查卡
| 你用的是…… | 应引用 | 版本注意 |
|---|---|---|
| TCIA DICOM 版 | Jeblick et al., TCIA 2024, DOI 10.7937/r7ep-3x37 | TCIA 口径 Version 1；PET 原始计数 |
| FDAT NIfTI 合并包 | 上条 + Gatidis & Kuestner FDG（10.7937/gkr0-xv29） | v3=QIBA SUV；v2 掩膜修正 |
| autoPET 挑战赛结果 | Gatidis et al., Nat Mach Intell 2024 | 训练集=PSMA+FDG 合并 |
| 挑战赛测试集表现 | 对应届次官网 leaderboard | 测试集非本数据集 |
§20 附录 F：库内编辑部落与互链建议
- 强互链（已核验 rid）：autopet（468，血缘总条目）、autopet-iii（678，本数据集首秀届次）、autopet-v（634，系列延续）。
- 建议互链（待条目）：fdg-pet-ct-lesions（姊妹集，库内现缺，建议入池）；DEEP-PSMA（Zenodo，可作候选）。
- 弱互链（正文提及即可）：nnU-Net 相关方法条目、TotalSegmentator（器官先验思路）、前列腺 MRI 条目族（PI-CAI 等）。
尾注
本条目由千方病案医数集写手代理于 2026-10-13 编写。核心事实（规模 597/378/539/58、双示踪剂 369/228、三台设备、两步标注协议、双轨许可、版本链 v1-v3）经 TCIA 官方 collection 页、FDAT DOI 页与 autoPET 官网三源交叉核验；冲突与并存口径已在 §9 逐条存照。若官方后续修订数字，以 TCIA/FDAT/autoPET 官网最新版本为准。
§21 附录 G：临床背景深读——为什么是 PSMA，为什么是 PET/CT
21.1 PSMA 分子影像的崛起
前列腺特异性膜抗原（PSMA）是一种在前列腺癌细胞表面高表达的 II 型跨膜糖蛋白，其表达随肿瘤去分化、侵袭性增强与去势抵抗而上调，且在转移灶（尤其淋巴结与骨转移）中广泛保留。¹⁸F-PSMA-1007 与 ⁶⁸Ga-PSMA-11 等示踪剂以小分子/配体形式与 PSMA 的胞外域结合，使 PET 探测器能以皮摩尔级灵敏度看到全身每一个 PSMA 高表达灶。相比传统的骨扫描（灵敏度有限、特异性差）与胆碱/氟脱氧葡萄糖 PET（前列腺癌摄取低），PSMA PET/CT 在生化复发的检出、初分期（高危患者的淋巴结与远处转移评估）与 ¹⁷⁷Lu-PSMA 放射配体治疗的患者筛选中均已改写指南。LMU 慕尼黑作为欧洲最大的前列腺癌影像中心之一，2014 年起即将 PSMA PET/CT 纳入常规临床流程——这正是本数据集的采集窗口起点。
21.2 读片负担与自动化的临床动机
一个晚期前列腺癌患者的全身 PSMA PET/CT 可含数十乃至上百个骨/淋巴结转移灶，分布在数百层轴位切片上。临床读片要回答的问题——病灶数量、分布、SUVmax、肿瘤负荷（用于比较不同示踪剂与治疗反应）——全部建立在「找全每一个病灶」之上。人工读片的漏检率随病灶数量与疲劳程度上升；而 SUV 阈值类自动方法又受本底摄取波动与生理摄取干扰。欧洲核医学界对「全身 PET/CT 自动病灶分割」的临床需求，与深度学习对「大规模标注数据」的渴望，在 2022 年前后汇聚成 autoPET 系列与本数据集。
21.3 双示踪剂的化学与物理差异（为什么不能当同一分布）
¹⁸F（半衰期约 110 分钟，正电子射程短）与 ⁶⁸Ga（半衰期约 68 分钟，正电子射程长）在图像上表现为不同的分辨率与噪声特性：⁶⁸Ga 图像因正电子射程长而略显模糊，¹⁸F 图像更锐利；¹⁸F-PSMA-1007 还因肝胆排泄路径不同而减少泌尿系统干扰。这些物理化学差异叠加三台设备的重建差异，使「双示踪剂」实际上引入了双重域偏移（示踪剂×设备）。这正是数据集把核素标签写进元数据、挑战赛把跨示踪剂泛化当核心考题的原因——任何声称「在 PSMA PET/CT 上验证过」的模型，都应报告按核素分组的性能。
21.4 从分割到治疗决策的临床链路
自动分割的下游价值链：①肿瘤负荷定量（TTB 类指标）用于治疗反应评估——比视觉读片更可重复；②病灶级 SUV 特征用于影像组学与预后建模；③¹⁷⁷Lu-PSMA 治疗的剂量学与病灶可及性评估需要每病灶的轮廓；④多时点配准后的逐病灶随访使「新发病灶」判定标准化。本数据集的掩膜颗粒度（逐病灶 3D）恰好是这条链路的最上游供给。
§22 附录 H：挑战赛方法深读——社区在这个底座上学到了什么
22.1 nnU-Net 为什么统治了 autoPET
autoPET 系列的几乎全部头部方案都以 nnU-Net 为骨架：全身 PET/CT 的体数据尺寸大、前景占比极小、跨病例强度分布差异大——nnU-Net 的自配置（指纹分析决定预处理/patch/网络配置）、基于 patch 的滑窗训练与推理、以及针对类别不平衡的深度监督设计恰好逐条命中。挑战赛的增量创新多发生在 nnU-Net 之外的部分：多通道输入（PET+CT 双模）、示踪剂条件化、器官先验通道、级联粗-细分割、以及测试时增强。对新手，这的实操含义是：先用 nnU-Net 复现基线再谈创新，否则无法区分「方法好」与「工程没调好」。
22.2 器官监督（autoPET IV）的动机
PSMA 病灶的经典误报源是生理性摄取器官（肾、膀胱、唾液腺、肝胆、肠道）与炎症/退行性骨改变。autoPET IV 引入器官监督赛道，把器官掩膜作为辅助监督信号（多任务或解剖先验），让模型显式学会「这里是器官、不是病灶」。文献与挑战赛报告一致显示器官先验对假阳性率的压制作用。本数据集自身不带器官掩膜，因此做器官监督方法需自行用 CT 分割工具（如 TotalSegmentator）生成器官先验——CTres 通道正好支撑这一点。
22.3 跨示踪剂泛化的已知结论
Rokuss 等（From FDG to PSMA, arXiv:2409.09478）的系统实验给出了三个可迁移的结论：①单示踪剂模型直接跨示踪剂部署性能显著下降（域偏移主导）；②混合训练覆盖大部分落差，且几乎不牺牲域内性能；③轻量微调（少量目标域数据）即可补齐剩余差距。对临床落地的含义：与其为每个示踪剂从零训练，不如建立「混合预训练+目标域微调」的部署范式——而这一范式成立的前提，正是双示踪剂同构标注底座的存在。
22.4 交互式与人在环方向
autoPET IV 的人类引导赛道考察「读片医生给一点提示（点击/粗框），模型能把全部分割做好多少」。这对临床最相关：自动预分割+医生 30 秒修正的混合工作流，可能比纯自动更早达到临床可部署精度。该方向的方法（点击条件化分割、SAM 类模型医学改造）天然适合以本数据集为训练底座。
22.5 评测方法学的共识与分歧
共识：报告 Dice 之外必须报病灶级指标（灵敏度、FP/case）；按患者划分；分设备/示踪剂分组。分歧：小病灶的处理（有人主张按体积加权、有人主张逐病灶均衡采样评测）；假阳性定义（与生理摄取重叠的预测算不算 FP——掩膜不含生理摄取，严格口径下算）。建议在自己的论文中显式声明这两点口径，避免与文献不可比。
§23 附录 I：逐检查元数据字段的工程用法
| 元数据字段 | 工程用法 |
|---|---|
| patient age | 分层评测（<65 / 65-79 / ≥80，注意 89+ 封顶失真）；不用于个体临床推断 |
| PET/CT manufacturer & model | 设备域偏移研究：按 3 组（Siemens mCT / Siemens TruePoint / GE 690）分组评测或做设备对抗域适应 |
| PET radionuclide | 示踪剂条件化（one-hot 输入）、跨示踪剂迁移实验的分组键 |
| CT contrast agent | 对比剂有无分组；CT 分支强度归一化须考虑增强与非增强的差异分布 |
| （隐含）patient ID | patient-level split 的键；纵向研究的患者内分组 |
| （隐含）study date（平移） | 纵向排序与间隔计算（只用相对间隔） |
一个常被忽视的细节：同一患者跨年份可能从 ⁶⁸Ga 换到 ¹⁸F（或跨设备复查），这类「患者内域切换」样本对域适应研究是金矿——它们提供了同患者、同病灶、跨域的自然对照。
§24 附录 J：局限性的批判性深读（十问十答）
Q1：单一读片人标注到底有多大的风险？
数据集的每一层质控（初注+两级复核+赛后 v2 修正）都无法替代读片人间一致性统计——它从未公开 kappa 或 Dice-间读片人数据。实践上这意味着：金标准本身有未知方差，模型逼近金标准的过程会继承其偏差（例如初注对微小病灶的系统性漏标倾向，v2 修正恰好是证据）。对精度敏感的应用（剂量学、疗效判定），建议对关键子集做双人盲评自查。
Q2：58 个阴性检查够吗？
相对 539 阳性是约 1:9.3 的失衡，且阴性样本的「阴性原因」未标注（治疗后缓解？假阳性嫌疑被排除？炎症为主？）。它足以压训练假阳性，但不足以支持「正常 PSMA PET 解剖图谱」类研究——后者需要健康志愿者影像。
Q3：单中心到底限制了什么？
三层：设备域（三台设备都在 LMU，其校准与重建协议同源）、人群域（德国南部转诊人群）、流程域（注射剂量-等待时间-重建参数 institutional protocol）。挑战赛测试集（UKT）正是为了暴露第三类限制而设；更远的域（亚洲人群、不同示踪剂配比）需要 DEEP-PSMA 或本地数据外推验证。
Q4：为什么没有读片报告配对？
数据集只发布影像+掩膜+四项元数据，临床报告因文本 PHI 风险未发布。这堵死了「报告-影像对齐」「自动结构化报告」类研究在本集上的直接开展——需要报告的应另寻 PET 报告数据集并与本集方法互补。
Q5：二值掩膜是不是信息损失？
是。掩膜不区分原发灶与转移灶、不编码病灶类型（淋巴结/骨/内脏）、不携带 per-lesion SUV 统计。做病灶分类或转移模式研究需在掩膜之上叠加解剖先验（如骨骼图谱）自行推断——可行但引入推断误差层。
Q6：v2 只修了 5 个检查，说明初注质量高吗？
更谨慎的读法：v2 是「被发现并被承认」的修正量，下限证据而非质量上界。挑战赛期间社区对掩膜的反馈、以及发布前复核的覆盖范围都没有逐检查公开。把它当「维护机制有效」的证据比当「错误率≈5/597」的证据更稳。
Q7：PET 分辨率对小病灶分割意味着什么？
均值 3.56 mm 的 x-y 分辨率下，直径 <5mm 的病灶仅占 1-10 个体素；部分容积效应使其 SUV 系统性低估、边界不可分辨。数据集掩膜对这类病灶的边界本质上是「读片人判断」而非物理可测边界——评测协议中应对极小病灶分层报告。
Q8：平移日期之外还有别的隐私痕迹吗？
元数据中设备型号、核素、年龄（封顶）、对比剂都是低维准标识符，组合后理论上可缩小候选人群（尤其罕见设备组合）。数据方已做主流处理，但使用者在公开衍生成果时应避免发布可与外部数据库链接的切片原像素+元数据组合。
Q9：为什么 FDAT 包把 FDG 和 PSMA 合并而不是分开？
挑战赛的考核设计要求同构底座；合并打包也避免了「PSMA 用户拿 FDG 做预训练还要自行对齐格式」的摩擦。代价是版本管理耦合：FDG 侧的任何变更也会影响 PSMA 用户的包版本号。拆分使用时以 tracer 前缀过滤即可。
Q10：这个数据集五年后会怎样？
参考同类（LiTS、AMOS 等）生命周期：挑战赛结束后，维护动力从「竞赛公平」转为「社区引用」，更新频率下降但引用长尾持续。v3 的 QIBA 对齐与 v2 的修正记录显示维护质量高于均值；可持续性最终取决于 Tübingen 数据仓库（FDAT）的长期资助——引用时同时引用 FDAT DOI 是对维护方的直接支持。
§25 附录 K：数据质量自查清单（拿到数据后 30 分钟内可完成）
- 版本核对：FDAT 包头 dataset.json 的版本字段 / TCIA 下载 manifest 的日期；确认是否含 v2 修正的 5 个检查文件名。
- 数量核对：患者数=378、检查数=597（psma_ 前缀）；阳性=539、阴性=58；任一不符→下载不完整或混入他源。
- 网格核对：随机抽 10 个检查，确认 CTres 与 SUV 同 shape、掩膜与 SUV 同 shape、affine 一致。
- 数值核对：SUV 通道中位正值应在 0.5-2 区间（本底），若出现数千量级→拿到的是原始计数（坑 3）。
- 掩膜核对：抽 5 个阳性检查渲染最大强度投影（MIP）叠加掩膜，肉眼确认掩膜落在摄取灶上；抽 1 个阴性检查确认全零掩膜。
- 元数据核对：TSV/CSV 行数与检查数一致；核素字段仅含 ¹⁸F/⁶⁸Ga 两值；年龄字段 max=90。
- 划分核对：splits_final.json 的 5 折并集覆盖全部训练检查、两两不相交；若做 patient-level 自定义实验，重新按 378 患者划分。
- 示踪剂-设备交叉表：快速统计核素×设备的检查数分布，作为后续分组评测的先验。
§26 附录 L：与库内写作规范的对齐说明
- 本条目 category_tags 取「医学影像 / PET / 医学图像分割 / 挑战赛数据集 / 肿瘤学」，与受控词表一致。
- frontmatter 中 schema_org 的 cr:RecordSet 采用节点式写法；rai:dataLimitations 列出七条核心局限。
- relatedLink 仅含库内纯 URL（autopet/autopet-iii/autopet-v 三条）；fdg-pet-ct-lesions 等未入库条目的互链说明放在本附录与 §7，不进入 frontmatter（R012 纪律）。
- 双口径（许可双轨、597 vs 1100、版本号体系）在 §9 存照并全文按实核结果表述。
§27 附录 M：进一步阅读路径
- 数据集第一手：TCIA collection 页 → FDAT DOI 页（版本链）→ autoPET 官网 psmapetct 页（协议与脚本）。
- 方法线：Isensee 等 nnU-Net Revisited（arXiv:2404.09556）→ Kalisch 等 autoPET III 解剖先验（arXiv:2409.12155）→ Rokuss 等 From FDG to PSMA（arXiv:2409.09478）→ autoPET IV 总结（arXiv:2509.02402）。
- 结果线：Gatidis 等 Nature Machine Intelligence 2024。
- 外部验证线：DEEP-PSMA（Zenodo 15281783）；Dartmouth 空间先验研究（medRxiv 10.64898/2026.08.26.26361439）。
- 姊妹集：FDG-PET-CT-Lesions（DOI 10.7937/gkr0-xv29）。
§28 附录 N：扩展数据画像（逐维速查表）
28.1 三个检查案例走读（基于官方结构与参数的典型画像）
| 案例 | 患者 | 检查时点 | 示踪剂 | 病灶情况 | 典型用途 |
|---|---|---|---|---|---|
| 案例一（初分期） | 男性，60 余岁 | 单次检查 | ¹⁸F-PSMA | 前列腺原发灶＋2 枚盆腔淋巴结转移 | 原发+转移共存的多灶分割训练样本 |
| 案例二（生化复发随访） | 男性，70 余岁 | 同患者 2 个检查（间隔保留） | ⁶⁸Ga-PSMA | 第二次检查新发 1 枚骨转移 | 纵向进展检测、新发病灶判定研究 |
| 案例三（阴性对照） | 男性，80 余岁 | 单次检查 | ¹⁸F-PSMA | 无任何 PSMA 摄取肿瘤病灶 | 假阳性压制、特异性评测 |
（画像为基于官方统计的典型组合示意，用于教学；具体病例请以数据本体与元数据为准。）
28.2 示踪剂双列对照
| 属性 | ¹⁸F-PSMA（369 检查） | ⁶⁸Ga-PSMA（228 检查） |
|---|---|---|
| 平均注射剂量 | 246 MBq | 214 MBq |
| 半衰期 | 约 110 分钟 | 约 68 分钟 |
| 正电子射程 | 较短（图像较锐利） | 较长（图像较模糊） |
| 排泄路径特点 | 肝胆排泄为主，泌尿干扰较少 | 泌尿道排泄明显，膀胱/肾盂本底高 |
| 元数据可得性 | radionuclide 字段标识 | radionuclide 字段标识 |
| 建模提示 | 可作为高分辨率参照分布 | 注意膀胱邻近病灶的假阳性风险 |
28.3 设备三列对照
| 属性 | Siemens Biograph mCT Flow 20 | Siemens Biograph 64-4R TruePoint | GE Discovery 690 |
|---|---|---|---|
| 厂商 | Siemens | Siemens | GE |
| 流量式进床 | 是（Flow 技术） | 否（步进采集） | 否（步进采集） |
| 对本集意义 | 设备域之一，数据量占主力 | 设备域之二 | 设备域之三，跨厂商差异来源 |
| 建模提示 | 同厂商两代设备差异小于跨厂商 | 与 mCT 组可先合并再细分 | GE 重建特性独立分组评测 |
28.4 CT 参数逐项表
| 参数 | 值 | 备注 |
|---|---|---|
| 覆盖范围 | 颅底至大腿中部（多数） | 与 PET 同床 |
| 层厚 | 2.5-5.0 mm（均值 2.82 mm） | 原生诊断层厚 |
| x-y 分辨率 | 多为 0.98 mm | 重采样到 PET 后丢失 |
| 管电压 | 120 kV / 100 kV 为主（80-140 kV 范围） | 瘦体型或儿童协议降 kV |
| 参考管电流量积 | 143 mAs（均值） | 剂量调制个体化 |
| 静脉对比剂 | 多数使用 | 26 个检查因禁忌未用 |
28.5 PET 参数逐项表
| 参数 | 值 | 备注 |
|---|---|---|
| 注射-采集间隔 | 平均 74 分钟 | 双示踪剂共用口径 |
| 重建层厚 | 3.0-5.0 mm（均值 3.49 mm） | CT 衰减校正 |
| x-y 分辨率 | 2.73-4.07 mm（均值 3.56 mm） | 随设备而异 |
| 体素值 | FDAT 版 SUV（v3 QIBA 对齐）；TCIA 版原始计数 | 见坑 3 |
| 掩膜网格 | 与 PET 同网格（NIfTI 版） | DICOM SEG 引用 PET 几何 |
28.6 版本链逐条表
| 版本 | 仓库 | 关键变更 | 对使用者的影响 |
|---|---|---|---|
| v1 | FDAT | 初版 | 已被 v2/v3 取代 |
| v2 | FDAT | 修正 3 患者 5 检查掩膜（3 更新、2 补标） | 用旧镜像者核对文件清单 |
| v3 | FDAT | SUV 计算对齐 QIBA；打包 20.6 GB | 定量研究统一以此为准 |
| Version 1 | TCIA | DICOM 原始数据发行 | 2024 发行，标注 Version 1 |
28.7 许可逐条表
| 形态 | 许可 | 署名 | 商用 |
|---|---|---|---|
| TCIA DICOM | TCIA Restricted license | 引 DOI 10.7937/r7ep-3x37 + TCIA | 联系组织者 |
| FDAT NIfTI | CC BY-NC 4.0 | CC 署名条款 | 禁止，需另行授权 |
| 派生权重/再标注 | 继承原轨道 | 保留原引用 | 同原轨道限制 |
28.8 评测指标推荐组合表
| 层级 | 指标 | 何时必报 |
|---|---|---|
| 体素级 | Dice、IoU | 所有对比 |
| 体素级（加权） | 体积加权全图 Dice | 病灶尺寸长尾时 |
| 病灶级 | 灵敏度、FP/case、病灶级 Dice 中位数+IQR | 所有论文 |
| 分组 | 按核素/设备/对比剂分组 Dice | 跨域与鲁棒性主张 |
| 阴性子集 | 58 例假阳性率 | 任何临床主张 |
| 纵向 | 新发病灶检出率 | 治疗反应研究 |
28.9 患者内检查数分布提示
378 名患者贡献 597 个检查，即平均约 1.58 检查/患者；约三分之一患者拥有 ≥2 个检查（纵向样本）。官方未公布完整的「1/2/3+ 检查」精确分布表，使用时以数据本体统计为准（§9.3 遗留疑点口径）。
28.10 与库内 PET 相关条目的分工
| 条目 | 覆盖 | 本条目让出的范围 |
|---|---|---|
| autopet（468） | 挑战赛系列总览 | 不重复挑战赛规则细节 |
| autopet-iii（678） | 2023 届方案与榜单 | 本条目只写「它是训练数据」 |
| autopet-v（634） | 系列延续 | 不展开后续届次数据变更 |
| fdg-pet-ct-lesions（建议补池） | FDG 侧数据 | 本条目只作对照引用 |
§29 附录 O：三十条高频技术问答（进阶篇）
Q1：PSMA PET 与 FDG PET 的 SUV 可以直接比较吗？
不可以。两者示踪机制不同（PSMA 是受体结合、FDG 是葡萄糖代谢），SUV 分布与本底完全不同；可比的是各自数据集内的相对量化。
Q2：数据集的掩膜是由 SUV 阈值生成的吗？
不是纯阈值产物：阈值只做 VOI 内预分割，最终边界由读片人逐层修正——这正是它优于纯阈值标注（如 DEEP-PSMA 的 SUV≥3 自动口径）的地方。
Q3：FDAT 版里 CTres 与原始 CT 有何区别？
CTres 是重采样到 PET 网格的 CT（同一网格可直接拼接通道）；原始 CT 分辨率更高（0.98 mm 级），FDAT 版未直接提供，需回 TCIA DICOM 获取。
Q4：nnU-Net 的 dataset.json 里 modality 怎么填？
官方结构：0000=ct、0001=pt；labels 为 {0: background, 1: lesion}；channel_names 按实际归一化需求填写。
Q5：推理时整卷滑动窗还是 patch？
nnU-Net 默认滑窗推理已够用；自定义模型建议 patch 训练+滑窗推理，patch 内保留足够上下文（病灶很小）。
Q6：训练时 PET 与 CT 通道归一化怎么做？
PET（SUV）常用 z-score 或 clip 到 [0,5]；CT 用窗口化（软组织窗）或 z-score。避免用增强后的 CT 值分布训练、推理遇到平扫。
Q7：26 个无对比剂检查要剔除吗？
不建议剔除。它们是 CT 分支域偏移的现实组成；分组评测比剔除更能反映部署真实。
Q8：病灶连通域分解用 3D 26-邻接还是逐层？
推荐 3D 连通（26-邻接）；逐层分解会把跨层连续病灶切断、低估病灶级指标。
Q9：极小病灶（1-3 体素）算不算病灶？
官方标注包含读片人认定的所有 PSMA 摄取肿瘤病灶，无论大小。评测时建议分层报告，避免小病灶方差淹没整体。
Q10：可以把本数据集和 TotalSegmentator 的 CT 器官掩膜直接叠加吗？
TotalSegmentator 需在 CTres（PET 网格）上运行或重采样其对齐网格；PET 本身不适合器官分割工具，须用 CT 通道。
Q11：跨示踪剂实验里需要重归一化 SUV 吗？
SUV 已经是体重归一化量；跨示踪剂主要差异在分布形状而非尺度，域适应手段（样式迁移、条件化）比再归一化更对症。
Q12：splits_final.json 的 5 折是按患者还是按检查？
官方未逐条声明口径；鉴于同患者多检查的存在，稳妥做法是自行做 patient-level 5 折并在论文声明口径。
Q13：挑战赛测试集能下载吗？
测试集在挑战赛期间由平台托管、不公开下载；赛后部分数据通过 Zenodo/官网渠道发布，以 autoPET 官网公告为准。
Q14：掩膜里有 Ignore 类吗？
没有（区别于病理 WSI 数据集的 Ignore 类）。PET 掩膜是纯二值 0/1。
Q15：TCIA 版与 FDAT 版的掩膜一致吗？
语义一致（同一批标注），但格式、网格与版本不同（FDAT 有 v2 修正）。混用前以 §25 自查清单核对。
Q16：能用于 ¹⁷⁷Lu-PSMA 剂量学研究的替代吗？
只能作替代几何与病灶分布近似；剂量学需要治疗前的配对 PET（如 DEEP-PSMA），本集无治疗配对。
Q17：模型输出应该软概率还是二值？
提交/评测惯例为二值（阈值 0.5）或挑战赛规定格式；论文同时报告软指标（如 AP）可增加信息量。
Q18：有官方训练代码吗？
数据集本身无官方模型代码；nnU-Net 与挑战赛参赛者仓库是事实标准（leaderboard 附链接）。
Q19：如何做 5 折集成的 TTA？
nnU-Net 自带集成与测试时增强入口；自研模型自行实现翻转/多尺度 TTA，注意推理时间成本。
Q20：数据里有 PET/MRI 吗？
没有，全部为 PET/CT。
Q21：可以用本数据集预训练再迁移到其他 PET 任务吗？
可以，且是常见用法（全身 PET 病灶分割预训练→器官/其他瘤种微调）；注意许可继承。
Q22：年龄字段可以用于老年学分析吗？
只能粗分层；89+ 封顶使高龄段截断，任何以 90 岁为真实年龄的分析都是错的。
Q23：为什么 x-y 分辨率是个范围而非定值？
三台设备、多年代协议、个体化重建矩阵导致；FDAT 版已统一重采样到 PET 网格，TCIA 版保留原始差异。
Q24：核素字段是受控词表吗？
是二值字段（¹⁸F 或 ⁶⁸Ga），经放射科医师目视核验，可直接作分组键。
Q25：发生器间重建算法差异被记录了吗？
未逐例记录重建算法版本；设备型号是唯一可用的代理变量——这是域研究的一个已知盲区。
Q26：能用本数据集研究 PET 图像去噪/增强吗？
可以但缺少低剂量配对（无同患者多剂量数据）；去噪研究更适合有原始计数与多次重建的专设数据集。
Q27：掩膜边界与 SUV 等值线关系如何？
由于阈值预分割起点，掩膜边界大致贴近读片人选择的等值线，再经手工修正收放——不要假设掩膜=某 SUV 等值面。
Q28：论文里如何描述数据集规模最稳？
「597 whole-body PSMA PET/CT scans from 378 patients with prostate cancer (539 lesion-positive, 58 lesion-negative), acquired at LMU Munich 2014-2022」——一句话三源口径齐全。
Q29：可以仅使用子集（如仅 ¹⁸F）吗？
可以，统计力会下降；建议在论文明确子集构成并保留阴性检查。
Q30：数据更新会推送吗？
无推送机制；关注 FDAT DOI 页版本记录与 autoPET 官网公告，或在引用中固定版本号。
§30 附录 P：十年大事记详表
| 年份 | 事件 | 与本数据集的关系 |
|---|---|---|
| 2014 | LMU 启动 PSMA PET/CT 常规临床应用（本集采集窗口起点） | 采集开始 |
| 2017-2019 | PSMA PET 在前列腺癌分期证据积累、指南采纳 | 采集持续 |
| 2020 | 前列腺穿刺 WSI 的 PANDA 挑战赛同期，医学影像挑战赛范式成熟 | 方法论环境 |
| 2021 | nnU-Net 方法论文（Nature Methods）确立分割基线范式 | 后续挑战赛的基线骨架 |
| 2022 | FDG-PET-CT-Lesions 发布；autoPET I/II 系列起步 | 标注方法论确立 |
| 2023 | autoPET III：FDG+PSMA 合并训练集首次使用本数据集 | 官方训练数据首秀 |
| 2024 | PSMA-PET-CT-Lesions 入驻 TCIA（Version 1）；autoPET 结果论文见刊 NMI；autoPET IV 进行 | 三源分发与学术定标 |
| 2024-2025 | FDAT 发布 v2（掩膜修正）、v3（QIBA SUV） | 版本维护 |
| 2025 | autoPET IV 总结论文（arXiv:2509.02402）发表 | 方法沉淀 |
| 2026 | Dartmouth 团队空间先验研究（medRxiv）继续以本集为底座 | 生态活性延续 |
§31 附录 Q：常见误用案例库（文献与社区反馈归纳）
案例 1——「全图异常检测」误用：把掩膜当「所有高摄取区」的标注训练异常检测，生理性摄取全被判异常。修正：掩膜仅肿瘤病灶（坑 7）；异常检测任务需重定义标签。
案例 2——「SUV=3 等值线即掩膜」误读：有团队把 SUV≥3 连通域当作本集掩膜的近似来训练弱监督。实际掩膜经手工修正，两者在小病灶与高本底区域系统性不一致——蒸馏实验会把这些不一致当噪声学进去。
案例 3——「检查级划分」泄漏：同一患者 2-3 个检查分属训练与验证，分数虚高数个百分点。修正：patient-level split（§11.3）。
案例 4——「原始计数当 SUV」：TCIA 版直接读入训练，损失尺度异常、与文献不可比。修正：先 SUV 化或改用 FDAT 版（坑 3）。
案例 5——「v1 镜像复现 v3 论文」：第三方镜像停留在 v1，SUV 口径与掩膜版本双重偏差导致复现失败。修正：以 FDAT v3 为准并核对 MD5。
案例 6——「阴性检查当健康对照」：用 58 例无病灶检查声称「健康队列分布」。这些是前列腺癌疑似/确诊患者，本底摄取（如退行性骨改变）与健康人不同。
案例 7——「Dice 唯尊」评测：只报全图 Dice，小病灶漏检被大病灶体素稀释掩盖。修正：病灶级指标必报（§28.8）。
案例 8——「跨示踪剂直接部署」：FDG 训练的模型直接上 PSMA 报告性能。Rokuss 等已证明显著落差；至少做混合微调基线。
案例 9——「平移日期做流行病学」：把检查日期当年份趋势分析。日期是全局平移的假日期（坑 5）。
案例 10——「商用直接上」：创业团队默认「公开=可商用」，忽略 Restricted license 与 CC BY-NC。修正：联系组织者取得书面许可（坑 4）。
案例 11——「掩膜当器官分割」：期望掩膜覆盖肾/膀胱做器官先验评估。掩膜无器官语义；用外部器官分割（22.2）。
案例 12——「把 DEEP-PSMA 的 100 例并进来扩规模」：两集许可、标注法、人群不同，直接合并训练且不声明来源属不规范做法；若合并需双引用并声明标注差异（坑 2）。
§32 附录 R：方法学写作模板（引用本数据集时的标准段落）
我们在 PSMA-PET-CT-Lesions（Jeblick et al., The Cancer Imaging Archive, 2024, DOI: 10.7937/r7ep-3x37）上评估所提方法。该数据集包含 2014-2022 年于 LMU 慕尼黑大学医院采集的 597 个全身 PSMA PET/CT 检查（378 名患者，48-92 岁），其中 539 个检查含至少一个经手工 3D 分割的 PSMA 摄取肿瘤病灶（单一读片人初注、两级专家复核），58 个检查为无病灶阴性对照。示踪剂为 ¹⁸F-PSMA（369 检查，平均 246 MBq）与 ⁶⁸Ga-PSMA（228 检查，平均 214 MBq），注射后平均 74 分钟采集。我们使用 FDAT 分发的 NIfTI v3 版本（SUV 按 QIBA 标准对齐），按患者级 5 折划分训练，同时报告体素级 Dice 与病灶级灵敏度/假阳性率，并按示踪剂与设备分组评测。
模板说明：三处 DOI/规模/协议口径全部对齐官方；分组评测与患者级划分为 §11.4 推荐协议；可直接改写使用。
§33 附录 S：缩写全表（A-Z 速查）
| 缩写 | 全称 | 中文 |
|---|---|---|
| AI | Artificial Intelligence | 人工智能 |
| AP | Average Precision | 平均精度 |
| CT | Computed Tomography | 计算机断层扫描 |
| CTres | CT resampled | 重采样至 PET 网格的 CT |
| DICOM | Digital Imaging and Communications in Medicine | 医学数字成像与通信标准 |
| DAIMS | Dataset Assessment for AI-Readiness in Medical Science | 医学数据集 AI 就绪度评估维度 |
| FDG | Fluorodeoxyglucose | 氟代脱氧葡萄糖 |
| FDG-PET-CT-Lesions | （姊妹数据集名） | FDG PET/CT 病灶分割数据集 |
| FP | False Positive | 假阳性 |
| GAN | Grand Challenge（泛用缩写语境） | 挑战赛（grand-challenge.org 平台） |
| IoU | Intersection over Union | 交并比 |
| IDC | Imaging Data Commons | NCI 影像数据共享平台 |
| LMU | Ludwig-Maximilians-Universität München | 慕尼黑大学 |
| mCRPC | metastatic Castration-Resistant Prostate Cancer | 转移性去势抵抗性前列腺癌 |
| MBq | Megabecquerel | 兆贝克勒尔（放射性活度单位） |
| MD5 | Message-Digest Algorithm 5 | 文件校验和 |
| MRI | Magnetic Resonance Imaging | 磁共振成像 |
| NBIA | National Biomedical Imaging Archive | TCIA 的下载器/影像档案系统 |
| NCI | National Cancer Institute | 美国国家癌症研究所 |
| NIfTI | Neuroimaging Informatics Technology Initiative | 神经影像体数据格式 |
| NMI | Nature Machine Intelligence | 期刊名 |
| nnU-Net | no-new U-Net | 自配置医学分割框架 |
| PHI | Protected Health Information | 受保护健康信息 |
| PSMA | Prostate-Specific Membrane Antigen | 前列腺特异性膜抗原 |
| PT | Positron emission Tomography（DICOM 模态代码） | PET 模态代码 |
| QIBA | Quantitative Imaging Biomarkers Alliance | 定量影像生物标志物联盟 |
| SEG | DICOM Segmentation Object | DICOM 分割对象 |
| SUV | Standardized Uptake Value | 标准摄取值 |
| TCIA | The Cancer Imaging Archive | 癌症影像档案库 |
| TTB | Total Tumor Burden | 总肿瘤负荷 |
| TTA | Test-Time Augmentation | 测试时增强 |
| TSV | Tab-Separated Values | 制表符分隔文件 |
| UKT | Universitätsklinikum Tübingen | 图宾根大学医院 |
| VOI | Volume of Interest | 感兴趣体积 |
§34 附录 T：它与其时代的五个平行工程（定位阅读）
- FDG-PET-CT-Lesions（2022）：同一方法论在 FDG 上的先行版本——读它才能理解本数据集的协议为什么这样设计（先有 FDG 实践后有 PSMA 复制）。
- autoPET III/IV（2023/2024）：把数据集变成领域基准的机制设计——训练集固定、测试集隐藏、榜单公开、结果论文定标。
- nnU-Net Revisited（2024）：与本数据集互相成就的基线框架——数据集给了 nnU-Net 新战场，nnU-Net 给了数据集即用基线。
- DEEP-PSMA（2025）：治疗导向的平行小集——SUV 阈值+人工清除的另一种标注哲学，与本集「阈值预分割+全手工修正」形成方法对照。
- TotalSegmentator 等器官分割工程：本数据集刻意不做的部分（器官）由其补位——autoPET IV 的器官监督赛道是两个生态的汇流点。
定位总结：PSMA-PET-CT-Lesions 在「全身分子影像 AI」这条线上，扮演的是 PSMA 侧的奠基数据集——如同 FDG 侧的 FDG-PET-CT-Lesions、CT 侧的 DeepLesion、MRI 侧的各类器官基准。理解它的最好方式是理解它与其平行工程的分工边界，而不是把它当万能数据。
§35 附录 U：写手复查记录（成稿自证）
- 规模 597/378/539/58：TCIA collection 页、Cancer IDC portal、TCIA 官网详情页三方一致。
- 双示踪剂 369/228、剂量 246/214 MBq、间隔 74 分钟：TCIA 详情页与 FDAT DOI 页一致。
- 三台设备与 CT/PET 参数：TCIA 详情页（唯一详述来源），FDAT 页未复述——以 TCIA 为准。
- 标注协议两步法与质控链：autoPET 官网 + TCIA 详情页一致；mint Medical、highdicom v0.22.0 细节出自 TCIA 详情页。
- 版本链 v1/v2/v3 与 v2 修正文件清单：FDAT DOI 页（唯一详述来源）。
- 许可双轨：autopet.org（NIfTI=CC BY-NC 4.0）+ TCIA（DICOM=Restricted）并存，§9.1 存照。
- 挑战赛结果论文与后续研究：Nature Machine Intelligence 2024 经 arXiv 参考文献链核验；medRxiv 2026 空间先验研究直接引用数据 DOI。
以上任何一条若与官方后续修订冲突，以官方页为准；本条目的存照体系（§9）保证冲突可追溯。
§36 数据画像终览：一屏记住 PSMA-PET-CT-Lesions
- 一句话：LMU 慕尼黑 2014-2022 年 597 个全身 PSMA PET/CT 检查、378 名前列腺癌患者，539 个检查的全部 PSMA 摄取病灶手工 3D 分割、58 个阴性对照，TCIA 公开，autoPET III/IV 官方训练数据的 PSMA 部分。
- 数字锚点：597 检查 · 378 患者 · 539/58 阳阴 · 369 ¹⁸F / 228 ⁶⁸Ga · 3 台设备 · 20.6 GB（v3） · 2 条许可轨道 · 3 个版本（v1-v3）。
- 三个 DOI：10.7937/r7ep-3x37（TCIA 主 DOI）· 10.57754/fdat.g27kx-86t35（FDAT 镜像）· 10.7937/gkr0-xv29（FDG 姊妹集，合并版需同引）。
- 一句警告：PET 值先辨 SUV/计数、掩膜只含肿瘤病灶、划分必须按患者、商用先联系组织者。
- 一句评价（DAIMS 154/200）：任务级黄金基准——规模中等但标注、维护、生态三项顶配，是全身 PSMA PET/CT 分割研究事实上的起点站。
若只带走本条目的一段话，带走这一段；若要动手，从 §11 的路径 A/B/C 选一条开始；若要踩坑规避，背下 §10 的十个坑编号即可定位速查。
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：
- autopet-v — 共享标签：医学影像 / PET / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- hecktor2026 — 共享标签：医学影像 / PET / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- autopet-iii — 共享标签：医学影像 / PET / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- autopet-iv — 共享标签：医学影像 / PET / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- promise12 — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- owl — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- lysto — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- segrap — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- kits23 — 共享标签：医学影像 / 医学图像分割 / 挑战赛数据集 / 肿瘤学
- structseg2019 — 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。
