SPIDER — 腰椎 MRI 分割多中心数据集与公开基准

INFOBOX — SPIDER 一屏速览

维度	内容
本质	多中心腰椎 MRI 三层解剖结构分割数据集 + 公开基准（椎骨/椎间盘/椎管）
团队	Radboud University Medical Center 影像分析组（DIAG），通讯 Jasper W. van der Graaf
论文	Sci Data 11, 264（2024-03-02；doi:10.1038/s41597-024-03090-w）
数据	公开 218 患者 / 447 series（196 T1 + 210 T2 + 41 T2-SPACE）；全量 257 studies / 544 series
采集	荷兰 4 家医院（1 大学医学中心 + 2 区域医院 + 1 骨科医院），2019-01 至 2022-03
结构	椎骨（含椎弓）、椎间盘（IVD）、椎管；排除骶骨
标注量	3125 椎骨、3147 椎间盘、447 椎管（公开训练+验证）
标签	自下而上编号：最低腰椎=1｜IVD=上方椎骨+200｜椎管=100｜背景=0
分级	7 类退变：Modic、终板改变/Schmorl、滑脱、突出、狭窄、膨出、Pfirrmann(1-5)
格式	原始 .mha（3D）；镜像 512×512（HF/Kaggle）
基线	IIS 3D Dice：椎骨 0.93、IVD 0.85、椎管 0.92；nnU-Net 几乎持平
划分	公开训练 360 / 验证 87（series 口径）；论文按 study 划 179/39
隐藏测试	39 studies / 97 series，走 grand-challenge 提交
许可	CC BY 4.0（Zenodo + Grand Challenge + 论文一致）
获取	Zenodo 10.5281/zenodo.10159290（原始）；HuggingFace cdoswald/SPIDER（镜像）
库内互链	ctspine1k（rid 443）、vindr-spinexr（rid 630）、verse-spine（rid 435）

SPIDER 是荷兰 Radboud 大学医学中心影像分析组（DIAG）发布的一套多中心腰椎磁共振影像分割数据集：它把 218 名下腰痛患者、447 个矢状位 MRI 序列里的每一块椎骨、每一个椎间盘、每一段椎管都描成了可以逐体素计算的掩膜，并在每条序列上附带了一位资深肌骨放射科医师逐椎间盘水平打出的七类退变分级——Modic 改变、终板改变、脊椎滑脱、椎间盘突出/狭窄/膨出、Pfirrmann 分级。它不是"再收一批图"，而是给"腰椎 MRI 的自动定量"这件事修了一条从公开数据到公开榜单的完整道路：数据集在 Zenodo 上以 CC BY 4.0 敞开，隐藏测试集则由 SPIDER Grand Challenge 托管，任何算法都能去排行榜上比一比。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——原始 .mha 在 Zenodo（CC BY 4.0），HuggingFace 有已重采样的 512×512 镜像版，两者几何不同，定量分析务必先用原始版。
2. 想复现基准：直奔 §5 评估与基准——读懂 IIS 与 nnU-Net 两条基线在隐藏测试集上的 Dice/ASD，再决定是否走 grand-challenge 提交。
3. 想搞清标签含义：直奔 §3 标注体系——SPIDER 的标签是自下而上编号的，直接当解剖 L1–L5 用会踩坑（§10 坑 A）。

§0 导读：这个数据集解决什么问题

下腰痛（low back pain, LBP）是全球致残负担最重的肌肉骨骼疾患之一，而腰椎 MRI 是它最主要的影像学检查手段。放射科医师在 MRI 上要看的东西高度结构化的：椎体形态、椎间盘的高度与信号、椎管的通畅度——再叠加 Modic 改变、椎间盘突出、滑脱、Pfirrmann 分级这些半定量的退变指标。问题在于，这些判读依赖人的眼睛和主观刻度：同一张影像，不同医师给出的 Pfirrmann 分级可能相差一档甚至两档；椎管狭窄"轻/中/重"的边界更是经验性的。要让计算机辅助诊断真正落地，第一步不是造模型，而是先有一批标注一致、规模足够、来源多样、人人可用的参考分割。

SPIDER 正是填这个空格的资源。它有三个层次的价值。

第一层是分割的"标尺"：447 个序列里，椎骨、椎间盘、椎管三类解剖结构都有逐体素掩膜。有了这把标尺，任何分割算法的输出都能被同一套 3D Dice / ASD 指标度量，结果可以横向比较。这在脊柱影像里此前是缺失的——小规模单中心数据集难以支撑跨算法的可信比较。

第二层是"标注流水线的样板"：SPIDER 没有请一批专家把 544 个序列从头描到人工，而是先用一个小数据集训练自动分割模型（IIS），让模型预分割、专家修正、把修正后的结果回灌再训练，如此迭代四轮，直到全库标注完成。20 个高分辨 T2-SPACE 序列作为"干净种子"被完全手动标注。这套"人机协作 + 迭代回灌"的流程把单序列标注成本从约 5 小时压到约 1 小时，是这篇论文除数据之外最值得借鉴的工程产出。

第三层是"退变分级的对照表"：除了几何分割，SPIDER 还给出七类退变指标，全部按椎间盘水平逐一评分。这意味着研究者可以训练"分割 + 分级"的联合模型，也可以把分级作为下游任务的标签来做定量分析——例如自动计算某患者的 Pfirrmann 分布，或统计 Modic 改变与椎间盘突出的共现率。

§0 读法三则：

1. 这个条目是"数据集 + 方法论文 + 公开基准"三合一：本体是 447 序列的分割掩膜，附属品是退变分级表，衍生品是 grand-challenge 排行榜——三者的获取方式与用法各不相同（§6）。
2. 全文硬数字主要出自 Zenodo 数据集描述、Scientific Data 论文与 Grand Challenge 数据页三处；三处对"序列总数"存在公开 vs 全量的口径差异，已在 §10 坑点与附录 S 双口径登记表逐条存照。
3. 检索时若把 SPIDER 理解成"蜘蛛"或别的同名词条会一无所获——本条的 SPIDER 特指腰椎 MR 影像分割数据集（§10 坑 1）。

0.1 一句话把它和相近资源区分开

医学影像里叫"脊柱数据集"的资源不少，SPIDER 的差异点可以用三个"唯一"概括：唯一以腰椎 MRI 为核心、同时标注椎骨/椎间盘/椎管并附带七类退变分级的公开多中心数据集。同领域常见的对照物是：

• 脊柱 CT 分割集（如库内 ctspine1k）：模态是 CT，看的是骨，不含椎间盘/椎管的软组织细节，也没有退变分级；
• 脊柱 X 光集（如 vindr-spinexr）：二维投影，标注多为椎体框，不含逐体素掩膜；
• 单中心脊柱 MRI 小集：规模小、来源单一，难以支撑跨中心泛化研究。

SPIDER 的定位正是补上最后一块：多中心、公开、MRI、带分级。理解这一点，就理解了它为什么值得单独立条。

0.2 谁需要读这篇条目

本文假设读者大致分三类：

1. 算法工程师：关心"数据长什么样、怎么加载、标签怎么解、指标怎么算"。建议依次读 §2（构成）、§3（标注）、§5（基准）与附录 F/G（骨架代码）。
2. 临床研究者：关心"标注了什么、退变分级靠不靠谱、能不能做定量分析"。建议重点读 §3（标注体系）、§4（注释方法）与 §8（方法学启示）。
3. 数据治理/合规人员：关心"许可、来源、可获取性、偏差"。建议读 §6（获取与许可）、§10（坑点）与附录 P（双口径登记）。

三类读者共享同一套硬数字（§事实清单），但关注点不同，故本文在结构上刻意把"数据事实"与"使用建议"分层叙述。

§1 数据集速览：十问十答

Q1：SPIDER 全称是什么、谁做的？
SPIDER 是"SPINE DIsc segmentation in Radial/MR images"式的官方缩名，论文标题为《Lumbar spine segmentation in MR images: a dataset and a public benchmark》。主导方是荷兰 Radboud University Medical Center 的 Diagnostic Image Analysis Group（DIAG），通讯作者 Jasper W. van der Graaf，共 9 位作者，来自 Radboudumc、Sint Maartenskliniek、Jeroen Bosch Hospital、Rijnstate Hospital 等机构。

Q2：数据从哪来、多少？
公开数据集含 218 名患者、447 个矢状位 MRI 序列，采集自荷兰四家医院（1 所大学医学中心、2 所区域医院、1 所骨科医院），时间窗为 2019 年 1 月至 2022 年 3 月。全部采集量为 257 项研究、544 个序列；其中 218 项研究（85%）公开，39 项研究（15%）构成隐藏测试集。

Q3：每个序列包含哪些 MRI 模态？
公开的 447 个序列由 196 个 T1、210 个 T2、41 个 T2-SPACE 组成。T1/T2 为常规矢状位序列，体素约 3.3×0.33×0.33 mm 至 4.8×0.90×0.90 mm；T2-SPACE 为近各向同性高分辨序列，体素约 0.90×0.47×0.47 mm。

Q4：标注了哪些解剖结构？
三类：椎骨（vertebrae，含椎弓）、椎间盘（intervertebral discs, IVDs）、椎管（spinal canal）。注意骶骨被排除在标注之外。公开训练+验证集共标注了 3125 个椎骨、3147 个椎间盘、447 个椎管。

Q5：掩膜标签怎么编号的？
标签自下而上编号：最尾侧的腰椎（通常是 L5，也可能是 L4 或 L6）标为 1，其上方椎骨依次为 2、3…… 椎间盘（IVD）以其上方椎骨编号加 200 标注（最低 IVD = 201，向上 202……），椎管统一为 100，背景为 0。因为存在腰骶移行椎（约 35.5%）和第六腰椎（约 6.6%）等变异，标签数字不等于解剖编号。

Q6：退变分级有哪些？
七类，全部按椎间盘水平逐级评分：Modic 改变（I/II/III 型）、上下终板改变/Schmorl 结节（二分类）、脊椎滑脱（二分类）、椎间盘突出（二分类）、椎间盘狭窄（二分类）、椎间盘膨出（二分类）、Pfirrmann 分级（1–5 级）。由一位有多年经验的肌骨放射科医师打分，存在单独的 radiological_gradings.csv 中。

Q7：注释是怎么做出来的？
采用迭代式注释（iterative data annotation）：先在全手动标注的 20 个高分辨 T2-SPACE 序列上训练自动分割模型（IIS），用它对未标注序列预分割，再由受训医学实习生人工审查修正，修正结果回灌训练集，如此循环 4 轮，直至全部序列完成。全手动标注约需 5 小时/序列，修正预测约需 1 小时/序列。工具为 3D Slicer v5.0.3。

Q8：基线算法什么水平？
官方基线 IIS（Iterative Instance Segmentation，3D U-Net 类）在隐藏测试集（97 series / 39 患者）上的 3D Dice：椎骨 0.93（±0.05）、椎间盘 0.85（±0.10）、椎管 0.92（±0.04）；平均绝对表面距离（ASD）分别约 0.49 mm、0.53 mm、0.39 mm。对照基线 nnU-Net 性能与 IIS 几乎持平。

Q9：许可是什么、怎么拿？
CC BY 4.0——Zenodo、Grand Challenge、论文三处一致，允许商用、修改、再分发，只需署名。原始数据在 Zenodo（DOI 10.5281/zenodo.10159290），HuggingFace 与 Kaggle 有第三方镜像。注意 Kaggle 某镜像页标注的是 MIT，属转发者误标，应以官方 CC BY 4.0 为准（§10 坑 E）。

Q10：和库内其他条目什么关系？
SPIDER 属"脊柱影像分割"家族，与库内 ctspine1k（rid 443，脊柱 CT 分割）、vindr-spinexr（rid 630）、verse-spine（rid 435） 天然互链；在"多类 3D 医学分割基准"范式上，又与 covid-segmentation、olives 等同族条目可互引（§9）。

Q11：它和"挑战赛"的关系是什么？
SPIDER 是数据集 + 公开基准的组合：数据集在 Zenodo 开放下载，隐藏测试集则由 SPIDER Grand Challenge（spider.grand-challenge.org）托管，用于算法排名。因此"SPIDER"既指数据集，也指该基准赛事。

Q12：数据里有没有临床结局或随访？
没有。SPIDER 提供的是影像、分割掩膜与退变分级，不含治疗、随访或结局变量（如疼痛评分变化）。它不是队列研究数据集，而是影像标注数据集。

Q13：为什么值得在 AI-Ready 意义上收录？
因为它同时满足 AI-Ready 数据集的几个关键条件：公开直链、明确许可（CC BY 4.0）、配套基准与评估脚本、来源与标注方法透明、规模足以训练。这类"教科书式"的开放医学影像数据集在库内具有范式价值。

Q14：一个典型使用场景长什么样？
研究者想训练一个"腰椎 MRI 自动分割 + 椎间盘退变分级"的模型：用 SPIDER 的 447 序列分割掩膜训练分割头，用 3147 个椎间盘的 Pfirrmann/Modic 标签训练分级头，再用官方评估脚本在公开验证集上算 Dice/ASD 与分级一致度，最后到 grand-challenge 提交对标。整条链路所需的数据与工具，SPIDER 都已提供。

Q15：使用 SPIDER 时最容易犯的错是什么？
把自下而上的位次标签当成解剖 L 编号（§10 坑 4），以及用 HuggingFace 镜像版去做需要真实物理分辨率的定量分析（§10 坑 7）。这两点是实践中最常踩的坑。

§2 数据构成与规格

2.1 规模、来源与机构构成

SPIDER 的公开部分由 218 名患者、447 个 MRI 序列构成。每名患者贡献最多 3 个序列，分别对应其一次检查中采集到的不同矢状位序列。全部数据的采集跨荷兰四家医院，覆盖了大学医学中心、区域综合医院与专科骨科医院三类机构——这种异质性正是"多中心"三字的实际含义，也是它区别于单中心小数据集的核心特征。

口径	患者/研究数	序列数	说明
全量采集	257 studies	544 series	论文与 Grand Challenge 页口径（含隐藏测试）
公开发布	218 studies（85%）	447 series	Zenodo 公开包口径
隐藏测试	39 studies（15%）	97 series	不在公开包内，走 grand-challenge 提交
公开训练	—	360 series	Zenodo 描述口径（series 级）
公开验证	—	87 series	Zenodo 描述口径（series 级）
论文划分	179 训练 / 39 验证	—	论文按 study 划分口径

上表同时暴露了 SPIDER 最容易让检索者困惑的一点："序列数"与"研究数"是两套口径。Zenodo 的 447、360/87 是序列级；论文的 179/39 是研究级。两者并不矛盾——一个研究可含多个序列，序列级统计自然比研究级大。这一多口径现象在 §10 坑 2、坑 3 与附录 S 中逐条登记。

四家机构的具体构成（依论文与 Grand Challenge 页）：一所大学医学中心（Radboudumc）、两所区域医院（Jeroen Bosch Hospital、Rijnstate Hospital）、一所骨科专科医院（Sint Maartenskliniek）。患者性别构成中女性约占 63%；年龄信息在可获取处一并提供于 overview.csv。作者团队自 Radboudumc 的影像分析组（DIAG）、骨科、放射科以及合作医院组成。

2.2 序列模态与采集参数

SPIDER 的三类序列在成像物理上差异显著，直接决定了各自的可用性：

• T1 矢状位（196 个）：常规解剖序列，用于观察椎体与椎间盘的形态。体素约 3.3×0.33×0.33 mm 至 4.8×0.90×0.90 mm。
• T2 矢状位（210 个）：对椎间盘含水量与信号改变敏感，是椎间盘退变评估的常用序列。分辨率同 T1 区间。
• T2-SPACE（41 个）：近各向同性高分辨序列，体素约 0.90×0.47×0.47 mm。因其分辨率最高，SPIDER 的"干净种子"标注就建立在 T2-SPACE 之上。

硬数字拆分核验：196 + 210 + 41 = 447，与公开序列总数完全吻合。这一拆分在 Zenodo/HuggingFace 镜像口径中出现，是本条目为数不多可直接加总校验的硬数字组。

各序列的扫描仪厂商、型号、磁场强度、像素带宽等采集参数，连同患者性别、可用年龄、训练/验证划分，都记录在 overview.csv（119.9 kB）中。对做域泛化研究的团队而言，这份表的价值不亚于图像本身——它让"跨厂商/跨磁场泛化"这类实验有了可切分的实验设计基础。

2.3 格式与文件组织

原始数据以 .mha（MetaImage） 格式存储，每份图像与其对应的分割掩膜同名，命名由"研究标识符 + 序列类型（T1/T2/T2 SPACE）"拼成，因此图像与掩膜可成对匹配、不会错位。

公开包（Zenodo record 8009679 / DOI 10.5281/zenodo.10159290）由四个文件构成：

文件	体量	md5（Zenodo 记录）	内容
images.zip	3.7 GB	7a9fa44aac0c72e2937bdef62cff88db	447 序列的 .mha 图像
masks.zip	58.2 MB	49861ff25a0108b3b69d0ce808ae51dc	对应的三类分割掩膜
overview.csv	119.9 kB	f9a808d2cf67844baa32114a1a769fde	series 级元数据
radiological_gradings.csv	34.4 kB	a5b7a6ad7fb4daa0bfa650b716f026f6	逐 IVD 退变分级

镜像版本的几何与原始版不同：HuggingFace（cdoswald/SPIDER） 与 Kaggle 上的版本将全部 447 个序列统一重采样到 512×512、深度维保留为切片序列，图像存为 uint16、掩膜存为 uint8。重采样通过 skimage 的 resize 与 img_as_uint 完成，因此镜像版便于在深度学习框架里直接加载，但不再保有原始物理分辨率。做需要真实体素间距的 3D 定量分析（如按毫米计算的椎间盘高度）时，必须回用 Zenodo 的 .mha 原始版本——这是 §10 坑 E。

2.4 三类结构的标注量与分布

公开训练+验证集共标注了：

• 3125 个椎骨（含椎弓）
• 3147 个椎间盘（IVD）
• 447 个椎管（每个序列一条）

有趣的是椎骨数（3125）与椎间盘数（3147）并不相等。这符合腰椎解剖：每个可辨识的椎骨之间夹着一个椎间盘，但椎间盘数量与椎骨数量取决于标注边界（最上和最下的半间隙如何处理），且移行椎会让"配对数"发生变化。研究者若做"椎骨-椎间盘配对"任务，需注意这种非一一对应。

椎管只有 447 个——每个序列恰有一条椎管，这也意味着椎管分割实质上是"每序列一个连通结构"的实例分割问题，而非可变实例数的问题。

2.5 与隐藏测试集的边界

SPIDER 的公开包不含隐藏测试集。论文与 Grand Challenge 明确说明：39 项研究、97 个序列组成隐藏基准，其中 20 个完全手动标注的研究里有 15 个被划入隐藏测试集、5 个留在公开集。想要在论文报告的那个测试集上评估自己的算法，唯一途径是通过 spider.grand-challenge.org 提交预测。这一设计与常见挑战赛一致，目的是防止对测试集的过拟合。

对复现者而言，这意味着：你在公开验证集上算出的指标，与论文隐藏测试集上的指标不具可比性。做对标时务必认准口径（§10 坑 D）。

2.6 数据质量的可核验性

SPIDER 的一个优点是关键文件都带 md5（§2.3 表），这意味着下载者可以校验完整性，避免部分下载损坏而不自知。对需要长期维护数据副本的实验室而言，把 md5 纳入本地校验脚本是良好实践。此外，overview.csv 与 radiological_gradings.csv 都是纯文本 csv，可被任何工具直接解析，无需专门库——这降低了使用门槛，也方便用脚本做批量统计（如统计各医院序列数、各序列类型的磁场强度分布）。

2.7 元数据的字段价值

overview.csv 提供的字段虽未在本文逐条列出，但从论文与镜像说明可知，它至少包含：患者 ID、序列类型、所属数据集划分（训练/验证）、性别、扫描仪厂商、型号、磁场强度、以及若干采集参数。这套元数据支撑以下研究设计：

• 按厂商/磁场分层：评估模型在不同扫描仪上的表现差异；
• 按性别分层：检查算法是否存在性别相关的性能偏倚；
• 按序列类型分层：比较 T1/T2/T2-SPACE 上的分割难度；
• 按划分复现：严格使用官方 train/val 划分做可复现实验。

radiological_gradings.csv 则以"研究 ID + 椎间盘水平"为键，给出七类退变评分，使"逐 IVD 分级"的下游任务可以直接对齐分割掩膜中的 IVD 实例。

2.8 可扩展性与二次开发

SPIDER 的标签方案与文件组织便于二次开发：

• 想加新结构（如神经根）？可在现有椎骨/椎管掩膜基础上叠加新 label；
• 想做多任务？可把分割掩膜与分级表按研究 ID 关联，构造"图像 → 分割 + 分级"的多输出样本；
• 想做弱监督？可只用椎骨掩膜做粗标注，探索少量标注下的分割。

这些二次开发都不需要改动原始文件，只需在其上构建新的派生数据集——这也是开放许可带来的灵活性。

---

§3 标注体系：标签方案、结构与退变分级

3.1 标签方案：自下而上编号

SPIDER 的分割掩膜使用一套基于位次的连续整数标签，而非解剖学命名。规则如下：

结构	标签值	规则
背景	0	—
椎骨	1, 2, 3, ……	最尾侧腰椎 = 1，向上依次递增
椎间盘（IVD）	201, 202, 203, ……	其上方椎骨编号 + 200（最低 IVD = 201）
椎管	100	每个序列统一 100

这套编号的关键点在于"从下往上数，而不是从上往下套 L1–L5"。作者选此方案有明确的解剖学理由：腰骶移行椎（lumbosacral transitional vertebra）在一般人群中的发生率约 35.5%，第六腰椎（supernumerary lumbar vertebra）约 6.6%——也就是说，相当比例的人体并不存在"标准的 L1–L5 五节腰椎"。如果强行按解剖命名编号，反而会引入不可控的错误。自下而上编号则保证了"最后一个椎体一定是腰骶交界处"这一稳定锚点。

坑的种子也就埋在这里：任何下游代码若把 label=1 直接当作 L5、label=5 直接当作 L1，遇到移行椎就会全盘错位（§10 坑 A）。

3.2 结构定义与排除项

三类标注的结构学定义：

• 椎骨（vertebrae）：包含椎体与椎弓（vertebral arch）。即整个骨性椎骨作为一个实例。
• 椎间盘（IVDs）：相邻椎骨之间的软组织结构。
• 椎管（spinal canal）：椎骨后方容纳脊髓/马尾的骨性通道，每序列一条。

排除项：骶骨（sacrum）不在标注范围内。这意味着 L5–S1 之间的间隙、以及向骶骨的过渡区域不进入掩膜或退变分级。做"末端椎间盘"相关任务时须自行处理这一边界。

3.3 退变分级：七类指标逐 IVD 评分

除几何分割外，SPIDER 在 radiological_gradings.csv 中给出七类退行性改变的评分，全部**按椎间盘水平（per IVD level）**给出：

#	分级指标	取值	临床含义
1	Modic 改变（Modic changes）	I / II / III 型	终板及邻近骨髓的信号改变，与退变/炎症相关
2	上下终板改变 / Schmorl 结节	二分类	终板形态异常或椎体结节
3	脊椎滑脱（Spondylolisthesis）	二分类	椎体相对下位椎体的前后移位
4	椎间盘突出（Disc herniation）	二分类	髓核/纤维环向外突出
5	椎间盘狭窄（Disc narrowing）	二分类	椎间盘高度降低
6	椎间盘膨出（Disc bulging）	二分类	椎间盘向四周弥漫性外凸
7	Pfirrmann 分级（Pfirrmann grade）	1–5 级	椎间盘退变的分级量表（1 最轻、5 最重）

其中 Pfirrmann 分级是脊柱影像学中最广为人知的椎间盘退变量表：它基于矢状位 T2 图像上椎间盘髓核与纤维环的信号（低信号=退变重）、结构（均质与否）、以及椎间盘高度与边界来综合打分，分为 1 至 5 级。SPIDER 把它纳入标注，使数据集从"纯几何分割"升级为"几何 + 半定量分级"的双轨资源。

Modic 改变则是基于椎体终板及邻近骨髓信号的分型：I 型以水肿/炎症为特征，II 型以脂肪替换为特征，III 型以骨硬化为主。SPIDER 保留三型细分，为"信号改变亚型分类"提供了标签。

3.4 分级的生产与可靠性边界

分级由一位经验丰富的骨骼肌肉（MSK）放射科医师人工评分。数据集未提供跨多专家的一致性区间，也未给同一椎间盘的多读结果——这意味着 radiological_gradings.csv 应被视为单一参考读数，而非"金标准共识"。

这在方法学上是一个明确的边界：研究者若用这些分级训练模型，需要意识到标签中可能含有单一评分者的系统偏差；若用它们评估模型与"人"的一致度，则"人"这一侧也只是单例。真正要论证模型超越人类观察者间变异，还需要额外的多读数据支持。§10 坑点与 §8 方法学启示会进一步展开。

3.5 一个序列的完整标签快照

把上面的规则落到一个具体序列上：若某序列从最尾侧起有 5 个被标注的椎骨，则其标签集合大致为——椎骨 {1,2,3,4,5}；椎间盘 {201,202,203,204}（注意数量比椎骨少 1，对应标注边界）；椎管 {100}；背景 {0}。这套数字在掩膜中以 uint8 或整数类型存储（镜像版 uint8），单序列的全部信息即由此几类组成。

对写数据加载代码的人来说，最实用的做法是：读掩膜前先读 overview.csv，用其中的序列类型与研究 ID 建立索引，再按标签值直接切分三类结构，避免任何"从数字猜解剖"的逻辑。

3.6 掩膜的空间属性与坐标约定

SPIDER 的原始 .mha 是带几何信息的三维体数据，掩膜与图像共享同一几何（origin、spacing、direction），因此掩膜的体素坐标可以直接映射回患者空间。这一点对临床导向的应用很重要：计算椎间盘高度、椎管前后径等度量时，必须依赖 spacing 才能把体素数换算成毫米；而镜像版把体数据统一重采样到 512×512，spacing 信息随之改变，故不可用于物理量计算。

方向约定方面，SPIDER 论文提到基线预处理时将图像重采样并做"轴向定向（axially oriented）"。使用者在自行加载原始 .mha 时，应先检查 direction 矩阵，确认矢状位切片轴与预期一致，再做任何体素级操作，避免"上下颠倒"或"左右镜像"这类静默错误。

3.7 一个"标签语义"的实现建议

为了让下游代码健壮，推荐在加载层显式定义标签解析函数，例如：把标签值 >200 且 <300 的归为椎间盘、把 1–19 归为椎骨、把 100 归为椎管、0 归为背景；同时保留原始标签值以便追溯"这是第几节的椎骨/椎间盘"。这样一来：

• 做多类分割时，把 1–19 折为"椎骨"、201–219 折为"椎间盘"、100 折为"椎管"，得到三类语义掩膜；
• 做实例分割时，保留原始位次标签，直接对每个 label 值做二值化，得到每个椎骨的独立实例；
• 做椎骨-椎间盘配对时，利用"IVD = 上方椎骨 + 200"的关系，把 201 与其上方的椎骨标签配对，恢复解剖学层级关系。

这三条路径共享同一份原始掩膜，无需重新标注，正是位次编号方案的复用优势。

3.8 序列命名空间与对齐

图像与掩膜同名这一点看似小事，实际极大降低了错配风险：在一批 447 个序列的批量处理中，只要按文件主名配对，就能确保每个图像拿到它自己的掩膜。命名由研究标识符 + 序列类型构成，因此同一研究的 T1 与 T2 自然区分为不同文件。使用者在写 DataLoader 时，建议以"去掉扩展名的主名"为 key，把图像与掩膜成对装入字典，再从 overview.csv 补入元数据，形成"图像 + 掩膜 + 元数据 + 分级"四合一的记录。

§4 注释方法：迭代式人机协作流水线

4.1 为什么不能纯手工，也不能纯自动

SPIDER 要标注 544 个序列（公开 447），每序列约 5 至 15 个椎骨加对应椎间盘加一条椎管。若全部由专家逐体素勾画，以论文自述的"约 5 小时/序列"估算，仅公开部分就需要两千余小时专家时间，四家医院的协作规模下根本不现实。反过来，若直接采用一个已在别处训练好的自动分割模型输出、不做人工修正，则掩膜的精度与一致性无法保证，无法充当"参考标准"（reference segmentation）。

SPIDER 的答案是两者之间的迭代式注释（iterative data annotation）：以人机协作把专家的时间花在"纠错"而非"从零勾画"上，并用模型的再训练把每一轮人工修正的价值放大到全库。

4.2 迭代流程：四轮循环

论文（与 Grand Challenge 数据页）描述的流程可拆为以下步骤：

1. 种子标注：从 Radboudumc 的高分辨 T2-SPACE 序列中随机选出 20 个，由一名受训医学实习生（medical trainee）在一位医学影像专家与一位经验丰富的肌骨放射科医师监督下完全手动标注。这 20 个序列是整条流水线的"干净起点"，也是全数据集中唯一完全手动的部分。
2. 首轮模型训练：用这 20 个手动标注训练自动基线分割算法 IIS（Iterative Instance Segmentation）。
3. 预分割 + 人工修正：用 IIS 对尚未标注的图像生成预测分割，再由人工逐例审查、修正。工具为 3D Slicer v5.0.3。
4. 回灌再训练：把修正后的分割加入训练集，重新训练 IIS，使其对剩余未标注图像的分割质量提升。
5. 重复循环：以上"预测—修正—回灌—重训"循环共执行 4 轮，直至全部序列完成标注。

这套设计的收益在于边际成本递减：第一轮模型很差、人工修正费时；但随着模型在越来越多修正样本上训练，后续预测越来越准，人工修正越来越轻。

4.3 成本账：5 小时如何变成 1 小时

论文给出了明确的效率对照：完全手动分割一个序列约需 5 小时；修正模型预测约需 1 小时。也就是说，迭代流程把单序列的人工投入压到约五分之一。对 447 个序列而言，这意味着从"约 2235 小时"降到"数百小时"量级——正是这种数量级的压缩，才使四家医院在三年窗口内完成标注成为可能。

需要强调的是，这里的"1 小时"是人工修正的时间，模型预分割的计算时间另计。真正被省下的是稀缺资源——专家注意力。

4.4 平滑与缺陷：方法学上必须知道的取舍

迭代式注释是一个工程上高效、但方法学上带偏差的方案，论文对此有明确自承：

• 模型偏差注入：由于大量掩膜源自模型预测而非独立人工勾画，模型若在某类结构上有系统性错误（例如在严重退变、结构边界模糊处），这种错误可能被"修正得不够彻底"而保留下来，形成与训练模型同源的偏差。
• 种子的代表性：完全手动的 20 个序列全部来自 Radboudumc 的 T2-SPACE，其分辨率与对比度都优于一般的 T1/T2。用它们训练出的模型再去预分割常规 T1/T2，存在域间差异，可能使 T1/T2 的掩膜质量低于 T2-SPACE。
• T1/T2 掩膜的来源：作者描述中提到，T1/T2 序列的注释部分通过将 T2-SPACE 的分割重采样到相应分辨率获得，再经迭代流程精化。这意味着 T1/T2 的椎间盘掩膜并非"在 T1/T2 上独立描绘"，而是带有从 T2-SPACE 迁移的痕迹。

因此，SPIDER 在自己的论文里给使用者的隐性建议是：若追求最高标注可信度，应优先使用 T2-SPACE 序列；T1/T2 掩膜更适合用于预训练、方法对比与大规模统计，而非作为"逐体素绝对真值"的严苛基准。这是 §10 坑 B。

4.5 标注工具与可复现性

标注与修正统一在 3D Slicer 5.0.3 中完成，这是医学影像领域广泛使用的开源平台，标注工程可被其他团队重演。基线算法的代码在 GitHub 公开（SPIDER-Baseline-IIS），评估代码同样公开（SPIDER-Evaluation），使得"论文数字 → 自行复算"的链路是通的——只要你拿到隐藏测试集之外的数据，或者通过 grand-challenge 提交。

4.6 分集设计与防泄漏

划分遵循两条规则：其一，同一患者的序列始终放在同一集合（训练/验证/测试），避免患者级信息泄漏；其二，20 个全手动标注研究被拆到隐藏测试集（15 个）与公开集（5 个）。其余研究按预设比例随机分配。公开部分按研究口径划为 179 训练 / 39 验证，按序列口径则为 360 / 87（§2.1 已列）。这一"患者级不跨界"的划分是医学影像数据集的良好实践，值得在引用时特别指出。

---

§5 评估与基准：IIS 与 nnU-Net

5.1 评估协议

SPIDER 的基准评估在隐藏测试集上进行，规模为 97 个序列、39 名患者。评估指标有两项：

• 3D Dice 系数：衡量分割体积与参考掩膜的重叠度，1.0 为完全重合。
• 平均绝对表面距离（ASD, Average Surface Distance）：衡量预测边界与参考边界之间的平均最近距离，单位毫米，越小越好。

两项指标互补：Dice 对体积误差敏感，ASD 对边界定位误差敏感。报告时同时给出，可以避免"体积对了但边界糊了"或反之的假象。

5.2 基线一：IIS（Iterative Instance Segmentation）

官方主基线 IIS 是一个 3D U-Net 类的全卷积网络，也是注释流水线里使用的同一个模型家族的成熟版。论文给出其核心结构参数：

• patch 尺寸 64×192×192 体素，重采样分辨率 2×0.6×0.6 mm；
• 3 个输入通道，2 个记忆状态（椎骨与椎间盘分开记忆，椎管只存进度）；
• 3 个输出通道；
• 含"完整性（completeness）"预测的压缩路径，用于判断某结构在视野内是否完整出现；
• 数据增强包括弹性形变、高斯噪声、高斯平滑、随机裁剪等。

IIS 在隐藏测试集上的表现：

结构	平均 3D Dice (SD)	平均 ASD (SD)
椎骨（Vertebrae）	0.93 (±0.05)	0.49 mm (±0.95 mm)
椎间盘（IVDs）	0.85 (±0.10)	0.53 mm (±0.46 mm)
椎管（Spinal Canal）	0.92 (±0.04)	0.39 mm (±0.45 mm)

读这组数字有三点值得注意：其一，椎间盘最难（Dice 0.85，且标准差最大），符合临床直觉——椎间盘边界在退变时模糊、易与周围组织混淆；其二，椎管最稳（Dice 0.92、ASD 最小 0.39 mm），因为它是每序列一条的连续通道，形态约束强；其三，椎骨的 ASD 标准差最大（±0.95 mm），说明个别病例的椎骨边界定位会出现较大偏差，可能与严重退变或解剖变异相关。

5.3 检出完整性指标

除了重叠度，论文还报告了"实例是否被找到"的完整性指标：

• 656 个椎骨中漏检 1 个；
• 688 个椎间盘（IVD）中漏检 9 个，其中 T1 图像漏 3 个、T2 图像漏 6 个；
• 椎骨的完整性预测（completeness）正确率 650/656，即 99.1%。

这组数字说明：SPIDER 基线在"找到结构"这一层已经相当可靠，漏检主要发生在椎间盘——与上面的 Dice 结论一致，椎间盘是难点所在。

5.4 基线二：nnU-Net 的对照

论文设置了第二条基线 nnU-Net，与 IIS 在隐藏测试集上对比（Table 5）。结论是两者性能几乎相同。这一结果有两层含义：其一，SPIDER 这个任务在当前方法水平下已趋向"基线收敛"——换成强力的通用分割框架，也不会比专门设计的 IIS 有质变；其二，对使用者而言，直接用 nnU-Net 是一个稳妥、易复现的起跑线，无需先复现 IIS 的复杂记忆机制。

5.5 如何在 SPIDER 上评测自己的模型

想把自己的算法与论文数字对齐，路径是：

1. 在公开训练集（360 序列 / 179 研究）上训练；
2. 在公开验证集（87 序列 / 39 研究）上内部调参——注意这不是论文的隐藏测试集；
3. 到 spider.grand-challenge.org 注册，提交对隐藏测试集的预测，由平台计算 Dice/ASD 并与排行榜对比。

务必认清：公开验证集上的分数不能直接对标论文的隐藏测试集分数（§10 坑 D）。若只在公开数据上报告数字，应在文中明确标注"验证集口径，非论文隐藏测试集口径"，以免误导读者。

5.6 基线算法的开源与可复现性

SPIDER 生态提供了三个公开仓库：

仓库	作用
github.com/DIAGNijmegen/SPIDER-Baseline-IIS	IIS 基线算法实现
github.com/DIAGNijmegen/SPIDER-Evaluation	官方 Dice/ASD 评估代码
MIC-DKFZ/nnUNet	通用 nnU-Net 框架（对照基线）

评估代码公开这一点尤为关键：它保证了不同团队算出的 Dice/ASD 采用同一口径，避免"各算各的指标"导致的排行榜不可比。任何在 SPIDER 上做评测的团队，都应直接使用官方评估脚本。

5.7 IIS 网络结构细节

为了让复现者理解基线为何这样设计，值得把 IIS 的几个结构要点展开：

• Patch 尺寸 64×192×192：第三个维度 192 对应矢状位切片内的高分辨方向，64 对应层间（较粗）方向。这一各向异性的 patch 形状反映了 MRI 层间分辨率低于层内的现实。
• 重采样分辨率 2×0.6×0.6 mm：模型并非在原始分辨率下工作，而是先统一重采样到 2×0.6×0.6 mm 再切 patch。这一预处理使不同医院、不同协议的数据被拉到同一尺度，是跨中心泛化的必要步骤。
• 记忆状态（memory states）：这是 IIS 名称中"Iterative"的实现方式——椎骨与椎间盘各自维护一个记忆状态，模型在逐层推进时"记住"已分割到第几个结构，从而保证编号的连续性与实例的稳定。椎管因为每序列一条，只需存"进度"而非完整记忆。
• 完整性（completeness）输出：单独一个分支预测"当前 patch 里某结构是否完整出现"，用于在滑动窗口拼接时判断是否需要继续扩展视野。这个分支对"实例数可变"的脊柱分割非常重要。

5.8 为什么椎间盘是难点

把基线数字与解剖现实对照，可以解释"为什么 IVD 的 Dice 最低、标准差最大"：

• 边界模糊：椎间盘退变时，T2 信号下降、纤维环与髓核对比减弱，边界在临床上本就需要经验判断；
• 高度小：椎间盘在矢状位上的厚度远小于椎体，同样的绝对误差在 Dice 上被放大；
• 上下相邻：椎间盘上下各贴一个椎体，分割时易被椎体信号"粘连"，尤其在严重退变、终板模糊处；
• 数量可变：移行椎使椎间盘的数量与位置不确定，模型必须依赖上下文（记忆状态）来判断。

这四点共同解释了为何论文的漏检集中发生在 IVD（688 中漏 9），也提示后续研究若要提升 SPIDER 上的成绩，重点应放在椎间盘的边界建模上。

5.9 隐藏测试集的评估流程

对想上排行榜的团队，完整流程大致如下：

1. 用公开训练集训练模型；
2. 用公开验证集调参、选型；
3. 在 grand-challenge 平台下载不含标注的隐藏测试集图像（或按平台规定提交预测）；
4. 提交后平台用官方评估脚本计算 Dice/ASD；
5. 在排行榜上查看结果与排名。

由于隐藏测试集的标注不公开，参与者无法在本地复现测试集分数，只能依赖平台反馈——这也是挑战赛设计的常规形态，用以抑制过拟合。

5.10 与其它脊柱分割基准的对照要点

在做跨数据集比较时，需要注意 SPIDER 与其它脊柱数据集的几个不可比之处：其一，模态不同（SPIDER 是 MRI，许多脊柱分割数据集是 CT）；其二，标注类别不同（SPIDER 只有椎骨/椎间盘/椎管三类，不含脊髓、神经根、椎旁肌等）；其三，评估口径不同（SPIDER 用隐藏测试集 + 官方脚本，其它数据集可能用交叉验证 + 自定指标）。任何"SPIDER vs 某某"的横向比较，都必须先对齐这三点，否则数字没有意义。库内与 SPIDER 最可比的当属其它脊柱影像数据集（ctspine1k、vindr-spinexr、verse-spine），但同样需先对齐模态与标注体系（§9）。

§6 获取与许可

6.1 资产清单与获取渠道

SPIDER 的资产分三块，获取渠道各有不同：

资产	内容	渠道	许可
原始数据（.mha）	447 序列图像 + 掩膜 + 两份 csv	Zenodo（DOI 10.5281/zenodo.10159290）	CC BY 4.0
镜像版	重采样至 512×512 的图像 + 掩膜	HuggingFace（cdoswald/SPIDER）、Kaggle	随上游 CC BY 4.0（Kaggle 页面标 MIT）
隐藏测试集	39 studies / 97 series	spider.grand-challenge.org 提交	不公开下载

推荐获取路径：做研究/发表 → 用 Zenodo 原始版（保真几何）；快速原型/深度学习加载 → 用 HuggingFace 镜像版（省去格式转换）；对标官方榜单 → 走 grand-challenge 提交。

6.2 许可条款细读

SPIDER 采用 CC BY 4.0（Creative Commons Attribution 4.0 International）。这一点三个一手来源（Zenodo 数据集记录、Grand Challenge 数据页、Scientific Data 论文）完全一致。CC BY 4.0 授予的权利包括：共享（以任何媒介或格式复制、再分发）、改编（重混、转换、基于本素材二次创作），允许商业用途。唯一义务是署名（Attribution）：需给出适当署名、提供许可链接、并说明是否做了修改。

对使用者最实际的推论：

1. 可以商用——基于 SPIDER 训练的商业模型不违反许可，只要在文档中注明数据来源。
2. 可以再分发——把 SPIDER 打包进自己的数据集或以镜像发布，只需保留署名（这也是 HuggingFace/Kaggle 镜像得以存在的原因）。
3. 必须引用——官方要求同时引用数据集（Zenodo DOI）与论文（Sci Data 10.1038/s41597-024-03090-w），这是署名义务的具体化。

6.3 一个许可坑：Kaggle 镜像标注为 MIT

海外的 Kaggle 镜像页（zofiaknapiska/spider-lumbar-spine-segmentation-in-mr-images）在"License"一栏标注的是 MIT。这与官方 CC BY 4.0 不符，属第三方转发者的自行标注。检索者若以 Kaggle 页面为准去做合规判断，会得出错误结论。正确做法是：任何 SPIDER 派生数据的许可，都以上游 Zenodo/论文的 CC BY 4.0 为准（§10 坑 E）。

6.4 版本与 DOI 链

SPIDER 在 Zenodo 上存在多个 DOI，对应不同的记录/版本，这与 Zenodo 的版本管理机制有关。检索到的相关 DOI 包括：

• 10.5281/zenodo.10159290 —— 论文引用的数据集版本（推荐引用此条）；
• 10.5281/zenodo.8009679 —— 数据集记录（images/masks/overview/gradings）；
• 10.5281/zenodo.8009680 —— 相关记录；
• 10.5281/zenodo.10159224 / 10159267 —— 同一集合的其他版本记录。

使用时若需精确引用，应优先指向 10159290（论文版）；对应论文本体 DOI 为 10.1038/s41597-024-03090-w（§10 坑 F）。

6.5 AI-Ready 评估：可获取性光谱

从"AI-Ready"角度衡量，SPIDER 的获取体验相当友好：它是公开直链 + 宽松许可 + 有配套基准 + 有开源代码的组合，几乎没有门槛。少数需注意的边界是：隐藏测试集不公开（但提供了替代的提交通道）、原始 .mha 与镜像版几何不同（需按用途选择）、退变分级为单一评分者读数（无多读一致性）。

综合而言，SPIDER 是"医学影像分割数据集可获取性"的优等范例：不是请求制、不是需注册、不是限非商用，而是真正的 open data。

---

§7 生态与影响

7.1 所属谱系：DIAG 的分割数据传统

SPIDER 出自 Radboudumc 的 Diagnostic Image Analysis Group（DIAG），这是医学影像分析领域的知名团队，长期产出竞赛级医学分割数据集与基准（其生态中还包括多种器官/病灶分割挑战）。SPIDER 延续了该团队"公开数据 + 公开基准 + 开源基线"的一贯做法：数据集放 Zenodo，榜单放 Grand Challenge，代码放 GitHub，三件套齐备。

作者阵容也体现了临床与工程的结合：通讯作者 van der Graaf 与影像分析组（van Ginneken、Lessmann 等知名研究者）负责算法与数据工程，骨科与放射科合作者（van Hooff、Buckens、Rutten、van Susante、Kroeze、de Kleuver）负责临床标注与解读。这种"算法组 + 临床组"结构是支撑数据集临床可信度的关键。

7.2 公开基准：SPIDER Grand Challenge

SPIDER 的公开基准托管在 spider.grand-challenge.org，是 Grand Challenge 平台上的一场比赛。它的存在使数据集超越了"静态资源"：任何团队都能提交算法、获得隐藏测试集上的 Dice/ASD、并在排行榜上定位自己。榜单还提供了说明隐藏测试集划分与"20 个手动标注研究如何分配"的详细信息，透明度较高。

对数据集的影响力而言，一个活着的公开榜单往往比一份静态数据更能聚拢社区——它提供了持续的比较与改进动力。

7.3 在下腰痛影像研究中的位置

下腰痛（LBP）是公共卫生负担极重的疾患，而腰椎 MRI 的自动量化长期受制于"没有大规模、多中心、带参考标注的公开数据"。SPIDER 之前，脊柱分割研究多依赖单中心小样本或私有数据，结论的可推广性受限。SPIDER 用 218 患者 / 447 序列 / 四家医院的规模把这一空白补上，并配套退变分级，使"自动分割 + 自动分级"的联合研究有了公共地基。

可以预期的下游方向包括：椎间盘自动定位与标注、椎管狭窄的自动定量、Pfirrmann/Modic 自动分级、退变进展的纵向建模、以及手术规划中的结构配准。SPIDER 的分割掩膜为这些任务提供了统一的解剖坐标基础。

7.4 引用与使用增长

作为 2024 年发表于 Scientific Data 的资源型论文，SPIDER 已被多项后续研究引用（检索时 Zenodo/OpenAIRE 记录显示有若干引用条目），其中不乏"椎管狭窄自动分级""椎间盘退变评估"等直接使用其数据的工作。这印证了它作为"基础设施型数据集"的定位——其价值不在于单篇高分论文，而在于被众多下游工作反复引用为公共底座。

7.5 为什么"资源型论文"值得单独收录

Scientific Data 这类期刊专门发表"数据集描述"，其价值逻辑与创新方法论文不同：它不追求方法上的新颖性，而追求数据的可复用性与描述完备性。SPIDER 正是这一类型的典范——它把"数据从哪来、怎么标、怎么用、怎么评估"讲清楚，使后来者无须重复采集即可开展研究。对 AI-Ready 体系而言，这类"基础设施"条目应当与"竞赛基准"条目并列收录，因为它们共同构成医学 AI 研究的公共底座。

7.6 对脊柱影像研究的长期影响预估

从数据集设计的成熟度看，SPIDER 有潜力成为脊柱 MRI 分割的"标准训练集"之一，原因有三：其一，规模（447 序列）足以训练中等规模模型；其二，多中心来源使其具备域泛化的评估价值；其三，公开基准与评估脚本的存在，使其成为可对标的公共标尺。长期看，若后续版本扩充序列数或增加标注结构（如神经根、椎旁肌），其影响力会进一步上升；即便不更新，作为"2024 级基准"，它也能为未来方法提供一个稳定的起跑线。

---

§8 方法学启示

8.1 迭代注释是可迁移的标注范式

SPIDER 最值得其它数据集项目借鉴的，不是它标了什么，而是怎么标：先用少量"干净种子"训练模型，再让模型预分割、专家修正、修正回灌再训练，循环若干轮。这套流程把稀缺的专家时间集中在纠错上，边际成本随轮次递减。对于任何"待标注量大、专家稀缺、结构相对规整"的医学影像项目，SPIDER 的迭代方案都提供了一个可复制的模板。

当然，模板伴随代价：迭代法可能把模型的系统性偏差带入最终掩膜（§10 坑 C）。若下游要做"逐体素绝对真值"的严苛评估，需对这种偏差保持警惕。

8.2 自下而上的实例编号值得推广

面对解剖变异（移行椎、六腰椎），SPIDER 选择"以最尾侧结构为锚、自下而上递增编号"，而非强行套用解剖命名。这是一个聪明的设计——它把"人各有别"的不确定性隔离在标签含义之外，只在需要映射到解剖命名时才处理变异。脊柱、肋骨、牙位等易发生数目变异的解剖区域，都可借鉴这种"位次编号"策略。

8.3 双轨标注：几何 + 半定量分级

SPIDER 把"逐体素分割"与"逐结构分级"并置在同一数据集里，使得同一个资源能支撑两类研究：纯分割，以及分割上的分级。这种"双轨"设计提高了数据集的复用度，也提示其它项目：结构化的半定量评分（量表）本身就可以成为有价值的标注层，不必都做成像素级。

8.4 患者级不跨界的划分纪律

"同一患者的序列始终在同一集合"是一条看似基础、却常被忽视的纪律。医学影像中用同一患者的多次扫描做训练/测试划分，会因患者级相似性造成乐观偏差。SPIDER 把这条纪律写进了划分规则，是保证基准可信度的必要条件，也应在引用说明中被强调。

8.5 成本-质量权衡的显式披露

SPIDER 论文难得地披露了标注的成本账（5 小时 vs 1 小时）与方法的局限（种子偏差）。这种"把代价写出来"的做法，对数据集的负责任使用至关重要——它让使用者能判断"这份标注适合什么、不适合什么"，而不是盲目当作绝对真值。其它数据集项目应效仿这种透明度。

8.6 "干净种子"的选择是一门学问

SPIDER 用高分辨 T2-SPACE 作为种子，好处是标注质量高、边界清晰；代价是种子与常规 T1/T2 存在域差，可能使迁移后的标注在 T1/T2 上质量略降。这提示：种子的选择不只是"选最好看的图"，而是要权衡"标注质量"与"代表性"——若种子过于理想化，反而可能降低其对目标分布的覆盖。这是一个值得在其它标注项目中反复推敲的设计决策。

8.7 可复现性三件套

SPIDER 提供了基线代码、评估代码与公开榜单的"三件套"，使论文数字可被独立复算（在公开数据范围内）或第三方对标（在隐藏测试集上）。这提示数据集的"可复现性"不只是"能下载数据"，还包括"有标准评估流程"与"有持续比较平台"。三件套齐备，数据集才真正成为社区基础设施。

---

§9 与库内条目的关系

9.1 家族图谱

SPIDER 在库内的定位可归入"脊柱/骨骼肌肉影像分割"家族，与以下既有条目天然相关：

库内条目	rid	关系性质
ctspine1k	443	同为脊柱分割数据集（CT 模态 vs SPIDER 的 MRI），模态互补、任务同族，最强的互链候选
vindr-spinexr	630	脊柱 X 光影像数据集（2D vs SPIDER 的 3D MRI），同属脊柱影像族
verse-spine	435	脊柱结构分割/标注资源，同族互证

此外，在"多类 3D 医学分割公开基准"这一更宽范式上，SPIDER 与库内的 covid-segmentation、olives（眼底）等在方法论层面可互引——虽解剖部位不同，但共享"公开数据 + 隐藏测试 + Dice/ASD 基准"的组织形态。

9.2 检索路径建议

• 若从模态出发找数据：MRI → SPIDER（脊柱 MRI）↔ ctspine1k（脊柱 CT）↔ vindr-spinexr（脊柱 X 光）。
• 若从任务出发找基准：3D 多类分割基准 → SPIDER ↔ 其它分割挑战赛数据集。
• 若从临床问题出发：下腰痛/椎间盘退变 → SPIDER（唯一带退变分级标注的库内脊柱条目）。

9.3 互链点登记

建议在条目的 relatedLink 与正文互链中使用以下库内条目（rid 已用 DB url_name 反查确认）：

• ctspine1k → https://www.qianfanghub.com/ai-ready-dataset/ctspine1k/443
• vindr-spinexr → https://www.qianfanghub.com/ai-ready-dataset/vindr-spinexr/630
• verse-spine → https://www.qianfanghub.com/ai-ready-dataset/verse-spine/435

9.4 与 ctspine1k 的对照

库内 ctspine1k（rid 443）是与 SPIDER 最接近的脊柱分割资源，但二者存在根本差异：

维度	SPIDER	ctspine1k
模态	腰椎 MRI	脊柱 CT
视角	3D 矢状位序列	3D CT 体数据
标注结构	椎骨/椎间盘/椎管	椎骨（及可能的椎体分割）
附加标注	七类退变分级	一般不含临床分级
任务重心	软组织 + 骨性结构	骨性结构

对研究者而言，这两者构成"MRI 脊柱"与"CT 脊柱"的互补组合：做多模态脊柱研究时，可把 SPIDER 与 ctspine1k 作为两个模态的代表数据，研究跨模态迁移。

9.5 与 vindr-spinexr 的对照

vindr-spinexr（rid 630）是脊柱 X 光影像数据集，与 SPIDER 的关系是"2D vs 3D、投影 vs 断层"。X 光是二维投影，标注多为椎体框/关键点；SPIDER 是三维断层，标注为逐体素掩膜。二者共同构成脊柱影像"从平片到断层"的完整谱系。在库内做脊柱影像的"检索路径"时，这三条（SPIDER/ctspine1k/vindr-spinexr）应被并列呈现，方便用户按模态与维度快速定位。

9.6 与 verse-spine 的对照

verse-spine（rid 435）同为脊柱结构标注资源，可作为脊柱分割家族的又一成员。它与 SPIDER 的互链价值在于"多来源互证"——当用户检索脊柱分割数据时，能在库内一次看到多种来源、多种模态、多种标注风格的选项，提升检索命中率。

9.7 跨家族互链：分割基准范式

除脊柱家族外，SPIDER 在"公开数据 + 隐藏测试 + 标准指标"这一基准范式上与库内 covid-segmentation、olives 等条目同族。这类跨解剖部位的互链不体现在"同一器官"上，而体现在"同一方法论形态"上：它们都提供公开训练集、隐藏测试集、Dice/IoU 等标准评估，是 AI-Ready 数据集的典型结构。在站内标签体系中，它们可共同归入"医学图像分割""评测基准"等标签，通过标签相关度算法形成隐式互链。

9.8 标签层面的互链建议

从 category_tags 看，SPIDER 标注为"医学影像 / MRI / 骨骼肌肉影像 / 医学图像分割 / 挑战赛数据集"。其中"骨骼肌肉影像"与"医学图像分割"是与库内脊柱家族共享的标签，可作为标签相关度互链的锚点。建议在发布时确认这三个标签已在库内其它条目（尤其是 ctspine1k 等脊柱条目）上使用，以便标签互链算法能正确建立关联。

注：上述 rid 对应的 URL 形制须与站点实际路由一致，互链上线前请由主会话复核链接可用性。

§10 避坑清单

坑 0：SPIDER 不是"蜘蛛"，也不是别的同名资源

spider 是极常见的词，检索时极易撞到无关资源。本条目的 SPIDER 特指 SPIDER — Lumbar spine segmentation in MR images（腰椎 MRI 分割数据集），由 Radboudumc DIAG 发布、Sci Data 2024 论文配套。库内查重确认：url_name ILIKE '%spider%' = 0 行，%lumbar% = 0 行，%spine% 仅 3 行且均为其它脊柱数据集（ctspine1k/vindr-spinexr/verse-spine）。无撞库。检索者若搜到"蜘蛛数据集""SPIDER 网络爬虫"等，皆非本条目。

坑 1：序列数与研究数两套口径，别混用

Zenodo/HuggingFace 口径的 447 series / 218 studies 与 360 训练 / 87 验证是序列级；论文口径的 179 训练 / 39 验证是研究级。一个研究可含多个序列，所以序列级数字总大于研究级。引用时应写明口径，切勿把"447 序列"与"218 研究"当成两批不同数据（§2.1、附录 S）。

坑 2：公开 447 与全量 544 的差异是范围问题

论文与 Grand Challenge 页提到全量采集为 257 studies / 544 series，而公开包为 218 studies / 447 series。差异来自隐藏测试集（39 studies / 97 series）未公开，而非数据版本不同。把 544 当作"SPIDER 公开数据量"是常见误记（§2.1）。

坑 3：划分口径 series vs study

官方描述中"训练 360 / 验证 87"（序列）与论文"训练 179 / 验证 39"（研究）看似矛盾，实为同一划分的两种粒度。若做复现，“每个研究最多 3 序列"意味着研究级划分天然对应"整组序列”（§2.1、§4.6）。

坑 4：标签是自下而上位次编号，不是解剖 L 编号

掩膜中 label=1 是"最尾侧腰椎"（可能是 L5、L4 或 L6），向上递增；IVD = 上方椎骨 + 200；椎管 = 100。因为移行椎发生率约 35.5%、六腰椎约 6.6%，把 label 直接当 L1–L5 会全盘错位。任何"按解剖名索引"的下游代码都必须显式处理这一映射（§3.1）。

坑 5：T1/T2 掩膜非独立手描，金标准应认 T2-SPACE

仅 20 个 T2-SPACE 序列为完全手动标注；T1/T2 的椎间盘掩膜部分由 T2-SPACE 分割重采样迁移而来，再经迭代精化。因此 T1/T2 掩膜更适合预训练/对比，追求最高可信度应优先用 T2-SPACE（§4.4）。

坑 6：隐藏测试集不公开，复现须走排行榜

论文报告的 Dice/ASD 是在 隐藏测试集（39 studies / 97 series） 上算的。公开验证集上的数字不能直接对标。要对齐官方数字，唯一路径是 spider.grand-challenge.org 提交（§5.5）。

坑 7：HuggingFace/Kaggle 镜像已重采样，几何与原始版不同

镜像版把全部序列统一到 512×512、图像 uint16、掩膜 uint8、深度维保留为切片。它不保留原始物理体素间距，做按毫米的 3D 定量（椎间盘高度、椎管截面积）必须回用 Zenodo 的 .mha（§2.3、§6.4）。

坑 8：Kaggle 镜像许可证标为 MIT，属误标

官方三源一致为 CC BY 4.0。Kaggle 某镜像页标 MIT 是第三方转发者自行填写，不可据以判断合规（§6.3）。

坑 9：Zenodo 多 DOI，引用应指明版本

Zenodo 上 SPIDER 相关 DOI 至少包括 8009679、8009680、10159224、10159267、10159290。论文引用的是 10159290，引用时应指明该版本，避免指向旧记录（§6.4）。

坑 10：退变分级为单一评分者读数，无多专家一致性

radiological_gradings.csv 由一位资深 MSK 放射科医师评分，未提供多读一致性区间。用其训练/评估时，"人这一侧"也只是单例，不等于共识真值（§3.4）。

坑 11：骶骨被排除，末端间隙需自行处理

标注明确不含骶骨，因此 L5–S1 间隙与腰骶过渡区不在掩膜/分级内。做末端椎间盘任务时须自行定义边界（§3.2）。

坑 12：椎骨数与椎间盘数不相等

公开集 3125 椎骨 vs 3147 椎间盘，并非笔误——标注边界与移行椎导致无法一一配对。做"椎骨-椎间盘配对"任务时需容错（§2.4）。

坑 13：IIS 的记忆机制与 nnU-Net 结果接近，别以为必须复现 IIS

论文 Table 5 显示 IIS 与 nnU-Net 性能几乎持平。想快速起步，直接用 nnU-Net 是合理选择，无需先复现 IIS 的复杂结构（§5.4）。

坑 14：数据量体量提示

images.zip 约 3.7 GB、masks.zip 约 58.2 MB，解压后为 3D .mha，实际占用更大。下载与本地存储需预留空间；镜像版虽加载方便，但换来几何失真（§2.3）。

坑 15：%spine% 库内命中别误当 SPIDER

库内 %spine% 命中的 3 条（ctspine1k、vindr-spinexr、verse-spine）是其它脊柱数据集，SPIDER 本身无同名条目。做互链或去重时勿将三者与 SPIDER 混为一谈（§9.1）。

---

§11 总结

11.1 三句话总结

1. SPIDER 是腰椎 MRI 的"三层分割标尺 + 七类退变分级"公开数据集：218 患者 / 447 序列 / 四家医院 / CC BY 4.0。
2. 它的方法论贡献是迭代式注释流水线：种子手描 → 模型预分割 → 专家修正 → 回灌重训，四轮循环，把单序列标注从 5 小时压到 1 小时。
3. 它的基准贡献是隐藏测试集上的 IIS/nnU-Net 对照：椎骨 Dice 0.93、IVD 0.85、椎管 0.92，并通过 grand-challenge 向所有算法开放。

11.2 适合谁

• 做脊柱/椎间盘自动分割的算法团队：现成的多中心训练集与官方评估口径。
• 做椎间盘退变自动分级（Pfirrmann/Modic）的研究者：逐 IVD 分级标签。
• 研究医学影像标注方法论的团队：迭代注释的完整案例与代价分析。
• 做3D 医学分割基准复现/对比的评测者：有公开榜单可对标。

11.3 不适合谁

• 想要2D X 光脊柱片的：SPIDER 是 MRI，2D 需求请找 vindr-spinexr 等。
• 想要逐体素多专家金标准一致性的：SPIDER 为单一参考标注，无多读区间。
• 想要公开隐藏测试集的：该集不公开，只能走排行榜提交。
• 需要原始物理分辨率下游定量、又只用镜像版的：几何会被重采样破坏。

11.4 30 秒决策卡

你的需求	行动
下腰椎 MRI 分割数据	Zenodo 下 .mha（原始，CC BY 4.0）
快速加载进深度学习框架	HuggingFace cdoswald/SPIDER（512×512 镜像）
对标官方榜单	注册 spider.grand-challenge.org 提交
要椎间盘退变标签	读 radiological_gradings.csv（逐 IVD）
要元数据/扫描仪参数	读 overview.csv
找脊柱 CT/X 光	转 ctspine1k / vindr-spinexr（库内互链）

---

FAQ（高频问答）

A. 基础认知

Q：SPIDER 是什么的缩写？
官方题名为《Lumbar spine segmentation in MR images: a dataset and a public benchmark》，SPIDER 为其缩写名，指向腰椎 MR 影像的分割数据集与公开基准。

Q：它是哪个机构发布的？
荷兰 Radboud University Medical Center 的 Diagnostic Image Analysis Group（DIAG），通讯作者 Jasper W. van der Graaf，共 9 位作者，联合四家医院。

Q：什么时候发布的？
论文发表于 Scientific Data 2024 年（11:264，2024-03-02）；Zenodo 数据集 2021 年 11 月首发，论文版数据集 DOI 为 10.5281/zenodo.10159290。

Q：数据从哪几家医院来？
一所大学医学中心（Radboudumc）、两所区域医院（Jeroen Bosch、Rijnstate）、一所骨科专科医院（Sint Maartenskliniek）。

Q：SPIDER 是挑战赛还是数据集？
两者兼有：它是一个公开数据集，同时配套 SPIDER Grand Challenge 作为公开基准。

Q：它是不是只有分割、没有分级？
不是。除三类结构分割外，还有七类逐 IVD 的退变分级（含 Pfirrmann 1–5）。

B. 数据与获取

Q：公开数据到底多少？
218 患者 / 447 序列（196 T1 + 210 T2 + 41 T2-SPACE）。全量采集含隐藏测试为 257 studies / 544 series。

Q：有没有隐藏测试集？
有，39 studies / 97 series，不公开，通过 grand-challenge 提交评估。

Q：怎么下载？
原始 .mha 在 Zenodo（DOI 10.5281/zenodo.10159290）；镜像版在 HuggingFace cdoswald/SPIDER 与 Kaggle。

Q：许可是什么？
CC BY 4.0，允许商用与再分发，需署名。

Q：Kaggle 上标 MIT 可信吗？
不可信，是第三方误标，应以官方 CC BY 4.0 为准。

Q：文件有多大？
images.zip 约 3.7 GB，masks.zip 约 58.2 MB，另有两份 csv。

Q：原始格式是什么？
.mha（3D 体数据），图像与掩膜同名，按研究 ID + 序列类型命名。

Q：镜像版和原始版有什么区别？
镜像版重采样到 512×512，图像 uint16、掩膜 uint8、深度维保留为切片；原始版保留物理分辨率。

C. 标注与结构

Q：标注了哪些结构？
椎骨（含椎弓）、椎间盘（IVD）、椎管三类；排除骶骨。

Q：标注了多少结构？
公开训练+验证集共 3125 椎骨、3147 椎间盘、447 椎管。

Q：标签规则是什么？
自下而上：最低腰椎=1，向上递增；IVD=上方椎骨+200；椎管=100；背景=0。

Q：为什么标签不是 L1–L5？
因为存在移行椎（约 35.5%）与六腰椎（约 6.6%），解剖编号不稳定，故采用位次编号。

Q：为什么椎骨数少于椎间盘数？
两者不一一对应受标注边界与移行椎影响，3125 vs 3147 之差即源于此。

Q：椎管为什么恰好 447 个？
每个序列恰有一条椎管，故数量等于序列数。

Q：骶骨为什么被排除？
标注焦点在腰椎及其椎间盘，骶骨不在参考分割范围内。

Q：谁标注的？
一名受训医学实习生在医学影像专家与经验丰富的 MSK 放射科医师监督下完成，工具为 3D Slicer 5.0.3。

D. 退变分级

Q：有哪些分级？
Modic 改变（I/II/III）、上下终板改变/Schmorl 结节、脊椎滑脱、椎间盘突出、椎间盘狭窄、椎间盘膨出、Pfirrmann（1–5），共七类。

Q：分级是逐什么单位给的？
按椎间盘水平（per IVD）逐一评分。

Q：Pfirrmann 分级是什么？
基于矢状位 T2 图像的椎间盘退变量表，依信号、结构、高度/边界综合打 1–5 级，1 最轻、5 最重。

Q：Modic 改变分哪几型？
I 型（水肿/炎症）、II 型（脂肪替换）、III 型（骨硬化）。

Q：分级有没有多专家一致性数据？
没有，为单一资深 MSK 放射科医师读数。

Q：分级标签够用吗？
对训练自动分级模型足够，但作为"共识真值"需谨慎。

E. 基准与评估

Q：基准在哪个测试集上评？
隐藏测试集，39 studies / 97 series。

Q：评估指标是什么？
3D Dice 系数与平均绝对表面距离（ASD）。

Q：基线结果如何？
IIS：椎骨 Dice 0.93、IVD 0.85、椎管 0.92；ASD 分别约 0.49/0.53/0.39 mm。

Q：nnU-Net 表现呢？
与 IIS 几乎持平。

Q：哪个结构最难？
椎间盘（IVD），Dice 0.85 且标准差最大，漏检也主要发生在此。

Q：哪个结构最稳？
椎管，Dice 0.92、ASD 最小 0.39 mm。

Q：怎么参与排行榜？
到 spider.grand-challenge.org 提交隐藏测试集预测。

Q：能直接用公开验证集分数对标论文吗？
不能，口径不同（公开验证 vs 隐藏测试）。

F. 复现与工程

Q：基线代码在哪？
github.com/DIAGNijmegen/SPIDER-Baseline-IIS。

Q：评估代码在哪？
github.com/DIAGNijmegen/SPIDER-Evaluation。

Q：nnU-Net 从哪来？
github.com/MIC-DKFZ/nnUNet。

Q：怎么快速起步？
用 nnU-Net（与 IIS 接近）+ 官方评估脚本，先在公开验证集调参。

Q：做 3D 定量分析用哪个版本？
用 Zenodo 原始 .mha，镜像版几何不可靠。

Q：怎么防止患者级泄漏？
SPIDER 已保证同一患者的序列在同一集合，复现时勿自行打乱。

Q：注释是自动还是手动？
混合：20 个 T2-SPACE 全手动，其余为迭代式（模型预分割 + 人工修正，4 轮）。

Q：术语 spine MRI 与脊柱 CT 有何不同？
MRI 提供软组织对比（椎间盘、椎管），CT 提供骨性结构；SPIDER 属前者。

Q：可以商用吗？
可以，CC BY 4.0 允许商用，需署名。

Q：引用怎么写？
同时引数据集（Zenodo 10159290）与论文（10.1038/s41597-024-03090-w）。

G. 排歧与检索

Q：搜"SPIDER dataset"出来一堆无关的怎么办？
加限定词：SPIDER lumbar spine MRI segmentation，或直接搜论文 DOI 10.1038/s41597-024-03090-w、数据 DOI 10.5281/zenodo.10159290。

Q：spider 和蜘蛛类数据集会撞库吗？
库内查重显示 %spider% = 0 行，无同名条目。外部虽有同名资源，但学术语境下加"lumbar spine"即可排歧。

Q：它和 SPIDER（同名别的领域）怎么区分？
看发布机构与 DOI：本条目属 Radboudumc + Sci Data 2024 + zenodo.10159290，凡不符合者皆非本条目。

Q：怎么判断我拿到的是原始版还是镜像版？
看文件格式：.mha 是原始版；.png/Parquet、512×512 尺寸的是镜像版。

Q：序列类型怎么看？
从 overview.csv 的字段读取，或从 .mha 文件名末尾的 T1/T2/T2 SPACE 判断。

H. 深度细节

Q：椎管标签为什么固定 100？
因为每序列恰有一条椎管，用固定值即可唯一标识，无需像椎骨那样做位次编号。

Q：IVD 标签 201 代表什么？
代表最尾侧的椎间盘——其"上方椎骨"被编号为 1，故 1+200=201。

Q：如果某患者是六腰椎，标签会怎样？
仍自下而上编号：最尾侧（可能是 L6）为 1，向上递增。患者间标签数字对齐的是"位次"而非"解剖节段"。

Q：severely 退变的病例多吗？
SPIDER 采集自下腰痛患者，退变病例占比可观，但具体各退变等级的分布需查论文 Table 3（本文只引正文明确数值，不臆测分布）。

Q：T2-SPACE 只有 41 个，够用吗？
作为"金标准"测试集够用；作为大规模训练集则偏少，故 T1/T2 仍是训练主力。

Q：IIS 的"记忆"到底记什么？
记已分割实例的进度与特征，帮助模型在逐层推进时维持编号连续与实例稳定（§5.7）。

Q：为什么 patch 是 64×192×192 而不是立方体？
因为 MRI 层间分辨率低于层内，patch 形状需反映这一各向异性（§5.7）。

Q：跨医院数据会不会有域偏移？
会。四家医院扫描仪与协议不同正是 SPIDER 的多中心价值所在——它天然适合做域泛化/域适应研究。

Q：能把 SPIDER 拿去做椎间盘高度自动测量吗？
可以，但须用原始 .mha 以保留物理 spacing，镜像版重采样后无法换算毫米（§3.6、坑 7）。

Q：SPIDER 的分割能不能直接用于手术导航？
研究用途可以，临床直接使用需额外的本地验证与合规评估——数据集本身是研究工具，非医疗器械。

Q：论文里提到的"completeness"是什么？
基线模型的一个输出分支，预测某结构在当前视野内是否完整出现，用于滑窗拼接时判断是否继续扩展（§5.7）。

Q：CC BY 4.0 下我能把 SPIDER 放进自己的论文补充材料吗？
可以，注明来源与许可即可；再分发也允许。

Q：如果 SPIDER 未来更新版本，怎么跟？
关注 Zenodo 记录的新版本 DOI 与论文勘误；本文附录 S 已列出维护触发点。

Q：SPIDER 有没有中文标注或中文文档？
官方无中文版；库内其它镜像站（如遇见数据集）有中文简介，但以官方英文文档为准。

Q：做迁移学习时用 T1 还是 T2 预训练？
常规做法用数量更多、对比更稳的 T2；若要评估跨序列泛化，可用 T1 训练、T2 测试或反之。

---

事实清单（硬事实）

1. 官方题名：Lumbar spine segmentation in MR images: a dataset and a public benchmark。
2. 缩写/条目名：SPIDER。
3. 发表期刊：Scientific Data（Nature Portfolio），卷 11，文章号 264。
4. 发表时间：2024-03-02。
5. 论文 DOI：10.1038/s41597-024-03090-w。
6. 数据集 DOI（论文版）：10.5281/zenodo.10159290。
7. 数据集 Zenodo 记录之一：10.5281/zenodo.8009679。
8. 通讯作者：Jasper W. van der Graaf（Radboudumc）。
9. 作者总数：9 人。
10. 主导机构：Radboud University Medical Center, Diagnostic Image Analysis Group（DIAG）。
11. 合作医院数：4 家。
12. 医院类型：1 大学医学中心 + 2 区域医院 + 1 骨科医院。
13. 采集时间窗：2019 年 1 月 – 2022 年 3 月。
14. 公开患者数：218。
15. 公开序列数：447。
16. 全量研究数：257 studies。
17. 全量序列数：544 series。
18. 隐藏测试研究数：39 studies。
19. 隐藏测试序列数：97 series。
20. 公开占比：85%（218/257）。
21. T1 序列数：196。
22. T2 序列数：210。
23. T2-SPACE 序列数：41。
24. 196+210+41 = 447（可加总校验）。
25. 公开训练序列数（Zenodo 口径）：360。
26. 公开验证序列数（Zenodo 口径）：87。
27. 论文训练研究数：179。
28. 论文验证研究数：39。
29. 标注椎骨总数（公开）：3125。
30. 标注椎间盘总数（公开）：3147。
31. 标注椎管总数（公开）：447。
32. 结构类别数：3（椎骨/椎间盘/椎管）。
33. 骶骨是否标注：否。
34. 标签规则：最低腰椎=1，向上递增。
35. IVD 标签规则：上方椎骨编号 + 200。
36. 最低 IVD 标签值：201。
37. 椎管标签值：100。
38. 背景标签值：0。
39. 移行椎发生率（论文引用）：约 35.5%。
40. 六腰椎发生率：约 6.6%。
41. 退变分级类别数：7。
42. Modic 分型数：3（I/II/III）。
43. Pfirrmann 分级范围：1–5。
44. 分级的给值粒度：逐 IVD 水平。
45. 完全手动标注序列数：20。
46. 初始种子序列模态：T2-SPACE（Radboudumc）。
47. 迭代循环轮数：4 轮。
48. 标注工具：3D Slicer v5.0.3。
49. 手动分割耗时：约 5 小时/序列。
50. 修正预测耗时：约 1 小时/序列。
51. 常规矢状 T1/T2 体素范围：约 3.3×0.33×0.33 mm 至 4.8×0.90×0.90 mm。
52. T2-SPACE 体素：约 0.90×0.47×0.47 mm。
53. 女性患者比例：约 63%。
54. 原始存储格式：.mha。
55. 镜像重采样尺寸：512×512。
56. 镜像图像位深：uint16。
57. 镜像掩膜位深：uint8。
58. 元数据文件：overview.csv（119.9 kB）。
59. 分级文件：radiological_gradings.csv（34.4 kB）。
60. images.zip 体量：3.7 GB。
61. masks.zip 体量：58.2 MB。
62. images.zip md5：7a9fa44aac0c72e2937bdef62cff88db。
63. masks.zip md5：49861ff25a0108b3b69d0ce808ae51dc。
64. 基线算法名：IIS（Iterative Instance Segmentation）。
65. IIS 椎骨 Dice：0.93 (±0.05)。
66. IIS 椎间盘 Dice：0.85 (±0.10)。
67. IIS 椎管 Dice：0.92 (±0.04)。
68. IIS 椎骨 ASD：0.49 mm (±0.95)。
69. IIS 椎间盘 ASD：0.53 mm (±0.46)。
70. IIS 椎管 ASD：0.39 mm (±0.45)。
71. 对照基线：nnU-Net（与 IIS 几乎持平）。
72. IIS patch 尺寸：64×192×192。
73. IIS 重采样分辨率：2×0.6×0.6 mm。
74. 椎骨完整性预测正确率：650/656 ≈ 99.1%。
75. 隐藏测试椎骨漏检：1/656。
76. 隐藏测试 IVD 漏检：9/688（T1 漏 3、T2 漏 6）。
77. 许可：CC BY 4.0。
78. Kaggle 镜像页标注许可：MIT（误标）。
79. 基线代码仓库：github.com/DIAGNijmegen/SPIDER-Baseline-IIS。
80. 评估代码仓库：github.com/DIAGNijmegen/SPIDER-Evaluation。
81. 排行榜平台：spider.grand-challenge.org。
82. 库内无同名条目（%spider%=0，%lumbar%=0）。

---

术语表

• SPIDER：本篇条目名，指腰椎 MR 影像分割数据集与公开基准。
• 腰椎（lumbar spine）：脊柱腰段，含数枚腰椎与椎间盘。
• MRI（磁共振成像）：利用核磁共振的成像模态，软组织对比优。
• 矢状位（sagittal）：将身体分为左右两半的成像平面。
• T1 / T2：MRI 两种基础加权序列，T1 偏解剖形态、T2 偏水/信号改变。
• T2-SPACE：近各向同性高分辨 T2 序列，本数据集种子标注模态。
• 椎骨（vertebra）：脊柱骨性单元，含椎体与椎弓。
• 椎弓（vertebral arch）：椎骨后部的骨环结构。
• 椎间盘（intervertebral disc, IVD）：椎骨间的软组织结构。
• 椎管（spinal canal）：椎骨后方容纳神经的通道。
• 骶骨（sacrum）：脊柱末端融合骨，本数据集排除标注。
• 移行椎（transitional vertebra）：腰骶交界处形态移行的椎体。
• 第六腰椎（supernumerary lumbar vertebra）：多余的一节腰椎变异。
• 分割掩膜（segmentation mask）：逐体素标注结构的标签图。
• 参考分割（reference segmentation）：用于评测的基准标注。
• Dice 系数：两集合重叠度指标，1 为完全重合。
• ASD（平均绝对表面距离）：预测与参考边界的平均最近距离（mm）。
• Pfirrmann 分级：椎间盘退变量表，1–5 级。
• Modic 改变：终板及骨髓信号改变分型（I/II/III）。
• Schmorl 结节：椎体终板处的小结节改变。
• 脊椎滑脱（spondylolisthesis）：椎体相对下位椎体的移位。
• 椎间盘突出（disc herniation）：椎间盘向外突出。
• 椎间盘膨出（disc bulging）：椎间盘弥漫外凸。
• 椎间盘狭窄（disc narrowing）：椎间盘高度降低。
• 迭代式注释（iterative data annotation）：模型预分割 + 人工修正 + 回灌重训的循环流程。
• IIS（Iterative Instance Segmentation）：本数据集基线算法。
• nnU-Net：通用医学分割框架，对照基线。
• 3D Slicer：开源医学影像标注软件。
• .mha（MetaImage）：医学影像存储格式。
• Grand Challenge：医学影像算法竞赛平台。
• CC BY 4.0：署名即可自由使用的知识共享许可。
• HuggingFace：模型/数据集托管平台，本条目有镜像。
• 下腰痛（low back pain, LBP）：本数据集患者的主要临床背景。

---

附录

附录 A：条目信息速查卡

字段	值
条目 slug	spider
中文名	SPIDER 腰椎 MRI 分割数据集
官方名	SPIDER — Lumbar spine segmentation in MR images
论文	Sci Data 11:264 (2024)
DOI（论文）	10.1038/s41597-024-03090-w
DOI（数据）	10.5281/zenodo.10159290
许可	CC BY 4.0
规模	218 患者 / 447 序列
模态	腰椎 MRI（T1/T2/T2-SPACE）
结构	椎骨 / 椎间盘 / 椎管
分级	7 类（含 Pfirrmann 1–5）
获取	Zenodo / HuggingFace / grand-challenge
库内家族	脊柱影像分割

附录 B：DAIMS 评估全表

DAIMS 从数据的可获得性、文档化、可互操作、可复用等维度评估数据集成熟度。SPIDER 的逐项判断如下（定性，非官方打分）：

维度	评估	说明
Data（数据本体）	优	447 序列图像 + 掩膜，命名对齐
Availability（可获得性）	优	公开直链，无门槛
Interoperability（互操作）	良	.mha + csv，通用格式；镜像版另供框架直载
Metadata（元数据）	优	overview.csv 含扫描仪/磁场/参数
Standards（标准）	良	采用 DICOM 派生几何与标准体素格式
Documentation（文档）	优	论文 + 数据集页 + 仓库说明齐全
License（许可）	优	CC BY 4.0，商用友好
Provenance（来源）	优	四院来源与时间窗明确
Reproducibility（可复现）	优	基线代码 + 评估代码 + 公开榜单
Bias（偏差）	中	单一评分者、迭代法偏倚、T2-SPACE 种子代表性有限

附录 C：逐项证据链

• 规模数字：Zenodo record 8009679 描述 + HuggingFace cdoswald/SPIDER README。
• 序列拆分 196/210/41：HuggingFace 与数据集镜像页口径。
• 论文日期/作者：nature.com/articles/s41597-024-03090-w。
• 基线 Dice/ASD：论文 Table 4 正文数值。
• 许可：Zenodo + grand-challenge 数据页 + 论文三源一致。
• 标签规则：grand-challenge 数据页 + Kaggle 镜像页一致。

附录 D：数据获取决策树

1. 目的 = 快速原型？→ HuggingFace 镜像版。
2. 目的 = 发表/物理定量？→ Zenodo 原始 .mha。
3. 目的 = 对标官方榜单？→ grand-challenge 提交。
4. 目的 = 看元数据/分级？→ overview.csv + radiological_gradings.csv。

附录 E：标签映射与使用规范

标签值	含义
0	背景
100	椎管
1,2,3,…	椎骨（自下而上）
201,202,…	椎间盘（上方椎骨+200）

使用规范：先读 overview.csv 建索引，再按标签切分，禁止从数字直接推解剖名。

附录 F：迭代注释复现骨架（SOP）

1. 选种子序列（高分辨 T2-SPACE）全手动标注。
2. 训练基线分割模型。
3. 对未标注序列预分割。
4. 人工在 3D Slicer 中审查修正。
5. 修正结果回灌训练集，重训模型。
6. 重复步骤 3–5 直至收敛（论文 4 轮）。

附录 G：评估指标公式表

• Dice = 2|A∩B| / (|A|+|B|)，A 预测、B 参考。
• ASD = 预测表面各点到参考表面最近距离的平均（mm）。
• 完整性（completeness）：预测是否包含该结构全部实例。

附录 H：基线结果登记表（论文口径）

结构	Dice	ASD (mm)
椎骨	0.93	0.49
椎间盘	0.85	0.53
椎管	0.92	0.39

附录 I：检出完整性登记表

结构	总数	漏检	说明
椎骨	656	1	隐藏测试集
椎间盘	688	9	T1 漏 3、T2 漏 6
椎骨完整性预测	656	6	正确 650（99.1%）

附录 J：文件与校验表

文件	体量	md5
images.zip	3.7 GB	7a9fa44aac0c72e2937bdef62cff88db
masks.zip	58.2 MB	49861ff25a0108b3b69d0ce808ae51dc
overview.csv	119.9 kB	f9a808d2cf67844baa32114a1a769fde
radiological_gradings.csv	34.4 kB	a5b7a6ad7fb4daa0bfa650b716f026f6

附录 K：机构与角色表

机构	角色
Radboudumc（DIAG）	主导，算法与数据工程
Radboudumc 骨科	临床协作
Sint Maartenskliniek	骨科医院，数据来源
Jeroen Bosch Hospital	区域医院，数据来源
Rijnstate Hospital	区域医院，数据来源

附录 L：序列模态对照表

模态	数量	体素（约）	用途
T1 矢状位	196	3.3×0.33×0.33 – 4.8×0.90×0.90 mm	解剖形态
T2 矢状位	210	同上	椎间盘信号/退变
T2-SPACE	41	0.90×0.47×0.47 mm	高分辨种子/金标准

附录 M：退变分级全表

指标	类型	取值
Modic 改变	分型	I/II/III
终板改变/Schmorl	二分类	是/否
脊椎滑脱	二分类	是/否
椎间盘突出	二分类	是/否
椎间盘狭窄	二分类	是/否
椎间盘膨出	二分类	是/否
Pfirrmann 分级	有序	1–5

附录 N：检索关键词卡

• 正名：SPIDER lumbar spine MRI segmentation
• 论文：10.1038/s41597-024-03090-w
• 数据：zenodo 10159290 / 8009679
• 榜单：spider.grand-challenge.org
• 镜像：HuggingFace cdoswald/SPIDER
• 排歧：勿与网络爬虫/其它同名资源混淆

附录 O：许可条款细读

CC BY 4.0 四要素：署名（BY）+ 允许共享 + 允许改编 + 允许商用。义务：保留署名、注明修改、附许可链接。衍生作品可换许可，但不得附加额外限制。

附录 P：双口径登记表

项目	口径 A	口径 B	解释
序列/研究总数	447 series（公开）	544 series（全量）	隐藏测试未公开
训练/验证	360/87（序列）	179/39（研究）	粒度不同
许可	CC BY 4.0（官方）	MIT（Kaggle 镜像）	镜像误标
数据格式	.mha（原始）	512×512（镜像）	几何不同
DOI	10159290（论文版）	8009679 等（记录）	版本不同

附录 Q：坑点档案（与 §10 对照）

坑 0 排歧 → 坑 1 口径 → 坑 4 标签 → 坑 5 T2-SPACE → 坑 6 隐藏测试 → 坑 7 镜像几何 → 坑 8 许可误标 → 坑 9 DOI 版本 → 坑 10 单一评分者 → 坑 11 骶骨排除。

附录 R：检索决策树

同名混淆？→ 认准 grand-challenge/zenodo。要数据？→ Zenodo。要榜单？→ grand-challenge。要分级？→ radiological_gradings.csv。

附录 S：维护计划与触发点

• 若 SPIDER 发布新版本 → 核对 DOI 与序列数。
• 若排行榜更新基线 → 同步 Dice/ASD。
• 若出现多专家一致性数据 → 升级 §3.4 评估。

附录 T：库内互链候选表

条目	rid	关系
ctspine1k	443	脊柱 CT 分割，模态互补
vindr-spinexr	630	脊柱 X 光影像
verse-spine	435	脊柱结构标注

附录 U：常见误记清单

• 误：SPIDER 有 544 序列公开 → 正：公开 447，544 为全量。
• 误：标签即 L1–L5 → 正：自下而上位次编号。
• 误：全部掩膜手工标注 → 正：仅 20 个 T2-SPACE 全手动。
• 误：Kaggle 版是 MIT → 正：官方 CC BY 4.0。
• 误：能在公开集复现论文分数 → 正：论文用隐藏测试集。

附录 V：数据加载骨架（伪代码）

# 1. 读元数据
overview = read_csv("overview.csv")            # series 级：study_id, sequence_type, split, sex, vendor, ...
gradings = read_csv("radiological_gradings.csv")  # 逐 IVD 分级：study_id, level, pfirrmann, modic, ...

# 2. 按主名配对图像与掩膜
images = {stem: path for path in glob("images/*.mha")}
masks  = {stem: path for path in glob("masks/*.mha")}
pairs  = [(images[s], masks[s]) for s in images if s in masks]

# 3. 标签解析
def parse(mask):
    vertebra = (mask >= 1) & (mask <= 19)      # 椎骨
    ivd      = (mask >= 201) & (mask <= 219)   # 椎间盘
    canal    = (mask == 100)                   # 椎管
    return vertebra, ivd, canal

说明：上述区间为示例约定，实际标签范围以官方标签方案为准；椎骨位次数以序列内实际数量决定。

附录 W：双轨任务设计建议

任务	输入	标签	指标
三类语义分割	MRI 序列	折并后的 0/1/2/3	Dice、ASD
实例分割	MRI 序列	原始位次标签	逐实例 Dice、检出率
椎间盘退变分级	MRI（可结合分割）	Pfirrmann 1–5	准确率、QWK
Modic 分型	MRI（可结合分割）	I/II/III	准确率、混淆矩阵
多任务联合	MRI 序列	分割 + 分级	各任务指标加权

附录 X：跨序列泛化实验设计模板

训练集	测试集	研究目的
T2	T1	序列间泛化
T1+T2	T2-SPACE	向高分辨迁移
三家医院	第四家	域泛化（leave-one-center-out）
公开训练	公开验证	内部验证
公开训练	隐藏测试	官方对标（走 grand-challenge）

附录 Y：许可与署名模板

本工作使用 SPIDER 数据集（van der Graaf et al., Scientific Data 11:264, 2024；数据 DOI 10.5281/zenodo.10159290；许可 CC BY 4.0）。我们未对原始标注做修改（或：我们按 XXX 做了修改），并保留原始署名。

附录 Z：三源互证登记表

事实	Zenodo 数据集页	Grand Challenge 数据页	Sci Data 论文	一致性
218 患者 / 447 序列	✓	✓（另述全量 257/544）	✓	一致
T1/T2/T2-SPACE = 196/210/41	✓	部分	部分	一致
结构三类（椎骨/IVD/椎管）	✓	✓	✓	一致
许可 CC BY 4.0	✓	✓	✓	一致
隐藏测试 39/97	✓	✓	✓	一致
基线 Dice 0.93/0.85/0.92	—	—	✓	见论文

附录 AA：常见下游研究类型

1. 分割算法改进：在 SPIDER 上验证新的 3D 分割网络。
2. 退变分级自动化：用逐 IVD 标签训练 Pfirrmann/Modic 分类器。
3. 标注方法研究：复现/改进迭代注释流水线。
4. 域泛化/域适应：利用四院异质性研究跨中心迁移。
5. 多任务学习：分割与分级联合建模。
6. 基础模型评测：用 SPIDER 测试通用医学分割基础模型的脊柱表现。

附录 AB：术语中英对照速查

中文	英文
腰椎	lumbar spine
椎骨	vertebra
椎间盘	intervertebral disc (IVD)
椎管	spinal canal
骶骨	sacrum
分割掩膜	segmentation mask
迭代式注释	iterative data annotation
终板	endplate
滑脱	spondylolisthesis
突出	herniation
膨出	bulging
狭窄	narrowing
退行性改变	degenerative changes

附录 AC：快速校验清单（发布前）

• [ ] 硬数字与 FACTS.md 一致（218/447/196/210/41、3125/3147/447、Dice 0.93/0.85/0.92）。
• [ ] 许可表述为 CC BY 4.0，并注明 Kaggle MIT 系误标。
• [ ] 标签方案表述为"自下而上位次编号"。
• [ ] 隐藏测试集口径已注明（39/97，不公开）。
• [ ] 互链 rid 已用 DB 反查（443/630/435）。
• [ ] frontmatter 双引号计数为偶数、块式列表均带 - 前缀。

---

尾注

1. 论文：van der Graaf J.W. et al., Lumbar spine segmentation in MR images: a dataset and a public benchmark. Scientific Data 11, 264 (2024). DOI: 10.1038/s41597-024-03090-w
2. 数据集（Zenodo）：SPIDER — Lumbar spine segmentation in MR images. DOI: 10.5281/zenodo.10159290（相关记录 8009679/8009680/10159224/10159267）。
3. 公开基准/数据页：https://spider.grand-challenge.org/data/
4. 镜像：HuggingFace cdoswald/SPIDER；Kaggle zofiaknapiska/spider-lumbar-spine-segmentation-in-mr-images（镜像页许可标注为 MIT，以官方 CC BY 4.0 为准）。
5. 基线代码：https://github.com/DIAGNijmegen/SPIDER-Baseline-IIS ；评估代码：https://github.com/DIAGNijmegen/SPIDER-Evaluation ；对照框架：https://github.com/MIC-DKFZ/nnUNet 。
6. 本文硬数字均取自上述一手来源；三处口径差异已在 §10 与附录 P 逐条存照。核验日期：2026-10-13。

---

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：

• us-nerve-seg — 共享标签：医学影像 / 骨骼肌肉影像 / 医学图像分割 / 挑战赛数据集
• pengwin — 共享标签：医学影像 / 骨骼肌肉影像 / 医学图像分割 / 挑战赛数据集
• topaneu2026 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
• rsna-knee-2026 — 共享标签：医学影像 / MRI / 骨骼肌肉影像 / 挑战赛数据集
• knoap2020 — 共享标签：医学影像 / MRI / 骨骼肌肉影像 / 挑战赛数据集
• promise12 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
• crossmoda2022 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
• aims-tbi — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
• mms-2 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集
• lisa2025 — 共享标签：医学影像 / MRI / 医学图像分割 / 挑战赛数据集

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。