SynthRAD2025 (synthrad) — AI-Ready Wikipedia

INFOBOX — SynthRAD2025 一屏速览

维度	内容
本质	全球最大公开合成 CT（sCT）挑战数据集：给 MRI/CBCT 一张"CT 替身"，让放疗剂量计算不再依赖真 CT
主办	荷兰多中心联盟（UMC Groningen 牵头）+ 德国 LMU Munich / Cologne + DKFZ / Skåne Lund 合作方
数据	2362 cases = Task 1 890 MRI-CT + Task 2 1472 CBCT-CT；HN/TH/AB 三解剖区；1×1×3 mm；.mha 格式
中心	5 个欧洲中心：UMC Groningen / UMC Utrecht / Radboud UMC（荷兰）+ LMU Munich / Univ. Hospital Cologne（德国）
划分	train 65% / validation 10% / test 25%（测试 GT 保留）；v2 版统一 clipping (-1024, 3071) HU
预处理	两阶段流水线：中心本地（转换/刚性配准/defacing/重采样）→ 中央统一（形变配准/裁剪/clipping/划分）
评估	双轨：TotalSegmentator 几何评估 + matRad/pyRadPlan 剂量计算（photon IMRT + proton）
2023 前作	SynthRAD2023 第一届：1080 例、脑+盆腔、3 荷兰中心、数据不公开；关键负发现"图像相似度≠剂量精度"
2025 结果	674 注册 / 78 队 / 12+13 有效提交；最佳 MAE 48.3 HU（CBCT）vs 64.8 HU（MRI）；冠军 KoalAI / MixCT
算力	AWS g4dn.2xlarge（16 GB VRAM）单例推理 ≤20 分钟——平民算力可复现设计
获取	Zenodo collection 公开直链（DOI 10.5281/zenodo.14918088）｜CC BY-NC 4.0（Center D 有限许可）｜代码 Apache-2.0
排行榜	grand-challenge.org 开放提交至 2030——长期基准
库内互链	fastmri（MRI 重建）、lctsc（肺部 CT 分割）、rider-lung-ct、abdomenct-1k、ct-rate（CT 报告）

SynthRAD2025 是一个"给放疗科省掉一次扫描"的数据集：放疗计划必须基于 CT（因为 HU 值直接决定剂量计算），但患者常需在同一天再拍 MRI（软靶区勾画）或 CBCT（治疗位验证）。SynthRAD2025 联盟把 5 个欧洲中心 2362 例"CT+MRI/CBCT 同日配对"数据公开发布，挑战 AI 从 MRI 或 CBCT 合成出一张能直接喂给 matRad 剂量引擎的 sCT——2023 年第一届用不公开的数据证明了这件事可行且"图像长得像"不等于"剂量算得准"，2025 年第二届把数据本身变成了 Zenodo 上任何人可下载的公开基准。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——注意 Center D 有限许可与测试集 GT 不公开两道门，别当成全开放。
2. 关心"为什么 2023 和 2025 是两届"：直奔 §4 与 §1 Q1——2023 数据闭赛保留、2025 首次公开发布，这个关系是引用两届结果时最容易踩的坑。
3. 做图像合成模型评测：直奔 §5 2025 挑战结果——MAE 48.3 vs 64.8 HU、KoalAI/MixCT 冠军方案、16 GB VRAM 约束，可直接作为你模型的对标线。

§0 导读：这个数据集解决什么问题

放疗的物理剂量计算只能"吃"CT：CT 的 Hounsfield 值与电子密度存在标定关系（相对电子密度曲线），这是光子/质子剂量引擎（matRad、pyRadPlan、临床 TPS）的输入基础。但现代放疗越来越依赖 MRI（软组织对比勾画靶区）与 CBCT（治疗位在线验证）——患者于是要承受多次扫描、多次摆位，且 MRI 与 CT 之间的形状差异还会引入配准误差。sCT（synthetic CT，合成 CT）的设想由此而来：用算法从 MRI 或 CBCT 生成一张"HU 值足够真"的伪 CT，让剂量计算直接在 MRI/CBCT 上完成，从而实现 MR-only 放疗工作流（省掉 planning CT）与自适应放疗（每天用 CBCT 重算剂量）。

这个设想卡在数据上。sCT 是典型的"配对图像翻译"任务，需要同患者、同（或近似同）几何位置的 CT 与 MRI/CBCT 配对数据；而在此前，公开的 sCT 数据要么单中心、要么单解剖区、要么规模不过两百例级别——多中心、多解剖区、双任务（MRI→CT 与 CBCT→CT）的公开基准在 SynthRAD2025 之前是空白。更隐蔽的问题是评估：很多论文只报 MAE/PSNR/SSIM 这类图像相似度指标，但 SynthRAD2023 第一届的关键负发现恰恰是图像相似度指标与剂量精度无显著相关——一张 SSIM 很高的 sCT 可能把剂量算错。

SynthRAD2025 的回答分三层。第一层是数据：2362 例配对数据（890 MRI-CT + 1472 CBCT-CT）覆盖头颈（HN）、胸（TH）、腹盆（AB）三解剖区，来自 5 个欧洲中心，统一重采样到 1×1×3 mm 并经两阶段流水线（中心本地预处理→中央统一配准与划分）质量控制，训练/验证/测试按 65/10/25 划分，训练与验证部分连同参考 CT 与 mask 全部放上 Zenodo。第二层是方法：官方开源的预处理流水线（SimpleElastix 配准、HN defacing、TotalSegmentator 辅助）与评估管线（TotalSegmentator 几何评估 + matRad/pyRadPlan 剂量计算双轨），把"图像像不像"与"剂量准不准"同时纳入排名——2023 第一届用六项几何指标加 photon/proton 剂量 gamma 的做法在 2025 版得到延续与强化。第三层是机制：type 2 challenge（提交 docker 容器、主办方服务器统一推理）+ 16 GB VRAM 算力上限 + 单例 20 分钟时限，排行榜开放至 2030，让基准随时间持续可比较。

§0 读法三则：

1. 这个条目是"数据集+挑战赛报告+预处理方法学"三合一：本体是 Zenodo 上 26.8 GB 的训练数据，评估基准是 grand-challenge.org 排行榜，副产品是一套开源两阶段配准/合成预处理流水线——三者许可与获取方式各不相同（§6）。
2. 全文统计数字均出自数据集论文（Medical Physics 2025;52(7):e17981）、挑战设计文档（Zenodo record 14051075）与挑战赛报告（arXiv 2605.13555）；设计文档预估规模（900-1200 + ~1500）与实际交付（890 + 1472）的双口径已在 §10 存照。
3. 检索时若把 brief 常见的 Zenodo DOI 10.5281/zenodo.14051074 当作数据集 DOI 会拿到一份设计文档 PDF——数据集本体的 collection DOI 是 10.5281/zenodo.14918088（坑 2）。

2026 年回望：为什么这个 2025 数据集仍在服役期。截至本条目抓取时点（2026-09-27），三件事让 SynthRAD2025 保持基准地位而非沦为"某年挑战赛遗物"：其一，排行榜持续开放（至 2030），任何新方法仍可拿官方可比成绩；其二，数据版本管理规范（v2 明确变更说明），旧实验可被精确归因与复现；其三，它附带的负发现（相似度≠剂量）已成为 sCT 论文的方法学共识，被引频率不随赛期结束衰减。对检索者的含义：这是一个"活的"数据集条目——后续监控点见文末清单。

§1 数据集速览：十问十答

Q1：SynthRAD2025 与 SynthRAD2023 什么关系？
两届同属荷兰联盟主办的 sCT 挑战系列，但不是同一份数据的两个版本。2023 第一届（SynthRAD2023）覆盖脑与盆腔两个解剖区、3 个荷兰中心、1080 例患者、617 支报名队伍，数据本身不公开（闭赛保留），其成果体现为 Medical Image Analysis 2024 的挑战报告（arXiv 2403.08447）。2025 第二届把解剖区扩为头颈/胸/腹盆、中心扩为 5 个（新增 2 个德国中心）、数据经匿名化后首次公开发布于 Zenodo，并新增 CBCT→CT 作为独立任务。一句话：2023 证明了赛制可行，2025 把数据变成了公共品。

Q2：2362 例怎么构成？
Task 1（MRI→CT）890 例，Task 2（CBCT→CT）1472 例，合计 2362 例。注意这个数字是设计文档预估（900-1200 MRI-CT 与约 1500 CBCT-CT）落地后的实际交付：MRI 任务落在预估下沿（890），CBCT 任务基本达标（1472）。每例包含输入图像（mr.mha 或 cbct.mha）、参考 CT（ct.mha）与 body mask（mask.mha）。

Q3：覆盖哪些解剖区与中心？
三个解剖区：头颈（HN，含 defacing 处理）、胸（TH）、腹盆（AB）。五个欧洲中心：UMC Groningen、UMC Utrecht、Radboud UMC（三家荷兰）与 LMU Klinikum Munich、University Hospital Cologne（两家德国）；DKFZ（海德堡）与 Skåne University Hospital（隆德）为合作方而非数据中心。患者 ID 内嵌编码：格式 [Task][Region][Center][001-999]，例如 1HNG001 表示 Task 1-头颈-Groningen-001 号。

Q4：图像规格是什么？
所有数据统一重采样至 1×1×3 mm（面内 1 mm、层间 3 mm），MetaImage（.mha）格式。背景值约定：MR=0、CBCT=-1024。v2 版（2025-05-11）把全部 CT 与 CBCT 统一 clipping 到 (-1024, 3071) HU——v1 版（2025-01-28）没有这一步，跨版本实验必须注明。训练集合计体积：Task1_Train.zip 14.8 GB + Task2_Train.zip 12.0 GB ≈ 26.8 GB。

Q5：数据是怎么预处理的？
两阶段流水线（官方 preprocessing 仓库开源）。Stage 1 在各中心本地执行：DICOM 格式转换、CBCT/MR→CT 刚性配准（SimpleElastix，变换保存为 transform.tfm）、头颈数据 defacing（去面部标识）、重采样 [1,1,3]。Stage 2 在中央统一执行：三解剖区形变配准、裁剪、HU clipping（v2）、质量验证与训练/验证/测试划分，并输出 ID_planning_s2.nrrd 规划 mask。技术栈 Python 3.12.3 + SimpleITK-SimpleElastix + TotalSegmentator + plastimatch。

Q6：许可与获取？
数据本体在 Zenodo collection（DOI 10.5281/zenodo.14918088）公开直链下载，但许可非全开放：中心 A/B/C/E 数据为 CC BY-NC 4.0（禁商用），Center D（UMC Utrecht）数据为 limited-use license（仅限挑战用途）。官方预处理与评估代码为 Apache-2.0。测试集的参考 CT ground truth 不公开（保留给排行榜评分），公开的参考 CT 覆盖训练与验证划分。

Q7：2023 第一届的关键发现是什么？
两条。其一，sCT 任务的剂量精度可以做到很高：两任务 photon gamma 通过率（2%/2mm）下限分别 98.1% 与 99.0%，proton 相应 97.3% 与 97.0%。其二，也是最常被引用的负发现：图像相似度指标（SSIM 等）与剂量精度之间无显著相关——这意味着 sCT 研究只报 SSIM/MAE 是不够的，必须直接做剂量计算验证。这一发现直接塑造了 2025 版的评估设计。

Q8：2025 挑战赛结果如何？
674 人注册、78 支队伍报名，最终 12（Task 1）+ 13（Task 2）支队伍提交有效容器。最佳 MAE：Task 2（CBCT→CT）48.3 HU，Task 1（MRI→CT）64.8 HU——同模态弱质量的 CBCT 任务比跨模态的 MRI 任务更易，符合直觉。冠军：Task 1 为 KoalAI，Task 2 为 MixCT。全部提交在 AWS g4dn.2xlarge（16 GB VRAM）上统一推理、单例限时 20 分钟。

Q9：评估管线怎么做？
双轨制。几何轨：用 TotalSegmentator 对 sCT 与参考 CT 抽取器官级解剖结构，比较解剖一致性（含 MAE、PSNR、SSIM 等图像级指标）；剂量轨：把 sCT 与参考 CT 分别送入 matRad（photon IMRT）与 pyRadPlan（含 proton）剂量引擎，比较 DVH 与 gamma 指标。排名综合两轨——这是对 2023"相似度≠剂量"负发现的直接制度回应。

Q10：适合什么人用，不适合什么人用？
适合：图像翻译/跨模态合成模型开发者（有明确对标线与排行榜）、MR-only 与自适应放疗工作流研究者（数据即临床场景）、多中心数据预处理方法学研究者（两阶段流水线可整体复用）。不适合：需要商用落地的研究（CC BY-NC + Center D 有限许可双重限制）、想拿测试集 GT 做离线分析的人（GT 不公开）、想用 2023 数据做演进分析的人（2023 数据不公开）。

1.5 三步获取速览（详细版见 §6）

第一步：打开 doi.org/10.5281/zenodo.14918088（数据集 collection 总入口）
第二步：下载训练集 v2（记录 15373853）——认准 v2，v1 没有 HU clipping（坑 4）
第三步：下载验证输入（14918504）+ 验证 GT（14918605）——离线自测只到这里，
        测试集（14918722）没有 GT，想拿官方分要打容器上排行榜（坑 6）

下载后第一件事：核对 md5（Task1 241d98a784fda1a94d376b9e9b49162d / Task2 1a39969f6d6c95113189ab284c3e57e7，v1 口径；v2 以记录页为准），第二件事：用患者 ID 前缀切一次分层（1HN* / 1TH* / 1AB* / 2HN* / 2TH* / 2AB*），确认六个分层都非空——这个字符串操作同时也是对数据完整性的最廉价抽检。

1.6 十类读者的角色定位

你是谁	从哪个章节进	出口动作
深度学习模型开发者	§5.2 成绩表	把 48.3/64.8 HU 写进实验对比表，容器约束（16 GB/20 min）写进实现计划
放疗物理师	§0 + §5.4 评估管线	评估本单位 sCT 方案时直接套 matRad/pyRadPlan 双轨口径
MR-only 工作流决策者	§7.2 应用场景	判断 sCT 成熟度时区分"图像质量已够"与"剂量验证未闭环"
数据集工程团队	§3 两阶段流水线	抄 Stage1/Stage2 切分思想与中间产物命名规范
多中心研究协调者	§3.1 + §6.2 许可	设计本地/中央分工与伦理审批路径
基准设计者	§5.3 + §5.5	抄"容器+算力上限+长期榜单"三件套
医学影像学生	§0 + FAQ A 组	理解 HU、配准、gamma 三个概念后即可读懂本条目
论文审稿人	§4.3 负发现	审 sCT 论文时援引"只报 SSIM 不合格"的标准
数据合规/法务	§6.2 + 坑 3	Center D 条款是唯一需要人工向联盟确认的灰区
技术写手/编辑	附录 F 时间线	全部日期与 DOI 已成表，可直接转引

1.7 概念速成：读懂本条目只需要三个词

HU（Hounsfield Unit，CT 值）：CT 图像的灰度不是"灰度"，是标定过的物理量——空气 -1024、水 0、密质骨可达 2000 以上（制造商扩展范围到 3071）。放疗剂量计算引擎就是靠"HU→相对电子密度"标定曲线把图像换成剂量分布的输入。所以 sCT 的"像 CT"有两层含义：解剖结构对得上（几何），HU 值给得对（物理）——后者错一点，剂量就错一片。这也是为什么 v2 数据要统一 clipping (-1024, 3071)：把不同扫描仪的 HU 尾部行为拉到同一条线上。

配准（registration）：让两张不同时间/不同设备拍的图像在空间上对齐。刚性配准只允许平移+旋转（对付摆位差异），形变配准允许局部弯曲（对付呼吸运动、软组织形变、MRI 自身几何失真）。SynthRAD2025 的配对数据不是天生对齐的——每例都是"刚性（本地）+形变（中央）"两级加工的产物；配准误差会直接印在监督信号上，所以它既是数据集质量的瓶颈（§3.5），也是 MRI 任务比 CBCT 任务难的结构性原因之一。

Gamma 通过率（gamma passing rate）：放疗剂量验证的行业标准指标——同时考察"剂量差"与"位置差"两个维度（如 2% 剂量差 / 2 mm 距离差的 2%/2mm 标准），逐点判断两个剂量分布是否"在临床容差内等价"。gamma ≥95% 通常被视为可接受。SynthRAD2023 报告的 98-99% 通过率说明顶级队伍的 sCT 剂量已逼近可用；而"图像相似度与 gamma 无显著相关"的负发现（§4.3）说明这个指标不能从 SSIM 推出来，必须真算。

这三个词串起来就是本数据集的全部逻辑：配准把多模态数据钉到同一坐标系（数据层）→ 模型生成 HU 图（任务层）→ gamma 检验 HU 图能不能真算剂量（评估层）。任何一层掉链子，sCT 都进不了临床。

1.8 边界声明：这个数据集不解决什么

给预期降温与给事实升温同样重要。以下四件事 SynthRAD2025 不提供：

误期待	实际情况	替代方案
器官/靶区人工标注	只有 body/fov/planning mask；器官结构靠 TotalSegmentator 自动抽取	借库内 lctsc（277）等带勾画的数据集做器官分割研究
4D/呼吸运动数据	3D 静态配对	呼吸相关研究用专门 4D-CT 资源
脑区数据（延续 2023）	2025 版只有 HN/TH/AB，脑区断档	脑 sCT 研究仍只能用单中心公开集或 2023 结论
测试集 GT 离线复算	GT 保留在评分服务器	离线实验上限=验证集；榜单提交拿官方分

另一类常见误期待是"SynthRAD2025 = SynthRAD2023 的新版本"——两届是独立挑战、独立数据、独立口径（坑 7）。本条目在 §4 用整节篇幅讲清这件事，因为它是所有二手转引错误里最常见的一个。

1.9 全文阅读地图

INFOBOX（一屏速览）
│
├─ §0 导读 ──────────── 问题背景 + 三层回答（5 分钟读完）
├─ §1 十问十答 ────────── 快速事实查询（Q1-Q10 + 概念速成 + 边界声明）
│
├─ §2 数据构成 ────────── 总账/中心/ID/规格/版本（数据工程视角）
├─ §3 两阶段流水线 ────── 预处理方法学（可迁移贡献）
├─ §4 2023 第一届 ─────── 赛制验证 + 负发现（FACTS 必答题）
│
├─ §5 2025 挑战结果 ───── 成绩单/冠军/可复现性设计（对标视角）
├─ §6 获取与许可 ──────── Zenodo 地图/三层许可/操作序列（动手前必读）
├─ §7 生态与影响 ──────── 三站式基础设施/下游应用/谱系定位
│
├─ §8 方法学启示 ──────── 四条可迁移经验
├─ §9 库内互链 ────────── 8 个相关条目的衔接表
├─ §10 避坑清单 ───────── 八则"坑 N"（引用前必读）
├─ §11 总结 ──────────── 一句话定位
│
├─ FAQ 40 问 ─────────── A 认知 / B 许可 / C 数据技术 / D 结果复现
└─ 附录 A-I ─────────── 速查卡/DAIMS/证据链/决策树/SOP/时间线/
                          术语表/两届对照/HU 科普

§2 数据构成与规格

2.1 总账：2362 例从哪来

SynthRAD2025 数据集的两条任务线各对应一类临床场景：

任务	输入模态	临床场景	例数	train/val/test（估）
Task 1	MRI	MR-only 放疗：勾画靶区后直接算剂量，省去 planning CT	890	约 578/89/223
Task 2	CBCT	自适应放疗：治疗床旁每日重算剂量	1472	约 957/147/368
合计	—	—	2362	65% / 10% / 25%

三个解剖区在三组维度上的含义：

解剖区代码	部位	临床要点	特殊处理
HN（head and neck）	头颈	靶区周围敏感器官密集（腮腺/脊髓/脑干）	defacing 去标识（去除面部结构）
TH（thorax）	胸部	呼吸运动伪影、肺 HU 极值区	常规流水线
AB（abdomen/pelvis）	腹部与盆腔	软组织对比需求最高、CBCT 声学伪影重	常规流水线

规模双口径存照：2024-11-07 发布的挑战设计文档（Zenodo record 14051075，brief 给的 concept DOI 14051074 即指向此文档）预估"900-1200 paired MRI-CT and ~1500 CBCT-CT sets"；实际交付 890 + 1472 = 2362。MRI 任务落在预估下沿之下约 10 例，CBCT 任务几乎命中。转引时以交付数为准、预估数仅用于还原设计过程。

2.2 五中心与患者 ID 编码

中心代码	机构	国家	数据许可
A	UMC Groningen（UMCG，含 GRIMP 研究所）	荷兰	CC BY-NC 4.0
B	UMC Utrecht（UMCU）	荷兰	limited-use license（Center D 口径，仅限挑战用途）
C	Radboud UMC（Nijmegen）	荷兰	CC BY-NC 4.0
D/E	LMU Klinikum Munich	德国	CC BY-NC 4.0
—	University Hospital Cologne	德国	CC BY-NC 4.0

注意两点。其一，上表的中心字母映射（G=UMCG/U=UMCU/R=Radboud/M=LMU/C=Cologne）来自官方 preprocessing 仓库 README，Zenodo 页面本身未明示——自动化解析患者 ID 时以仓库 README 为准。其二，"Center D"在挑战文档中特指 limited-use 许可的数据中心；公开材料中该中心的许可条款细节（能否用于发表、能否再分发衍生模型）未完整公开，商用前必须直接与联盟确认。

患者 ID 四段编码 [Task][Region][Center][001-999] 的完整语义：

段	取值	含义	示例
Task	1 / 2	MRI 任务 / CBCT 任务	1
Region	HN / TH / AB	头颈 / 胸 / 腹盆	HN
Center	G / U / R / M / C	五中心字母码	G
序号	001-999	中心内序号	001

即 1HNG001 = Task 1、头颈、UMC Groningen、1 号患者。这个编码使"按中心/按解剖区切分数据"可以纯字符串匹配完成，无需额外清单文件——但也意味着 ID 本身携带解剖区信息，匿名化研究引用时注意。

2.3 图像规格与版本演进

统一规格：

• 体素间距：1×1×3 mm（面内 1 mm × 层间 3 mm）——层间较厚是沿临床 CT 采集习惯，也把 3D 任务的数据量压到可负担水平。
• 格式：MetaImage（.mha），SimpleITK 生态标准；配套 .zraw/.mhd 或单文件嵌入头。
• 背景值约定：MR = 0（MR 无 HU 语义）、CBCT = -1024（空气 HU，与 CT 对齐）。
• 体积（v1 训练集）：Task1_Train.zip 14.8 GB（md5 241d98a784fda1a94d376b9e9b49162d）+ Task2_Train.zip 12.0 GB（md5 1a39969f6d6c95113189ab284c3e57e7）≈ 26.8 GB。

v1 → v2 版本演进（必查坑）：

版本	发布日期	关键变化	对应代码 commit
v1	2025-01-28	首发规模 2362 例；CT/CBCT 未统一 HU clipping	final script 2025-02-28 前后
v2	2025-05-11	“All CT and CBCT datasets are now properly clipped (-1024, 3071) HU”	update clipping 2025-05-09

clipping 上界 3071 HU 是 CT 制造商扩展 HU 范围（B70f 类重建核的常见上界）——不 clip 的话，不同扫描仪的 HU 尾部行为不一致，会直接污染依赖 HU 线性的剂量计算评估。使用 v1 数据做过的任何实验（含早期 arXiv 预印本引用的中间结果）在 v2 下不保证可复现，引用数字时先核对数据版本。

2.4 每例文件构成

一例训练数据的标准文件清单：

文件	内容	说明
mr.mha 或 cbct.mha	输入图像	Task 决定二选一；背景值 0 或 -1024
ct.mha	参考 planning CT	监督信号与剂量评估的"金标准"；HU 已 clip（v2）
mask.mha	body mask	身体轮廓；部分版本以 fov_s1（视场 mask）形式随 Stage 1 输出出现
ID_planning_s2.nrrd	规划 mask（Stage 2 输出）	中央处理后的规划结构，仅部分处理路径可见

验证集（10%）同样附参考 CT 与 mask（Zenodo 记录 14918504 输入 + 14918605 GT）；测试集（25%）仅提供输入（记录 14918722），参考 CT 保留在挑战方评分服务器——这是排行榜"至 2030 持续开放"的机制基础，也是复现研究的第一个约束。

2.补4 数据质量声明与已知局限

一份诚实的质量画像（供使用前校准预期）：

质量维度	状态	说明
配准残差	非零，未逐例公布	两级配准后仍有残余失配；官方未发布逐例 QC 分数——用户需自行抽检
MRI 几何失真	固有存在	来自各中心 MRI 协议；几何校正程度未逐例披露
CBCT 伪影	固有存在	金属/散射伪影是任务真实难度的一部分，不修复
defacing 副作用	HN 数据独有	去面部会移除部分解剖信息（鼻腔附近），模型需知晓
HU 一致性	v2 后良好	统一 (-1024,3071)；v1 数据不保证
患者级元数据	最小化	除 ID/区/中心外不提供年龄、诊断、计划参数——隐私最小化设计

这里的元数据最小化是双刃剑：合规上干净，但意味着"按病种/年龄分层"的研究做不了——sCT 任务本身不需要这些标签，但迁移研究者要知道这条边界。

2.补5 与"配对是金标准"这一假设的相处方式

使用本数据集时建议把这句话写进实验笔记：参考 CT 是"临床金标准"，不是"物理真值"。它的不确定性来自：配准残差（§3.5）、CT 自身重建核差异（不同中心 HU 行为）、以及同日两次扫描间的生理变化。对模型输出的评估天然带着这层噪声地板——这既解释了为什么排行榜成绩逐年收敛变慢，也提示"超越人类标注一致性"的表述在本领域要慎用。

2.补6 伦理与合规链：从病床到 Zenodo 的每一步

一例数据从采集到公开发布经过的合规节点：

节点	发生位置	合规动作
采集	各中心放疗科	中心级伦理批准（放疗临床工作流数据的科研再利用）
Stage 1 本地预处理	各中心	defacing（HN）+ 匿名化（ID 重编码为 [Task][Region][Center][序号]）
数据出中心	各中心→中央	仅匿名化后数据出境；原始 DICOM 与面部数据不出院
Stage 2 中央处理	联盟中央	统一处理、质检、划分
发布	Zenodo	CC BY-NC 4.0（A/B/C/E）/ limited-use（D）逐中心标注

两个值得注意的设计决策：患者 ID 的"最小语义"重编码（保留任务/区/中心、抹去日期与原始病历号）使数据可分层研究而不泄露时间线；meta 数据最小化（无年龄/诊断/计划参数）让合规面最小化——代价是亚组分析不可能，这是在 §2.补4 已声明的能力边界。

2.补7 采集协议的技术细节（从流水线要求反推）

虽然公开材料未逐中心公布扫描协议全文，但流水线的处理要求反向透露了协议的下限：

• 同日或近日双扫描：刚性配准（Stage 1）能处理的是摆位差异，隐含假设是两次扫描间解剖无显著变化（否则形变步负担过重）——协议必然约束了双扫描的时间窗。
• CBCT 在治疗位采集：CBCT 由治疗机自带，意味着 Task 2 数据天然带着"治疗摆位"的几何特征（与 planning CT 的定位摆位不同）——这正是自适应放疗场景的真实输入分布。
• MR 序列面向放疗定位：能用于 sCT 的 MR 必须几何可信（经几何校正协议），不是任意诊断序列——Task 1 数据的 MR 质量下限由各中心定位协议保证。

这层"从处理要求反推协议"的读法在官方文档未逐项明示时尤其有用——但转引时应注明是推断而非原文。

§3 两阶段预处理流水线：多中心数据的"本地粗加工+中央精加工"

3.1 为什么需要两阶段

多中心医疗影像数据集的老大难是"各中心 DICOM 方言不一 + 伦理上原始数据不可出中心"。SynthRAD2025 的解法是把预处理切成两段：

• Stage 1（各中心本地执行）：处理"只能本地做"的事——读取本院 DICOM、匿名化（defacing）、把数据转换成统一格式，然后把已匿名、已配准的数据集中上交。
• Stage 2（中央统一执行）：处理"必须全局一致"的事——跨中心形变配准、统一裁剪、统一 HU clipping、统一质量验证与数据集划分。

这个设计同时解决了伦理合规（原始面部数据不出中心）与方法一致性（最终数据只有一种"出炉方式"）两个问题，是本数据集对"多中心 AI 数据集工程"最重要的可迁移贡献之一。

3.2 Stage 1：中心本地（五件事）

步骤	操作	工具/产物	要点
1	格式转换	DICOM → .nii.gz / .nrrd	统一中间格式，摆脱各中心 DICOM 方言
2	CBCT/MR → CT 刚性配准	SimpleElastix；变换存 transform.tfm	同日扫描间患者摆位差异的刚性校正；只保变换不立即形变
3	Defacing（仅 HN）	输出 defacing_mask.nii.gz	去除面部结构，防身份识别；头颈数据必做
4	重采样	→ [1,1,3] mm	全数据集统一网格
5	输出	ct_s1 / mr_s1 / cbct_s1 / fov_s1	Stage 1 命名后缀 _s1

FOV mask（fov_s1）记录 CBCT 视场范围——CBCT 的横向 FOV 小于 CT，FOV 外像素无信息，mask 让下游模型与评估知道哪里是"真空区"而不是"空气"。

3.3 Stage 2：中央统一（四件事）

步骤	操作	要点
1	形变配准	三解剖区统一形变校正（呼吸运动、软组织形变）；比刚性多解决"器官形状对不上"
2	裁剪	去除无效边缘区域，统一包围盒
3	HU clipping（v2）	CT/CBCT 统一 (-1024, 3071)——v1→v2 的核心修正
4	质量验证 + 数据划分	中央质检后按 65/10/25 划分，输出 *_s2.nii.gz 与 ID_planning_s2.nrrd

3.4 技术栈与时间线

• 运行环境：Python 3.12.3。
• 核心依赖：SimpleITK-SimpleElastix（配准）、numpy、nibabel、scipy、TotalSegmentator（解剖结构分割，兼用于后续评估）、pydicom（DICOM 读取）、plastimatch（CBCT/放射治疗影像处理）。
• 许可证：仓库 Apache-2.0——代码可商用（与数据的 CC BY-NC 形成"代码开放、数据非商用"的互补结构）。
• commit 时间线存照：final script 2025-02-28（对应 v1 时代的冻结版）→ update clipping 2025-05-09（对应 v2 数据 2025-05-11 发布）——代码与数据的版本对齐关系明确，复现时按数据版本 checkout 对应 commit。

3.5 配准质量：数据集质量的真正瓶颈

MRI→CT 与 CBCT→CT 的配准难度完全不对称：

• CBCT→CT：同模态（都是 X 线衰减图），但 CBCT 有金属伪影、散射伪影、FOV 受限——配准容易判断对错，难在伪影。
• MRI→CT：跨模态（信号无物理对应），MRI 的几何形变（磁场不均匀、梯度非线性）+ 同日两次摆位差异——配准既难做也难验证。

官方流水线选择"刚性（Stage 1）+ 形变（Stage 2）"的两级配准，并保留全部中间产物（transform.tfm、_s1/_s2 文件），使研究者可以审计每一例的配准路径。即便如此，MRI→CT 任务的最好成绩（MAE 64.8 HU）仍显著差于 CBCT→CT（48.3 HU）——任务难度差在数据层就已注定（§5）。

3.补5 Stage 1 → Stage 2 交接规范

两级之间的接口约定（复现或自建同类流水线时的核对清单）：

交接项	约定	为什么要约定
文件命名	_s1 后缀 → 中央处理后 _s2 后缀	让"处理到哪一级"可用文件名直接判断
中间格式	.nii.gz / .nrrd（Stage 1）→ .mha（发布）	中间格式保工程灵活，发布格式保 SimpleITK 标准化
配准信息	transform.tfm 随数据上交	中央可复核/重放本地刚性步，不盲信
匿名化证明	defacing_mask.nii.gz 随 HN 数据上交	中央可验证去标识已执行且范围合理
FOV 标定	fov_s1 随 CBCT 上交	FOV 外无效区不进训练损失与评估
背景值	MR=0 / CBCT=-1024 在 Stage 1 即固化	中央不再猜测语义，下游一致

3.补6 这套流水线的失效模式（抄作业前先看）

失效模式	触发条件	防线
本地参数漂移	各中心自行调参或用错 commit	参数文件版本化 + 中央 commit 锁定
刚性步静默失败	配准指标到达局部极小但明显错位	transform.tfm 中央复核（保留中间产物的意义所在）
defacing 过度	侵蚀临床相关解剖（如鼻腔/口腔）	mask 审计 + QC 抽检
FOV 误标	fov mask 与实际采集范围不符	背景值自检（CBCT 背景应为 -1024）
划分信息泄露	测试例经非官方渠道混入训练	仅用官方划分；ID 前缀可复核层但不替代官方清单

这五条防线的共同思想：多中心数据集的质量不是"测"出来的，是"接口约定 + 中间产物可审计"保证出来的。

§4 补：第一届报告的引用指南

4.补4 引用 2023 结论的三条规范

1. 配齐四要素：MedIA Vol 97, 103276 + arXiv 2403.08447 + 任务全称（脑/盆腔）+ gamma 容差参数——缺一项即不可审计。
2. 负发现的措辞：原文结论是"无显著相关"，不是"负相关"。转写成"图像越像剂量越差"是过度引申。
3. 规模表述：1080 是患者数（2023 口径），与 2025 的 2362 例（cases）不同计量单位，同表并列时注明。

4.补5 为什么"负发现"比正成绩更有引用价值

第一届的两类产出——gamma 98-99% 的正成绩与"相似度≠剂量"的负发现——生命周期完全不同：正成绩会被 2025 的更高标准覆盖（指标体系都换了），负发现却随时间增值（任何新的图像级指标都要先回答"你与剂量相关吗"）。这解释了为什么 MedIA 报告在 2025 数据集公开后仍被高频引用：它确立的不是纪录，是标准。

§4 SynthRAD2023 第一届：赛制验证与"相似度≠剂量"负发现

4.1 第一届基本盘

维度	SynthRAD2023（第一届）	SynthRAD2025（第二届）
解剖区	脑 + 盆腔（2 区）	头颈 + 胸 + 腹盆（3 区）
中心	3 个荷兰中心	5 个欧洲中心（+2 德国）
规模	1080 例患者	2362 例
任务	2 个（脑/盆腔 MRI→CT）	2 个（MRI→CT / CBCT→CT，按任务而非解剖区分）
数据公开性	不公开（闭赛保留）	Zenodo 公开
报名	617 支	674 人 / 78 队
有效提交	22（Task 1 脑）+ 17（Task 2 盆腔）	12（Task 1）+ 13（Task 2）
挑战报告	MedIA Vol 97, 103276（arXiv 2403.08447）	arXiv 2605.13555

"FACTS 必答题"的标准答案：2023 与 2025 不是同一数据集的 v1/v2，而是两届独立挑战。2023 版数据至今不公开，其规模（1080）与 2025 版（2362）不能相加或对比出"增长"；2025 版数据是系列中首个公开发布版。任何把两届数字混编的表格（如"规模从 1080 增至 2362"）都要拆成两行并注明数据可得性差异。

4.2 第一届的剂量精度成绩

指标	Task 1（脑）	Task 2（盆腔）
几何：SSIM 下限	≥ 0.87	≥ 0.90
剂量：photon gamma（2%/2mm）	≥ 98.1%	≥ 99.0%
剂量：proton gamma（3%/2mm 口径）	≥ 97.3%	≥ 97.0%

这些数字的分量在于：它们证明 sCT 的剂量精度在多中心数据上可以逼近临床可用线（gamma ≥95% 常被视为可接受阈值），而不只是实验室奇观。盆腔（CBCT-friendly 的低运动区之外，其 MR→CT 亦相对稳定）成绩略优于脑，说明解剖区选择影响任务难度。

4.3 关键负发现：图像相似度与剂量精度无显著相关

第一届报告（MedIA 2024；arXiv 2403.08447）最有生命力的结论是：各队伍的图像相似度指标（MAE/PSNR/SSIM）与其剂量精度指标（gamma 通过率）之间没有显著相关。一张 SSIM 很高的 sCT 可能因 HU 分布系统性偏移而把剂量算错；反之，图像看起来"糊"的 sCT 可能因平均 HU 结构正确而剂量合格。

这条负发现的影响有三层：

1. 评估制度：2025 版把剂量计算（matRad photon IMRT + pyRadPlan proton）与几何评估并列为排名依据，"只报 SSIM"从此在赛制层面不合格。
2. 论文标准：sCT 文献中只报图像相似度指标的惯例被正式质疑——审稿人与读者可援引 MedIA 报告要求剂量验证。
3. 模型设计：单纯优化像素级重建损失的路线被提示不足，HU 分布保持（如直方图匹配/损失加权）与解剖结构保真成为设计要点。

4.4 两届之间的制度演进

机制	2023 第一届	2025 第二届
提交形式	算法提交	type 2 challenge：docker 容器提交，主办方服务器统一推理
算力约束	未统一	AWS g4dn.2xlarge（16 GB VRAM），单例 ≤ 20 分钟
数据可得	闭赛保留	Zenodo 公开（训练+验证）
排行榜	赛后关闭	开放提交至 2030

type 2 + 算力上限的组合是 2025 版最重要的赛制升级：所有队伍在完全相同的硬件/时限下推理，杜绝"借大模型/大算力堆分"与"赛内算不出的方法赛外没法用"两类不公平，也让排行榜成为可长期复验的基准（至 2030）。

§2 补：临床采集协议与配对语义

2.补1 "配对"到底意味着什么

一例 SynthRAD2025 数据的临床来源是同一患者的同日或近日两次扫描：planning CT（放疗定位扫描，大 FOV、标准剂量）+ MR（定位用诊断序列）或 CBCT（治疗机自带的锥形束 CT，治疗位采集）。"配对"不是像素级一一对应——两次扫描之间患者会动、器官会变形、序列分辨率不同——所以每例配对的真正含义是：

1. 同一患者、同一解剖状态段（呼吸相位/膀胱充盈等生理周期因素由协议控制，但无法完全消除）；
2. 经两级配准后共享同一 1×1×3 mm 网格（用户拿到的 mr/cbct/ct 三张图同尺寸同网格）；
3. 残余失配由形变配准兜底，但不为零——这就是为什么官方保留全部中间产物供审计。

理解这层的实际意义：sCT 任务里"GT"本身有误差棒。参考 CT 与输入图像之间的残余配准残差，会给所有队伍的成绩设置一个公共的天花板噪声——这是解读 48.3/64.8 HU 这类数字时应有的背景意识。

2.补2 解剖区×任务的两难结构

六个"任务×解剖区"格子（2 任务 × 3 区）的难度并不均匀：

格子	难度驱动因素	预期表现
MRI→CT·HN	跨模态 + 含牙科金属伪影 + defacing 改变解剖外观	最难格子之一
MRI→CT·TH	跨模态 + 呼吸运动残差	难
MRI→CT·AB	跨模态 + 软组织丰富但形变小（相对 TH）	中
CBCT→CT·HN	同模态 + 金属伪影重	中
CBCT→CT·TH	同模态 + 呼吸运动 + FOV 受限	中偏难
CBCT→CT·AB	同模态 + 盆骨 HU 对比清晰	相对最易

官方排行榜只按任务（而非任务×解剖区）排名，但模型开发者按格子分层自测（患者 ID 字符串即可切分）能更快定位失败模式——这是本数据集"ID 内嵌元数据"设计的直接红利。

2.补3 规模的另一个维度：例数不等于切片数

2362 例 × 每例几十到上百层切片，意味着监督信号的真实体量是十万级切片或百万级 2D patch（若做 2D 切片化训练）。库内同类 CT 数据集（abdomenct-1k 的 1000 例、lctsc 的肺部 CT）与它的可比维度是"例数与解剖区覆盖"，而非原始张数——写论文对标时先统一到同一计量单位。

§3 补：配准方法学比较与替代路线

3.补1 两级配准为什么是刚性在前

顺序不是任意的：先刚性后形变能把问题分解为"大对齐"与"小修补"两步——刚性步处理摆位差异（平移/旋转可达数厘米），形变步只消化残余的局部形变。反过来做（直接形变）会让形变场同时吸收刚性差异与局部形变，既难收敛又难审计。两级方案还留了一个工程红利：transform.tfm 是可组合的仿射/刚性变换，任何一步出错都可单独重跑。

3.补2 SimpleElastix 的位置

SimpleElastix（SimpleITK 的 Elastix 绑定）是本流水线的配准引擎。选它的理由可从工程属性反推：ITK 生态原生（.mha/.nrrd 无缝）、参数文件可版本化（多中心结果可复现）、医学影像社区验证充分。它不是最快的（GPU 配准更快），但"参数可存档、结果可复现"对多中心数据集工程比速度更重要——这是与纯研究代码（追求 SOTA 指标）不同的工程价值观。

3.补3 跨模态配准的固有困难（MRI→CT 的深水区）

困难	表现	流水线应对
信号无物理对应	MRI 信号 ∝ 质子密度/T1/T2，与 HU 无关	刚性步用互信息类指标（多模态标准做法）
MRI 几何失真	磁场不均匀、梯度非线性导致空间弯曲	依赖各中心 MRI 几何校正协议；残余失真进形变步
FOV 差异	MRI 采集范围常大于/异于 CT	fov/mask 通道标定有效区
植入物伪影	金属致信号空洞（MR）或条纹（CT/CBCT）	无自动修复，QC 环节人工剔除极端例

这张表也解释了为什么公开材料里 MRI→CT 的成绩天花板（64.8 HU）显著高于 CBCT→CT（48.3 HU）：一半的困难发生在数据生产层，任何模型都无力回天。

3.补4 TotalSegmentator 的双重角色

TotalSegmentator 在本数据集里出现两次：预处理层（辅助 QC/结构定位）与评估层（几何轨的器官抽取器）。同一工具贯穿两层有一个微妙的好处——预处理与评估对"解剖结构"的定义一致，避免"A 工具定义的肝脏配准错了、B 工具却认为没错"的评估口径分裂。它的局限同样要记录：器官抽取在 HN 区（小器官密集）的可靠性低于胸腹部，几何轨成绩在 HN 格子上的置信度相应更低。

§4 补：2023 第一届指标的精确定义

4.补1 两套 gamma 标准的语境

2023 报告引用的 photon gamma（2%/2mm）与 proton gamma（3%/2mm 类口径）不是同一把尺子：质子剂量分布对解剖误差更敏感（射程依赖 HU 积分路径），社区惯例允许质子用更宽的容差档。转引"gamma 通过率"时必须带容差参数——只写"gamma 99%"而无 (剂量差%/距离mm) 是不可审计的表述。

4.补2 从"两任务"到"三解剖区"的概念迁移

2023 的 Task 1/Task 2 是按解剖区（脑/盆腔）划分；2025 的 Task 1/Task 2 是按输入模态（MRI/CBCT）划分。同为"Task 1"，两届含义不同——这是两届结果混编表最容易出错的地方（坑 7 的具体机制）。建议引用时统一写成"2023 脑区任务 / 2023 盆腔任务 / 2025 MRI 任务 / 2025 CBCT 任务"四项全称，避免裸用 Task 编号。

4.补3 第一届对 2025 数据集设计的三处反向塑造

1. 评估制度：负发现 → 2025 把剂量计算写进排名（不是可选展示，是计分项）。
2. 数据发布：2023 的"数据闭赛保留"导致后续研究无法在其上复现/比较 → 2025 从设计文档阶段就把 Zenodo 公开写入计划。
3. 赛制公平：2023 无统一算力约束 → 2025 引入 type 2 容器 + 16 GB + 20 分钟。

这三处是"第一届报告"最有生命力的产出——它对第二届的影响不在于数字，而在于制度。

§5 2025 挑战赛结果：数字、冠军与可复现性设计

5.1 参赛漏斗与有效提交

阶段	Task 1（MRI→CT）	Task 2（CBCT→CT）	说明
注册	674 人（两任务合计口径）	同左	grand-challenge.org 注册数
报名队伍	78 队（两任务合计口径）	同左	提交意向队伍
有效提交	12	13	通过 docker 容器+时限约束的完整提交
有效率	约 15%（按 78 队报任一任务粗算）	约 17%	八成队伍止步于容器调试/时限/质量关

引用纪律：674/78 是"参与热度"，12+13 才是"成绩分母"。把 78 支队伍说成"参赛方法数"或把 674 说成"队伍数"都是常见错误（坑 5）。

5.2 成绩单：MAE 双任务对比

指标	Task 1（MRI→CT）	Task 2（CBCT→CT）
最佳 MAE	64.8 HU	48.3 HU
任务性质	跨模态合成（信号无物理对应）	同模态弱质量重建（伪影+FOV 限制）
难度根源	MRI 几何形变+模态鸿沟	CBCT 散射/金属伪影+视野受限
冠军	KoalAI	MixCT

48.3 vs 64.8 HU 的差距量化了"同模态比跨模态容易"：CBCT 与 CT 同为 X 线衰减图，主要工作是把弱质量图像"修补"成 CT；MRI 则要凭空生成 HU 值，且 MRI 自身几何不可靠。对模型开发者的直接含义：在 Task 1 上调出的指标线不能平移到 Task 2（反之亦然），两任务要当作两个基准分别对标。

5.3 可复现性设计：16 GB 与 20 分钟的约束

约束	数值	设计意图
统一硬件	AWS g4dn.2xlarge（单 GPU，16 GB VRAM）	杜绝算力堆分；16 GB 意味着大参数 3D 模型必须裁剪/分块
时间限制	单例推理 ≤ 20 分钟	排除不可临床化的超重推理（如巨大 test-time ensemble）
提交形式	docker 容器（type 2 challenge）	消除环境差异；主办方服务器统一运行

这套约束让"排行榜成绩"与"医院工作站可部署"显著靠近了一步——最终成绩单上的每个数字都对应一个能在 16 GB 显存、20 分钟内跑完单例的容器，而不是一个只在 A100 集群上复现的实验。对 2030 年前的任何后继者，这是持续可对标的机制基础。

5.4 评估管线：几何与剂量双轨

几何轨：

• 工具：TotalSegmentator（开源全身解剖结构分割）对 sCT 与参考 CT 抽取器官级结构。
• 指标：图像级（MAE、PSNR、SSIM）+ 结构级（器官轮廓一致性）。
• 对应 2023 负发现中"图像像不像"的一侧。

剂量轨：

• 工具：matRad（开源 MATLAB/ Octave 放疗计划引擎，photon IMRT）与 pyRadPlan（Python 生态，含 proton 计算）。
• 指标：DVH（剂量体积直方图）差异与 gamma 通过率。
• 对应 2023 负发现中"剂量准不准"的一侧——这是 2025 赛制对 MedIA 2024 负发现的直接制度化回应。

两轨合并排名意味着：只把图像做得好看、HU 分布却错的模型，会被剂量轨直接扣掉；只保证平均 HU 正确、解剖结构扭曲的模型，会被几何轨扣掉。sCT 评测自此有了一个"两头都要过"的公开标准。

5.5 排行榜：开放至 2030

grand-challenge.org 排行榜在赛期结束后继续开放提交至 2030 年。对基准使用者意味着：

• 你可以在任何时间提交模型拿官方成绩（含剂量轨），无需自建评估管线；
• 排行榜上的历史成绩（KoalAI/MixCT 与其他 12+13 支队伍）构成固定对标集；
• 数据公开+榜单开放+容器约束三者叠加，使 SynthRAD2025 成为 sCT 领域事实上的长期标准基准。

§6 获取与许可：三道门与四个 Zenodo 记录

6.1 Zenodo 记录地图

记录号	内容	体积/版本	访问
14918088	数据集 collection（概念 DOI，总入口）	汇总	公开直链
14918089	主描述记录（数据集论文配套描述）	—	公开直链
14918213	训练集（Task1 + Task2）	v1；v2 = 15373853；14.8+12.0 GB	公开直链
14918504	验证集输入	—	公开直链
14918605	验证集 GT（参考 CT + mask）	—	公开直链
14918722	测试集（仅输入，无 GT）	—	公开直链
14051074→14051075	挑战设计文档 PDF（2024-11-07 v1，153.2 kB，md5 368be07393d3031d1b2db65b0630a4d3）	—	公开直链

DOI 身份存照（坑 2）：brief 与部分二手文献常给的 10.5281/zenodo.14051074 是 challenge 设计文档的 concept DOI（重定向至 record 14051075），内容为 2024-11-07 发布的 10 作者设计 PDF（Thummerer/Galapon/Kurz/van der Bijl/Kamp/Landry/Terpstra/Maspero/Wahl/Rogowski，横跨 LMU/UMCG/Radboud/Cologne/UMCU/DKFZ/Skåne）；数据集本体的 collection DOI 是 10.5281/zenodo.14918088。两个 DOI 都值得收录，但身份不能互换。

6.2 许可三层异构

层	资产	许可	商用
1	数据本体（中心 A/B/C/E）	CC BY-NC 4.0	禁止（NC 条款）
1’	数据本体（Center D，UMC Utrecht）	limited-use license（仅限挑战用途）	禁止；条款未完整公开
2	官方代码（preprocessing + 评估）	Apache-2.0	允许
3	论文（Medical Physics e17981）	出版方条款（开放获取）	按出版方条款

关键纪律："SynthRAD2025 是 CC BY-NC"是不完整概括——Center D 数据在 CC 体系之外。混合使用数据（尤其训练跨中心模型）时，Center D 样本的许可条款会随模型权重"传染"到下游产出；商用前必须逐中心核对，必要时剔除 Center D 数据重训。另一个常被忽略的边界：在 Center D 数据上微调出的模型权重的再分发许可，公开材料没有给出答案——这是本条目最大的许可灰区（坑 3）。

6.3 获取操作序列

需求是什么？
├── 训练/验证 sCT 模型（学术）
│   ├── 1) 从 Zenodo collection 14918088 下载训练集（v2 = 记录 15373853，核对 md5）
│   ├── 2) 下载验证输入 14918504 + 验证 GT 14918605
│   └── 3) 按 preprocessing 仓库对应 commit 处理（v2 数据配 2025-05-09 clipping commit）
├── 上排行榜
│   └── 打 docker 容器提交 grand-challenge.org（测试输入 14918722 由平台提供，GT 不出服务器）
├── 复现挑战评估
│   └── TotalSegmentator 几何轨 + matRad/photon + pyRadPlan/proton 剂量轨（全部开源可装）
└── 商用意向
    └── CC BY-NC 数据不可用；仅 Apache-2.0 代码层可用；Center D 条款另行与联盟确认

6.4 使用前的四个自检

1. 版本自检：下载的是 v1（14918213）还是 v2（15373853）？v2 才有统一 clipping；论文/预印本引用的中间结果可能出自 v1。
2. MD5 自检：Task1_Train.zip 241d98a784fda1a94d376b9e9b49162d、Task2_Train.zip 1a39969f6d6c95113189ab284c3e57e7（v1 口径；v2 以新记录页为准）。
3. ID 语义自检：患者 ID [Task][Region][Center][001-999] 拆解后按解剖区/中心分层评估——跨中心泛化是 sCT 的真实难点。
4. 许可自检：产出物的数据谱系里有没有 Center D？发表声明里 NC 条款写清了吗？

6.补3 训练集与验证集的使用差异

维度	训练集（65%）	验证集（10%）	测试集（25%）
参考训练（GT）	有	有	无（公开渠道）
合法用途	拟合参数	调超参/早停/自测	仅经排行榜提交
调用频率约束	无	无（但勿把验证集当第二训练集）	每次提交消耗排行榜额度
泄漏风险	—	反复调参会过拟合验证集	无直接泄漏通道（设计使然）

验证集"低调但关键"：它是唯一能同时满足"有 GT + 可自由访问"的评估场地——排行榜成绩珍贵（且匿名评审语境下不便频繁调用），验证集是日常实验的主战场。把验证集刷到过拟合的常见症状：验证成绩持续上升而排行榜成绩停滞或下滑。

6.补4 引用本数据集的标准引用块（可直接复用）

@dataset{synthrad2025_dataset,
  title   = {SynthRAD2025 Challenge Dataset: MR and CBCT to synthetic CT
             for radiotherapy treatment planning},
  year    = {2025},
  publisher = {Zenodo},
  doi     = {10.5281/zenodo.14918088},
  url     = {https://doi.org/10.5281/zenodo.14918088},
  note    = {Task 1: 890 MR-CT pairs; Task 2: 1472 CBCT-CT pairs;
             license: CC BY-NC 4.0 (centers A/B/C/E) + Center D limited-use}
}

@article{thummerer2025synthrad2025,
  title   = {The SynthRAD2025 Challenge Dataset},
  author  = {Thummerer, Anna and others},
  journal = {Medical Physics},
  volume  = {52},
  number  = {7},
  pages   = {e17981},
  year    = {2025},
  doi     = {10.1002/mp.17981}
}

注意 bibtex 条目里 dataset 与 article 分立——数据集引用走 DOI 14918088，论文引用走 10.1002/mp.17981，勿用 14051074（设计文档，坑 2）。

§7 生态与影响：三站式基础设施与下游应用

7.1 三站式生态

站点	角色	地址
grand-challenge.org	挑战平台+排行榜（至 2030）	synthrad2025.grand-challenge.org
Zenodo	数据发布与长期存档	doi.org/10.5281/zenodo.14918088
GitHub	预处理流水线+评估工具	github.com/SynthRAD2025（preprocessing 仓库为主）

平台层由 DIAG Nijmegen（grand-challenge.org 运营方）与 UMC Groningen 的 GRIMP（Groningen Radiotherapy research Institute）维护；无商业化实体，学术联盟运营，经费来自各中心自有资源与云算力赞助（AWS 提供统一推理环境）。

7.2 下游应用场景

场景	sCT 的作用	对应任务
MR-only 放疗	勾画（MRI）与计算（sCT）在同一张扫描上完成，省去 planning CT 扫描与二次摆位	Task 1
自适应放疗	治疗床旁 CBCT 当日重算剂量，按当日解剖调整计划	Task 2
质子治疗	CT→质子射程换算对 HU 误差敏感；sCT 路线（如 MR-only）绕开部分不确定度	Task 1（配合 pyRadPlan proton 轨）
数据稀缺预训练	26.8 GB 配对数据作为跨模态翻译/图像合成模型的预训练语料	两任务通用

7.补1 四个场景的成熟度画像

场景	技术成熟度	主要剩余障碍	与本数据集的距离
MR-only（脑外部位）	中——gamma 成绩已高（2023 盆腔 99.0%），但多中心泛化未闭环	各中心 MRI 协议差异；监管路径未定型	近（Task 1 即其训练场）
自适应放疗	中——CBCT 剂量重算已在部分中心试点	CBCT 伪影；在线计算时限压力	近（Task 2 即其训练场）
质子 sCT	前沿——proton 对 HU 敏感度最高，成绩余量最小	HU 空间分布逐点可信度	中（评估轨已备，方法未成熟）
预训练语料	早期——跨界用法刚起步	许可边界（NC + Center D）	中（数据可下载，用途需合规评估）

7.补2 谁是这个数据集的"自然人用户"

从工作流倒推：一位放疗物理师想评估"我们中心能不能上 MR-only"→ 需要本数据训练+验证集与剂量轨；一位博士生做跨模态合成 → 需要排行榜对标线与 16 GB 约束下的方法设计；一位数据工程师建院内多模态数据集 → 需要 §3 流水线骨架。三类人的入口章节分别是 §6、§5、§3——本条目按这个动线组织。

7.3 在 sCT 研究谱系中的位置

SynthRAD2025 之前，公开 sCT 数据的典型形态是"单中心+单解剖区+百例级"（如各类盆腔 MR-CT 数据集、脑 MR-CT 数据集）。SynthRAD2023 用闭赛数据把规模推到 1080 并证明赛制，SynthRAD2025 则首次把**多中心（5）×多解剖区（3）×双任务（MR/CBCT）**的公开数据推到 2362 例，且附带剂量级评估标准。数据集论文（Medical Physics 2025;52(7):e17981）的核心宣称即"largest public sCT challenge dataset"。此后 sCT 方法的论文对标线从"自家测试集"迁移到"SynthRAD2025 排行榜"，这是该数据集最直接的领域影响。

7.4 方法学溢出：两阶段流水线的可迁移性

"本地粗加工（匿名+格式+刚性配准）→ 中央精加工（形变配准+统一裁剪+划分）"的两阶段模式，连同其全部中间产物设计（transform.tfm、_s1/_s2 后缀、fov mask、defacing mask），已作为 Apache-2.0 代码开源。任何需要"多中心 DICOM → 统一训练集"的医疗影像数据集工程都可以直接复用该骨架——其价值不限于 sCT 任务本身。配套的关键设计还有患者 ID 内嵌元数据（[Task][Region][Center][序号]），使数据分层不依赖外部清单，这对数据集的可审计性是低成本高收益的细节。

§5 补：竞争格局与方法论解读

5.补1 15% 有效率的背后

78 支报名队伍只剩 12+13 支有效提交，流失发生在三道闸门：

闸门	淘汰机制	对开发者的提示
容器关	docker 环境与官方基础镜像不兼容、依赖冲突	赛期早期就用官方模板跑通空模型
算力关	16 GB VRAM 装不下 3D 大模型、20 分钟跑不完全量测试输入	分块推理/混合精度/2.5D 替代全 3D
质量关	提交图像 HU 系统性偏移、解剖崩坏被几何+剂量双轨拦下	先在验证集上自建剂量轨自测，别裸提交

这三道闸门本身就是可迁移的工程经验：任何"排行榜式"基准的参与成本都在这里，而不在模型本身。

5.补2 冠军之外如何读成绩表

12+13 支有效队伍的成绩分布比冠军数字更有信息量：若前几名之间差距小于队伍间方法差异，说明成绩已被公共瓶颈（配准残差/数据噪声）托底；若长尾队伍的剂量 gamma 断崖式下跌而几何 MAE 平缓下降，则是"相似度≠剂量"负发现的小规模重演。解读排行榜的正确姿势是把 §4.3 的负发现当作读表透镜——本条目因公开报告未给逐队全表，只给出这一读表框架，不做逐队推断。

5.补3 16 GB 约束对模型设计的传导

在 2025 赛制下，一个全 3D U-Net 类模型要过算力关，典型工程手段包括：patch 化训练+滑窗推理、深度可分离卷积降显存、混合精度、模型蒸馏成轻量学生网络、把 ensemble 压缩为单模型。这些手段都是"可部署性"的同义词——16 GB/20 分钟约束实质上是在替临床部署环境（医院工作站的常见配置）先做一轮筛选。这也是本挑战与"无限算力论文基准"的分野。

§6 补：版本核验与完整性工作流

6.补1 下载后核验脚本骨架（bash 口径）

# 1. 完整性：md5 对拍（v1 口径示例；v2 以记录页公布值为准）
md5sum Task1_Train.zip Task2_Train.zip
# 预期：241d98a784fda1a94d376b9e9b49162d / 1a39969f6d6c95113189ab284c3e57e7

# 2. 版本：v2 应能抽到 clipped HU 上界 3071（v1 会读到更高值或设备相关上界）
#    用 SimpleITK 抽取 ct.mha 的 min/max 做抽检

# 3. 分层完整性：六格非空抽检
#    1HN*/1TH*/1AB*/2HN*/2TH*/2AB* 计数均 >0 且量级合理（HN/TH/AB 大致均衡）

# 4. 背景值：mr.mha 背景应读 0，cbct.mha 背景应读 -1024
#    违反约定 = 版本/处理路径不对

6.补2 引用 v1 结果的三种处置

拿到一篇引用 SynthRAD2025 的论文/预印本时，先判断其数据版本：

1. 发布于 2025-05-11 前：几乎必为 v1，其绝对数字与 v2 复现值可能有系统性差（尤其依赖 HU 线性的指标）；
2. 未注明版本：在复现失败时优先怀疑版本差，再怀疑实现差；
3. 注明 v1 并声称复现了 v2：警惕——v1→v2 改变了监督信号的 HU 分布，"跨版本复现"需要作者显式处理 clipping 差异。

§7 补：与其他公开 sCT 数据资源的位置关系

资源	规模/形态	与 SynthRAD2025 的关系
SynthRAD2023	1080 例、脑+盆腔、3 荷兰中心、不公开	同系列前身；只可引用其报告结论，不可获取数据（坑 7）
各类单中心盆腔 MR-CT 集	十例级到百例级、单中心	被 SynthRAD 的多中心三区覆盖；经典论文常用其做预实验
脑 MR-CT 公开集	多为几十例	与 2023 脑区任务同生态；2025 版已不含脑区——引用时注意解剖区断档
通用 CT 语料（abdomenct-1k / lctsc 等）	千例级 CT，无配对模态	可做 HU 分布先验/解剖先验对照，但不能当 sCT 训练对
库内 fastmri（23）	MRI 重建对（k-space）	同为"MRI 数据工程"标杆，但任务轴不同（重建 vs 跨模态合成）

这张表的读法：SynthRAD2025 的稀缺性不在"最大"而在"最大且公开且带剂量级评估"——三者交集此前为零。若后续出现新的公开 sCT 数据集，比较时应固定三个轴：中心数、解剖区、评估层级（图像级/结构级/剂量级）。

§5 再补：用这个基准写论文的规范

5.补4 结果表的最小完备字段

在 SynthRAD2025 上报告结果的论文，一张合格的结果表至少含：

字段	为什么必须有
数据版本（v1/v2）	HU 分布不同，跨版本不可比（坑 4）
划分与自测集（验证集口径）	测试 GT 不公开（坑 6），"测试集成绩"只能来自排行榜
指标三件套	MAE（剂量相关）+ SSIM/PSNR（结构感知）+ 剂量指标（gamma/DVH）
推理环境	VRAM/时限（对齐 16 GB/20 min 才可与排行榜成绩直接对比）
外部数据声明	预训练语料是否含 CT 数据（影响公平性判断）

缺剂量指标的结果表，按 2023 负发现的标准应被视为"未完成评估"——这是本数据集给领域立下的最硬规矩。

5.补5 排行榜成绩与论文成绩的换算关系

排行榜成绩（12+13 支有效提交）是"同机同限"口径；论文自报成绩多为"作者自有算力、自选划分"口径。两者换算没有公式，只有三条纪律：数据版本对齐、划分对齐（验证集）、推理预算对齐。做不到三条对齐的对比表，应标注"口径不同，仅作参考"——这一句标注在 sCT 文献里至今仍是稀缺品。

§6 再补：许可问答速查

你想做的事	许可判定	依据
下载训练/验证数据做学术研究	可以	Zenodo 公开直链
在论文里展示数据切片	可以（注明出处与许可）	CC BY-NC 4.0（A/B/C/E）
训练模型并在学术会议报告	可以	NC 限商业用途
开源模型权重	灰区	权重若吸收 Center D 数据，再分发条款未明（坑 3）
用数据/模型于产品	不可以	NC 条款 + Center D 双重限制
fork 官方预处理代码商用	可以	Apache-2.0
把数据转格式后分享给合作方	不可以	再分发即触发许可链条（转格式不豁免）

一句话总结许可结构：代码是 Apache-2.0 的自由，数据是 NC 的约束，Center D 是约束里的约束。

§7 再补：联盟角色分工

角色	承担方	职责
发起与总协调	UMC Groningen / GRIMP	挑战设计、设计文档撰写、数据集论文通讯
数据中心	UMCG / UMCU / Radboud（荷兰）；LMU / Cologne（德国）	Stage 1 本地预处理与数据上交
平台运营	grand-challenge.org（DIAG Nijmegen）	容器推理、排行榜、至 2030 的长期维护
评估方法学	DKFZ Heidelberg 等合作方	评估管线（几何+剂量）设计
国际合作	Skåne University Hospital Lund	跨国协作与推广
云资源	AWS	统一推理硬件（g4dn.2xlarge）

这张分工表同时解释了两个现象：为什么设计文档的 10 位作者横跨七家机构（§6.1 的作者清单），以及为什么本数据集的工程规范（§3）呈现出"联盟公约"而非"单一实验室风格"——每个约定都是五中心协商的产物。

§8 方法学启示：四条可迁移的经验

一、评估指标要绑定最终决策，而非中间代理。 2023 第一届证明"图像相似度与剂量精度无显著相关"，2025 版随之把剂量计算写进排名制度。迁移到任何"合成数据替代真数据"的任务（合成病历、合成语音、合成传感器流）都是同一原则：代理指标（像不像）与下游决策指标（管不管用）之间没有免费午餐，评估必须双轨。

二、多中心数据集把"本地不可出"与"中央必须一致"切干净。 Stage 1 只做伦理上必须本地的事（匿名化、原始格式），Stage 2 只做方法上必须全局的事（形变配准、clipping、划分），中间以统一格式与完整中间产物交接。这是多中心医疗 AI 数据集工程的通用解法，不限于影像。

三、给数据集一个"长期开放的成绩单"。 Zenodo 存数据、grand-challenge 存排行榜（至 2030）、GitHub 存代码，三者各自长期维护。对比"赛后数据不公开、榜单关闭"的 2023 版，2025 版让同一基准在五年内持续接受新方法挑战——基准的生命周期由基础设施决定，而非由赛期决定。

四、约束算力就是约束公平。 type 2 容器提交 + 16 GB VRAM + 20 分钟单例，把"排行榜成绩"锚定在可部署能力上。这套约束对任何以临床落地为目标的挑战赛都值得抄——它同时消灭了"算力堆分"和"赛内不可复现的方法"两类噪音。

8.补 反模式警示：三条常见走偏路径

反模式	表现	SynthRAD2025 的对照设计
指标单腿走路	只报图像相似度就宣称临床可用	几何+剂量双轨计分（§5.4）
数据黑箱	数据集发布无版本、无 md5、无变更日志	v1/v2 显式版本 + md5 公布 + 变更说明（§2.3）
一次性基准	赛后数据收回、榜单关闭、无后继	Zenodo 永久存档 + 榜单至 2030（§5.5）

反面清单有时比正面经验更好用：设计一个新的医学 AI 基准时，逐条对照这张表自检，可以避开大部分"发布即巅峰、半年即失联"的结局。

§9 补：互链条目的具体使用建议

fastmri（23）：做跨模态合成模型时，fastMRI 的"k-space 数据工程 + 大规模挑战赛"方法论与本条目同源；其滑窗/分块推理技巧可直接迁移到 16 GB 约束下的 3D 推理。

lctsc（277）：胸部 CT 器官勾画数据。SynthRAD2025 TH 区 sCT 的下游用户（勾画模型）可从 lctsc 拿到真实勾画监督；反之，lctsc 的勾画模型可作为 SynthRAD 几何轨的自建补充评估器。

rider-lung-ct（267）：重复 CT 扫描数据集。它与 SynthRAD 的互补在"时间轴"——RIDER 研究同患者多次 CT 的变异性（可当"配准误差地板"的经验估计），SynthRAD 研究同患者跨模态配对。

abdomenct-1k（402）：千例腹部 CT。当 sCT 生成的 HU 分布需要"健康人群先验"做 sanity check 时，它是现成的对照语料（SynthRAD 全部来自放疗患者，可能有治疗相关解剖改变）。

ct-rate（546）：CT-报告配对。若想把 sCT 输出接报告生成（如自适应放疗的自动文书），ct-rate 提供报告侧语料——SynthRAD 只有图像与 mask，无文本层。

covid-ct（307）/ human-connectome-project（95）/ snomed-ct（557）：三个"生态参照"位——前两者展示"无配对模态的大规模 CT/MR 收集"形态（反衬 SynthRAD 配对设计的稀缺），后者提示术语标准化层（放疗结构的 SNOMED CT 编码可让多数据集评估结果可互译）。

§9 与库内条目的关系

库内条目（id）	关系类型	衔接点
fastmri（23）	方法同源（深度学习 + MRI 数据）	fastMRI 是 MRI 重建基准；SynthRAD2025 Task 1 消费 MRI 但目标是跨模态合成——两者共同关注 MRI 几何形变与欠采样问题
lctsc（277）	任务相邻（胸部 CT + 放疗场景）	lctsc 是肺部 CT 器官分割（放疗勾画用途）；SynthRAD2025 TH 区的 sCT 服务于同一放疗工作流的前端
rider-lung-ct（267）	数据互补（纵隔/肺 CT 随访）	RIDER 提供重复扫描数据，与 SynthRAD 的"同日多模态配对"构成对照性数据形态
abdomenct-1k（402）	解剖区重叠（腹部 CT）	大规模腹部 CT 可作为 sCT 评估中 HU 分布/解剖先验的对照语料
ct-rate（546）	报告维度互补	ct-rate 提供 CT-报告配对；SynthRAD2025 只含图像与 mask，无报告层
covid-ct（307）	CT 数据生态参照	同为 CT 收集但无配对模态，反衬 SynthRAD"配对"设计的稀缺性
human-connectome-project（95）	脑部 MR 生态参照	HCP 的脑 MRI 质量标准与 SynthRAD2023 脑区任务形成方法学对话
snomed-ct（557）	术语层	放疗/影像术语的标准化编码可借 SNOMED CT 对齐

正文内链建议（≥5 处）：§0 提 lctsc（放疗勾画生态）、§2.3 提 ct-rate/abdomenct-1k（HU 分布对照）、§5.4 提 fastmri（MRI 数据工程）、§7.2 提 rider-lung-ct（重复扫描 vs 多模态配对）、§9 全表。发布后应反向更新上述八个条目的"相关条目"导航。

检索词组合：“SynthRAD2025”（精确）+ “synthetic CT” / “sCT” + “radiotherapy”；勿用"SynthRAD"裸词（会混入 2023 版与无关项目）；Zenodo 检索优先 DOI 精确命中（坑 2）。

§10 避坑清单：八个已踩过的坑

坑 1：设计文档预估规模 ≠ 实际交付。 设计文档（Zenodo 14051075）写"900-1200 paired MRI-CT and ~1500 CBCT-CT sets"；实际交付 890 + 1472 = 2362。二手文献转引预估数当交付数（尤其"约 1500 例 CBCT"）会差 28 例级别；引用一律以 Medical Physics 论文与 Zenodo 交付记录为准（890/1472/2362）。

坑 2：brief 常见的 DOI 14051074 是设计文档，不是数据集。 10.5281/zenodo.14051074（concept DOI）重定向至 record 14051075——2024-11-07 发布的 153.2 kB 挑战设计文档 PDF（10 作者）。数据集本体 collection DOI 是 10.5281/zenodo.14918088（主描述 14918089、训练集 14918213/v2=15373853、验证输入 14918504、验证 GT 14918605、测试 14918722）。两个 DOI 身份不同，引用前先问"我要的是计划书还是数据"。

坑 3："全 CC BY-NC"是错误概括。 Center D（UMC Utrecht）数据为 limited-use license（仅限挑战用途），在 CC 体系之外；中心 A/B/C/E 才是 CC BY-NC 4.0。混合中心训练的模型权重再分发许可处于灰区（公开材料未覆盖）——商用或再分发前必须逐中心核对条款。

坑 4：v1 数据没有统一 HU clipping。 v1（2025-01-28）的 CT/CBCT 未做 (-1024, 3071) 统一裁剪；v2（2025-05-11）修正，对应 preprocessing 仓库 2025-05-09 commit。v1 时代的中间结果在 v2 下不保证复现；下载时认准 v2 记录 15373853，引用数字先核对数据版本。

坑 5：注册数、队伍数、有效提交是三个数。 674 人注册、78 队报名、12+13 有效提交——把 78 说成"参赛方法数"、把 674 说成"队伍数"都是常见错误。成绩对标只用 12+13 的有效提交集合（冠军 KoalAI/MixCT）。

坑 6：测试集 GT 不公开。 Zenodo 公开的参考 CT 只覆盖训练（65%）与验证（10%）划分；测试集（25%，记录 14918722）仅有输入图像，GT 保留在挑战评分服务器。"全部 GT 公开可下载"是错误表述；离线自测只能在验证集上做。

坑 7：2023 与 2025 是两届独立挑战，不是 v1/v2。 2023 版（1080 例、脑+盆腔、3 荷兰中心）数据不公开；2025 版（2362 例、HN/TH/AB、5 中心）数据公开。"规模从 1080 增至 2362"这类表述抹掉了数据可得性差异；两届成绩（SSIM/gamma 数字体系不同）不可直接混编于一张表。

坑 8：患者 ID 中心字母映射不在 Zenodo 页面。 [Task][Region][Center][001-999] 编码里 G/U/R/M/C 的中心映射出自 GitHub preprocessing 仓库 README，Zenodo 元数据未明示；且 ID 内嵌解剖区信息，公开分享数据切片时注意 ID 本身并非"无语义随机数"。

10.补 八坑速查表（打印贴墙版）

坑	一句话	高危场景
1	预估 900-1200/1500 ≠ 交付 890/1472	文献转引规模
2	14051074=设计文档；14918088=数据集	检索/引用 DOI
3	Center D 非 CC；权重许可灰区	商用/再分发
4	v1 无 clipping，v2 才有	复现实验
5	674/78/12+13 三个数勿互串	引用成绩
6	测试 GT 不存在（公开渠道）	离线评估设计
7	2023 与 2025 两届独立	综述制表
8	ID 中心映射看 GitHub 不看 Zenodo	数据分层

§11 总结

SynthRAD2025 做对三件事：把 sCT 领域最大的数据（2362 例、5 中心、3 解剖区、双任务）变成公共品；把"图像像不像"与"剂量准不准"绑进同一张成绩单（对 2023 负发现的制度化回应）；把基础设施（数据+榜单至 2030+代码）做成五年内可持续对标的基准。它也保留了三条清楚的边界：Center D 许可灰区、测试集 GT 不公开、v1/v2 版本差异。对研究者，它是 sCT 方法的事实标准对标集；对数据集工程者，它的两阶段流水线与长期榜单设计是比数据本身更易迁移的资产；对临床转化者，16 GB/20 分钟的约束设定是"排行榜成绩≈可部署能力"的诚实承诺。

一句话定位：在 SynthRAD2025 之前，sCT 研究比拼的是各自的测试集；在此之后，全领域在同一份数据、同一台服务器、同一套剂量引擎上排名。

11.补 结构化摘要（给搜索引擎与检索者的纯文本版）

SynthRAD2025 是荷兰多中心放疗联盟（UMC Groningen 牵头，联合 UMC Utrecht、Radboud UMC、LMU Klinikum Munich、University Hospital Cologne）发布的公开合成 CT 挑战数据集。数据规模 2362 例，分两个任务：Task 1 为 890 例 MRI 到 CT 配对（MR-only 放疗场景），Task 2 为 1472 例 CBCT 到 CT 配对（自适应放疗场景）；覆盖头颈、胸、腹盆三个解剖区，图像统一重采样为 1×1×3 mm 的 MetaImage 格式，训练/验证/测试按 65%/10%/25% 划分，训练集 v2 版统一 HU clipping 至 (-1024, 3071)。数据于 Zenodo 公开发布（DOI 10.5281/zenodo.14918088），主体许可 CC BY-NC 4.0（UMC Utrecht 数据为有限使用许可），官方预处理与评估代码以 Apache-2.0 开源。挑战评估采用几何（TotalSegmentator）与剂量（matRad 光子、pyRadPlan 质子）双轨制，源于 SynthRAD2023 第一届发现的"图像相似度与剂量精度无显著相关"负发现。2025 挑战赛共 78 支队伍报名，12 与 13 支队伍分别在两任务提交有效容器，最佳 MAE 为 48.3 HU（CBCT 任务）与 64.8 HU（MRI 任务），冠军分别为 KoalAI 与 MixCT；所有提交在 AWS g4dn.2xlarge（16 GB 显存）统一推理，单例限时 20 分钟；排行榜开放提交至 2030 年。数据集论文发表于 Medical Physics 2025 年第 52 卷第 7 期 e17981。

FAQ（高频问答 40 问）

A. 基础认知

Q1：SynthRAD2025 是什么？
Grand Challenge on Synthetic CT Generation from MR and CBCT for Radiotherapy Treatment Planning 的简称——一个跨模态合成 CT 挑战赛及其公开发布的数据集（2362 例，Zenodo DOI 10.5281/zenodo.14918088），MICCAI 2025 挑战赛工作坊活动之一。

Q2：sCT（synthetic CT）是什么？
用算法从 MRI 或 CBCT 生成的"伪 CT"：既要在图像上逼近真实 CT 的解剖结构，更要在 HU 值上满足剂量计算的要求，使放疗计划不必依赖真实 CT 扫描。

Q3：为什么放疗需要 CT 而不是直接用 MRI？
剂量计算依赖 HU 值与电子密度的标定关系，CT 天然具备；MR 信号与电子密度无物理对应。sCT 的本质是给 MRI/CBCT 补上这张"HU 地图"。

Q4：两个任务分别是什么？
Task 1：MRI→CT（890 例，MR-only 放疗场景）；Task 2：CBCT→CT（1472 例，自适应放疗场景）。

Q5：数据覆盖哪些解剖区？
头颈（HN）、胸（TH）、腹盆（AB）三区，患者 ID 第二段即区码。

Q6：谁组织的？
荷兰多中心放疗联盟，UMC Groningen（GRIMP）牵头，联合 UMC Utrecht、Radboud UMC（荷兰）与 LMU Klinikum Munich、University Hospital Cologne（德国）；DKFZ 与 Skåne University Hospital Lund 为合作方。

Q7：与 SynthRAD2023 什么关系？
两届独立挑战：2023（1080 例、脑+盆腔、3 荷兰中心、数据不公开）验证赛制并产出 MedIA 2024 挑战报告；2025 扩规模扩解剖区且数据首发公开。两届数字不可混编（坑 7）。

Q8：数据集论文发表在哪？
Medical Physics 52(7): e17981, 2025（doi 10.1002/mp.17981；PMID 40665582 / PMCID PMC12264395），arXiv 预印本 2502.17609（2025-02-24）。

Q9：挑战赛报告在哪？
arXiv 2605.13555（2025 挑战赛结果报告）；2023 第一届报告为 Medical Image Analysis Vol 97, 103276（arXiv 2403.08447）。

Q10：为什么有的文献给 Zenodo DOI 14051074？
那是挑战设计文档（record 14051075，2024-11-07 v1，10 作者 PDF）的 concept DOI，不是数据集（坑 2）。数据集本体是 10.5281/zenodo.14918088。

Q10a：这个数据集到 2026 年还值得用吗？
值得——排行榜开放至 2030、代码持续维护、数据是领域内最大公开 sCT 语料；只要 MR-only 与自适应放疗还是活跃临床问题，这个基准就在服役期。

Q10b：MICCAI 2025 与这个挑战什么关系？
SynthRAD2025 是 MICCAI 2025 挑战赛工作坊（challenge/ workshop）活动之一——赛程设计对齐 MICCAI 年会周期，最终结果在工作坊环节发布（挑战报告 arXiv 2605.13555）。

Q10c：sCT 和"图像翻译/image translation"是什么关系？
图像翻译是方法学大类（pix2pix 一系），sCT 是其在放疗场景的特化——特化点在于输出必须过 HU 物理标定与剂量验证这两关，普通图像翻译论文的评估标准在这里不够用。

Q10d：为什么 MRI 任务和 CBCT 任务要分开排名？
任务难度结构性不同（跨模态 vs 同模态弱质量，§5.2），混排会让 MRI 方法被 CBCT 方法的数字"压死"，失去对标意义——这是数据集设计者明确的双任务双榜决策。

B. 获取与许可

Q11：数据在哪下？
Zenodo collection：doi.org/10.5281/zenodo.14918088（训练集 v2 记录 15373853；验证输入 14918504 + 验证 GT 14918605；测试输入 14918722）。

Q12：多大体积？
v1 训练集 Task1_Train.zip 14.8 GB（md5 241d98a784fda1a94d376b9e9b49162d）+ Task2_Train.zip 12.0 GB（md5 1a39969f6d6c95113189ab284c3e57e7）≈ 26.8 GB；v2 体积以新记录页为准。

Q13：什么许可？能用商用吗？
中心 A/B/C/E 数据 CC BY-NC 4.0（禁商用）；Center D（UMC Utrecht）limited-use license（仅限挑战用途）。整体不可商用；官方代码是 Apache-2.0 可商用（坑 3）。

Q14：Center D 是哪个中心？
UMC Utrecht 的数据以 limited-use license 发布。注意 “Center D” 是许可身份而非字母映射 ID（患者 ID 里的中心字母是 G/U/R/M/C，见坑 8）。

Q15：测试集的参考 CT 能下载吗？
不能。测试集（25%）只提供输入图像（记录 14918722），GT 保留在挑战评分服务器；离线实验只能在训练+验证集上做（坑 6）。

Q16：代码在哪，什么许可？
github.com/SynthRAD2025/preprocessing，Apache-2.0；Python 3.12.3，核心依赖 SimpleITK-SimpleElastix/TotalSegmentator/plastimatch/pydicom 等。

Q17：怎么知道我下的是 v1 还是 v2？
v1 训练集记录 14918213，v2 记录 15373853（2025-05-11 发布，“all CT and CBCT datasets are now properly clipped (-1024,3071) HU”）；对应代码 commit 为 2025-05-09 的 clipping 更新（坑 4）。

Q18：需要注册才能下载吗？
Zenodo 公开直链下载；但提交排行榜需在 grand-challenge.org 注册并按容器规范上传。

Q18a：训练数据的患者是放疗患者吗？
是。数据来自五中心放疗科常规工作流（planning CT + 定位 MR / 治疗位 CBCT），患者为接受放疗的成人肿瘤患者；数据经 defacing（HN）与匿名化处理，患者 ID 已重编码。

Q18b：一例等于一个患者吗？
大体如此，但公开材料未逐 ID 公布"患者-例"审计表——同一患者多次采集是否合并为单例，未在文档中明示。引用"患者数"时用"2362 例（cases）"而非"2362 患者"更稳妥。

Q18c：CBCT 和 MR 是同一次采集得到的吗？
不是——CBCT 与 MR 分属两个任务（Task 2 与 Task 1），一例数据只有一种输入模态。CT 是共享的参考端。

Q18d：有没有官方的训练/验证/测试 ID 清单？
划分由中央 Stage 2 完成并随数据发布；用户可通过患者 ID 前缀（[Task][Region][Center]）自行分层，但"哪一例属于测试集"只有平台端知道（测试输入发布但与训练/验证的边界以官方清单为准）。

B 补：许可与合规细节

Q18e：我想发论文并开源模型权重，行吗？
学术发表通常在 CC BY-NC 允许范围内；但模型权重的再分发许可（尤其权重吸收了 Center D 数据）公开材料未覆盖——建议在模型卡中声明训练数据谱系与各中心许可，商用问题留给明确书面答复后再说（坑 3）。

Q18f：能把数据转成 DICOM/NIfTI 再分发吗？
不能——CC BY-NC 允许共享需遵守同一许可（非商业），且 Center D 数据根本没有再分发授权。转格式不改变许可义务。

Q18g：排行榜成绩可以写进商业产品宣传吗？
排行榜成绩本身是公开事实，但用于商业宣传可能触发 NC 条款边界（数据训练的模型）与挑战方品牌规范——涉及商业前先与联盟沟通。

Q18h：我想在内部医院系统中试用 sCT 模型（非销售），算商用吗？
CC BY-NC 的"非商业"界定以条款原文与司法辖区惯例为准；医院内部临床使用通常不属于"商业分发"，但涉及 Center D 数据训练的模型仍建议先取得联盟书面意见。

Q18i：可以在同一篇论文里同时用 SynthRAD2023 的结论和 2025 的数据吗？
可以，但两届引用要分开成段（各配各自来源与口径），并明确声明"2023 数据未公开，其结论来自挑战报告"（坑 7）。

Q18j：数据引用要不要写抓取日期？
强烈建议——Zenodo 页面的下载量/版本状态、排行榜成绩都是流动数字；学术引用至少钉住数据版本（v1/v2），百科类引用再钉时点。

Q18k：如果我只用其中一个解剖区（如 TH）的数据，许可怎么算？
许可按中心不按解剖区——你要逐例核对所选切片里各中心的许可归属；ID 第三段字母即中心码，可程序化过滤（Center D 样本处理见坑 3）。

C. 数据与技术

Q19：图像是什么格式？什么分辨率？
MetaImage（.mha），统一重采样 1×1×3 mm（面内 1 mm、层间 3 mm）；背景值 MR=0、CBCT=-1024；v2 版 CT/CBCT 统一 clipping (-1024, 3071) HU。

Q20：一例数据包含哪些文件？
输入图像（mr.mha 或 cbct.mha）+ 参考 planning CT（ct.mha）+ body mask（mask.mha）；处理中间产物还包括 transform.tfm（配准变换）、fov_s1（CBCT 视场 mask）、defacing_mask.nii.gz（HN 去标识 mask）、ID_planning_s2.nrrd（规划 mask）。

Q21：患者 ID 怎么读？
格式 [Task][Region][Center][001-999]：如 1HNG001 = Task 1-头颈（HN）-Groningen（G）-001 号。中心字母 G/U/R/M/C 对应 UMCG/UMCU/Radboud/LMU/Cologne（出自 preprocessing README，坑 8）。

Q22：训练/验证/测试怎么划分？
train 65% / validation 10% / test 25%，由中央 Stage 2 统一划分；验证集附 GT，测试集 GT 保留（坑 6）。

Q23：预处理的两阶段分别做什么？
Stage 1（各中心本地）：DICOM 转换、CBCT/MR→CT 刚性配准（SimpleElastix）、HN defacing、重采样 [1,1,3]；Stage 2（中央）：形变配准、裁剪、HU clipping、质量验证与划分。代码与数据版本对齐：v2 数据配 2025-05-09 commit。

Q24：为什么 MR 的背景是 0 而 CBCT 是 -1024？
MR 信号无 HU 语义，约定 0；CBCT 本质是 X 线衰减图，空气即 -1024，与 CT 的 HU 轴对齐——这也是 CBCT→CT 被称为"同模态弱质量"任务的原因。

Q25：为什么 HN 数据要做 defacing？
头颈 CT/MRI 含面部结构，可被重建识别身份；defacing 在 Stage 1 本地完成（原始面部数据不出中心），输出配套 defacing_mask 供审计。

Q26：fov_s1 是什么？
CBCT 视场（field of view）mask：CBCT 横向视野小于 CT，FOV 外无信息。该 mask 让模型与评估区分"真空区"与"空气"，避免把无效区域计入损失或指标。

Q27：数据里有没有呼吸运动信息或 4D 数据？
没有。SynthRAD2025 是 3D 静态配对数据集；呼吸运动仅以"形变配准难度"的形式间接体现在 TH 区数据质量里。

Q28：有标注吗（器官分割/靶区）？
官方发布的是 body/fov/planning mask，不含器官级或靶区级人工标注；器官结构在评估时由 TotalSegmentator 自动抽取。做器官分割研究需自行标注或借 lctsc 等库内条目数据。

D. 结果与复现

Q29：挑战赛最终成绩如何？
674 人注册/78 队报名，12（Task 1）+13（Task 2）有效提交；最佳 MAE：CBCT→CT 48.3 HU、MRI→CT 64.8 HU；冠军 KoalAI（Task 1）/MixCT（Task 2）（坑 5）。

Q30：为什么 CBCT 任务的 MAE 更低？
CBCT 与 CT 同为 X 线衰减模态（同模态弱质量），任务近于"图像修补"；MRI 跨模态且自身几何形变，要凭空生成 HU——难度差在数据层已注定（§3.5/§5.2）。

Q31：评估为什么必须做剂量计算？
2023 第一届的关键负发现：图像相似度指标（SSIM 等）与剂量精度（gamma 通过率）无显著相关（MedIA Vol 97, 103276）。只优化"看起来像"可能把剂量算错，故 2025 把 matRad（photon IMRT）+pyRadPlan（proton）剂量轨写入排名。

Q32：我能上排行榜吗？用什么算力？
能——grand-challenge.org 排行榜开放提交至 2030 年。提交 docker 容器（type 2 challenge），官方在 AWS g4dn.2xlarge（16 GB VRAM）统一推理，单例限时 20 分钟；测试输入由平台提供，GT 不出服务器。

Q33：20 分钟单例时限是什么口径？
单例（一个患者的 3D 体数据）从读入到输出 sCT 的完整推理时间上限，不含容器启动与系统开销——但工程余量有限，ensemble 类方法必须压缩成员数或改单模型。

Q34：可以在训练时用外部数据吗？
以挑战设计文档与赛规为准（type 2 赛制的典型做法是允许公开预训练、限制私有数据）；复现排行榜成绩时，外部数据使用是首先要在论文里声明的变量。

Q35：评估用的器官结构有哪些？
几何轨依托 TotalSegmentator 的全身解剖结构输出（依解剖区选结构子集，如 TH 区的肺/心/脊髓等）；官方报告未在摘要级列出全清单，精确清单以挑战评估容器与报告附录为准。

Q36：剂量计算的"计划"是谁定的？
挑战评估使用固定规划模板（photon IMRT 计划参数由官方设定；proton 由 pyRadPlan 侧设定），保证所有队伍的剂量轨可比。自建剂量实验时应复用相同模板参数再谈对比。

Q37：为什么不用临床 TPS（治疗计划系统）做评估？
临床 TPS 封闭且许可昂贵；matRad/pyRadPlan 是开源放疗计划引擎，计算口径透明、可版本化——同型 gamma/DVH 指标下两者结论高度相关，而开源引擎才能支撑"到 2030 年都用同一把尺子"的长期基准设计。

Q38：MAE 之外为什么还要 SSIM/PSNR？
MAE 反映 HU 绝对误差（剂量相关），SSIM/PSNR 反映结构感知相似（人眼/勾画相关）。2023 负发现证明它们与剂量不相关，但没证明它们无用——靶区勾画场景仍依赖结构相似性。三指标并报是 sCT 论文的现行规范。

Q39：数据集论文与挑战报告为什么数字体系不同？
数据集论文（Medical Physics）讲"数据长什么样"（规模/规格/划分），挑战报告（arXiv 2605.13555）讲"谁做得多好"（注册/提交/成绩）。两份文档的 Task 编号口径一致（按模态），但 2023 文献按解剖区——跨文献引用先对齐口径（§4 补 2）。

Q40：有没有官方 baseline 模型？
官方提供预处理与评估工具链（Apache-2.0），排行榜上的公开成绩即事实上的最强 baseline。复现时以"验证集自建剂量轨"校准自己的实现，再上排行榜对标。

附录 A：速查卡

维度	内容
全称	Grand Challenge on Synthetic CT Generation from MR and CBCT for Radiotherapy Treatment Planning（SynthRAD2025）
数据	2362 cases = Task1 890 MRI-CT + Task2 1472 CBCT-CT；HN/TH/AB；5 欧洲中心；65/10/25
格式	MetaImage .mha；1×1×3 mm；MR=0/CBCT=-1024；v2 clipping (-1024,3071) HU
体积	训练集 v1 口径 14.8+12.0 GB ≈ 26.8 GB（md5 见 §6.4）
DOI	数据集 collection 10.5281/zenodo.14918088（设计文档 14051074/14051075——勿混，坑 2）
论文	Medical Physics 52(7):e17981, 2025（10.1002/mp.17981）；arXiv 2502.17609
挑战报告	arXiv 2605.13555（2025）；MedIA Vol 97, 103276（2023 第一届）
许可	CC BY-NC 4.0（A/B/C/E）+ Center D limited-use；代码 Apache-2.0
预处理	两阶段：本地（转换/刚性配准/defacing/[1,1,3]）→ 中央（形变配准/裁剪/clipping/划分）
评估	TotalSegmentator 几何轨 + matRad/pyRadPlan 剂量轨（photon IMRT + proton）
成绩	674/78/12+13；MAE 48.3 HU（CBCT）vs 64.8 HU（MRI）；KoalAI/MixCT；16 GB/20 min
排行榜	开放至 2030
抓取时点	2026-09-27
库内互链	fastmri(23)/lctsc(277)/rider-lung-ct(267)/abdomenct-1k(402)/ct-rate(546)/covid-ct(307)/human-connectome-project(95)/snomed-ct(557)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	DOI+排行榜+论文三路可检索；但"14051074 设计文档 DOI"与"14918088 数据集 DOI"的双 DOI 陷阱（坑 2）使初次检索者常拿错物件
A 可获取性	8	Zenodo 公开直链 26.8 GB+验证 GT 齐备；扣分项：测试 GT 不公开（坑 6）、Center D 有限许可（坑 3）
I 可互操作	8	.mha/SimpleITK 标准生态+官方 Apache-2.0 流水线+患者 ID 自带元数据；扣分项：HU 规格跨 v1/v2 漂移（坑 4）
M 元数据质量	9	设计文档/数据论文/挑战报告三重文档互证；MD5 公布、版本变更日志明确、双口径均有存照；微扣：中心字母映射未进 Zenodo 页面（坑 8）
S 可持续性	9	Zenodo 长期存档+排行榜至 2030+代码开源+联盟五中心共担；单点风险低
综合评级	8.4/10（高）	公开性、文档完备度与长期机制均为库内上游水平；失分集中在许可灰区与版本管理细节

附录 C：逐项证据链自证

关键数字/事实	来源	位置
2362 = 890 + 1472	数据集论文摘要	Medical Physics 52(7):e17981 / arXiv 2502.17609
65/10/25 划分	设计文档 §数据划分	Zenodo record 14051075（PDF）
1×1×3 mm / .mha / 背景值约定	数据集论文+preprocessing README	GitHub SynthRAD2025/preprocessing
14.8 GB / 12.0 GB / md5 双值	Zenodo 训练集记录文件清单	Zenodo record 14918213
v2 clipping 说明原文	Zenodo 版本说明	Zenodo record 15373853（2025-05-11）
两阶段流水线/依赖/commit 日期	仓库 README+提交历史	GitHub SynthRAD2025/preprocessing
患者 ID 编码规则	仓库 README	GitHub SynthRAD2025/preprocessing
2023：1080/617/22+17/SSIM/gamma	第一届挑战报告	MedIA Vol 97, 103276 / arXiv 2403.08447
相似度-剂量无显著相关	第一届挑战报告结论节	MedIA Vol 97, 103276
2025：674/78/12+13/48.3/64.8/KoalAI/MixCT	挑战赛报告	arXiv 2605.13555
AWS g4dn.2xlarge / 16 GB / 20 min	挑战赛报告+设计文档	arXiv 2605.13555；Zenodo 14051075
排行榜至 2030	设计文档+挑战平台页	synthrad2025.grand-challenge.org
CC BY-NC 4.0 / Center D limited-use	Zenodo 记录许可字段	Zenodo collection 14918088
设计预估 900-1200+~1500	设计文档	Zenodo record 14051075

附录 D：研究决策树

你要做什么？
├── 训练 sCT 合成模型
│   ├── 1) Zenodo 下载训练集 v2（15373853）+ 验证输入/GT
│   ├── 2) checkout preprocessing 仓库 2025-05-09 commit
│   ├── 3) 按解剖区/中心分层评估（ID 字符串切分即可）
│   └── 4) 自测只用验证集——测试 GT 不存在（坑 6）
├── 上排行榜对标
│   ├── 打容器（16 GB VRAM / 20 min 单例内）
│   └── 提交 grand-challenge.org（至 2030 开放）
├── 只引用结论写论文
│   ├── 规模：2362=890+1472（勿引设计预估 900-1200/1500，坑 1）
│   ├── 2023 负发现：引 MedIA Vol 97, 103276
│   ├── 2025 成绩：引 arXiv 2605.13555（48.3 vs 64.8 HU）
│   └── DOI：数据集 14918088（设计文档 14051074 勿混，坑 2）
└── 商用/再分发
    ├── CC BY-NC 数据：不可用
    ├── Center D 数据：条款不明，先问联盟
    └── 仅 Apache-2.0 代码层可商用

附录 E：两阶段流水线复现骨架（SOP 模板）

阶段 0 环境准备（日级）
  - Python 3.12.3；pip 装 SimpleITK-SimpleElastix / numpy / nibabel / scipy /
    totalsegmentator / pydicom / plastimatch
  - checkout preprocessing 仓库对应数据版本的 commit（v2 → 2025-05-09）

阶段 1 Stage 1 本地（例级，各中心语义）
  - 输入：本院 DICOM（CT + MR 或 CBCT，同日采集）
  - 转换：DICOM → .nii.gz/.nrrd
  - 配准：CBCT/MR→CT 刚性（SimpleElastix），保存 transform.tfm
  - defacing：仅 HN，输出 defacing_mask.nii.gz
  - 重采样：→ [1,1,3] mm
  - 输出：ct_s1 / mr_s1 / cbct_s1 / fov_s1（+ mask）

阶段 2 Stage 2 中央（批量）
  - 形变配准（三解剖区统一参数）
  - 裁剪 + HU clipping (-1024, 3071)
  - 质量验证（QC 清单：配准残差/FOV 覆盖/背景值约定）
  - 划分：train 65% / val 10% / test 25%（分层按 Region×Center）
  - 输出：*_s2.nii.gz + ID_planning_s2.nrrd

阶段 3 评估（对齐挑战口径）
  - 几何轨：TotalSegmentator 抽器官 → MAE/PSNR/SSIM + 结构一致性
  - 剂量轨：matRad（photon IMRT）+ pyRadPlan（proton）→ DVH/gamma
  - 报告规范：注明数据版本（v1/v2）、划分、单例推理时限

附录 E2：训练前 QC 清单（逐项打勾）

□ md5 双 zip 对拍通过（对应数据版本）
□ 六格分层非空：1HN/1TH/1AB/2HN/2TH/2AB
□ 背景 values 抽检：mr=0、cbct=-1024
□ ct.mha HU 范围抽检：max ≤ 3071（v2 确认标志）
□ fov/mask 与输入图像网格一致（同 shape 同 spacing）
□ HN 例的 defacing mask 存在且非空
□ 按中心分层统计表已生成（供分层评估）
□ Center D 样本已按许可策略决定 剔除/保留 并记录
□ 配准残差抽查：随机 10 例 overlay 可视化人工过目
□ 实验配置里锁定了 数据版本+仓库 commit+划分清单 三元组

这十项勾完再开训——每一项对应一种历史上真实发生过的复现事故（症状对照见附录 L）。

附录 F：版本与时间线总表

日期	事件	载体
2023	SynthRAD2023 第一届（1080 例、脑+盆腔、不公开）	MedIA Vol 97, 103276
2024-03	第一届挑战报告预印本	arXiv 2403.08447
2024-11-07	2025 设计文档 v1（10 作者、预估 900-1200+1500）	Zenodo 14051074→14051075
2025-01-28	数据集首发（v1）+ 挑战开赛	Zenodo 14918088/14918089 等
2025-02-24	数据集论文预印本	arXiv 2502.17609
2025-02-28	preprocessing final script commit	GitHub
2025-05-09	clipping 修正 commit（v2 配套）	GitHub
2025-05-11	数据集 v2（统一 clipping -1024/3071）	Zenodo 15373853
2025	MICCAI 2025 挑战工作坊 + 赛期收尾	grand-challenge.org
2025	数据集论文正式发表	Medical Physics 52(7):e17981
2025	2025 挑战赛报告（674/78/12+13、48.3/64.8 HU）	arXiv 2605.13555
—	排行榜开放提交	至 2030

附录 G：术语表（中英对照）

术语	英文	一句话定义
合成 CT	synthetic CT (sCT)	从 MRI/CBCT 生成的、HU 值满足剂量计算的伪 CT
CT 值	Hounsfield Unit (HU)	CT 的标定物理灰度：空气 -1024、水 0、骨可达 3071
锥形束 CT	Cone-beam CT (CBCT)	治疗机自带的低剂量 CT，治疗位采集，伪影多
放疗计划	radiotherapy treatment planning	基于影像设计照射方案（靶区+剂量）的临床流程
MR-only 放疗	MR-only radiotherapy	全流程只用 MR（含剂量计算）的放疗工作流
自适应放疗	adaptive radiotherapy	按患者当日解剖变化在线调整照射计划
剂量体积直方图	DVH	描述"多少体积的组织吃了多少剂量"的曲线
Gamma 通过率	gamma passing rate	剂量分布等价性指标（剂量差%/距离mm 双容差）
调强放疗	IMRT (intensity-modulated RT)	按野内调节强度的光子放疗技术
相对电子密度	relative electron density (RED)	HU→剂量计算的标定量
跨模态合成	cross-modality synthesis	从一种成像模态生成另一种模态的图像
去面部处理	defacing	移除影像中面部结构以防身份识别
视场	field of view (FOV)	设备有效成像范围；CBCT 的 FOV 小于 CT
体数据网格	voxel grid	本数据集统一为 1×1×3 mm
类型 2 挑战	type 2 challenge	提交算法容器、主办方服务器统一推理的赛制
验证集/测试集	validation/test set	本数据集 10% 带 GT 公开 / 25% GT 保留
互信息	mutual information (MI)	多模态配准的相似性度量（MRI↔CT 标准选择）
形变配准	deformable registration	允许局部非线性形变的空间对齐（vs 刚性）
摆位	patient setup	患者在治疗/扫描时的体位固定流程
重建核	reconstruction kernel	CT 重建算法参数，影响 HU 行为与噪声（故需 clipping 对齐）
体素	voxel	三维像素；本数据集 1×1×3 mm
层厚	slice thickness	CT/MR 层间距离（本数据集 3 mm）
靶区勾画	contouring	在影像上勾画肿瘤与危及器官的临床操作
危及器官	organ at risk (OAR)	放疗中需限制剂量的正常器官
锥形束伪影	cone-beam artifact	CBCT 特有的散射/环状伪影
数据划分	data split	train/val/test 的例级分配（65/10/25）
概念 DOI	concept DOI	Zenodo 汇总所有版本的 DOI（如 14918088）
版本记录	versioned record	Zenodo 某一具体版本的记录号（如 v2=15373853）

附录 G2：十条纪律详注（每条一句话展开）

1. 规模口径：设计预估是"计划书语言"，交付数字是"产品语言"——写论文只用后者。
2. DOI 分身：Zenodo 一物一 DOI，设计文档与数据集是两物两 DOI，检索先核对记录内容再引用。
3. 许可边界：许可跟着"最严格的那份数据"走——Center D 在混合数据集里就是那块最短的板。
4. 版本意识：clipping 差异改变 HU 分布即改变任务本身，v1 实验结论对 v2 无继承权。
5. 三个数：热度数字（674/78）与成绩数字（12+13）服务不同叙事，混用即失真。
6. GT 边界：设计离线实验前先画 GT 可得性边界图，别把排行榜功能当成公开数据功能。
7. 两届分立：给两届数据各立一行、各注可得性——合并行是综述里最难看的错误。
8. 指标双轨：几何与剂量各说各话（§4.3），论文里两者并列才构成完整证据。
9. ID 语义：患者 ID 是"字典化的元数据"，分享切片时把它当敏感信息对待。
10. 时点存照：Zenodo 页面数字（下载量/引用数）、榜单成绩都在流动——引用时钉住时点。

附录 H：2023 vs 2025 全维度对照总表

维度	SynthRAD2023（第一届）	SynthRAD2025（第二届）
解剖区	脑 + 盆腔	头颈 + 胸 + 腹盆
中心	3（全荷兰）	5（3 荷兰 + 2 德国）
数据规模	1080 例患者	2362 例（890 MRI + 1472 CBCT）
任务划分	按解剖区（Task1 脑 / Task2 盆腔）	按输入模态（Task1 MRI / Task2 CBCT）
输入模态	仅 MR	MR 与 CBCT 双轨
数据公开	不公开	Zenodo 公开（训练+验证）
报名/提交	617 注册 / 22+17 有效	674 注册 78 队 / 12+13 有效
最佳成绩	SSIM ≥0.87/0.90；gamma ≥98.1/99.0%	MAE 48.3 HU（CBCT）/ 64.8 HU（MRI）
评估	几何 + photon/proton gamma	几何（TotalSegmentator）+ 剂量（matRad/pyRadPlan）
提交形式	算法提交	docker 容器（type 2）
算力约束	未统一	16 GB VRAM / 20 分钟单例
排行榜	赛后关闭	开放至 2030
挑战报告	MedIA Vol 97, 103276	arXiv 2605.13555
历史角色	赛制验证 + 负发现（相似度≠剂量）	公共基准化（数据公开 + 长期榜单）

附录 I：HU 与剂量计算速成（剂量轨为什么是"硬"评估）

1. HU 是物理量：CT 灰度经标定后对应组织物理密度（电子密度），放疗引擎据此计算射线在体内的衰减与散射——这不是"像不像"的美学问题，是能量沉积的物理输入。
2. HU 错误的放大效应：局部 HU 偏差会被剂量引擎放大为射线路径错误（尤其质子：射程对 HU 积分路径极其敏感，1% 的 HU 误差可致数毫米射程偏差）。
3. 所以 sCT 的验收标准是剂量：v2 数据统一 clipping (-1024, 3071) HU、评估轨强制 matRad/pyRadPlan 剂量计算、gamma 双容差报告——三层设计共同保证"数字上合格"等于"物理上可用"。
4. 对模型设计的含义：损失函数若只优化像素重建（L1/L2），可能产出"平均 HU 正确但分布错位"的图像；直方图匹配、HU 区间加权、解剖一致性正则等手段是对该问题的已知缓解。

附录 J：sCT 方法流派速览（读懂冠军方案的背景板）

流派	核心思路	优势	在本数据集上的注意点
回归/直接翻译	CNN/U-Net 直接回归 HU 图	简单稳定、推理快（易过 20 min 关）	易产生 HU 均值化（过平滑），剂量轨可能失分
GAN 对抗	判别器逼真感约束	纹理更"像 CT"	生成伪结构可能骗过 SSIM 但骗不过剂量轨
扩散模型	迭代去噪生成	多样性与高保真并存	采样慢，20 min/例是主要工程障碍
分割式/模板库	用解剖分割+HU 模板填充	HU 物理一致性最好	解剖异常患者泛化差
混合管线	回归打底+直方图匹配/后处理	稳 HU 分布	工程链长，容器里要保持可复现

榜单冠军（KoalAI/MixCT）的具体架构以官方报告为准；这张流派表的价值在于提醒：图像流派的选择决定剂量轨成败的概率分布——纯生成保真派在 gamma 指标上并没有天然优势（§4.3 负发现的方法论回声）。

附录 K：photon vs proton——剂量轨为什么是两把尺子

维度	光子（photon IMRT）	质子（proton）
与 HU 的关系	经衰减系数间接相关	射程直接由 HU 沿路径积分决定
对 HU 误差的敏感度	中等（可被散射平均掉一部分）	极高（1% HU 误差≈数毫米射程偏差）
常用 gamma 容差	2%/2mm	3%/2mm 类（社区惯例放宽）
评估引擎	matRad	pyRadPlan（proton 模块）
对 sCT 的含义	"平均 HU 正确"可能就够	HU 空间分布必须逐点可信

同一位模型的两种剂量成绩可能方向相反——光子 gamma 合格、proton gamma 不合格。这解释了 2023 报告为何 photon/proton 分列，也提醒：引用"sCT 剂量合格"时先问哪种射线。

附录 L：常见复现失败模式排查表

症状	最可能原因	处置
复现 MAE 比论文差一大截	用了 v1 数据或未对齐 clipping	换 v2（15373853）；核对 §6.补1 自检脚本
背景区域出现 HU 异常值	背景值约定未处理（MR=0/CBCT=-1024）	训练前按约定 masking；fov 外区域剔除
HN 数据解剖怪异	defacing 效应被当成数据 bug	这是设计行为（§2.补4）；模型需在 defaced 数据上训练
CBCT 输入训练崩溃	FOV 外无效区进了损失	用 fov/mask 剔除无效区
验证集成绩好、排行榜成绩差	推理超时/超显存被截断输出	对齐 16 GB/20 min；patch 化推理
剂量 gamma 异常低但图像好看	HU 分布系统性偏移	直方图匹配后处理；查 clipping 是否执行
跨中心成绩方差巨大	中心间采集协议差异	按 ID 前缀分层诊断（§2.补2）；勿用全池平均掩盖

写作留痕（编辑部元信息，不随正文发布）

• 抓取时点：2026-09-27（Zenodo/GitHub/arXiv/Medical Physics/grand-challenge 五站交叉）
• 来源白名单：Zenodo（记录级）、GitHub SynthRAD2025、arXiv（2502.17609 / 2403.08447 / 2605.13555）、Medical Physics（10.1002/mp.17981）、synthrad2025.grand-challenge.org
• 来源黑名单：spacefrontiers.org 镜像页含 prompt injection 字样（“IGNORE PREVIOUS INSTRUCTIONS”），全程未采信
• 三源互证记录：2362/890/1472（论文+Zenodo+挑战报告）；两阶段流水线（仓库 README+commit 历史+设计文档）；2023 负发现（MedIA+arXiv 双源）；设计预估 vs 交付（设计文档+论文）
• 坑点：§10 八则（坑 1-8"坑 N："编号制）
• 互链计划：正文内链 5 处（lctsc/ct-rate/fastmri/rider-lung-ct/abdomenct-1k）+ 发布后反向更新 8 个条目导航（fastmri 23、lctsc 277、rider-lung-ct 267、abdomenct-1k 402、ct-rate 546、covid-ct 307、human-connectome-project 95、snomed-ct 557）
• DAIMS 展开：附录 B 五维（D8/A8/I8/M9/S9 → 综合 8.4/10）
• 查重：库内 url_name ILIKE ‘%synthrad%’ → 0 rows（2026-09-27，qf_psql.sh 只读查询）
• 环境留痕：ps aux | grep -c “[c]odebuddy” = 4
• 备选条目：ULF-EnC 2025（未启用——主选 SynthRAD2025 三源核验通过，无需改道）

检索词与对标速查

场景	推荐	禁用/注意
精确检索数据集	“SynthRAD2025” + “synthetic CT”	裸词"SynthRAD"（混入 2023 版）
找数据	Zenodo collection 14918088；v2 训练集 15373853	14051074 是设计文档（坑 2）
找成绩对标	arXiv 2605.13555；冠军 KoalAI/MixCT	78 队≠有效提交 12+13（坑 5）
引用 2023 结论	MedIA Vol 97, 103276	与 2025 数字混编（坑 7）
商用评估	代码 Apache-2.0 可用	CC BY-NC 数据+Center D 灰区（坑 3）
反例（勿用）	“SynthRAD2025 v1/v2 数据集对比”	两届挑战≠同一数据集两个版本（坑 7）

后续监控清单

触发条件	预期动作	涉及章节	优先级
Zenodo 新版本（v3）	核对 md5/clipping 说明，更新 §2.3/§6	数据规格/获取	1
Center D 许可条款公开化	重写 §6.2、更新坑 3 与 DAIMS-A 评分	获取与许可	1
排行榜新榜首（2025-2030）	更新 §5.2 成绩表与附录 A 速查卡	挑战结果	2
2023 数据解禁或发布衍生集	重写 §4.1 两届对照与坑 7	第一届/避坑	2
官方评估代码大版本变更	重跑附录 E 骨架核对依赖	方法学	3
数据集论文被期刊更正/勘误	核对更正项并同步 §2/§10 证据链	全文数字	2
preprocessing 仓库归档或迁移	更新 §6.1/§6.3 的代码获取路径	获取与方法学	2
出现新的公开 sCT 竞品数据集	在 §7.补 谱系表增加对照行并重评 DAIMS	生态定位	3
挑战方发布逐队成绩全表	补 §5.补2 的分布解读，撤"推断"标注	挑战结果	3
grand-challenge 平台政策变化（2030 前）	核对排行榜可用性，必要时更新 §5.5	长期机制	2

十条纪律（引用本条目时）

1. 规模口径：2362=890+1472 为准；900-1200/1500 是设计预估（坑 1）。
2. DOI 分身：14918088 数据集 / 14051074 设计文档，两码事（坑 2）。
3. 许可边界：CC BY-NC 只覆盖 A/B/C/E；Center D 另说（坑 3）。
4. 版本意识：v1 无 clipping、v2 有；引数字先核版本（坑 4）。
5. 三个数：674 注册 / 78 队 / 12+13 有效提交，勿互串（坑 5）。
6. GT 边界：测试 GT 不公开；离线自测限验证集（坑 6）。
7. 两届分立：2023 与 2025 数字不混编（坑 7）。
8. 指标双轨：引成绩时几何+剂量并报；只报 SSIM 不合格（§4.3）。
9. ID 语义：患者 ID 含解剖区/中心编码，公开切片注意（坑 8）。
10. 时点存照：所有抓取型数字注时点（本条目 2026-09-27）。

---

本条目由千方病案医数集编辑部 agentA-synthrad 撰写，2026-09-27。所有数字可溯源至附录 C 证据链表；双口径存照见坑 1-2；许可灰区与版本管理是本条目未来最可能需要更新的两处。

---

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：

• cptac-imaging — 共享标签：医学影像 / CT / MRI / 肿瘤学
• tcia — 共享标签：医学影像 / CT / MRI / 肿瘤学
• idc — 共享标签：医学影像 / CT / MRI / 肿瘤学
• autopet — 共享标签：医学影像 / CT / 肿瘤学
• medpix — 共享标签：医学影像 / CT / MRI
• medical-decathlon — 共享标签：医学影像 / CT / MRI
• duke-breast-mri — 共享标签：医学影像 / MRI / 肿瘤学
• pddca — 共享标签：医学影像 / CT / 肿瘤学
• ucsf-pdgm — 共享标签：医学影像 / MRI / 肿瘤学
• lung-pet-ct-dx — 共享标签：医学影像 / CT / 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。