PDDCA头颈部自动分割挑战数据
鼻中隔偏曲研究可借助PDDCA进行头颈解剖基线分割和影像预处理，支持鼻腔气道建模和邻近结构识别。
基本信息
资源简介
PDDCA头颈部自动分割挑战数据
【一句话概览】
PDDCA 1.4.1 是由 Gregory C. Sharp 博士团队维护的公共计算解剖数据库，包含 48 例头颈部 CT 图像，来自 RTOG 0522 研究，并提供左右腮腺、脑干、视交叉、左右视神经、下颌骨、左右颌下腺的手工分割及骨性标志手工标注。该数据曾用于 2015 年头颈部自动分割 MICCAI 挑战赛，数据库分为三个压缩文件，第三部分缺少部分上述结构（来源 imagenglab.com）。
【数据集背景】
本数据集源站标题为《PDDCA》。
【数据内容】
源站原始描述：PDDCA A Public Domain Database for Computational Anatomy version 1.4.1 This database is provided and maintained by Dr. Gregory C Sharp (Harvard Medical School – MGH, Boston) and his group. The data here provided have been used for the “Head and Neck Auto Segmentation MICCAI Challenge (2015)”. To cite the challenge or the data, please refer to: Raudaschl, P. F., Zaffino, P., Sharp, G. C., Spadea, M. F., Chen, A., Dawant, B. M., … & Jung, F. (2017). Evaluation of segmentation methods on head and n…
中文译文（机器翻译，仅供快速理解，请以原文为准）：PDDCA 计算解剖学公共领域数据库 版本 1.4.1 本数据库由 Gregory C Sharp 博士（哈佛医学院 – 波士顿麻省总医院）及其团队提供和维护。此处提供的数据已用于“头颈部自动分割 MICCAI 挑战赛（2015）”。如需引用该挑战赛或数据，请参考：Raudaschl, P. F., Zaffino, P., Sharp, G. C., Spadea, M. F., Chen, A., Dawant, B. M., … & Jung, F. (2017). Evaluation of segmentation methods on head and neck CT: Auto‐segmentation challenge 2015. Medical Physics, 44(5), 2020-2036. PDDCA 版本 1.4.1 包含来自放射治疗肿瘤学组（RTOG）0522 研究（由 Kian Ang 博士领导的多机构临床试验）的 48 例患者 CT 图像，以及左右腮腺、脑干、视交叉、视神经（左右两侧）、下颌骨、颌下腺（左右两侧）的手动分割和骨性标志的手动识别。我们将这些数据提供给社区，希望能有所帮助。任何勾画和标记中的错误均归我们所有，并非参与医生之过。请参阅 pddca.odt 获取完整信息。出于实际原因，数据库分为 3 个压缩文件。第 3 部分包含缺少上述某些结构的图像。
【主题与分类】
主题标签：head and neck、CT、segmentation、computational anatomy、radiation therapy、parotid glands、brainstem、optic chiasm、optic nerves、mandible。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.imagenglab.com/newsite/pddca/
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://www.imagenglab.com/newsite/pddca/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
头颈部CT多器官分割数据，可用于鼻咽和颅面邻近结构定位。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
