1939张CT、117个器官、291个孩子：TotalSegmentator v3给医学影像AI补地基

这是一篇数据叙事。9月10日，TotalSegmentator 数据集 v3.0.0 悄然上传 Zenodo——没有发布会，没有新闻稿，只是版本号从 2 跳到 3。但对医学影像 AI 领域的研究者来说，这个 37.4GB 的压缩包，是这个月最重要的发布之一。

先交代主角。

TotalSegmentator，巴塞尔大学医院研究与解析部出品的 CT 分割数据集：1939 张 CT 图像，每一张都带 117 个重要解剖结构的精细分割标注——从股骨、椎骨到心脏各腔室、气道分支，覆盖了临床大多数使用场景的解剖类别。

它的特殊地位来自两点：真实世界采样——CT 图像从临床常规中随机抽取，天然覆盖各种病理、各种扫描设备、各种序列、各种机构，而不是精心挑选的"干净"数据；配套开源模型——基于它训练的 TotalSegmentator 分割模型，已经成为放疗规划、解剖测量、影像组学流程里的事实标准工具之一。

说它是医学影像分割领域的"基础设施"，不算夸张。

而基础设施的版本升级，值得所有用它的（和该用它的）人认真读一遍 changelog。

一个数据集的v3：影像分割界的'基础设施'升级

9月10日上传的 v3.0.0，三处变化都不花哨，但每一处都打在要害上。

**变化一：规模扩容。**CT 图像数量从 v1/v2 时期的 1228 张增至 1939 张——多出 700 余例。对深度学习分割模型来说，训练数据量直接决定泛化能力的天花板。

**变化二：标签质量修复。**v3 修复了大量分割小错误，重点精化了骨骼结构（股骨的分割边界大幅精确），修正了椎骨标签错位（把第几节椎骨标错位置的问题）。医学分割里"标错椎骨节段"是会直接影响放疗靶区规划的硬伤。

变化三：儿科扩充——这是本次升级最值得单独立节讲的一条。

291张儿科CT：补上儿童影像的稀缺拼图

v3 新增了 291 张儿科 CT 图像，官方说明的措辞很克制："提升儿童分割性能。"

但做医疗 AI 的人都懂这行字背后的痛点。儿童医学影像数据稀缺，是行业公认的老大难：儿童本就不该频繁做 CT（辐射防护原则），拍了也极少用于科研共享（伦理审查更严），于是公开数据集里儿科样本的占比长期低得可怜。结果就是——在成人数据上训练的分割模型，用在儿童身上性能显著下降：孩子的器官比例、骨骼形态、脂肪分布都和成人不同，模型没见过，就分不准。

291 张听起来不多，相对儿科数据的荒漠，已经是一场及时雨。对做儿童肿瘤放疗规划、儿科先天性心脏病分析、儿童生长评估的团队来说，这是训练集里难得的"真实儿科分布"。

顺带说一句数据伦理的边界：这些儿科 CT 同样来自临床常规的回顾性采集，经过匿名化处理——这也是儿科数据能进入公开数据集的唯一合法路径。

股骨与椎骨：标签修复这种'脏活'为什么重要

外行看数据集，只看"多少张"；内行看数据集，先看"标签质量"。

分割任务的金标准是标注，而标注的本质是人工劳动——一个资深标注员给一张 CT 的 117 个结构做精细分割，需要数小时。人工作业就有误差：边界画歪一点、结构认错一个、左右搞反一次——单张图像里的小错误，在大规模训练时会以噪声形式传导进模型，而模型学到的每一个偏差，都会在下游临床应用里原样放大。

这就是为什么 v3 的 changelog 里，"股骨分割大幅精确""椎骨标签错位修复"这种看似琐碎的条目，对领域如此重要。数据集的每一处标签修复，都是在给下游所有模型的可靠性打地基。

千方医数集的读者里有大量医疗数据从业者，这里给出一个实用建议：如果你的项目还在用 TotalSegmentator v2 或更早版本，认真考虑迁移——尤其是涉及骨骼结构分割或儿科人群的应用，v3 与 v2 之间的差异是实打实的性能差异，不是版本号游戏。

真实世界采样：从临床常规到模型可靠性的传导链

最后说回这个数据集最有价值的设计哲学：真实世界采样。

这不是技术细节，而是方法论立场。大量公开医学数据集走的是"精选路线"——挑图像质量好的、病理典型的、设备统一的——模型在这些数据集上刷出漂亮分数，一到真实医院的数据（运动伪影、 unusual 体位、罕见病理、老旧设备）就现原形。

TotalSegmentator 从第一天就反着来：从临床常规里随机抽，什么图像都收。这种"糙"恰恰是它的"贵"——在此类数据上训练并通过验证的模型，天然带着真实世界的鲁棒性。这也解释了为什么它能在放疗科、影像科的实际工作流里站住脚，而不只是活在论文的表格里。

把这条传导链完整写出来，就是给医疗数据从业者的一张全景图：临床常规随机采样 → 跨设备跨病理覆盖 → 高质量人工标注 → 开源模型训练 → 真实工作流验证 → 反馈修复标签 → 版本迭代。TotalSegmentator 用三个大版本走完了这条链，国内尚缺乏同量级的对照物——不是缺数据，而是缺"把数据当基础设施长期运营"的机制。

一个版本号，37.4GB，安静地躺在 Zenodo 上。地基就是这样打起来的——不喧哗，但整栋楼都站在它上面。

原文链接：TotalSegmentator dataset v3.0.0（Zenodo）
千方医数集编辑部 出品