CCSeg

CCSeg是首个公开的肋软骨分割基准数据集，旨在推动计算机辅助诊断和手术系统的研究。数据集包含165例高质量CT扫描案例，具有精确的体素级注释，覆盖6-35岁不同年龄组。数据来自中国医学科学院整形外科医院和河北医科大学第二医院，经过专业标注流程确保质量。数据集分为训练集（85例）、验证集（40例）、测试集（40例）和OOD测试集（22例），特别关注青少年患者软骨纹理较软的特点，解决了肋软骨与背景组织强度相似等分割挑战。CCSeg is the first publicly available rib cartilage segmentation benchmark dataset, which aims to advance research in computer-aided diagnosis and surgical systems. The dataset comprises 165 high-quality CT scan cases with precise voxel-level annotations, covering diverse age groups from 6 to 35 years old. The data is sourced from the Plastic Surgery Hospital of the Chinese Academy of Medical Sciences and the Second Hospital of Hebei Medical University, with its quality guaranteed by a professional standardized annotation workflow. The dataset is partitioned into four subsets: a training set with 85 cases, a validation set with 40 cases, a standard test set with 40 cases, and an out-of-distribution (OOD) test set with 22 cases. It specifically focuses on the relatively soft cartilage texture of adolescent patients, addressing critical segmentation challenges such as the comparable imaging intensity between rib cartilage and surrounding background tissues.

原始信息汇总

CCSeg 数据集概述

数据集基本信息

• 名称：CCSeg
• 任务类别：图像分割
• 领域：医学
• 数据类型：CT图像
• 许可协议：afl-3.0
• 数据规模：小于1K个样本

数据集简介

CCSeg是首个公开的用于肋软骨分割的基准数据集，旨在推动计算机辅助诊断和手术系统的研究。

数据集亮点

• 165例高质量CT扫描病例。
• 精确的体素级标注，覆盖每根独立的肋软骨。
• 多年龄段数据，覆盖6至35岁。
• 分布外测试集，包含22个病例，用于泛化验证。
• 多中心数据收集，确保多样性。

数据来源

• 主要数据：中国医学科学院整形外科医院（2014-2023年）。
• 外部测试数据：河北医科大学第二医院（2021-2024年）。
• 所有数据均获得伦理委员会批准并取得患者知情同意。

标注流程

分割工作由4名整形外科住院医师在放射科专家指导下独立完成，并由资深整形外科医生进行最终审核和校正，以确保标注的准确性和一致性。

数据集划分

• 训练集：85例
• 验证集：40例
• 测试集：40例
• 分布外测试集：22例

应用价值

该基准数据集为肋软骨相关的医学图像分析研究提供了坚实基础，在耳廓重建等整形外科手术中具有重要应用价值。

资源链接

• 数据集下载：https://osf.io/ccseg
• 论文：https://www.sciencedirect.com/science/article/pii/S0957417425000016
• 代码：https://github.com/EricwanAR/DeformableMambaSeg

引用格式

@article{wang2025costal, title={Costal cartilage segmentation with topology guided deformable mamba: Method and benchmark}, author={Wang, Senmao and Gong, Haifan and Cui, Runmeng and Wan, Boyao and Hu, Zhonglin and Yang, Haiqing and Zhou, Jingyang and Jiang, Haiyue and Lin, Lin}, journal={Expert Systems with Applications}, pages={130085}, year={2025}, publisher={Elsevier} }

搜集汇总

数据集介绍

构建方式

在医学影像分析领域，肋软骨分割对于辅助诊断与手术规划至关重要。CCSeg数据集的构建依托于严谨的医学数据采集流程，其核心数据来源于中国医学科学院整形外科医院2014年至2023年的临床CT扫描，并整合了河北医科大学第二医院2021年至2024年的外部测试数据以增强泛化能力。所有数据均通过伦理委员会审批并获取患者知情同意。标注工作由四位整形外科住院医师在放射学专家指导下独立完成，随后由资深整形外科医师进行最终审核与校正，确保了165例高质量CT扫描中每个肋软骨体素级标注的精确性与一致性。

特点

该数据集作为首个公开的肋软骨分割基准，其显著特点在于针对医学影像中的难点进行了专门设计。数据集不仅涵盖了6至35岁的多年龄段病例，以反映软骨纹理随年龄的变化，还特意包含了22例分布外测试集，用于评估模型在未见数据上的泛化性能。数据来源于多中心，增强了样本的多样性。高质量的体素级精细标注，为解决肋软骨与周围组织（如肝脏、肋间肌）强度相似这一经典挑战提供了可靠的研究基础，对耳廓重建等整形外科手术具有重要的应用价值。

使用方法

为便于研究者进行系统性的模型开发与评估，数据集已预先划分为训练集、验证集、测试集及分布外测试集，分别包含85、40、40和22个病例。使用者可通过提供的公开链接下载数据，并参考相关论文与开源代码库进行算法研究。该数据集主要服务于图像分割任务，尤其适用于探索深度学习模型在复杂医学影像中处理细微结构、应对强度相似性及年龄相关纹理变化的能力，为推进计算机辅助诊断系统的性能基准设立了新的标准。

背景与挑战

背景概述

在医学影像分析领域，精准的解剖结构分割是计算机辅助诊断与手术规划的核心基础。CCSeg数据集于2025年由王森茂、龚海帆等研究人员联合发布，作为首个公开的肋软骨分割基准数据集，其数据主要来源于中国医学科学院整形外科医院（2014-2023年）及河北医科大学第二医院（2021-2024年）。该数据集旨在解决肋软骨在CT影像中因与周围组织（如肝脏、肋间肌）灰度相似而难以精确分割的难题，尤其针对青少年患者软骨质地较软的特殊情况。通过提供165例高质量CT扫描及体素级标注，CCSeg为推进胸廓区域三维重建、耳廓重建等整形外科关键技术的算法研究奠定了重要数据基础，显著填补了该细分领域公共数据资源的空白。

当前挑战

CCSeg数据集所应对的核心领域挑战在于肋软骨的精准医学图像分割。由于肋软骨在CT影像中与邻近软组织的强度值高度相似，且青少年患者的软骨纹理更为柔软、对比度低，传统分割方法极易产生边界模糊或误分割。此外，肋软骨的复杂拓扑结构与个体间形态变异进一步增加了分割的难度，要求模型具备强大的特征辨别与空间上下文理解能力。在数据集构建过程中，挑战主要体现在多中心数据采集的协调与标准化、跨年龄组（6-35岁）数据的代表性平衡，以及由四位整形外科住院医师在放射学专家指导下完成标注所需的高精度与一致性保障，最终通过资深外科医生的复核校正以确保标注质量。

常用场景

经典使用场景

在医学影像分析领域，CCSeg数据集为肋软骨分割任务提供了首个公开基准，其经典使用场景集中于计算机辅助诊断与外科手术规划。该数据集通过165例高质量CT扫描及精确的体素级标注，支持深度学习模型在复杂解剖结构下的分割性能评估，尤其在处理青少年患者软骨纹理较软、前景与背景组织强度相似等挑战时，为算法鲁棒性测试提供了标准化环境。

解决学术问题

CCSeg数据集有效解决了肋软骨分割研究中长期存在的学术难题，包括缺乏公开数据导致的算法比较困难、跨年龄组泛化能力验证不足以及多中心数据多样性缺失等问题。通过提供涵盖6-35岁年龄范围的标注数据及独立外部测试集，该数据集促进了分割算法在异质数据上的泛化性能研究，为医学图像分析领域建立了可复现的评估基准，推动了计算机辅助手术系统的技术进步。

衍生相关工作

围绕CCSeg数据集，学术界已衍生出多项经典研究工作，其中最具代表性的是结合拓扑引导与可变形曼巴架构的分割方法。相关研究进一步探索了多模态融合、弱监督学习及跨域适应等技术在肋软骨分割中的应用，推动了医学图像分割模型在结构保持与边界精度上的创新。这些工作不仅拓展了数据集的学术价值，也为后续胸廓三维重建、手术导航系统开发等方向提供了技术储备。