CADS

CADS是一个用于全身计算机断层扫描(CT)分割的全面解剖数据集和分割框架。该数据集包含22,022个CT体积，对167个解剖结构进行了完整注释，代表了在规模和覆盖范围方面的重大进展，比现有集合多18倍的扫描次数，以及多60%的不同解剖目标。该数据集的创建是为了解决现有全身方法在数据异构性和解剖覆盖率方面的不足。通过综合评估，CADS-model在各种临床场景中展现出优越的性能，并得到了放射科专家的认可。

CADS is a comprehensive anatomical dataset and segmentation framework for whole-body computed tomography (CT) segmentation. This dataset contains 22,022 CT volumes with complete annotations for 167 anatomical structures, representing a significant advancement in scale and coverage, with 18 times more scan cases and 60% more distinct anatomical targets than existing collections. This dataset was developed to address the shortcomings of existing whole-body methods in terms of data heterogeneity and anatomical coverage. Through comprehensive evaluations, the CADS-model exhibits superior performance across various clinical scenarios and has been validated by radiologists.

原始信息汇总

CADS : 全身计算机断层扫描解剖数据集与分割框架

概述

• 框架定位：用于CT影像中167个解剖结构的全自动分割框架，覆盖头部至膝盖区域
• 核心组成：
  • CADS-dataset：22,022例带完整标注的CT扫描，当前最大规模全身CT数据集
  • CADS-model：开源模型套件，支持命令行和3D Slicer插件两种使用方式

数据集特征

1. 规模优势：
   • 扫描量超现有数据集18倍
   • 解剖目标数量多60%（167个结构）
2. 数据来源：
   • 公开数据集+私立医院数据
   • 覆盖16个国家100+影像中心
3. 技术特点：
   • 采用伪标记和无监督质控的自动化流程构建
   • 包含临床变异、扫描协议和病理状态的多样性

模型功能

• 任务划分：9个专用模型（551-559）对应不同解剖系统
• 部署方式：
  • Python脚本运行
  • 3D Slicer可视化插件
• 验证标准：通过公开挑战赛和真实医院队列验证

解剖结构覆盖

任务ID	目标区域
551	腹部主要器官/胸腔主要器官/腹部大血管
552	颈椎至腰椎的完整椎体
553	胸腹器官/脑部/盆腔大血管/面部
554	附肢骨骼/骶骨/大肌肉群
555	完整左右肋骨组
556	放射治疗相关结构
557	脑部及头部组织
558	头颈部结构
559	通用组织类型/体腔/广义解剖类别

资源链接

• 论文预印本：https://arxiv.org/abs/2507.22953
• 数据集地址：https://huggingface.co/datasets/mrmrx/CADS-dataset
• 模型权重：https://github.com/murong-xu/CADS/releases/tag/cads-model_v1.0.0
• 3D Slicer插件：https://github.com/murong-xu/SlicerCADS

引用格式

bibtex @article{xu2025cads, title={CADS: A Comprehensive Anatomical Dataset and Segmentation for Whole-Body Anatomy in Computed Tomography}, author={Xu, Murong and Amiranashvili, Tamaz and Navarro, Fernando and Fritsak, Maksym and Hamamci, Ibrahim Ethem and Shit, Suprosanna and Wittmann, Bastian and Er, Sezgin and Christ, Sebastian M. and de la Rosa, Ezequiel and Deseoe, Julian and Graf, Robert and Möller, Hendrik and Sekuboyina, Anjany and Peeken, Jan C. and Becker, Sven and Baldini, Giulia and Haubold, Johannes and Nensa, Felix and Hosch, René and Mirajkar, Nikhil and Khalid, Saad and Zachow, Stefan and Weber, Marc-André and Langs, Georg and Wasserthal, Jakob and Ozdemir, Mehmet Kemal and Fedorov, Andrey and Kikinis, Ron and Tanadini-Lang, Stephanie and Kirschke, Jan S. and Combs, Stephanie E. and Menze, Bjoern}, journal={arXiv preprint arXiv:2507.22953}, year={2025} }

搜集汇总

数据集介绍

构建方式

CADS数据集通过整合来自40多个异构源的22,022个CT扫描，构建了目前最全面的全身解剖标注数据集。采用创新的多阶段标注流程：首先基于高质量标注数据训练区域特异性模型生成伪标签，随后通过神经隐函数进行形状空间的异常值检测，最后采用集成选择机制优化结构特异性分割策略。该流程有效解决了大规模医学影像标注的难题，同时通过融合来自16个国家、100多个医疗中心的多样化数据，确保了数据集的广泛代表性。

使用方法

CADS数据集支持多种使用方式：1) 通过3D Slicer插件实现一键式推理，为临床医生提供用户友好界面；2) 采用SNOMED-CT标准术语呈现分割结果，确保与医疗信息系统兼容；3) 支持模块化使用，用户可根据需求选择特定解剖组模型。数据集特别适合辐射治疗规划、器官体积量化等临床应用，以及解剖标志检测、跨模态配准等研究场景。所有资源均已开源，包括完整数据集、预训练模型和临床软件工具。

背景与挑战

背景概述

CADS（Comprehensive Anatomical Dataset and Segmentation）是由苏黎世大学、慕尼黑工业大学等多家国际知名研究机构联合开发的大规模全身CT解剖结构分割数据集，发布于2025年。该数据集包含22,022个CT扫描体积，涵盖167个从头部到膝盖的关键解剖结构标注，其数据规模是现有同类数据集的18倍，解剖覆盖范围扩大60%。作为医学影像分析领域的重要突破，CADS通过系统整合40多个跨机构、跨厂商的异构数据源，建立了首个真正意义上的全身解剖结构标准化标注体系，为AI驱动的精准医疗提供了关键基础设施。其核心创新在于采用伪标注生成与多策略标签优化技术，解决了医学影像标注成本高昂的行业难题。

当前挑战

CADS面临的挑战主要体现在三个方面：首先在领域问题层面，现有医学影像分割方法多针对单一器官或局部区域，导致全身分析时需要整合多个独立模型，存在性能不一致、系统兼容性差等问题；其次在数据构建过程中，处理跨中心、多协议的CT扫描数据需克服图像分辨率、对比度、扫描范围的巨大差异，特别是对肋骨-椎骨连接处等复杂解剖边界的精确标注；最后在模型泛化性方面，需确保算法在包含肿瘤、创伤等病理变化的真实临床数据上保持鲁棒性。此外，数据集还面临小器官（如垂体、听小骨）部分容积效应带来的标注挑战，以及医疗数据隐私保护与面部特征匿名化处理的技术难题。

常用场景

经典使用场景

在医学影像分析领域，CADS数据集为全身CT扫描的解剖结构分割提供了全面的标注资源。其覆盖了从头部到膝盖的167个解剖结构，包括骨骼系统、心血管系统、消化系统等多个关键解剖区域。该数据集特别适用于训练和验证深度学习模型，以实现高精度的自动化解剖结构分割。通过整合来自40多个数据源的22,022个CT扫描，CADS数据集能够支持从基础研究到临床应用的广泛需求。

解决学术问题

CADS数据集解决了医学影像分割中的多个关键学术问题。首先，它通过提供大规模的标注数据，缓解了医学影像数据标注不足的问题。其次，数据集覆盖了全身多个解剖结构，解决了传统方法只能针对单个器官进行分割的局限性。此外，CADS通过整合多源数据，提高了模型在不同扫描协议和患者群体中的泛化能力。这些特性使得研究者能够开发出更加鲁棒和全面的分割模型，推动医学影像分析的进步。

实际应用

在实际应用中，CADS数据集支持多种临床场景。例如，在放射肿瘤学中，它可以用于精确的放疗计划制定，通过自动分割器官风险区域来优化剂量分布。在诊断放射学中，CADS能够辅助医生快速定位和量化异常结构，提高诊断效率和准确性。此外，该数据集还可用于大规模人群研究，如解剖结构变化的纵向追踪和流行病学调查。其开源特性进一步促进了这些应用在临床和研究中的广泛采用。

数据集最近研究

最新研究方向

CADS数据集在医学影像分析领域的最新研究方向主要集中在全身体CT扫描的自动分割技术上。该数据集通过整合来自40多个不同来源的22,022个CT扫描，标注了167个解剖结构，是目前规模最大、覆盖最全面的全身CT分割数据集之一。前沿研究包括利用深度学习模型（如nnU-Net）进行自动化分割，并通过多阶段伪标注和质量控制流程提升标注质量。此外，该数据集还支持跨机构、跨协议的模型泛化能力验证，以及在真实临床环境中的应用评估，特别是在放射治疗规划中的直接效用。

相关研究论文

• CADS: A Comprehensive Anatomical Dataset and Segmentation for Whole-Body Anatomy in Computed Tomography

  苏黎世大学定量生物医学系，苏黎世，瑞士 · 2025年