anonymous-mlhc/CTSpinoPelvic1K

CTSpinoPelvic1K是一个融合了脊柱和骨盆的3D CT分割数据集，由三个公共数据源的病人级别交叉数据构建而成。数据集包含约650名患者的融合案例，其余患者的脊柱和骨盆标签分别针对不同的俯卧/仰卧采集。数据集提供了10类标签，包括背景、腰椎L1-L5、L6/LSTV、骶骨和左右髋骨。所有数据都规范化为PIR（后-下-右）方向，并且CT及其标签图共享相同的4×4仿射变换。此外，数据集还提供了关于腰椎骶化（LSTV）的注释，包括来自脊柱和骨盆的两个互补注释。数据集按70/15/15的比例分为训练、验证和测试集，并根据LSTV类别和匹配类型进行分层。数据以.npz文件格式存储，包含CT图像、标签、仿射矩阵和元数据。CTSpinoPelvic1K is a fused spine + pelvis 3D CT segmentation dataset built by patient-level crosswalk between three public sources. The dataset includes approximately 650 patients with fused cases, while the rest have spine and pelvic labels targeting different prone/supine acquisitions. It provides 10-class labels, including background, lumbar vertebrae L1-L5, L6/LSTV, sacrum, and left/right hips. All volumes are canonicalized to PIR (Posterior-Inferior-Right) orientation, and the CT and its label map share the same 4×4 affine transform. Additionally, the dataset includes annotations for lumbosacral transitional vertebrae (LSTV), with two complementary annotations from spine and pelvic sources. The dataset is split into 70/15/15 for training, validation, and testing, stratified by LSTV class and match type. Data is stored in .npz files containing CT images, labels, affine matrices, and metadata.

搜集汇总

数据集介绍

构建方式

CTSpinoPelvic1K数据集通过将三个公开源（TCIA CT结肠成像、CTSpine1K和CTPelvic1K）的患者级数据进行交叉关联而构建。注释被放置在骨覆盖度（HU>200）最高的TCIA CT体积上，分别针对脊柱和骨盆。其中约650名患者的脊柱与骨盆标签位于同一扫描序列（融合案例），而其余患者则位于不同的俯卧/仰卧采集序列（分离案例）。骨盆标签优先于脊柱标签，以避免在腰骶过渡椎存在时发生标注冲突。

特点

该数据集包含10个类别标签，涵盖L1至L6腰椎、骶骨、左右髋骨，并将CTPelvic1K的骶骨标注优先级设定高于CTSpine1K。所有体积均标准化为PIR方向，CT与标签图共享相同的4×4仿射矩阵，无需重采样。每个案例还附带两种互补的腰骶过渡椎标注（lstv_vertebral和lstv_pelvic），以及一致性标记和综合分类。数据集按lstv_class与match_type分层划分为70/15/15的训练、验证和测试集，确保稀有类别均匀分布。

使用方法

数据集以单个.npz文件形式存储于data/<split>/token_<N>.npz路径下，可通过NumPy加载获取CT体积（int16）、标签图（uint8）、仿射矩阵（float32）及元数据（JSON字符串）。用户可直接使用PyTorch的CTSpinoPelvicDataset接口加载数据，并配合DataLoader进行批量训练。也支持通过MONAI框架应用NormalizeIntensityd、RandCropByPosNegLabeld等数据增强变换。该数据集仅限非商业使用（CC BY-NC 4.0），引用时需同时标注三个源数据集。

背景与挑战

背景概述

CTSpinoPelvic1K数据集由研究团队于近期构建，旨在解决脊柱与骨盆联合三维CT图像分割中的标注缺失问题。该数据集通过患者级别交叉匹配，融合了TCIA CT COLONOGRAPHY、CTSpine1K和CTPelvic1K三个公开来源，覆盖腰椎、骶骨及双侧髋骨共10类标注。其核心研究问题在于提供统一的脊柱-骨盆解剖标注框架，特别关注腰骶过渡椎（LSTV）的准确分类，为骨科手术规划、脊柱畸形评估及盆骨病变分析等领域提供了标准化的数据基础，对推动医学影像分割算法的临床转化具有重要影响力。

当前挑战

该数据集面临的挑战包括：1）脊柱与骨盆异源图像的配准融合——因患者体位差异（俯卧与仰卧）导致约半数病例的脊柱和骨盆标注分别位于不同序列，需解决空间对齐的精度问题；2）腰骶过渡椎分类的歧义性——CTSpine1K与CTPelvic1K标注约定不一致（如骶骨优先规则），需通过多源投票机制协调冲突；3）罕见类别（如骶化、腰化）的样本不平衡，迫使采用分层划分策略以保障模型泛化能力。此外，医学标注受限于专家一致性，对LSTV亚型的认定仍存在主观差异。

常用场景

经典使用场景

CTSpinoPelvic1K数据集的核心经典用途在于为腰椎与骨盆联合区域的医学图像分割任务提供高质量的标注数据。该数据集巧妙融合了CT结肠成像、脊柱与骨盆三套公开资源，构建了超过千例的三维CT体素级分割基准。研究者通常将其作为训练和评估多器官联合分割模型的黄金标准，尤其适用于需要同时精确勾勒腰椎椎体、骶骨及双侧髋骨边界的场景。数据集中特有的腰骶过渡椎标注，使其成为研究脊柱变异结构分割的首选数据源。

实际应用

在实际临床应用中，CTSpinoPelvic1K数据集推动了全自动脊柱骨盆测量与术前规划系统的发展。基于该数据集训练的分割模型能够从腹部或骨盆CT扫描中快速提取腰椎、骶骨及髋骨的精确形态信息，辅助医生进行脊柱侧弯矫形、髋关节置换或骶髂关节融合手术的个体化方案设计。此外，该数据集中于涵盖了结肠CT扫描中的骨结构，还可无缝嵌入结直肠癌筛查流程，在评估肠道病变的同时完成骨骼健康状态的同步评估。

衍生相关工作

CTSpinoPelvic1K的发布催生了多项具有影响力的衍生研究工作。一方面，研究者基于其完善的腰骶过渡椎标注体系，开发了自动化LSTV分型算法，显著提升了脊柱变异检测的客观性与一致性。另一方面，该数据集启发了跨解剖区域的联合分割网络架构设计，例如采用多任务学习框架同时处理脊柱与骨盆分割，并引入注意力机制处理不同模态数据融合时的标签歧义。此外，基于该数据集的知识蒸馏与半监督学习工作也相继涌现，为在标注稀缺的临床场景下复用大规模预训练模型提供了可行路径。