Awesome Computed Tomography EN 在 GitHub 上加星标

Awesome Computed Tomography

经过核验的 CT 重建研究精选列表。每篇论文的链接都经 Crossref、arXiv 或出版方自身记录核验，所有链接每周自动复查。

论文
678
工具包
60
数据集
82
基准与挑战赛
22
学习资源
35
更新于
2026-10-30

CT 重建基准与挑战赛

22 个 CT 重建基准与挑战赛（低剂量、稀疏视角、有限角、金属伪影等），注明年份、任务及各自的评测内容。

基准 / 挑战赛年份任务说明
Generating synthetic computed tomography for radiotherapy: SynthRAD2025 challenge report [官网]2026cbct, synthetic-ct, reconstruction由 CBCT 与 MRI 生成合成 CT——SynthRAD 的 2025 届，配套报告记录了任务、数据与结果。与 2023 届同为 CBCT→CT 焦点，输入中散射线、截断与射束硬化占主导。
CT-DegradBench: A Physics-Informed Benchmark for CT Degradation Detection and Severity Estimation2026reconstruction面向 CT 退化（噪声、模糊、伪影）检测与严重程度估计的物理知情基准——它问的是“这张图哪里有问题”，而不只是“怎么重建”。已被 CVPR 2026 VISION Workshop（DEXTER track）接收。
DeepInverse benchmark suite [官网]2024reconstruction, benchmarking统一的 PyTorch 基准框架，覆盖 CT、MRI、去模糊与图像修复，提供可复现指标与预训练基线——把新 CT 方法与强通用求解器对比的最实用途径。
AAPM CT-MAR Grand Challenge [官网]2024metal-artifact, reconstruction仿真 CT 上的金属伪影校正（2023–24）：14,000 例含金属与无金属的训练病例，允许图像域或正弦图域方法，按一组以临床为导向的图像质量指标加权排名。结果发表于 Medical Physics（2025）。
SynthRAD2023 Challenge [官网]2023cbct, synthetic-ct, reconstruction从 CBCT 与 MRI 生成合成 CT。与此处相关，是因为 CBCT→CT 任务恰恰由重建伪影（散射、截断、射束硬化）主导——该挑战赛迫使方法正面处理它们，而不是假设输入干净。
LDCTIQAC 2023 [官网]2023low-dose, quality-assessment低剂量 CT 感知图像质量评价：在含混合噪声与伪影的低剂量 CT 图像上评测无参考质量模型，按其与放射科医师评分的一致程度排名。它检验的是重建论文所报告的指标，而不是重建本身。
Helsinki Tomography Challenge [官网]2022limited-angle, reconstruction真实测量的有限角正弦图。冠军是在合成数据上训练的纯学习网络；唯一的基于模型方案（CIL 团队，方向 TV）获得第三——说明经典方法在有限角任务上依然有竞争力。
AutoPET Challenge2022segmentation全身 PET/CT 病灶分割，自 2022 年起逐年举办（至 2025 年已四届），每届均刻意隐藏多中心测试队列。
CTooth / CTooth+ [官网]2022segmentation, cbct全标注的三维牙科 CBCT 数据集与牙齿分割基准（5,803 层 CBCT），后扩展为 CTooth+。在伪影严重的领域里，是一个规模不大但标注精良的 CBCT 基准。
AAPM DL-Spectral CT Challenge [官网]2022spectral, reconstruction从仿真的双 kVp 乳腺 CT 数据直接重建脂肪、纤维腺体与钙化组织图：1,000 例训练病例与 100 例测试集。是 DL-Sparse-View 挑战赛的能谱版本。
AAPM DL-Sparse-View CT Challenge [官网]2021sparse-view, reconstruction从理想无噪声的 128 视角扇束数据恢复二维乳腺 CT 体模：4,000 组训练数据、100 例测试，按 RMSE 公开排名。深度学习稀疏视角 CT 的常用参照点。
LoDoPaB-CT benchmark [官网]2021low-dose, reconstruction在 LoDoPaB-CT 切分上以大挑战赛方式评测，并发布经过调优的 FBP+U-Net 参照基线，使改进幅度可度量。
MICCAI FLARE2021segmentation跨四届（FLARE21/22/23/24）的多器官腹部 CT 分割；是 CT 重建输出的标准下游鲁棒性检验目标。
HECKTOR Challenge2020segmentation, prognosis头颈部 PET/CT 肿瘤勾画；五届使其成为运行时间较长的医学影像挑战赛之一。
KiTS Challenge2019segmentation肾肿瘤分割，三届（2019/2021/2023），标注质量严格受控，并高度强调跨机构泛化。
VerSe Challenge2019segmentation多探测器 CT 上的椎体定位与分割，与 MICCAI 2019、2020 同期举办两届（374 例扫描、355 例患者）；隐藏测试集是结果可比的关键。
CHAOS Challenge2019segmentation腹部 CT 与 MRI 器官分割，并明确做跨模态评测；其 CT 为门静脉期增强扫描，并非低剂量。
SPARE Challenge [官网]2018dynamic, cbct, reconstruction从一分钟扫描重建胸部四维锥束 CT。首个被广泛采用的呼吸分辨动态 CBCT 基准；由悉尼大学 Image X 研究所主办。
Medical Segmentation Decathlon2018segmentation十个任务，测试集固定且隐藏，并严格禁止针对单一任务调优——真正公平的泛化基准。
Noise2Noise denoising protocol [官网]2018denoising, self-supervised让「无需干净真值即可训练去噪器」流行起来的参照实现。在 CT 上它成为标准的「无干净真值」评测协议——多数无监督 CT 去噪论文都在此设定下、用 Mayo-LDCT 式切分报告结果。
AAPM Low-Dose CT Grand Challenge [官网]2016low-dose, denoising, reconstruction2016 年由 AAPM、NIBIB 与 Mayo Clinic 主办的挑战赛：30 例增强腹部 CT（10 例训练、20 例测试），通过在投影中注入泊松噪声模拟 1/4 剂量（25%）数据。其病例与协议是 Mayo 低剂量数据的基础，至今大多数低剂量 CT 论文仍在其上报告结果。
SPIE-AAPM-NCI LungX Challenge [官网]2015diagnosis, low-dose低剂量筛查 CT 上的肺结节良恶性诊断分类——任务是对照放射科医师做诊断，而非结节检测。共 70 例（10 训练、60 测试），数据经 TCIA 分发。