9 min read

Open Orthopaedic Imaging Datasets

What exists in open musculoskeletal imaging, what closed and why, and why knee CT segmentation is the gap. Based on 59 records verified against their sources.

Burak Serteser
Open DataBone SegmentationCTClinical EvidenceSurgical PlanningOrthopedic SurgeryResearch

Key takeaways

We built a verified index of open musculoskeletal imaging datasets and checked every record against its own source. Three things came out of it. Spine is well served and the knee is not: of 23 spine datasets, 12 carry CT with segmentation labels; of 25 knee datasets, two carry knee bone masks at all, and both are cadaveric. Datasets disappear, and nobody records why: three in this index were once public and can no longer be downloaded, including one withdrawn in 2019 when the implant manufacturer that supplied the data revoked permission. And licence terms are not a property of the dataset: they change by subset, so the part you need may be governed by different terms from the part you read about. The index is at salnus.com/datasets.

What is actually out there

Fifty-nine datasets, each verified against its own page, DOI record or publication. The distribution is not even:

AnatomyDatasetsWith CTCT + segmentation
Spine231812
Pelvis201510
Hip18128
Shoulder1275
Knee2571
Bone tumour753

Counted the way the index counts: a record enters the last column only if its label type is recorded as segmentation. Eighteen further records are labelled mixed, and some of those do carry masks alongside other annotation, so where that changes the answer we name the record.

The knee row is the striking one. It has the most datasets of any region and the fewest usable CT segmentations. The reason is that knee research has been MRI-led for two decades, driven by cartilage and the Osteoarthritis Initiative. That produced excellent MRI resources and left CT, which is what arthroplasty planning actually runs on, almost empty.

Going through the seven knee datasets that include CT, one by one, makes the gap concrete:

DatasetWhat limits it
3D Visible HumanFemur, patella, tibia and fibula masks under CC BY 4.0. Two subjects, both cadaveric
VSDFullBodyBoneReconstructionComplete knee-region bone masks, 30 postmortem forensic subjects. Licence is contradictory across sources: the article reads CC BY 4.0, the Zenodo record and repository licence read CC BY-NC-SA 4.0, so commercial use is unresolved
PlaTiFTibia masks and Schatzker grades, but the CT is one coronal slice per patient rather than a volume
Keast 2023Tibia and fibula meshes and a statistical shape model, no images: the source CT cannot be shared
NMDIDOver 15,000 postmortem whole-body CTs, no segmentation labels, institutional credentials and a data-use agreement required
MOSTLarge in-vivo osteoarthritis cohort, CT only in later study cycles, classification labels, access by application
Fractured Limbs 5K+16 knee cases, but the public repository exposes at most two cases per bone type and the rest require a password from the authors; no licence is stated

Two of the seven carry volumetric knee bone masks, and both are cadaveric. A third, PlaTiF, does carry tibia masks from 186 living patients, but its CT is one coronal slice per patient rather than a volume. There is no open, volumetric, living-patient knee CT cohort with bone segmentation. That is the gap in one sentence.

Only seven datasets are both segmented and commercially usable

Across all anatomy, 21 of the 59 records have their label type recorded as segmentation. Of those, seven also record commercial use as permitted: 3D Visible Human, CT-ORG, BoneDat, SPIDER, CadAIver, Spinal-Multiple-Myeloma-SEG and Soft-Tissue-Sarcoma. Five of the seven are spine, pelvis or tumour. That number is the one to remember if you are building a product rather than writing a paper: the open-data route to a commercial segmentation model is narrower than the headline count suggests.

There is a second trap underneath it. Permission to use is not permission to redistribute. A dataset can allow commercial use and forbid re-hosting; 21 of the 59 records restrict redistribution. These are separate questions and they are answered in different clauses, which is why we record them as separate fields.

Datasets close, and the record of why they closed is disappearing

This is the part that surprised us, and the reason the index keeps closed datasets instead of deleting them.

SKI10 was the reference knee MRI segmentation benchmark for most of a decade. The challenge page now carries this sentence:

"In 2019, we were informed that we are no longer allowed to share the SKI10 dataset, which was kindly provided to us by Biomet, Inc."

An implant manufacturer supplied the data, and years later withdrew permission. The dataset had been cited in a generation of segmentation papers. Anyone trying to reproduce that work today cannot obtain the data, and there is no licence to appeal to: SKI10 never published one.

There is a second layer. The original ski10.org domain was lost and re-registered by someone else; it now redirects to an unrelated site, and 2025 archive captures of it show gambling pages. A researcher following an old citation lands somewhere that has nothing to do with the data. We record the challenge page instead, and we say plainly that the old domain must not be cited.

K2S, a 2022 challenge with 350 patients and six-class knee segmentation, states it directly:

"We are not sharing any data after the challenge has been concluded."

KneeMRI from Rijeka, 917 volumes annotated for ACL injury, simply went dark. The last working capture is May 2023; by August 2024 the page redirected, and today it returns 404. No announcement, no explanation.

Three datasets, three different ways to vanish: a supplier revoking permission, a challenge policy, and silence. None of the major dataset listings record any of this. A researcher searching for SKI10 finds a dead end and no explanation of what happened.

That is why closed records stay in this index, with the date and the reason. A resource that says "this existed, here is what it was, here is why you cannot have it" is more useful than one that quietly omits it.

Licences are read at subset level, not dataset level

The clearest example is the most widely used dataset in the list.

TotalSegmentator is CC BY 4.0 and genuinely permits commercial reuse. But of the knee bones, only the femur is in the main model. Tibia, patella and fibula live in a separate appendicular_bones task, that model carries its own licence requiring contact for commercial use, and its training data was never published.

So a team that reads "TotalSegmentator is CC BY 4.0", builds on the tibia labels and ships a product has made a licensing error while quoting the licence correctly. The dataset-level statement was true. The subset-level answer was different.

Two more of the same shape. TotalSegmentator MRI is a separate release from the same group under CC BY-NC-SA 2.0, so the CT dataset is commercially usable and the MRI one is not, despite sharing a name. And CADS aggregates 40 source datasets under mixed terms, with some sources marked "no training, no redistribution" in the paper's own source table.

Two things that look like data and are not

Two records in the index are phantom studies: imaging of physical models rather than people. We got this wrong at first and marked them as patient data, which is worth admitting because the error is easy to make and consequential. A phantom has no load-bearing posture and no physiological soft-tissue contrast, so alignment work validated on one has not been validated on anatomy.

Six further records are cadaveric, which carries a milder version of the same limitation: real anatomy, but unloaded. For a discipline where alignment is measured standing up, that distinction belongs in the metadata rather than in a footnote, so the index records what was imaged as its own field.

Why this matters beyond the index

If you are training or validating a knee CT segmentation model, there is no public dataset you can validate against. Your external validation has to come from a second clinical site, with the ethics and data-sharing work that implies. That is a real cost and it should be planned for, not discovered late.

It also sets a limit on what open-data claims can mean in this area. A model trained on whole-body CT where the knee appears incidentally has not been validated on the knee, and the published evidence to check that claim does not exist yet.

We have written separately about the layer beneath this, why measurement reproducibility is the harder problem, and about how planning software is classified under MDR.

The index

All 59 records are at salnus.com/datasets, filterable by modality, anatomy, label type and access route. Each record carries the licence, whether commercial use and redistribution are permitted, whether the subjects were patients, cadavers or phantoms, and the date it was last verified. Where something could not be confirmed, the field is empty and the reason is recorded rather than guessed.

Country, year, redistribution and subject status on some records are adapted from the BoneHub public dataset collection (CC BY 4.0, Alavi and Asseln, University of Twente), which covers datasets suitable for deriving 3D bone shape and goes deeper than we do on mesh, CAD and landmark detail.

Corrections are welcome. If a record is wrong, or a dataset has moved or closed since we checked, tell us and we will fix it and update the date.

Ana Çıkarımlar

Açık kas-iskelet görüntüleme veri setlerinden doğrulanmış bir dizin kurduk ve her kaydı kendi kaynağından kontrol ettik. Üç şey çıktı. Omurga iyi durumda, diz değil: 23 omurga veri setinin 12'si segmentasyon etiketli BT taşıyor; 25 diz veri setinde ise diz kemik maskesi taşıyan yalnızca iki kayıt var ve ikisi de kadavra. Veri setleri kayboluyor ve kimse nedenini kaydetmiyor: bu dizindeki üçü bir zamanlar açıktı ve artık indirilemiyor; biri 2019'da, veriyi sağlayan implant üreticisi iznini geri çektiği için kapandı. Ve lisans koşulu veri setinin bir özelliği değil: alt kümeye göre değişiyor, yani ihtiyacınız olan parça okuduğunuzdan farklı koşullara tabi olabiliyor. Dizin salnus.com/datasets adresinde.

Ortada gerçekte ne var

Elli dokuz veri seti, her biri kendi sayfası, DOI kaydı ya da yayını üzerinden doğrulandı. Dağılım hiç dengeli değil:

AnatomiVeri setiBT içerenBT + segmentasyon
Omurga231812
Pelvis201510
Kalça18128
Omuz1275
Diz2571
Kemik tümörü753

Sayım kuralı, dizinin kendi kuralı: bir kayıt son sütuna, ancak etiket türü segmentation olarak kaydedildiyse giriyor. On sekiz kayıt daha mixed etiketli ve bazıları başka anotasyonların yanında maske de taşıyor; cevabı değiştirdiği yerde kaydı adıyla anıyoruz.

Çarpıcı olan diz satırı. Bölgeler arasında en çok veri setine ve en az kullanılabilir BT segmentasyonuna sahip. Sebebi şu: diz araştırması yirmi yıldır MR öncülüğünde ilerledi, kıkırdak ve Osteoartrit Girişimi tarafından sürüklendi. Bu, mükemmel MR kaynakları üretti ve artroplasti planlamasının fiilen üzerinde koştuğu BT tarafını neredeyse boş bıraktı.

BT içeren yedi diz veri setini tek tek geçmek boşluğu somutlaştırıyor:

Veri setiSınırlılığı
3D Visible HumanCC BY 4.0 altında femur, patella, tibia ve fibula maskeleri. İki denek, ikisi de kadavra
VSDFullBodyBoneReconstructionDiz bölgesinin tam kemik maskeleri, 30 postmortem adli denek. Lisans kaynaklar arasında çelişkili: makale CC BY 4.0, Zenodo kaydı ve depo lisansı CC BY-NC-SA 4.0 diyor; ticari kullanım belirsiz
PlaTiFTibia maskeleri ve Schatzker sınıflaması var, ama BT hasta başına tek koronal kesit, hacim değil
Keast 2023Tibia ve fibula mesh'leri ve istatistiksel şekil modeli, görüntü yok: kaynak BT paylaşılamıyor
NMDID15.000'in üzerinde postmortem tüm vücut BT'si, segmentasyon etiketi yok, kurumsal kimlik ve veri kullanım sözleşmesi gerekiyor
MOSTGeniş canlı osteoartrit kohortu, BT yalnızca sonraki çalışma döngülerinde, sınıflandırma etiketi, erişim başvuruyla
Fractured Limbs 5K+16 diz vakası, ama halka açık depo kemik türü başına en fazla iki vaka gösteriyor, gerisi yazarlardan şifre gerektiriyor; lisans belirtilmemiş

Yedisinden ikisi hacimsel diz kemik maskesi taşıyor ve ikisi de kadavra. Üçüncüsü PlaTiF, 186 canlı hastadan tibia maskesi taşıyor ama BT'si hasta başına tek koronal kesit, hacim değil. Açık, hacimsel, canlı hastadan oluşan ve kemik segmentasyonu taşıyan bir diz BT kohortu yok. Boşluk tek cümleyle bu.

Hem segmentli hem ticari kullanıma açık olan yalnızca yedi veri seti var

Tüm anatomiler genelinde 59 kaydın 21'inde etiket türü segmentasyon olarak kayıtlı. Bunların yedisinde ticari kullanım da izinli olarak kayıtlı: 3D Visible Human, CT-ORG, BoneDat, SPIDER, CadAIver, Spinal-Multiple-Myeloma-SEG ve Soft-Tissue-Sarcoma. Yedisinin beşi omurga, pelvis ya da tümör. Makale değil ürün geliştiriyorsanız akılda tutulması gereken sayı bu: açık veriyle ticari bir segmentasyon modeline giden yol, başlıktaki sayının ima ettiğinden çok daha dar.

Altında ikinci bir tuzak var. Kullanma izni, yeniden dağıtma izni değildir. Bir veri seti ticari kullanıma izin verip yeniden yayınlamayı yasaklayabilir; 59 kaydın 21'i yeniden dağıtımı kısıtlıyor. Bunlar ayrı sorular ve farklı maddelerde cevaplanıyorlar, bu yüzden ayrı alanlar olarak tutuyoruz.

Veri setleri kapanıyor ve neden kapandığının kaydı yok oluyor

Bizi asıl şaşırtan kısım bu, ve dizinin kapanmış veri setlerini silmek yerine tutmasının sebebi.

SKI10, on yılın büyük kısmında diz MR segmentasyonunun referans ölçütüydü. Yarışma sayfasında şimdi şu cümle duruyor:

"2019'da, SKI10 veri setini artık paylaşmamıza izin verilmediği bildirildi; veri seti bize Biomet, Inc. tarafından sağlanmıştı."

Bir implant üreticisi veriyi sağlamış, yıllar sonra iznini geri çekmiş. Veri seti bir kuşak segmentasyon makalesinde atıf almıştı. Bugün o çalışmaları tekrarlamak isteyen biri veriye ulaşamıyor ve başvurabileceği bir lisans da yok: SKI10 hiçbir zaman lisans yayımlamadı.

İkinci bir katman daha var. Özgün ski10.org alan adı kaybedilmiş ve başkası tarafından yeniden kaydedilmiş; şimdi alakasız bir siteye yönlendiriyor ve 2025 arşiv kayıtlarında kumar sayfaları görünüyor. Eski bir atfı takip eden araştırmacı, veriyle hiçbir ilgisi olmayan bir yere düşüyor. Biz onun yerine yarışma sayfasını kaydediyoruz ve eski alan adının kaynak gösterilmemesi gerektiğini açıkça yazıyoruz.

K2S, 350 hastalık ve altı sınıflı diz segmentasyonu olan 2022 yarışması, doğrudan söylüyor:

"Yarışma sonuçlandıktan sonra hiçbir veri paylaşmıyoruz."

Rijeka'nın KneeMRI seti, ACL yaralanması için etiketlenmiş 917 hacim, öylece karardı. Son çalışan arşiv kaydı Mayıs 2023; Ağustos 2024'te sayfa yönlendirmeye başlamış, bugün 404 veriyor. Ne duyuru var ne açıklama.

Üç veri seti, kaybolmanın üç ayrı yolu: sağlayıcının iznini geri çekmesi, yarışma politikası ve sessizlik. Büyük veri seti listelerinin hiçbiri bunları kaydetmiyor. SKI10'u arayan bir araştırmacı, kapalı bir kapı ve hiçbir açıklama buluyor.

Kapalı kayıtların bu dizinde kalmasının sebebi bu, tarihi ve gerekçesiyle birlikte. "Bu vardı, şuydu, ve şu yüzden artık elde edemezsin" diyen bir kaynak, onu sessizce atlayandan daha yararlıdır.

Lisans, veri seti düzeyinde değil alt küme düzeyinde okunur

En açık örnek, listedeki en yaygın kullanılan veri seti.

TotalSegmentator CC BY 4.0 ve ticari kullanıma gerçekten izin veriyor. Ama diz kemiklerinden yalnızca femur ana modelde. Tibia, patella ve fibula ayrı bir appendicular_bones görevinde yaşıyor, o model kendi lisansını taşıyor ve ticari kullanım için temas gerektiriyor; eğitim verisi de hiç yayımlanmadı.

Yani "TotalSegmentator CC BY 4.0" diye okuyan, tibia etiketleri üzerine ürün kuran bir ekip, lisansı doğru alıntılarken lisans hatası yapmış oluyor. Veri seti düzeyindeki ifade doğruydu. Alt küme düzeyindeki cevap farklıydı.

Aynı biçimde iki örnek daha. TotalSegmentator MRI, aynı grubun CC BY-NC-SA 2.0 ile yayımladığı ayrı bir sürüm; yani BT seti ticari kullanıma açık, MR seti değil, isimleri aynı olmasına rağmen. Ve CADS, karma koşullarla 40 kaynak veri setini bir araya getiriyor; bazı kaynaklar makalenin kendi tablosunda "eğitim yok, yeniden dağıtım yok" diye işaretli.

Veriye benzeyen ama veri olmayan iki şey

Dizindeki iki kayıt fantom çalışması: insan değil, fiziksel model görüntülemesi. Biz bunu ilk seferde yanlış yaptık ve hasta verisi diye işaretledik; itiraf etmeye değer, çünkü yapılması kolay ve sonuçları olan bir hata. Fantomun yük altında duruşu ve fizyolojik yumuşak doku kontrastı yoktur; dolayısıyla üzerinde doğrulanan bir dizilim çalışması anatomi üzerinde doğrulanmış sayılmaz.

Altı kayıt daha kadavra, ki aynı sınırlılığın daha hafif bir hâli: gerçek anatomi, ama yüksüz. Dizilimin ayakta ölçüldüğü bir disiplinde bu ayrım dipnota değil metadataya aittir; bu yüzden dizin neyin görüntülendiğini kendi alanı olarak kaydediyor.

Bunun dizinin ötesinde anlamı

Bir diz BT segmentasyon modeli eğitiyor ya da doğruluyorsanız, karşı doğrulama yapabileceğiniz kamuya açık bir veri seti yok. Dış validasyonunuzun ikinci bir klinik merkezden gelmesi gerekir; etik ve veri paylaşımı işiyle birlikte. Bu gerçek bir maliyettir ve sonradan keşfedilmek yerine baştan planlanmalıdır.

Aynı zamanda bu alandaki açık veri iddialarına bir sınır koyar. Dizin tesadüfen göründüğü tüm vücut BT'leri üzerinde eğitilmiş bir model dizde doğrulanmış değildir, ve bu iddiayı kontrol edecek yayınlanmış kanıt henüz mevcut değil.

Bunun altındaki katman hakkında ayrıca yazdık: ölçüm tekrarlanabilirliği neden daha zor problem ve planlama yazılımı MDR kapsamında nasıl sınıflandırılıyor.

Dizin

Elli dokuz kaydın tamamı salnus.com/datasets adresinde; modalite, anatomi, etiket türü ve erişim yoluna göre filtrelenebiliyor. Her kayıt lisansı, ticari kullanım ve yeniden dağıtım iznini, deneklerin hasta mı kadavra mı fantom mu olduğunu ve son doğrulama tarihini taşıyor. Doğrulanamayan her alan boş bırakıldı ve gerekçesi tahmin edilmek yerine kaydedildi.

Bazı kayıtlardaki ülke, yıl, yeniden dağıtım ve denek durumu alanları BoneHub açık veri koleksiyonundan uyarlandı (CC BY 4.0, Alavi ve Asseln, Twente Üniversitesi); o koleksiyon üç boyutlu kemik şekli çıkarılabilen veri setlerini kapsıyor ve mesh, CAD ve landmark ayrıntısında bizden daha derin.

Düzeltmeler memnuniyetle karşılanır. Bir kayıt yanlışsa ya da bir veri seti biz kontrol ettikten sonra taşındıysa veya kapandıysa, bize bildirin; düzeltip tarihini güncelleyelim.

Reviewed by the Salnus biomedical engineering team.

Related Posts

How Reliable Is TKA Rotation Measurement?8 min readWhat the RACER-Knee Trial Actually Tested6 min readFemoral Rotation in TKA Planning4 min readOrthopedic 3D Planning Software Compared (2026)22 min read
← All Posts

Orthopedic AI Research Updates

Monthly research digest, product updates, and clinical AI insights.

Unsubscribe anytime.

Open Orthopaedic Imaging Datasets, Salnus