BPD-Neo

BPD-Neo数据集是由康奈尔大学和威尔康奈尔医学院创建的，包含40名新生儿的MRI扫描及其相应的肺和气管的语义分割。数据集由自由呼吸3D堆叠星形径向梯度回波采集组成，称为StarVIBE系列。此外，还提供了完整的临床数据和基线分割模型，以支持新生儿肺成像的进一步研究和开发。数据集旨在解决新生儿支气管肺发育不良的诊断和管理问题。

The BPD-Neo dataset was created by Cornell University and Weill Cornell Medicine, containing MRI scans of 40 neonates along with their corresponding semantic segmentations of the lungs and trachea. The dataset consists of free-breathing 3D stacked star-shaped radial gradient-echo acquisitions, termed the StarVIBE sequence. Additionally, complete clinical data and a baseline segmentation model are provided to support further research and development in neonatal lung imaging. This dataset aims to address the diagnosis and management of bronchopulmonary dysplasia in neonates.

搜集汇总

数据集介绍

构建方式

BPD-Neo数据集的构建基于40名新生儿的MRI扫描数据，其中多数被诊断为支气管肺发育不良（BPD）。数据采集采用1.5特斯拉Siemens Amira扫描仪，通过自由呼吸的3D堆叠星形径向梯度回波序列（StarVIBE）获取高分辨率影像。影像标注由专家使用3D Slicer软件完成，包括手动放置基准点并应用区域生长算法进行肺部和气管的分割。此外，数据集还提供了详细的临床数据，如出生体重、胎龄等，以支持多模态研究。

特点

BPD-Neo数据集的特点在于其非侵入性StarVIBE MRI技术，避免了传统X射线的辐射风险，同时提供高分辨率的3D肺部与气管结构信息。数据集包含40例新生儿的多模态数据，涵盖影像、分割掩膜及临床变量，并采用2019年Jensen标准对BPD严重程度进行分级。其独特的自由呼吸采集方式减少了运动伪影，而多专家标注和交叉验证确保了分割质量的可靠性。

使用方法

该数据集适用于开发基于深度学习的语义分割模型，用于自动量化新生儿肺部和气管体积。用户可通过公开的DICOM和NIfTI格式数据训练模型，并利用提供的临床数据探索疾病表型关联。预训练的nnUNet模型可作为基准，支持肺部分割（平均Dice分数95.1%）和气管分割（67.3%）任务。研究需引用原始论文，并遵循伦理协议使用数据。

背景与挑战

背景概述

BPD-Neo数据集由康奈尔大学及威尔康奈尔医学院的研究团队于2025年创建，旨在为新生儿支气管肺发育不良（BPD）的肺部与气管分割研究提供高质量MRI数据支持。该数据集包含40例早产儿的自由呼吸3D StarVIBE序列MRI扫描，并附有专家标注的肺部和气管分割标签及详细临床数据。作为首个公开结合影像分割与临床指标的BPD研究资源，其采用的2019 Jensen分级标准更精准地反映了疾病严重程度，为探索BPD多机制病因（如气管支气管软化症、肺实质病变）提供了非侵入性研究范式，显著推动了新生儿肺部影像分析的算法开发和临床转化研究。

当前挑战

该数据集需解决两大核心挑战：在领域问题上，传统BPD诊断依赖具有辐射风险的X射线或需镇静的支气管镜检查，而MRI分割需克服早产儿微小气道（直径约2mm）的低信噪比及呼吸运动伪影；在构建过程中，研究者面临StarVIBE序列在气管区域信号衰减明显导致的标注困难，专家间气管分割Dice分数差异达±0.099，同时需协调NICU环境下的MRI扫描安全协议（如多层听力保护）与影像质量控制。此外，临床异质性（如出生体重500-2500g、孕周24-37周）要求算法具备强泛化能力。

常用场景

经典使用场景

BPD-Neo数据集专为新生儿支气管肺发育不良（BPD）的肺部与气管磁共振成像（MRI）分割而设计，其经典使用场景包括开发自动化语义分割算法，以辅助临床医生识别BPD的病因。通过高分辨率的3D StarVIBE MRI数据，研究人员能够精确分割肺部与气管结构，为BPD的病理机制研究提供详细影像学依据。该数据集特别适用于探索早产儿呼吸系统疾病的影像特征，为临床诊断和治疗提供支持。

实际应用

在实际应用中，BPD-Neo数据集支持开发临床可用的自动化分割工具，帮助新生儿重症监护室（NICU）快速评估肺部与气管健康状况。其非辐射、无需镇静的MRI成像特性，为早产儿提供了更安全的检查替代方案。通过量化肺容积与气管面积，该数据集可辅助临床医生制定个性化治疗方案，例如优化呼吸机参数或评估BPD严重程度，从而改善患儿预后。

衍生相关工作

BPD-Neo数据集已衍生出多项经典工作，例如基于nnUNet框架的3D分割模型开发，其肺部分割Dice分数达95.1%。相关研究进一步探索了StarVIBE序列在儿科影像中的优势，并验证了分割体积与临床变量（如体重、胎龄）的关联性。此外，数据集启发了对气管支气管软化症的量化分析研究，为后续开发更高精度的气管分割算法奠定了基础。