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。

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。