AIR-125

AIR-125是由东北大学鲁克斯研究所开发的第一个公开标注的婴儿呼吸数据集，包含125个视频，来自8个婴儿受试者。数据集涵盖了多种姿势、光照和摄像条件，旨在支持自动、连续、无接触的婴儿呼吸监测研究。数据集的创建过程涉及从婴儿监视器和智能手机摄像头中收集视频，并使用VGG图像标注器进行手动呼吸标注。AIR-125的应用领域包括新生儿重症监护室和家庭环境中的日常监测，旨在解决传统接触式传感器在舒适性、卫生和皮肤健康方面的挑战。

AIR-125 is the first publicly annotated infant breathing dataset developed by the Lux Research Institute of Northeastern University. It contains 125 videos sourced from 8 infant subjects. The dataset covers diverse postures, lighting conditions and camera settings, and is designed to support research on automated, continuous and non-contact infant breathing monitoring. The development process of this dataset involved collecting videos from baby monitors and smartphone cameras, and performing manual breathing annotations using the VGG Image Annotator. The application scenarios of AIR-125 include daily monitoring in neonatal intensive care units (NICUs) and home environments, aiming to address the challenges posed by traditional contact-based sensors in terms of comfort, hygiene and skin health.

搜集汇总

数据集介绍

构建方式

在新生儿呼吸监测领域，传统接触式传感器存在舒适性与卫生隐患。AIR-125数据集通过创新性构建方法，采集了125段约60秒的婴儿视频，涵盖8名不同月龄的婴儿主体。视频来源包括经伦理审查批准的婴儿监护仪录像及公开网络资源，覆盖俯卧、侧卧、仰卧等多种姿态，并包含自然光照与红外模式下的影像。呼吸标注通过人工观察胸腹部运动轨迹，利用VGG图像标注工具标记呼气起始点，最终将脉冲序列经高斯滤波转化为连续呼吸波形，构建了首个公开的婴儿呼吸标注数据集。

特点

该数据集在婴儿生理监测领域展现出显著的多维特性。视频内容涵盖不同光照条件、婴儿姿态、年龄阶段与呼吸频率，呼吸率分布范围为每分钟18至42次。数据集同时包含RGB与红外摄像模式，模拟了真实家庭环境与临床场景的多样性。标注信息不仅包含呼吸波形，还提供呼吸率及姿态元数据，为模型训练提供了丰富的监督信号。其异构性设计有效避免了过拟合，提升了算法在复杂环境下的泛化能力。

使用方法

研究人员可利用该数据集进行非接触式呼吸监测算法的开发与验证。使用前需将视频帧转换为光流表示，以消除光照与摄像头类型的影响。训练过程中可采用谱带通损失函数，通过频域对齐优化模型参数，缓解人工标注与视频帧之间的时序偏差。数据集支持端到端的呼吸波形与呼吸率估计任务，亦可用于迁移学习研究，评估成人数据训练的模型在婴儿领域的泛化能力。其开源特性允许研究者复现实验并进行跨模型性能比较。

背景与挑战

背景概述

在新生儿重症监护与家庭健康监测领域，非接触式呼吸监测技术因其无创性与舒适性而备受关注。由美国东北大学增强认知实验室于2023年发布的AIR-125数据集，作为首个公开的婴儿呼吸视频标注数据集，旨在推动基于视觉的婴儿呼吸自动估计算法研究。该数据集包含来自八名婴儿的125段视频，涵盖了多样化的姿态、光照与摄像头条件，并提供了手动标注的呼吸波形与频率真值。其核心研究问题聚焦于解决婴儿呼吸监测中接触式传感器带来的舒适度与卫生隐患，通过深度学习模型从普通视频中提取呼吸信号，为临床与日常环境下的连续监测提供了关键数据支持，显著填补了婴儿生理数据公开资源的空白。

当前挑战

AIR-125数据集所针对的婴儿呼吸监测领域，面临两大核心挑战：其一，婴儿呼吸信号微弱且易受身体运动干扰，传统基于颜色变化或区域跟踪的方法在婴儿姿态多变、皮肤暴露有限的自然场景中鲁棒性不足；其二，数据构建过程中，婴儿数据收集受隐私与伦理约束，难以获取大规模同步传感器真值，而手动标注存在时序对齐误差，需开发新型损失函数以克服标注噪声。此外，数据集需涵盖真实环境中的光照变化、摄像头类型差异及婴儿姿态多样性，以确保模型在实际部署中的泛化能力。

常用场景

经典使用场景

在新生儿重症监护室（NICU）及家庭监护环境中，AIR-125数据集为基于视频的非接触式婴儿呼吸监测研究提供了关键基准。该数据集通过采集八名婴儿在自然状态下的125段视频，涵盖了多样化的姿态、光照及相机条件，为开发适应真实场景的呼吸估计算法奠定了数据基础。其经典应用场景在于训练和验证深度学习模型，如AIRFlowNet，以从视频中精准提取呼吸波形与频率，推动自动化、连续性的婴儿呼吸监测技术发展。

实际应用

在实际应用中，AIR-125数据集支撑的技术可广泛应用于临床与家庭健康监护场景。在NICU中，非接触式呼吸监测能避免传统接触式传感器带来的皮肤损伤或感染风险，提升早产儿护理的安全性与舒适度。在家庭环境中，基于普通摄像头或婴儿监护器的呼吸监测系统可实现全天候异常呼吸（如呼吸暂停）的早期预警，为婴儿猝死综合征（SIDS）等风险的防范提供可行工具。该数据集通过模拟真实条件，推动了技术从实验室向实际部署的过渡。

衍生相关工作

围绕AIR-125数据集，衍生了一系列经典研究工作，主要集中在呼吸估计算法的创新与性能优化。例如，结合光流输入与时空卷积的AIRFlowNet模型，通过谱带通损失函数有效处理了手动标注中的时序对齐问题，在婴儿呼吸估计任务中实现了最优性能。此外，该数据集促进了颜色基与运动基方法的对比研究，揭示了光学流在多变光照与相机类型下的鲁棒性优势。后续研究可基于该数据集探索实时监测、多模态融合（如热成像）等方向，进一步拓展非接触式婴儿监护的技术边界。