PediDemi

PediDemi数据集是一个公开可用的儿科脱髓鞘病灶分割数据集，由克卢日-纳波卡巴贝斯-博利亚伊大学数学与计算机科学学院计算机科学系和锡比乌临床儿科医院合作创建。该数据集包含13名患有非多发性硬化脱髓鞘疾病的儿科患者的脑部MRI扫描，包括3名确诊为急性播散性脑脊髓炎(ADEM)的患者。数据集包括病灶分割掩码以及广泛的病人元数据，如诊断、治疗、个人医疗背景和实验室结果。PediDemi数据集旨在促进病灶分割技术的发展，并为开发能够泛化到多发性硬化症以外的更广泛的脱髓鞘疾病的学习方法提供基础。PediDemi dataset is a publicly available pediatric demyelinating lesion segmentation dataset, co-created by the Department of Computer Science, Faculty of Mathematics and Computer Science, Babeș-Bolyai University, Cluj-Napoca and Sibiu Clinical Children's Hospital. This dataset contains brain MRI scans from 13 pediatric patients diagnosed with non-multiple sclerosis demyelinating disorders, including 3 patients confirmed with acute disseminated encephalomyelitis (ADEM). The dataset includes lesion segmentation masks and comprehensive patient metadata such as diagnosis, treatment, personal medical history and laboratory test results. The PediDemi dataset aims to advance the development of lesion segmentation technologies and provide a foundation for developing learning methods that generalize to a broader spectrum of demyelinating diseases beyond multiple sclerosis.

搜集汇总

数据集介绍

构建方式

在儿科神经影像学领域，PediDemi数据集通过回顾性收集罗马尼亚锡比乌临床儿科医院2017至2022年间的影像档案构建而成。该数据集纳入了13名3至17岁儿科患者的脑部MRI扫描，每位患者包含T1加权MPRAGE、T2加权和FLAIR序列的单时间点数据。所有病例均符合四项严格纳入标准：症状发作年龄不超过17岁、脑部MRI可见脱髓鞘病变、影像学检查时未确诊多发性硬化症，且三种MRI序列数据完整可用。

特点

PediDemi数据集的突出特点在于其独特的临床异质性，涵盖了包括急性播散性脑脊髓炎、自身免疫性脑炎、感染后脑炎等多种非多发性硬化脱髓鞘病变。数据集不仅提供经过资深神经放射学家验证的病变分割掩模，还附带了详细的临床元数据，如诊断结果、治疗方案、个人医疗背景及实验室检查结果。这种多模态数据整合为研究不同脱髓鞘病变的影像学特征差异提供了宝贵资源，特别有助于探索诊断灰色地带的病例特征。

使用方法

研究人员可通过Figshare存储库获取该数据集，每个患者数据单独存放在包含原始和处理后图像的子目录中。数据集支持多种应用场景：利用提供的病变分割掩模训练非多发性硬化病变分割模型；通过跨数据集泛化研究评估现有模型在非典型病例上的性能；结合临床元数据开发疾病鉴别诊断辅助系统。数据集采用CC-BY 4.0许可协议，配套的预处理代码和模型训练实现可在GitHub平台获取，确保研究可重复性。

背景与挑战

背景概述

PediDemi数据集由罗马尼亚巴比什-波雅依大学与锡比乌临床儿科医院于2025年联合创建，旨在填补儿科非多发性硬化（Non-MS）脱髓鞘病变影像数据的空白。该数据集包含13例儿科患者的脑部MRI扫描，涵盖急性播散性脑脊髓炎（ADEM）及其他非典型脱髓鞘病变类型，首次公开提供了诊断不确定性病例的标注数据。其核心研究问题聚焦于儿科脱髓鞘病变的精准分割与鉴别诊断，对推动神经影像人工智能模型在罕见儿科疾病中的泛化能力具有重要影响力。

当前挑战

该数据集解决的领域挑战包括儿科非MS脱髓鞘病变的异质性高、病灶形态与分布差异大，以及现有MS训练模型在非典型病例中泛化性能显著下降的问题。构建过程中的挑战涉及儿科病例稀缺性导致的样本规模限制、多序列MRI数据标准化处理的复杂性，以及需由资深神经放射学家参与标注以应对病灶边界模糊和诊断不确定性带来的标注一致性难题。

常用场景

经典使用场景

在神经影像分析领域，PediDemi数据集为儿科脱髓鞘病变的自动分割提供了关键资源。其最经典的应用场景在于训练和验证深度学习模型，专门针对非多发性硬化症的儿科病例进行病变区域的精确识别与分割。通过提供包含ADEM等罕见病症的标注数据，该数据集显著提升了模型在复杂儿科病例中的泛化能力。

实际应用

该数据集在临床实践中具有重要价值，可用于开发辅助诊断工具，帮助医生区分儿科MS与非MS脱髓鞘疾病。其包含的丰富元数据支持个性化医疗分析，如结合患者病史与影像特征预测疾病进展。此外，该资源可用于医院影像系统的算法优化，提升对罕见儿科病例的诊断准确率。

衍生相关工作

PediDemi催生了多项重要研究，包括基于U-Net++架构的病变分割模型优化工作，以及跨数据集泛化性能评估框架。其与PediMS数据集的互补性研究进一步推动了儿科神经影像分析的标准化。相关成果为开发适应临床多样性的AI模型提供了新范式，并促进了多中心合作数据平台的建立。