Subglottic Stenosis Dataset

该数据集名为“Subglottic Stenosis Dataset”，包含16段来自11名患者的支气管镜检查视频，记录了真实医疗过程中使用三种支气管镜（奥林巴斯BF-H1100、奥林巴斯BRF-180和奥林巴斯BF-1TH1100）获取的数据。数据集中还包括了部分患者的CT扫描数据和专家对狭窄程度的视觉评估数据。数据集旨在为子喉狭窄严重程度的评估提供基准，并促进自动狭窄评估工具的发展。

This dataset is named "Subglottic Stenosis Dataset". It contains 16 bronchoscopy videos from 11 patients, with data acquired during real clinical procedures using three types of bronchoscopes: Olympus BF-H1100, Olympus BRF-180, and Olympus BF-1TH1100. The dataset also includes CT scan data of some patients and expert-provided visual assessment data for stenosis severity. This dataset aims to provide a benchmark for the assessment of subglottic stenosis severity, and facilitate the development of automated stenosis assessment tools.

原始信息汇总

数据集概述

数据集名称

Subglottic Stenosis Dataset

研究背景

• 研究领域：支气管镜辅助工具的自动化视觉评估
• 合作机构：萨拉戈萨大学RoPeRT研究实验室与米格尔·塞维特大学医院
• 主要目标：自动化评估声门下狭窄严重程度，减少诊断时间和患者辐射暴露

数据集描述

• 内容类型：真实支气管镜手术数据
• 主要应用：声门下狭窄严重程度评估
• 技术特点：
  • 基于单帧图像重建气道3D模型
  • 利用内窥镜光照衰减效应进行管腔分割和跟踪
  • 无需CT扫描或医生穿过狭窄区域

数据特点

• 首创性：首个公开的声门下狭窄严重程度评估基准数据集
• 验证结果：
  • 与CT扫描的ground-truth估计结果一致
  • 与专家评估结果一致
  • 同一患者多次测量结果可靠可重复

相关资源

• 出版物：Tomasini等人在《International Journal of Computer Assisted Radiology and Surgery》的论文（2025年）
• 数据与标注：可用
• 代码：包含数据集使用和管道第一步的实现

致谢与资助

• 致谢：特别感谢米格尔·塞维特大学医院医疗团队
• 资助来源：
  • 欧盟Horizon 2020计划（资助编号863146）
  • 阿拉贡政府项目FSE-T45 23R
  • AEI和欧盟联合资助（PID2021-125514NB-I00）

搜集汇总

数据集介绍

构建方式

Subglottic Stenosis Dataset的构建基于真实的支气管镜检查视频数据，涵盖了11名患者的16段支气管镜视频。数据采集过程中使用了三种不同的支气管镜设备（Olympus BF-H1100、Olympus BRF-180和Olympus BF-1TH1100），以确保数据的多样性和代表性。部分患者的检查数据还包含了CT扫描结果和专家视觉评估的狭窄百分比，作为真实标签。数据集的构建特别关注了狭窄区域的3D重建，通过光照衰减效应分割和跟踪气道腔，从而生成精确的3D模型以测量狭窄程度。

特点

该数据集的特点在于其全面性和多样性，不仅包含了健康患者的数据，还涵盖了不同狭窄程度的病例。数据集中部分患者的数据还包含多次检查结果，可用于评估同一患者在不同时间点的狭窄变化。此外，数据集还提供了CT扫描和专家评估的狭窄百分比作为真实标签，为算法验证提供了可靠的基准。数据的高分辨率和真实场景的复杂性使其成为评估支气管镜图像分析算法的理想选择。

使用方法

Subglottic Stenosis Dataset可用于开发和验证自动化狭窄评估算法。研究人员可以利用该数据集进行气道腔分割、3D重建和狭窄程度测量等任务。数据集中的真实标签（CT扫描和专家评估）可用于算法的定量评估。此外，数据集还可用于研究光照衰减效应在支气管镜图像分析中的应用，以及探索基于单帧图像的3D重建技术。使用该数据集时，建议结合光照衰减模型和3D重建算法，以实现高精度的狭窄评估。

背景与挑战

背景概述

Subglottic Stenosis Dataset是由西班牙萨拉戈萨大学及米格尔·塞维特大学医院的研究团队于2025年发布的专注于声门下狭窄自动评估的医学影像数据集。该数据集旨在解决传统支气管镜检查中视觉评估声门下狭窄程度的主观性问题，通过16例真实支气管镜手术视频及配套CT扫描数据，为基于计算机视觉的狭窄指数（Stenosis Index）自动化测量提供了首个公开基准。数据集创新性地利用内窥镜光照衰减特性进行三维气道重建，其技术框架发表于计算机视觉顶会ICCV，标志着内窥镜影像分析在呼吸系统疾病诊断领域的重要突破。

当前挑战

该数据集面临的核心挑战体现在两个维度：在医学应用层面，需克服传统支气管镜视觉评估中53%的错误分类率及91%的狭窄低估倾向，实现与CT扫描相当的客观测量精度；在技术构建层面，需解决声门下区域缺乏气管环等解剖标志的识别难题，开发基于单帧图像的精准三维重建算法。具体挑战包括：内窥镜图像低分辨率（平均仅50灰度阈值）导致的管腔分割困难，光照条件突变对跟踪稳定性的影响，以及健康气道参考区与临床Myer-Cotton分类标准的位置差异引发的测量偏差问题。

常用场景

经典使用场景

Subglottic Stenosis Dataset在医学影像分析领域被广泛应用于支气管镜检查中的狭窄程度自动评估。该数据集通过提供真实的支气管镜视频和对应的CT扫描数据，为研究人员开发基于视觉的自动化辅助工具提供了重要支持。数据集的核心价值在于其独特的3D重建方法，利用光照衰减原理从单帧图像中提取气道几何信息，从而实现对声门下狭窄区域的精确测量。

衍生相关工作

基于该数据集的核心技术，衍生出多个重要研究方向。LightDepth框架被扩展应用于其他内窥镜场景的3D重建，其光照衰减模型启发了胃肠镜深度估计研究。数据集提出的关键帧选择机制被改进用于气管狭窄评估，而半自动测量方法为开发交互式临床辅助工具奠定了基础，推动了整个内窥镜计算机视觉领域的发展。

数据集最近研究

最新研究方向

近年来，Subglottic Stenosis Dataset在医学影像分析领域引起了广泛关注，特别是在支气管镜视频的自动化分析方面。该数据集为声门下狭窄（SGS）的严重程度评估提供了首个公开的基准，填补了该领域的数据空白。研究热点集中在利用深度学习技术实现自动化的狭窄程度估计，减少传统视觉评估的主观性。通过结合光照衰减现象和3D重建技术，研究者能够从单帧支气管镜图像中精确测量气道狭窄，显著提升了诊断的一致性和可重复性。这一进展不仅优化了临床工作流程，还避免了患者因CT扫描而受到的辐射暴露，具有重要的临床应用价值。

相关研究论文

• Automated vision-based assistance tools in bronchoscopy: stenosis severity estimation

  DIIS, i3A. Universidad de Zaragoza, Zaragoza, Spain. Hospital Universitario Miguel Servet, Zaragoza, Spain. · 2025年