Bridge2AI-Voice Pediatric Dataset — 首个儿科嗓音生物标志物旗舰数据集

INFOBOX — Bridge2AI-Voice Pediatric Dataset 一屏速览

维度	内容
本质	NIH Bridge2AI「Voice as a Biomarker of Health」项目下首个儿科嗓音数据集（派生音频特征，非原始录音）
项目	NIH Common Fund Bridge2AI Program · Precision Public Health Grand Challenge
采集机构	The Hospital for Sick Children（多伦多 SickKids），单一儿科站点
规模	300 名 2-18 岁儿童；23,533 段录音（v1.1.0）
发布	v1.0.0 = 2025-12-17；v1.1.0 = 2026-05-01（当前）
平台	PhysioNet（RRID:SCR_007345）；DOI 10.13026/h995-bt35（v1.1.0）
内容	features（谱图/Mel/MFCC/pitch/sparc EMA/ppgs）+ phenotype（问卷）+ metadata
格式	Parquet + TSV + JSON 数据字典；经 b2aiprep 开源库导出
协议	age-appropriate 年龄分层：2-<4 / 4-<6 / 6-<10 / 10+ 岁四组任务
任务	游戏化元音发声、句子重复、段落朗读、自主对话；核心指标 F0、HNR
许可	Bridge2AI Voice Registered Access License（专有，非 CC）
获取	凭证注册访问（签 DUA）｜原始音频走 Synapse + 机构签核｜无公开直链
资助	NIH 3OT2OD032720-01S1
库内互链	bridge2ai-voice（成人版 rid=66）、cryonuseg（844）、parkinsons-voice-uci（444）、ua-speech（473）

Bridge2AI-Voice Pediatric Dataset 是「把嗓音当作健康生物标志物」这一命题在儿科人群上的第一块公共基础设施。成人嗓音数据在痴呆、抑郁、帕金森、喉癌等方向已有多年积累，而儿童从幼儿到青春期，声带、共鸣腔与神经调控系统始终在快速发育——成人常模不能直接套用，儿科嗓音数据却长期因隐私、知情同意与发育适配任务的难题而稀缺。NIH Bridge2AI 项目下的 Voice 团队，用多伦多 SickKids 儿童医院单站点的 300 名 2-18 岁儿童、23,533 段录音，攒出了这个领域首个大规模儿科旗舰数据集，并把原始音频剥除、只留低风险的派生声学特征，在隐私与可用性之间划出了一条务实的分界线。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——这是注册凭证访问（要签 DUA），没有公开直链；原始音频还要再走一层机构签核，别把两层门混为一谈。
2. 关心儿科嗓音建模：直奔 §4 与 §5——年龄分层任务设计、F0/HNR 指标、以及「成人常模不可迁移」这条核心前提，是使用本数据的全部出发点。
3. 做数据集治理研究：直奔 §7 与 §9——单站点、派生数据优先、原始音频分层的访问架构，是「儿科人群数据共享」的一个可复制范式样本。

§0 导读：这个数据集解决什么问题

嗓音作为生物标志物的研究在过去十年快速升温：抑郁者的基频下降且语调趋平、焦虑者的 F0 显著升高、帕金森与 ALS 患者的语音变慢且单调、呼吸系统疾病可通过咳嗽与发声辅助筛查。但这条研究线的历史包袱是：数据集普遍偏小、人口多样性报告不足、采集协议不统一，导致结论难以外推、难以荟萃。Bridge2AI-Voice 项目要做的，正是建立一套伦理合规、协议标准、规模足够大的旗舰语音数据资源。

儿科是其中最难啃的一块。儿童的呼吸系统与喉部在整个童年持续功能性成熟，声学特征（尤其基频 F0）随年龄剧烈变化；与此同时，自闭症谱系障碍、言语延迟等儿童沟通障碍的早期检测有明确临床需求，却几乎没有大规模公开数据支撑机器学习。数据采集本身还叠加了隐私保护、家长/本人知情同意、任务必须发育适配等儿科特有的障碍。

Bridge2AI-Voice Pediatric Dataset 的回答是三条并行的设计：

• 年龄分层采集：把 2-18 岁拆成四个发育阶段（2-<4、4-<6、6-<10、10+ 岁），每段配一套发育适配的语音任务——幼儿做游戏化元音发声，学龄前做句子重复，学龄期读段落，青春期做自主对话与文本朗读。
• 派生数据优先：公开的只是从原始波形算出的谱图、MFCC、发音运动与音素后验等特征，原始录音不外流；用「低风险派生物」换取更宽的可用面。
• 单站点深采集：与成人版北美五站点不同，儿科版集中在 SickKids 一家儿童医院，换来的是统一的采集环境与年龄适配协议，代价是机构多样性受限。

§0 读法三则：

1. 本条目记的是数据集体（PhysioNet 条目），不是一篇期刊论文——它与 IJPO 的儿科采集协议论文是「数据 + 方法」的互补关系（§2、§3）。引用数据引 PhysioNet DOI，引用协议方法引 IJPO 论文。
2. 全文硬数字以 PhysioNet 页面与 bridge2ai.org 官方公告为一手源；录音数在 v1.1.0 与 v1.0.0 间有 23,533 vs 22,620 的版本差（坑 1），不是矛盾而是增量。
3. 它与库内已收录的成人版 bridge2ai-voice（rid=66）是同项目的两个独立数据集，不是别名也不是版本覆盖——检索时两者都要看（§9）。

0.1 本条目在库内的定位

AI-Ready Wikipedia 收录的每一类数据集，都在回答「什么样的数据才算机器可用」。本条目在这个框架里代表一种特殊形态：元数据完全开放、数据本体受权限管制的资源。它的存在提醒我们，「AI-Ready」不等于「数据可随意下载」——一份抽象、文件清单、数据字典、版本说明与引用规范齐备的受管制数据集，同样能被检索者在不触达数据的前提下完成适用性评估。

它同时是库内儿科主题与语音生物标志物主题的交集样本：儿科数据稀缺、语音可识别性强，两个因素叠加使它的合规门槛天然高于普通医学数据。理解它的访问架构，也就理解了敏感人群数据共享的基本约束。

0.2 一句话前提

使用本数据集前请先记住三个硬前提，它们贯穿全文：

1. 只有派生特征，没有原始波形（派生物定位）。
2. 只有 SickKids 一个站点（空间边界）。
3. 年龄是主变量，必须分层（发育约束）。

§1 数据集速览：十问十答

Q1：Bridge2AI-Voice Pediatric 到底是什么？
它是 NIH Common Fund Bridge2AI 项目「Voice as a Biomarker of Health」子项目在儿科人群上的数据发布：300 名 2-18 岁儿童、23,533 段录音的派生音频特征与表型数据，托管在 PhysioNet。发布物里没有原始音频，只有从波形算出的谱图、倒谱、发音运动与音素后验等特征。

Q2：谁做的、在哪采的？
NIH Bridge2AI-Voice 联盟，采集站点是加拿大多伦多儿童医院（The Hospital for Sick Children，SickKids），是 pediatric 版的唯一站点。数据采集与共享经 SickKids 研究伦理委员会批准。通讯作者为南佛罗里达大学的 Yael Bensoussan。

Q3：规模多大？
300 名参与者，年龄 2-18 岁，23,533 段录音（v1.1.0，2026-05-01）。注意 v1.0.0（2025-12-17）发布时为 22,620 段——v1.1 不是新增儿童，而是补上了原先未放出的自由语音任务特征（913 段增量）。

Q4：有哪些数据文件？
分三块：features（派生音频特征 Parquet：谱图 201×T、Mel 谱图 60×T、MFCC 60×T、pitch、sparc EMA T×12、响度、周期性、ppgs 40×T）、phenotype（人口统计与问卷 TSV，如 demographics.tsv）、metadata（录音元数据）。另配 static_features.tsv、audio_quality_metrics.tsv 与各 JSON 数据字典。

Q5：为什么分成年龄段？
因为儿童嗓音随发育剧烈变化，成人证据不能外推。团队把 2-18 岁划为四段（2-<4、4-<6、6-<10、10+ 岁），为每段设计适配其语言认知能力的任务：幼儿游戏化元音发声、学龄前句子重复、学龄期段落朗读、青春期自主对话+文本朗读。这套协议即论文中的 Voice2AI 协议。

Q6：核心声学指标是什么？
基频 F0（fundamental frequency）与谐噪比 HNR（harmonics-to-noise ratio）等。特征文件里的 sparc_pitch 给出 50-550 Hz 的 F0 轨迹，torchaudio_pitch 给出 80-500 的 pitch，另有响度、周期性、以及 40 类音素的后验概率图（ppgs）。

Q7：有问卷和临床信息吗？
有。phenotype 目录含详细人口统计、临床信息与标准化问卷（报道提及 Pediatric VHI-10 嗓音障碍指数），并整合医疗史；因儿科特殊性，对病史不熟悉的儿童由家长/决策者在另一台平板上同步填答。

Q8：要怎么拿到数据？
走 PhysioNet 的凭证注册访问（Database Credentialed Access）：注册账号、签署 Bridge2AI Voice Registered Access Agreement（DUA），仅此之后才能下载文件。原始音频是更严的一层，需机构签核并走 Synapse，联系 DACO@b2ai-voice.org。

Q9：和成人版什么关系？
同一项目、同一联盟、两个独立数据集。成人版（Bridge2AI-Voice）五站点采集、833 名参与者、32,249 段录音（v3.1.0）；儿科版单站点（SickKids）、300 名儿童、23,533 段录音。两者在 PhysioNet 上各有独立条目与 DOI，库内分别对应 rid=66 与本条目。

Q10：为什么它对 AI-Ready 重要？
它是「受权限管制但元数据完全开放」的样本：数据本体在凭证墙内，而 abstract、文件结构、数据字典、版本说明全部公开可查，使检索者能在不触达数据的情况下判断适用性。儿科 + 注册访问 + 派生数据优先的组合，是医学数据共享里一个值得单独研究的分层架构。

Q11：谁适合用？谁不适合？
适合：儿科语音言语 AI 团队、发育声学研究、需要儿科维度对照的语音基础模型研究、医学数据治理研究。不适合：需要原始波形的端到端建模、需要全球儿科代表性的泛化研究、要即插即用公开直链的快速实验、要现成 leaderboard 对标的工作。

Q12：它的最大局限是什么？
三重边界叠加：单站点（多伦多 SickKids）限制空间外推、派生数据（无原始音频）限制任务类型、注册墙限制获取速度。任何使用都应主动声明这三条。

§1bis 一页纸速查（TL;DR）

问题	一句话答案
是什么	NIH Bridge2AI 首个儿科嗓音数据集（PhysioNet）
谁做的	Bridge2AI-Voice 联盟，SickKids 采集
多大规模	300 名 2-18 岁儿童 / 23,533 段录音
有什么	派生音频特征 + 表型问卷 + 元数据
怎么采	平板 app、年龄分层协议（四段）
怎么拿	注册 + 签 DUA；原始音频走 Synapse
什么许可	专有注册访问许可（非 CC）
能干嘛	发育规范、早筛 AI、临床关联探索
不能干嘛	原始波形的端到端建模、跨人群泛化声明
和成人版啥关系	同项目独立数据集（成人 833 人 / 儿科 300 人）

§2 数据构成与规格

2.1 规模、站点与人群

Bridge2AI-Voice Pediatric Dataset v1.1.0 的核心硬数字：

项	数值	来源
参与者	300 名	PhysioNet abstract
年龄范围	2-18 岁	PhysioNet abstract + 纳入标准
录音数（v1.1.0）	23,533 段	PhysioNet abstract + 各 parquet n 值
录音数（v1.0.0）	22,620 段	bridge2ai.org 公告（2025-12-22）
录音总时长	28.10 小时	bridge2ai.org 项目页
采集站点	SickKids（多伦多），1 个	PhysioNet methods
语言	英语（纳入标准要求英语能力）	PhysioNet methods

纳入与排除标准（PhysioNet 原文口径）：纳入 2 至 18 岁且具备英语能力者；排除超过 18 岁者与非言语（non-verbal）个体。受试者来自 SickKids 的患者/健康志愿者，另有通过研究招募海报招募的非患者，二者按同一纳入/排除标准评估。

单站点的双刃：与成人版北美五站点（833 人）不同，儿科版把采集集中在一家儿童医院。好处是采集环境、设备、人员培训高度统一，年龄适配协议能被同一团队稳定执行；代价是地理与人口多样性受限——SickKids 是多伦多的专科儿童医院，其就诊人群不能代表全球（甚至不能代表全加拿大）的儿童嗓音分布。任何跨机构泛化结论都要带上这层限制（§9 与 dataLimitations 已存照）。

2.2 目录结构与文件清单

数据集在 PhysioNet 上组织为三个顶层目录：

目录	内容	代表文件
features	派生音频特征（Parquet 二进制）	torchaudio_spectrograms.parquet、sparc_ema.parquet、ppgs.parquet 等
phenotype	表型问卷数据（TSV）	demographics.tsv
metadata	逐录音元数据	录音级信息表

每个 Parquet 文件的元素结构统一，含五个字段：

字段	语义
participant_id	参与者唯一标识
session_id	录音会话唯一标识
task_name	所执行任务
n_frames	该特征的时间帧数
张量数据	该特征的具体数值

2.3 特征文件规格全表

v1.1.0 的 features 目录包含九类密集特征文件，规格如下（n 值为 PhysioNet 页面披露）：

文件	维度	n	提取工具/参数
torchaudio_spectrograms.parquet	201×T	23,533	STFT，25ms 窗、10ms hop、400-point FFT
torchaudio_mel_spectrograms.parquet	60×T	23,533	Mel 谱图，同窗/hop/FFT，60 Mel bins
torchaudio_mfcc.parquet	60×T	23,533	梅尔频率倒谱系数（自谱图）
torchaudio_pitch.parquet	T	23,533	基频轨迹，pitch 范围 80-500
sparc_ema.parquet	T×12	23,532	电磁发音图，6 个发音器（TD/TB/TT/LI/UL/LL）各 X/Y
sparc_loudness.parquet	T	23,532	响度，20ms 窗
sparc_periodicity.parquet	T	23,532	周期性，20ms 窗
sparc_pitch.parquet	T	23,532	基频 F0，范围 50-550 Hz
ppgs.parquet	40×T	23,533	语音后验概率图，40 音素类，帧率 100Hz

一处值得注意的细节：sparc 系列文件比 torchaudio/ppgs 系列少 1 条（23,532 vs 23,533）。这提示 sparc（发音运动）特征对某一段录音未能成功提取——可能是该录音质量或内容不满足 sparc 的处理前提。使用者在做跨特征对齐（例如把 EMA 与谱图按录音 join）时，须对这段缺失做显式处理，否则会产生一对多的错配。

另有两类非 Parquet 文件：

• static_features.tsv：每条录音一行的静态特征，由 openSMILE（声学特征）、Praat / parselmouth（韵律与音质：基频、共振峰、嗓音质量）、torchaudio 派生，附同名 JSON 数据字典。
• audio_quality_metrics.tsv：录音级音频质量指标（v1.1 新增），用于质控筛选。

2.4 表型与元数据

phenotype 目录承载采集时获得的表型信息，PhysioNet abstract 描述为「detailed demographic, clinical, and validated questionnaire data」（详细人口统计、临床与经过验证的问卷数据）。页面示例用 demographics.tsv 演示 pandas 读取（tab 分隔、首行表头），并说明表型数据由 b2aiprep 库将源数据合并生成。

表型数据的临床价值在于其三维模块结构（据 IJPO 协议论文口径）：人口统计学、医疗史、标准化问卷（含 Pediatric VHI-10 嗓音障碍指数量表）。特别是协议整合了医疗史与遗传诊断信息，使研究者能探索嗓音特征与特定疾病（如 22q11.2 缺失综合征）的关联——这是把「嗓音生物标志物」从群体统计推进到具体遗传病机制的一条通路。

2.5 与成人版的规格对照

把儿科版与库内成人版（bridge2ai-voice，rid=66）并排放，能看清两套数据的定位差异：

维度	成人版（Bridge2AI-Voice）	儿科版（本条目）
参与者	833（v3.1.0）	300
录音数	32,249	23,533
总时长	158.52 小时	28.10 小时
站点数	5（北美）	1（SickKids）
疾病分组	嗓音/神经/情绪/呼吸四类	儿科（自闭症、言语延迟等）
纳入年龄	成人	2-18 岁
协议	成人标准化协议	年龄分层协议（四段）
访问	注册凭证访问	注册凭证访问

两表的关键信息是人均录音密度：儿科版 300 人对应 23,533 段 = 约 78.4 段/人，成人版 833 人对应 32,249 段 = 约 38.7 段/人。儿科版人均录音约为成人版的两倍——这与年龄分层协议要求每个儿童完成更多、更细分任务的设计相符（需要在不同任务类型上密集采样才能刻画发育期特征）。

2.6 体量估算与存储建议

数据集体量可从两方面估算，供管线规划参考：

• 录音时长：28.10 小时（bridge2ai.org）。若按 16 kHz 单声道 16-bit 估算，原始波形约 3.2 GB；但本发布只给派生特征，实际下载体量以特征文件为准。
• 特征膨胀：谱图类特征是主要体量来源。201×T 的单精度浮点谱图，一段 3 秒录音（T≈300）约 201×300×4 B ≈ 235 KB，23,533 段累计数十 GB 量级——实际以 Parquet 列式压缩后为准。建议：
  1. 训练时按需流式读取单段特征，避免一次性加载全量谱图；
  2. 若只需统计特征，优先用 static_features.tsv（每录音一行，体量小）；
  3. ppgs（40×T）与 sparc_ema（T×12）体量远小于谱图，适合先做探索性分析。

2.7 命名约定与对齐键

跨特征对齐依赖三个键的组合：participant_id / session_id / task_name。使用要点：

1. 同一参与者可能有多段录音（不同任务），对齐到「人」需按 participant_id 聚合；
2. session_id 区分会话——单次会话设计意味着多数参与者一个 session，但字段保留会话维度以兼容多次采集；
3. task_name 是任务标签——跨任务比较前须固定 task_name，否则会把「任务差异」误读为「个体差异」；
4. sparc 缺失：join sparc 系列时注意 23,532 vs 23,533 的 1 条差，建议用 inner join 并记录被排除的录音。

§3 采集协议与流水线：一台平板、四个年龄段

3.1 现场采集流程

PhysioNet 的 Methods 节完整描述了单次会话的采集流程：

1. 现场招募：SickKids 就诊患者/健康志愿者，或经研究海报招募的非患者，按 2-18 岁 + 英语能力评估资格。
2. 知情同意：确认资格后，取得家长或参与者本人的同意，方可采集与共享数据。
3. 编号与协议分配：参与者获唯一研究编号，套用标准化、年龄适配的采集协议。
4. 单次会话完成：所有参与者在一次会话内完成录音与人口统计采集。
   • 多数参与者用头戴麦克风（headset）录音；少数因无法耐受佩戴耳机或合并复杂疾病，改用平板内置麦克风。
   • 对病史理解不足或不够熟悉的儿童，由家长/决策者在另一台平板上同步填写问卷。录音与问卷同步进行，既提高效率又减少儿童负担与疲劳。
5. 数据导出：用团队自研开源库把数据导出并转换为 tab 分隔值（TSV）。

一个容易被忽略但影响建模的细节是录音设备不统一：headset 与平板内置麦克风的频响、信噪比、远端噪声特性不同。虽然数据提供了 audio_quality_metrics.tsv 供质控，但使用者在做跨录音的声学量比对时，应把设备类型当作潜在协变量处理——否则设备差异可能伪装成「个体/疾病差异」。

3.2 年龄分层协议（Voice2AI）

儿科版区别于成人版的核心设计，是把 2-18 岁拆成四段，每段配适龄任务（据 IJPO 协议论文口径）：

年龄段	发育阶段定位	代表任务	目标声学指标
2-<4 岁	幼儿期	游戏化元音发声（视觉反馈引导持续发音）	基频 F0（克服注意力短暂）
4-<6 岁	学龄前	简单句子重复	语音清晰度、语调
6-<10 岁	学龄期	阅读段落	连贯语音的声学稳定性
10+ 岁	青春期	自主对话 + 标准文本朗读	变声期嗓音参数动态

四组任务的设计逻辑是把「任务复杂度」匹配到「神经语言发育阶段」：越小的孩子任务越游戏化、越依赖视觉引导以维持配合度；越大的孩子任务越接近临床语音评估的标准范式。团队采用迭代设计优化流程，并建立质控体系以最小化声学测量变异。

3.3 特征提取流水线（b2aiprep）

原始音频在导出前经过统一预处理（成人版可用口径参考：单声道化 + 16 kHz 重采样 + Butterworth 抗混叠滤波；儿科版共享同一 b2aiprep 管线）。随后从标准化音频派生五类数据：

原始录音（headset / 平板麦克风）
   │  单声道化 + 16 kHz 重采样 + 抗混叠
   ▼
标准化音频
   ├── torchaudio STFT ──────► 频谱图（201×T）
   ├── Mel 滤波器组 ─────────► Mel 谱图（60×T）
   ├── 倒谱变换 ─────────────► MFCC（60×T）
   ├── pitch 提取 ───────────► 基频轨迹（pitch / F0）
   ├── sparc 包 ─────────────► EMA（T×12）/ 响度 / 周期性 / F0
   ├── ppgs 包 ──────────────► 音素后验图（40×T @100Hz）
   └── openSMILE/Praat ──────► static_features.tsv（声学/韵律/音质）

这套流水线对应的开源库是 b2aiprep（github.com/sensein/b2aiprep），也是成人版与儿科版共用的提取工具。它的存在意味着：从原始音频到公开特征是可复现的既定管线——只要拿到同源原始音频（controlled access），理论上可以复算出一致的特征。

3.4 去标识与隐私处理

儿科数据的去标识要求比成人更严。据 PhysioNet 与公告口径，本发布采取的处理包括：

1. 只发行派生特征，不发行原始波形——从源头切断了「可还原语音内容」的风险，这是「低风险派生数据」定位的技术基础。
2. 自由语音任务特征的专项人工核验（v1.1 新增）：所有自由语音任务的音频特征在放出前经人工检查是否存在未同意的说话者与 PII，才纳入发布。
3. HIPAA Safe Harbor 标识符移除（成人版声明的去标识清单，儿科版沿用同框架）：姓名、地理定位、细于年份的日期、电话/传真、邮箱、IP、SSN、病历号等一并去除；州/省移除，国家保留。
4. 区域访问控制：即便签署 DUA，抓取时点本条目在部分区域（含本代理所在环境）显示 “not available in your region due to legal or policy restrictions”——法律/政策合规被前置到访问层。

3.5 采集协议的儿科适配细节

儿科采集最容易被低估的困难是配合度与安全。从 PhysioNet 的方法节与协议论文可提炼出四条儿科专用设计：

1. 头戴麦优先但不强制：多数用头戴麦以保证录音质量与固定音距，但对无法耐受佩戴耳机或合并复杂疾病者改用平板麦——把「依从性」置于「设备统一性」之上。
2. 同步问卷减轻负担：儿童录音的同时由家长在另一台平板填病史问卷，避免让儿童等待或分心。
3. 游戏化引导：低龄段用视觉反馈引导持续元音发声，把声学任务包装成游戏，解决幼儿注意力短暂问题。
4. 单次会话完成：所有参与者在一次会话内完成全部采集，减少往返与疲劳——这也是数据集中多数人只有一条 session 的原因。

这四条共同构成了「儿科数据的可采集性」基础：不是把成人协议简单套到儿童身上，而是围绕儿童的行为与认知特点重新设计流程。

3.6 与成人版协议的分野

维度	成人版	儿科版
站点数	5	1
任务套数	单套标准协议	4 套年龄分层协议
关键发育变量	疾病相关	年龄/发育阶段
核心指标	F0、语音谱系特征	F0、HNR（随年龄变化）
会话数	部分参与者多次	多数单次
设备	头戴麦为主	头戴麦优先 + 平板麦兜底

分野的核心是：成人协议可以把「年龄」当噪声，儿科协议必须把「年龄」当信号——这正是年龄分层协议存在的理由。

§4 使用场景与科学价值

4.1 为什么儿科需要独立数据集

儿科嗓音研究的根本困难在于发育本身。从幼儿到青春期，儿童的呼吸系统与喉部经历快速的功能成熟：声带长度与质量变化、共鸣腔体积增大、神经对发声肌群的控制逐步精细化——这些都会直接改变可观测的声学特征，首当其冲的就是基频 F0。其后果是双重的：

1. 成人常模不可迁移：在成人数据上训练或校准的模型/阈值，套到儿童身上会系统性失准。PhysioNet 明确写道「evidence/normative data that we have in adults cannot be generalized to pediatric populations」。
2. 儿童内部也非齐质样本：一个 3 岁和一个 16 岁儿童的「正常嗓音」定义不同。数据集必须支持按年龄分层的分析，而不是把 300 名儿童当成一个同分布总体。

4.2 目标应用方向

据数据集文档与协议论文，儿科版明确服务于三类应用：

方向	说明
发育规范研究	建立各年龄段的声学常模（F0、HNR 等的年龄轨迹），作为「偏离正常」的判据
早期筛查 AI	训练/评测儿童沟通障碍（自闭症谱系障碍、言语延迟）的语音早筛模型
临床洞察	结合医疗史与遗传诊断，探索嗓音特征与具体疾病的关联（如 22q11.2 缺失综合征）

这三者的共同前提是大规模、协议标准化、带表型的儿科语音数据——恰恰是此前的空白。本数据集的价值不在于某个具体模型，而在于把儿科语音 AI 的训练底座从「零散小样本」抬升到「统一协议的数百人级」。

4.3 与成人版的互补关系

同项目的成人版与儿科版不是替代而是互补：

• 成人版：833 人、五站点、覆盖嗓音/神经/情绪/呼吸四类疾病——解决「疾病 × 嗓音」的临床关联广度。
• 儿科版：300 名儿童、单站点、只覆盖儿科——解决「发育 × 嗓音」的年龄段纵深，外加自闭症/言语延迟这类成人没有的儿科场景。

对做语音基础模型的研究者，两者组合起来才有意义：成人数据提供疾病谱系，儿科数据提供发育谱系。若只用一个，模型的适用人群就会被隐性限定。

4.4 使用前的三条认知

1. 派生特征 ≠ 原始音频：本发布不含波形。凡是需要从原始音频出发的任务（如端到端自监督预训练、需要相位的处理、需要原始噪声底的分析），本数据集都支撑不了——那要另行申请 controlled access 的原始音频。
2. 单站点 = 有限外推：所有结论的空间边界是多伦多一家儿童医院。
3. 注册墙 = 协作成本：数据在凭证墙内，团队协作、复现、竞赛等需要预先规划访问流程与 DUA 审批时间。

4.5 典型研究流程示范

一个使用本数据集的典型流程可拆为六步：

1) 资格与合规  → 确认区域可用性 + 注册 credentialed + 签 DUA
2) 下载与质控  → 取 features/phenotype/metadata + audio_quality_metrics 过滤低质录音
3) 分层与对齐  → 按 participant_id/session_id/task_name 对齐；按四段年龄分层
4) 特征构造    → 按任务选特征（F0 用 sparc_pitch；早筛用 MFCC+PPG+static）
5) 建模与验证  → 年龄分层交叉验证；注意单站点边界，勿声称跨机构泛化
6) 报告与引用  → 引 PhysioNet DOI；声明单站点、派生数据、年龄分层三项限制

第 3 步的「分层」是儿科特有的必做项：若跳过年龄分层直接在全龄段上训练/评测，模型会隐式学习「年龄」这一强混淆变量，任何疾病信号都可能被年龄效应淹没。第 5 步的验证设计同理——年龄分层交叉验证（在每个年龄段内部做留出）比全局随机划分更能反映真实性能。

4.6 与语音基础模型生态的关系

对做语音自监督基础模型的研究者，本数据集提供的是一个儿科维度的对照与微调资源：

• 能做什么：在派生特征（Mel 谱图等）上微调或评测已有编码器在儿童语音上的表现；用 ppgs 做音素层面的跨年龄分析；用 EMA 做发音层面的可解释研究。
• 不能做什么：从零预训练大规模语音模型（需要原始波形与更大体量）；做说话人识别/验证（隐私设计与任务不匹配）。
• 一个被低估的价值：儿童语音因声学特征与成人差异大，是检验「语音模型跨人群鲁棒性」的天然压力测试集——模型在成人数据上的高分能否迁移到儿童，是一个尚未被充分研究的泛化问题。

§5 特征解读：九个文件各答什么问题

本节把九个特征文件按其「回答什么问题」重新组织，便于按任务选特征。

5.1 谱图与倒谱：时频表征

特征	回答的问题	典型用途
频谱图（201×T）	「这段声音在不同时刻各频率的强度如何」	通用声学建模、异常发声检测
Mel 谱图（60×T）	「按人耳感知的频率刻度，能量如何分布」	感知对齐的语音任务、神经网络输入
MFCC（60×T）	「声道的倒谱包络长什么样」	传统语音识别/说话人特征、低维表征

STFT 参数（25ms 窗、10ms hop、400-point FFT）决定了谱图的时间-频率分辨率：10ms hop 给出 100Hz 的帧率，能捕捉发声的快速变化；25ms 窗在低频 F0 处有可接受的分辨率。儿科版与成人版在此参数上一致（成人部分版本用 512-point FFT，儿科版为 400-point，属版本级差异）。

5.2 基频与音质：发声的核心生理量

特征	回答的问题	取值范围
torchaudio_pitch	「发声的基频轨迹」	pitch 80-500
sparc_pitch	「基频 F0 的精细轨迹」	F0 50-550 Hz
sparc_loudness	「响度随时间变化」	20ms 窗
sparc_periodicity	「声门振动的周期性（嗓音清晰度线索）」	20ms 窗

F0 是儿科分析的头号变量：它随年龄单调变化，是「发育规范」的主轴；其异常（过高/过低/不稳）是多种沟通障碍的线索。sparc_pitch 的 50-550 Hz 范围覆盖了从幼儿高音到青春期变声后的较宽区间，比 torchaudio_pitch 的 80-500 更宽，做 F0 分析时优先用 sparc_pitch。

5.3 发音运动与音素后验：可解释的中间表征

特征	回答的问题	结构
sparc_ema	「发音器官（舌尖/舌体/唇）如何运动」	T×12（6 发音器 × X/Y）
ppgs	「每一时刻各音素的可能性分布」	40×T，100Hz

• EMA（电磁发音图） 给出声道发音器（TD 舌尖/ TB 舌体 / TT 舌叶 / LI 下切牙 / UL 上唇 / LL 下唇）的二维运动学轨迹，是「语音产生」层面的物理量，可解释性强。
• PPGs（音素后验图） 是 40 类音素在 100Hz 上的概率分布，把连续声学信号转成离散语音单元的时序——常用于语音合成与发音障碍分析，也可作为跨说话人的「内容归一化」表征。

这两类特征的存在，使本数据集超出「声学特征堆」的层次，进入可解释的语音产生链：从发音运动（EMA）到音素（PPG）到声学（谱图）到感知（Mel），形成一条从生理到感知的表征阶梯。

5.4 静态特征与质量指标

static_features.tsv 把每条录音压缩成一行（openSMILE 的韵律/频谱统计 + Praat 的基频/共振峰/音质 + torchaudio 派生），适合做快速的特征工程基线或传统机器学习；audio_quality_metrics.tsv 则用于质控：按信噪比、削波、静音比例等指标筛掉低质量录音——考虑到本数据集设备不统一（headset vs 平板麦），质量指标是必用的前置过滤。

5.5 特征选择速查

你的任务	首选特征
儿童 F0 发育常模	sparc_pitch（50-550Hz）
言语延迟/自闭症早筛	MFCC + PPG + static_features
发音障碍分析	sparc_ema + PPG
端到端声学模型	Mel 谱图
嗓音质量（HNR 等）	static_features（Praat 派生）
质控过滤	audio_quality_metrics.tsv

5.6 发育视角下的特征使用要点

把特征放在「发育」这条主轴上，使用要点与传统成人语音分析有三处不同：

1. F0 是自变量也是因变量：在成人分析里 F0 常是「预测疾病的特征」；在儿科分析里 F0 本身随年龄单调变化，做疾病判别前必须先按年龄归一化，否则模型学到的可能是年龄而非病理。
2. 任务类型必须匹配年龄：不能用「所有年龄段的元音发声」做统一分析，因为低龄组用的是游戏化引导、高龄组是自主对话——任务差异与年龄差异共线。跨年龄比较应在相同任务内进行。
3. 声学稳定性随发育提升：学龄期（6-<10）的连贯语音比学龄前更稳定，段落朗读任务给出的声学稳定性指标本身携带发育信号——解读时须区分「发育成熟」与「病理改善」。

5.7 特征间的冗余与互补

九个特征并非正交，存在明显冗余，建模时可按需裁剪：

组	成员	关系
谱图组	频谱图、Mel 谱图	强相关（Mel 是谱图的感知加权），通常二选一
倒谱组	MFCC	从谱图派生，是谱图的压缩表征
基频组	torchaudio_pitch、sparc_pitch	高度重叠（都是 F0 轨迹），优先 sparc_pitch
音质组	sparc_loudness、sparc_periodicity	互补（响度 vs 周期性）
发音组	sparc_ema	独立维度（运动学）
音素组	ppgs	独立维度（离散语音单元）
汇总组	static_features	上列各量的统计压缩

裁剪原则：谱图/倒谱选一个入口，基频选 sparc_pitch，发音与音素按可解释性需求增补，static_features 作快速基线。避免把强相关的谱图与 Mel 谱图同时喂入模型，徒增维度与过拟合风险。

§6 获取与许可：注册墙与两层门

6.1 一层门：凭证注册访问

Bridge2AI-Voice Pediatric Dataset 的访问级别是 PhysioNet 的 “Database Credentialed Access”。规则原文为：「Only credentialed users who sign the DUA can access the files.」（仅签署数据使用协议的凭证用户可访问文件）；「No training required」（无需额外培训）。

实操路径：

1. 在 PhysioNet 注册账号并申请 credentialed 资格（通常需机构邮箱与身份验证）；
2. 签署 Bridge2AI Voice Registered Access Agreement（DUA）；
3. 签署生效后方可下载 features/phenotype/metadata 文件。

抓取时点的重要存照：本代理环境访问该页 Files 区时显示 “Data Not Available — Data is not available in your region due to legal or policy restrictions”——即合规性受地理/法律限制，部分区域即便走完流程也可能无法下载。这是儿科 + 语音（可识别生物特征）数据的典型合规姿态。

6.2 二层门：原始音频的机构签核

原始音频不在本 PhysioNet 条目内（本条目只有派生特征）。要拿原始录音，需机构签核（institutional sign-off），属 controlled access，通过 Synapse 平台申请：

资产	平台	入口	门槛
派生特征（本条目）	PhysioNet	physionet.org/content/b2ai-voice-pediatric	注册 + 签 DUA
原始音频（儿科）	Synapse	synapse.org/Synapse:syn73617068	机构签核 + controlled access
原始音频（成人，对照）	Synapse	synapse.org/Synapse:syn72370534	机构签核 + controlled access

两层门都统一由访问委员会对接，公开联系邮箱为 DACO@b2ai-voice.org。官网文档入口为 docs.b2ai-voice.org。

6.3 许可条款细读

许可名称为 Bridge2AI Voice Registered Access License——这是项目自定的专有许可，不是 CC 系列（与库内多数 CC BY 数据集不同）。含义：

1. 署名与来源：使用时须按 PhysioNet 页面给定的引用格式引用（v1.1.0，DOI 10.13026/h995-bt35）。
2. 用途限制：DUA 约定的使用范围受约束，商用与再分发条款未公开细化——衍生模型/权重的许可状态属灰色地带，商用前须与访问委员会书面确认。
3. 不可绕过访问流程：注册许可的本质是「控制访问」，任何形式的再分发都违反 DUA。

6.4 版本链与引用规范

版本	发布日期	关键变化	DOI
v1.0.0	2025-12-17	首个儿科发布（22,620 段录音）	（页面未列独立 DOI）
v1.1.0	2026-05-01	新增自由语音任务特征 + 质量指标 + 元数据（23,533 段），无新增参与者	10.13026/h995-bt35
latest（别名）	滚动	指向当前版本	10.13026/mf9s-5r03

引用规范（BibTeX key PhysioNet-b2ai-voice-pediatric-1.1.0）：

@misc{PhysioNet-b2ai-voice-pediatric-1.1.0,
  author = {Bensoussan, Yael and Sigaras, Alexandros and Rameau, Anais and
            Elemento, Olivier and Powell, Maria and Dorr, David and Payne, Philip and
            Ravitsky, Vardit and B{\'e}lisle-Pipon, Jean-Christophe and Bahr, Ruth and
            Watts, Stephanie and Bolser, Donald and Siu, Jennifer and Lerner-Ellis, Jordan and
            Rudzicz, Frank and Boyer, Micah and Abdel-Aty, Yassmeen and Ahmed Syed, Toufeeq and
            Amraei, Dona and Anibal, James and ... and Ghosh, Satrajit},
  title  = {{Bridge2AI-Voice Pediatric Dataset}},
  year   = {2026},
  note   = {Version 1.1.0},
  doi    = {10.13026/h995-bt35},
  url    = {https://doi.org/10.13026/h995-bt35},
  publisher = {PhysioNet},
  note2  = {RRID:SCR_007345}
}

（注：作者列表逾 130 人，此处按 PhysioNet APA 顺序节选，完整列表见页面。）

6.5 AI-Ready 评估

以库内 AI-Ready 检查单过一遍本数据集：

检查项	状态	说明
F1 全局唯一标识	良好	PhysioNet DOI + RRID:SCR_007345 + 版本 DOI
F2 富元数据	良好	abstract、文件结构、数据字典 JSON、版本说明全部公开
A1 可访问协议	受限	凭证注册访问（签 DUA），无公开直链；区域合规限制
A2 元数据可访问	良好	即便数据未下载，元数据始终开放可查
I1 互操作格式	良好	Parquet/TSV/JSON 标准格式 + 开源 b2aiprep 管线
I2 词汇表引用	良好	音素（PPG）、EMA、F0 等标准术语
R1 来源溯源	良好	版本链、去标识流程、采集协议均有文档
R3 可复现流程	良好	b2aiprep 开源；特征提取管线可复现

综合判断：AI-Ready 等级「中」——元数据质量与格式互操作性优秀，技术可复现性强；但数据本体在凭证墙内且附带区域限制，可获取性是最大短板。这与库内多数「注册墙」条目同档。

6.6 DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	PhysioNet 高可见平台 + bridge2ai.org 官方公告 + DOI/ RRID 完备；「Pediatric」后缀清晰区别于成人版
A 可获取性	4	凭证注册访问（签 DUA），无公开直链；原始音频另需机构签核；抓取时点区域不可下载
I 可互操作	8	Parquet/TSV/JSON 标准 + b2aiprep 开源 + 清晰字段 schema
M 元数据质量	8	abstract/数据字典/版本说明/引用格式齐全；仅 task_name 完整清单与逐文件体量未全披露
S 可持续性	7	依托 PhysioNet（长期平台）+ NIH 资助（3OT2OD032720-01S1）+ 联盟多机构支持；风险在于联邦资助周期与数据治理政策变化
综合评级	7.0/10（中上）	元数据与互操作性接近金标准，可获取性被注册墙 + DUA + 区域限制三重拖低

6.7 库内可获取性光谱定位

档位	库内参照	本条目对应
公开直链（最松）	HF/Zenodo 直链型	—
注册墙	需注册+审批型（如 LMC2）	—
凭证访问（DUA）	数据使用协议型	本体（features/phenotype）
机构签核 controlled	Synapse 管制型	原始音频

本条目跨两档：派生特征落「凭证访问」，原始音频落「机构签核」——同一数据集内部两层门，是儿科语音数据共享的典型分层结构。对检索者的影响：按「能否立刻下载」过滤时本条目会被判为「不可直取」；按「元数据是否可分析」过滤时则完全命中。

§7 生态、治理与影响

7.1 Bridge2AI 项目全景

Bridge2AI（Bridge to Artificial Intelligence）是 NIH Common Fund 于 2022 年发起的旗舰项目，旨在生成 AI-ready 的生物医学数据。其中「Voice as a Biomarker of Health」子项目（资助号 3OT2OD032720-01S1）专攻嗓音数据，采用**联邦学习（federated learning）**等技术在多机构间协作而不集中原始数据，并与电子健康记录（EHR）、放射组学、基因组学等多模态数据关联。

项目定位的五类疾病域：嗓音病理（喉癌、声带麻痹）、神经/神经退行（阿尔茨海默、帕金森）、情绪精神（抑郁、双相）、呼吸系统（肺炎、COPD）、儿科（自闭症、言语延迟）。儿科版正对应最后这一类，是项目「五域」中此前最薄弱的一环。

7.2 联盟机构与治理结构

Bridge2AI-Voice 联盟横跨美加多所机构，主要节点（据公开作者 affiliation 整理）：

机构	代表贡献者
University of South Florida	Yael Bensoussan（通讯）、Ruth Bahr、Tempestt Neal
Weill Cornell Medicine	Olivier Elemento、Anais Rameau、Alexandros Sigaras
MIT	Satrajit Ghosh
University of Toronto	Alistair Johnson
Vanderbilt University Medical Center	Maria Powell、Alexander Gelbard
Oregon Health & Science University	David Dorr、Steven Bedrick
Washington University in St. Louis	Philip Payne
Université de Montréal / Simon Fraser	Vardit Ravitsky、Jean-Christophe Bélisle-Pipon（伦理）
The Hospital for Sick Children（多伦多）	儿科采集站点（Anna Goldenberg、Evan Ng 等）
Dalhousie University	Frank Rudzicz
Mount Sinai Health（多伦多）	Jordan Lerner-Ellis

治理上值得记录的是伦理团队的前置参与：Ravitsky 与 Bélisle-Pipon 作为生物伦理学者列入核心作者，反映项目在设计阶段就把知情同意、隐私与公平性纳入——儿科数据尤其如此。访问委员会（DACO）负责 DUA 审批，构成数据治理的执行层。

7.3 儿科协议论文的方法学贡献

与数据集配套的 IJPO 论文《Developing Age-Specific Protocols for Pediatric Voice Databases in Artificial Intelligence Research》是方法学支柱。其核心贡献有三：

1. 四段年龄分层：2-<4 / 4-<6 / 6-<10 / 10+ 岁，把发育生物学原理转化为采集标准。
2. 发育适配任务设计：任务复杂度匹配神经语言发育阶段（游戏化发声→句子重复→段落朗读→自主对话）。
3. 质量控制体系：最小化声学测量变异，用固定距离迷你头戴麦克风保证录音质量。

论文（据二手报道）整合了 100 例儿科临床数据作为协议验证，命名为 Voice2AI 协议。它把「儿科语音数据怎么采」从零散经验上升为可复制规范——这正是数据集 300 人规模能保持一致性的方法论前提。

7.4 影响与在线生态

• 官方入口：b2ai-voice.org（数据集主页）+ docs.b2ai-voice.org（文档）；项目页 bridge2ai.org/5925。
• 代码生态：b2aiprep（github.com/sensein/b2aiprep）——特征提取与导出库，成人/儿科共用。
• 平台生态：PhysioNet 托管派生特征；Synapse 托管 controlled-access 原始音频。
• 社区热度：抓取时点 v1.1.0 版本浏览 60 次、所有版本 137 次——属新发布低热度，第三方评测论文尚少（见 §8.4）。检索时不宜期待大量下游引用。

7.5 访问委员会（DACO）与数据治理链路

本数据集的数据治理不是「发布即结束」，而是一条持续链路：

环节	责任方	机制
采集伦理	SickKids REB	研究伦理审查与知情同意
数据去标识	项目团队	去 HIPAA 标识、剥除原始波形、自由语音特征人工核验
发布	PhysioNet	托管派生特征，执行 Credentialed Access
访问审批	访问委员会（DACO）	审批 DUA，对接 Synapse controlled access
原始音频管制	Synapse + 机构	机构签核后发放
合规兜底	平台 + 法律/政策	区域限制（not available in your region）

这条链路的价值在于：每一层都有明确的把关点，数据的使用者、审批者、监管者各司其职。它是儿科（乃至所有敏感医学）数据共享的可参照治理模板——尤其「原始音频单独走更严通道」这一设计，把「最小必要披露」原则落到了工程层面。

7.6 与库内其他「voice biomarker」条目的生态位

把库内语音条目排成一条谱，能看到本条目占据的位置：

条目	语音类型	人群	用途侧重
parkinsons-voice-uci（444）	持续元音	成人（帕金森）	疾病诊断
saarbrucken-voice-db（452）	语音样本	成人（德语）	语音识别
ua-speech（473）	语音数据	一般	语音处理
cryonuseg（844）/ babycry-ujm-axa（1056）	婴儿哭声	婴幼儿	哭声分析
b2ai-voice-pediatric（本条目）	多任务嗓音	2-18 岁	发育规范 + 早筛
bridge2ai-voice（66）	多任务嗓音	成人（多疾病）	疾病生物标志物

本条目在谱上的独特点：唯一同时具备「儿科 + 多任务协议 + 表型问卷 + 派生特征」四要素的条目。cryonuseg/babycry 虽属婴幼儿，但只覆盖哭声单一发声类型；parkinsons-voice-uci 覆盖成人单一疾病。本条目填补的是「儿童 + 多任务 + 发育规范」这一生态位。

§8 方法学启示

8.1 「派生数据优先」是一种隐私-可用性权衡范式

儿科语音数据的两难是：原始音频最有用但最敏感，直接发行几乎不可能。Bridge2AI-Voice Pediatric 的解法是把原始音频剥除、只发派生特征：

• 收益：谱图、MFCC、PPG 等携带了绝大多数可用于建模的声学信息，且无法直接还原说话内容——风险等级降到「low risk」。
• 代价：端到端自监督预训练、需要相位/原始噪声底的任务、说话人识别验证等，都被排除在派生数据之外。

这套「低风险派生层公开发行 + 原始音频受控访问」的双层结构，正在成为医学 AI 数据共享的标准套路；库内 PANDA-PLUS（请求制掩码 + CC BY Bench）是另一形态的同类设计。选择哪层，取决于你能否接受「用可复现性换合规性」。

8.2 年龄分层是儿科数据的必要架构

与成人数据集把所有人当一个总体不同，儿科数据必须内建年龄维度。本数据集的四段分层提示了一个更普遍的原则：当被采集人群处于快速发育/变化期时，采集协议本身应随亚组适配，否则小年龄组会因任务不适配而系统性缺数据，大年龄组数据又混入了发育噪声。这一原则可迁移到婴幼儿（0-2 岁）、老年（认知衰退）等其他动态人群的数据集设计。

8.3 单站点 vs 多站点的取舍

设计	优势	代价	本数据集
单站点	采集环境统一、协议稳定执行、质控一致	人口/地理多样性受限	儿科版（SickKids 1 站）
多站点	多样性好、外推性强	站点间设备/流程差异引入混杂	成人版（5 站）

儿科版选择单站点，是把「协议一致性」置于「多样性」之上的务实取舍——考虑到儿童采集的配合度与伦理难度，先拿到一份高质量的同质数据是合理的优先序。代价是所有结论都带多伦多地域边界。

8.4 数据集 vs 论文：本条目记的是「数据资源」而非「研究结论」

与库内 PANDA-PLUS（以一篇期刊论文立条）不同，Bridge2AI-Voice Pediatric 是以 PhysioNet 数据条目为主体的资源，其配套 IJPO 论文谈的是采集协议而非数据发现。这带来两点引用纪律：

1. 引用数据本身引 PhysioNet 条目（DOI 10.13026/h995-bt35）；引用协议方法引 IJPO 论文。
2. 抓取时点尚无大规模第三方评测，任何「本数据集上 SOTA 是 X」的说法都缺一手支撑——条目如实记录「无官方 benchmark」（见 §7.4）。

8.5 去标识工程的「内容 vs 声学」分离

本数据集去标识思路的一个精妙之处，是把「内容信息」与「声学信息」在特征层做分离：

• 可被剥离的：说话内容（通过不发行原始波形、并在自由语音特征上核验 PII）、说话人身份标识（去 HIPAA 标识、不发行原始音频）。
• 被保留的：声学的物理量——谱图、F0、响度、周期性、发音运动。这些量对「嗓音生物标志物」研究是信号，对「还原一个人说了什么」则远远不够。

这套分离是「派生数据优先」能成立的底层逻辑：只要派生物不携带可直接还原敏感信息的载体，就能在「low risk」降级下扩大了可用面。它启发了一个通用原则——去标识不必只做「删」，也可以做「换表征」：把敏感载体换成受控派生特征，在保留研究效用的同时降低风险。

8.6 从「数据发布」到「数据生态」的三件套

本数据集的可复用性不来自单一文件，而来自一套配套资产：

资产	作用
PhysioNet 条目 + 数据字典	让使用者不触达数据也能判断适用性
b2aiprep 开源库	让特征提取可复现、可扩展到新采集
年龄分层协议论文	让「怎么采」有据可依、可复制到其他机构

三件套的组合意味着：任何机构若想自建儿科语音数据集，可以复用协议（论文）+ 管线（b2aiprep）+ 参考架构（PhysioNet 条目），而不必从零摸索。这是「旗舰数据集」超越数据本身的方法学溢出价值。

§9 与库内条目的关系

9.1 家族图谱

• bridge2ai-voice（rid=66）：最直接的同项目上下游。成人版（833 人 / 32,249 录音 / 五站点）与儿科版（300 人 / 23,533 录音 / 单站点）是同一联盟的两套独立发布。检索任一条都应提示另一条；做语音基础模型研究时两者组合才有完整的「疾病谱系 + 发育谱系」。强烈建议互链。
• parkinsons-voice-uci（rid=444）：帕金森语音数据集——同在「voice as biomarker」家族，成人神经退行方向的近邻。可作为「儿科 vs 成人神经」的对照样本。
• saarbrucken-voice-db（rid=452）：德语语音数据库——语音信号域的跨语言资源对照。
• ua-speech（rid=473）：语音数据集，语音信号/语音识别方向同类，可作方法学对照。
• speech-accessibility-project（rid=830）：语音可及性项目——语音信号与医疗 NLP 的交叉点。
• cryonuseg（rid=844）/ babycry-ujm-axa（rid=1056）：婴儿哭声数据集——儿科/婴幼儿声学分析最近邻。哭声与嗓音同属儿童发声，二者在「用声音做儿童健康筛查」的问题意识上高度一致，是理想的互链对象。
• brats-pediatric（rid=688）/ echonet-pediatric（rid=771）：儿科医学影像数据集——跨模态的「儿科数据稀缺」同题者。三者共享「儿科人群数据采集困难、规模受限」的核心背景。

9.2 检索路径建议

• 检索词组合："Bridge2AI-Voice Pediatric"（精确）+ PhysioNet；或 b2ai-voice-pediatric（slug）。注意区分成人版 b2ai-voice 与儿科版 b2ai-voice-pediatric——两者名字只差一个后缀。
• 若要引用数据：引 PhysioNet v1.1.0（DOI 10.13026/h995-bt35）。
• 若要引用采集协议方法：引 IJPO《Developing Age-Specific Protocols…》。
• 若要下数据：先确认所在区域是否被合规限制（§6.1），再走注册 + DUA 流程。

9.3 与 rid=66 的关系裁定声明

维度	bridge2ai-voice（rid=66）	b2ai-voice-pediatric（本条目）
人群	成人	2-18 岁儿童
规模	833 人 / 32,249 录音	300 人 / 23,533 录音
站点	5（北美）	1（SickKids）
疾病域	嗓音/神经/情绪/呼吸	儿科（自闭症/言语延迟等）
协议	成人标准协议	年龄分层协议
PhysioNet 条目	独立	独立
关系	同项目姐妹数据集，非别名、非版本覆盖	—

两条目结论不冲突且互补：成人版解决「疾病 × 嗓音」广度，儿科版解决「发育 × 嗓音」纵深。

§10 避坑清单：七个已踩过的坑

坑 1：录音数 23,533 vs 22,620 不是矛盾。v1.1.0（2026-05-01）为 23,533 段，v1.0.0（2025-12-17）为 22,620 段；差异来自 v1.1 补放所有自由语音任务特征（+913 段），并非新增儿童（参与者始终 300 名）。引用时必须注明版本，否则数字对不上。

坑 2：slug 只差一个后缀，极易与成人版混淆。PhysioNet 上成人版是 b2ai-voice、儿科版是 b2ai-voice-pediatric。检索、引用、建目录时务必核对后缀；本库中两者分别是 rid=66 与本条目。

坑 3：这是「数据条目」不是「期刊论文」。Bridge2AI-Voice Pediatric Dataset 的第一身份是 PhysioNet 数据资源，引用用 PhysioNet DOI；配套 IJPO 论文谈的是采集协议方法，两者不可混为一条引用。

坑 4：两层门别混为一谈。派生特征（本条目）要「注册 + 签 DUA」；原始音频要「机构签核 + Synapse controlled access」——后者门槛高得多，且渠道是 Synapse 不是 PhysioNet。

坑 5：许可不是 CC。许可是项目自定的 Bridge2AI Voice Registered Access License（注册访问许可），不是 CC BY 系列。不得按 CC 的宽松口径做再分发或商用，衍生模型许可属灰色地带，须书面确认。

坑 6：区域合规限制真实存在。抓取时点本代理环境访问 Files 区显示 “Data is not available in your region due to legal or policy restrictions”——即便走完注册流程，某些区域仍可能无法下载。规划依赖此数据的工作时须先验证区域可用性。

坑 7：单站点 + 派生数据 = 双重边界。数据只有 SickKids 一个站点（人口/地理有限），且只有派生特征（无原始波形）。把它当「全球儿科嗓音大数据」用会得出过强的结论；正确姿势是承认空间边界（多伦多）与内容边界（无原始音频）后，在标注范围内使用。

§11 总结

11.1 三句话总结

1. Bridge2AI-Voice Pediatric Dataset 是 NIH Bridge2AI 项目下首个大规模儿科嗓音数据集：300 名 2-18 岁儿童、23,533 段录音的派生音频特征与表型数据，采集于多伦多 SickKids 单一站点。
2. 它的核心设计是年龄分层协议（2-<4 / 4-<6 / 6-<10 / 10+ 岁）与派生数据优先（只发低风险特征、不发原始波形）——前者解决发育期声学变异的建模难题，后者解决儿科数据的隐私合规难题。
3. 它的主要门槛是注册凭证访问（签 DUA）与区域合规限制，且抓取时点尚无官方 benchmark——它是旗舰基础资源，而非已跑出结论的评测集。

11.2 适合谁

• 儿科语音/言语 AI 团队：需要统一协议、带表型的数百人级儿童语音数据做训练或基准。
• 发育声学研究：建立各年龄段 F0/HNR 等常模。
• 语音基础模型研究者：需要儿科维度的数据与成人数据组合使用。
• 医学数据治理/伦理研究者：注册访问 + 派生数据 + 区域限制的分层架构是活的案例。

11.3 不适合谁

• 需要原始音频波形的项目（端到端自监督、需要相位的处理）——本条目只有派生特征。
• 要全球儿科代表性的跨人群泛化研究——单站点 SickKids，地域边界硬约束。
• 要即插即用公开直链的快速实验——注册 + DUA + 区域合规会拖慢启动。
• 要现成 leaderboard 对标——抓取时点无官方 benchmark。

11.4 30 秒决策卡

你的情况	行动
要儿童 F0 发育常模	用 sparc_pitch（50-550 Hz）按年龄段分层统计
要做自闭症/言语延迟早筛	MFCC + ppgs + static_features；注意单站点边界
要原始音频做自监督	走 Synapse controlled access（机构签核），非本条目
要速览数据能用性	读 abstract + 文件清单即可判断（元数据全开放）
要引用本数据集	PhysioNet DOI 10.13026/h995-bt35（v1.1.0）；协议引 IJPO 论文
要理解儿科数据治理	§6 两层门 + §7.2 治理结构 + §8.1 派生数据优先范式

FAQ（高频问答 28 问）

A. 基础认知

Q1：Bridge2AI-Voice Pediatric 是论文还是数据集？
是物理网（PhysioNet）上的数据集条目，不是期刊论文。它的配套论文（IJPO）谈的是采集协议，数据本身以 PhysioNet 条目发布。引用数据用 PhysioNet DOI。

Q2：名字里的 Bridge2AI 是什么？
NIH Common Fund 的「Bridge to Artificial Intelligence」旗舰项目（2022 启动），旨在生成 AI-ready 生物医学数据；「Voice as a Biomarker of Health」是其嗓音子项目。

Q3：为什么单独做儿科版？
因为儿童声带与共鸣腔持续发育，成人嗓音常模不可迁移；而儿科沟通障碍（自闭症、言语延迟）的早筛又急需数据——这个缺口长期存在。

Q4：谁做的？
Bridge2AI-Voice 联盟，采集站点是多伦多儿童医院 SickKids，通讯作者 Yael Bensoussan（南佛罗里达大学）。作者逾 130 人。

Q5：发布在哪里、什么时候？
PhysioNet；v1.0.0 = 2025-12-17，v1.1.0 = 2026-05-01（当前）。

Q6：一句话卖点？
首个大规模、协议标准化的儿科嗓音数据集——把儿科语音 AI 的底座从零散小样本抬到数百人级统一协议。

B. 数据与规格

Q7：多少人、多少录音？
300 名 2-18 岁儿童、23,533 段录音（v1.1.0）。

Q8：23,533 和 22,620 哪个对？
都对，是版本差：v1.1.0=23,533，v1.0.0=22,620（+913 段系补放自由语音任务特征，非新增儿童）。见坑 1。

Q9：有哪些文件？
features（谱图/Mel/MFCC/pitch/sparc EMA/ppgs 等 Parquet）、phenotype（问卷 TSV）、metadata（录音元数据），另有 static_features.tsv 与 audio_quality_metrics.tsv。

Q10：有原始音频吗？
本条目没有。只有派生特征；原始音频在 controlled access（Synapse）另申请。

Q11：为什么 sparc 文件少 1 条？
sparc 系列（EMA/loudness/periodicity/pitch）n=23,532，比 torchaudio/ppgs 少 1（有一段未成功提取），跨特征 join 时须处理此缺失。

Q12：任务有哪些？
按年龄分层：游戏化元音发声（2-<4）、句子重复（4-<6）、段落朗读（6-<10）、自主对话+文本朗读（10+）。

Q13：核心声学指标？
基频 F0、谐噪比 HNR 等；sparc_pitch 给 50-550Hz 的 F0 轨迹。

Q14：有问卷和临床数据吗？
有：人口统计、医疗史、标准化问卷（含 Pediatric VHI-10），整合遗传诊断信息。

Q15：录音设备统一吗？
不统一：多数用头戴麦，少数用平板内置麦——须当协变量处理。

C. 获取与许可

Q16：怎么下载？
PhysioNet 注册 + 申请 credentialed 资格 + 签 DUA（Bridge2AI Voice Registered Access Agreement）。

Q17：许可是什么？
Bridge2AI Voice Registered Access License——专有注册访问许可，不是 CC。

Q18：原始音频怎么拿？
机构签核 + Synapse controlled access（儿科 syn73617068），联系 DACO@b2ai-voice.org。

Q19：能商用吗？
不确定。DUA 未公开细化商用/再分发条款，衍生模型许可属灰色地带，须书面确认。

Q20：区域限制是什么？
抓取时点本代理环境显示 “not available in your region due to legal or policy restrictions”——部分区域即便走完流程也可能无法下载。

Q21：引用格式？
v1.1.0，DOI 10.13026/h995-bt35，BibTeX key PhysioNet-b2ai-voice-pediatric-1.1.0。

D. 使用与建模

Q22：做 F0 分析用哪个特征？
sparc_pitch（50-550 Hz）优于 torchaudio_pitch（80-500），覆盖更宽。

Q23：做早筛用什么？
MFCC + ppgs + static_features 组合；注意单站点与派生数据边界。

Q24：能用成人常模吗？
不能。文档明确：成人证据/常模不可外推到儿科人群（§4.1）。

Q25：能跨年龄直接用吗？
不建议。须按四段年龄分层解读，否则发育变异会污染结论。

Q26：有 benchmark 吗？
抓取时点无官方 benchmark/leaderboard；它是旗舰基础资源，非评测集。第三方评测论文尚少（版本浏览 137 次）。

E. 与库内关系

Q27：和 rid=66（bridge2ai-voice）什么关系？
同项目两个独立数据集：成人版（833 人/5 站点）vs 儿科版（300 人/SickKids 1 站点）。非别名、非版本覆盖，应互链。

Q28：本条目为什么叫 b2ai-voice-pediatric？
沿用 PhysioNet 官方 slug，既忠实于一手来源，又与成人版 bridge2ai-voice 明确区分。

F. 深入细节

Q29：为什么录音数人均比成人版高？
儿科版约 78.4 段/人 vs 成人版约 38.7 段/人。年龄分层协议要求每个儿童在不同任务类型上密集采样才能刻画发育特征，故人均录音接近翻倍。

Q30：sparc 是什么、为什么重要？
sparc（Speech Articulatory Coding）生成发音运动学与声源特征（EMA、响度、周期性、F0）。它让数据集超出「声学特征堆」，进入可解释的语音产生链——从发音器官运动到音素到声学。

Q31：ppgs 能干什么？
40 类音素在 100Hz 上的概率分布。可用于语音合成、发音障碍分析，或作为跨说话人的「内容归一化」表征。

Q32：区域限制会影响我所在机构吗？
取决于地理/法律政策。抓取时点本代理环境显示不可下载；具体以你访问 PhysioNet 时的页面状态为准，规划前务必先验证。

Q33：数据质量有保障吗？
有质控层：audio_quality_metrics.tsv 提供录音级质量指标（信噪比、削波、静音等）；协议论文强调固定音距与质控体系。但设备不统一（headset vs 平板麦）仍需自行处理。

Q34：做跨年龄比较要注意什么？
必须在相同 task_name 内比较（任务差异与年龄共线），且疾病判别前先按年龄归一化 F0（否则学到的是年龄不是病理）。

Q35：能商用吗？
DUA 未公开细化商用条款，衍生模型许可属灰色地带；商用前须与访问委员会（DACO@b2ai-voice.org）书面确认。

Q36：这个数据集会更新吗？
会。v1.0.0→v1.1.0 已发生过版本更新；未来若发布新版本，条目应同步更新规模与 DOI（见附录 H）。

---

事实清单（硬事实 40 条）

1. Bridge2AI-Voice Pediatric Dataset 是 NIH Bridge2AI 项目下首个儿科嗓音数据集。
2. 参与者 300 名，年龄 2-18 岁（纳入 2-18 岁 + 英语能力；排除 >18 岁与非言语者）。
3. 录音数 v1.1.0 = 23,533 段；v1.0.0 = 22,620 段（物理网 abstract + 公告口径）。
4. 录音总时长 28.10 小时（bridge2ai.org 项目页）。
5. 采集站点为多伦多 The Hospital for Sick Children（SickKids），唯一站点。
6. 采集经 SickKids 研究伦理委员会（REB）批准。
7. PhysioNet 托管，版本 v1.0.0（2025-12-17）与 v1.1.0（2026-05-01）。
8. v1.1.0 DOI 10.13026/h995-bt35；latest 别名 DOI 10.13026/mf9s-5r03。
9. RRID:SCR_007345（PhysioNet 平台号）。
10. NIH 资助号 3OT2OD032720-01S1。
11. 目录结构：features / phenotype / metadata 三块。
12. 每 parquet 元素含 participant_id / session_id / task_name / n_frames / 张量。
13. 频谱图 201×T，STFT 25ms 窗、10ms hop、400-point FFT，n=23,533。
14. Mel 谱图 60×T，60 Mel bins，n=23,533。
15. MFCC 60×T，n=23,533。
16. torchaudio_pitch 维度 T，pitch 范围 80-500，n=23,533。
17. sparc_ema 维度 T×12（6 发音器 × X/Y），n=23,532。
18. sparc_loudness / sparc_periodicity 维度 T，20ms 窗，n=23,532。
19. sparc_pitch 维度 T，F0 范围 50-550 Hz，n=23,532。
20. ppgs 维度 40×T，40 音素类，帧率 100Hz，n=23,533。
21. sparc 系列比 torchaudio/ppgs 少 1 条（23,532 vs 23,533）。
22. static_features.tsv 由 openSMILE/Praat/parselmouth/torchaudio 派生，每录音一行。
23. audio_quality_metrics.tsv 为 v1.1 新增的录音级质量指标。
24. 表型数据含人口统计、临床与验证过的问卷（含 Pediatric VHI-10）。
25. 采集软件为定制平板应用 reproschema-ui。
26. 多数参与者用头戴麦克风，少数用平板内置麦克风。
27. 所有参与者单次会话完成录音与人口统计；病史问卷由家长/决策者同步填答。
28. 年龄分层协议（Voice2AI）四段：2-<4 / 4-<6 / 6-<10 / 10+ 岁。
29. 四段任务：游戏化元音发声 / 句子重复 / 段落朗读 / 自主对话+文本朗读。
30. 核心声学指标含基频 F0 与谐噪比 HNR。
31. 特征提取管线对应开源库 b2aiprep（github.com/sensein/b2aiprep）。
32. 许可为 Bridge2AI Voice Registered Access License（专有，非 CC）。
33. 访问级别为 PhysioNet Database Credentialed Access，需签 DUA；无需培训。
34. 抓取时点 Files 区显示区域法律/政策限制（not available in your region）。
35. 原始音频需机构签核，走 Synapse（儿科 syn73617068 / 成人 syn72370534）。
36. 公开联系邮箱 DACO@b2ai-voice.org。
37. 风险等级 low risk（仅派生数据，不含原始录音）。
38. v1.1 更新内容：补放所有自由语音任务特征（经人工核验无未同意说话者与 PII）+ 音频质量指标 + 逐录音元数据，无新增参与者。
39. 配套协议论文 IJPO《Developing Age-Specific Protocols for Pediatric Voice Databases in Artificial Intelligence Research》（2025，Bensoussan 团队）。
40. 抓取时点版本浏览 v1.1.0 = 60 次、所有版本 = 137 次（新发布低热度）。

---

术语表（26 条）

术语	释义
Bridge2AI	NIH Common Fund 的 Bridge to Artificial Intelligence 项目（2022 启动）
Voice as a Biomarker of Health	Bridge2AI 的嗓音子项目，本数据集所属
儿科（pediatric）	本数据集人群，2-18 岁儿童
派声音频特征	从原始波形计算出的声学/发音/音素表征，非原始录音
STFT	短时傅里叶变换，谱图生成方法（25ms 窗、10ms hop）
频谱图（spectrogram）	时频能量表征，201×T
Mel 谱图	按 Mel 刻度加权的谱图，60×T
MFCC	梅尔频率倒谱系数，声道包络的低维表征
pitch / F0	基频，发声的基音频率，儿科分析主变量
HNR	谐噪比，谐波能量与噪声能量之比，音质指标
sparc	Speech Articulatory Coding 包，生成发音运动与源特征
EMA	电磁发音图，记录发音器官运动学轨迹（T×12）
PPG / ppgs	语音后验概率图，每时刻各音素概率分布（40×T @100Hz）
音素（phoneme）	语音的最小区别单位，PPG 的类别维度
openSMILE	声学特征提取工具包
Praat / parselmouth	语音分析工具（Praat 的 Python 绑定），提供 F0/共振峰/音质
torchaudio	PyTorch 音频处理库
b2aiprep	Bridge2AI-Voice 的特征提取与导出开源库
reproschema-ui	定制采集软件（平板应用）
年龄分层协议	按发育阶段（2-<4/4-<6/6-<10/10+）定制的采集方案
Voice2AI	IJPO 论文中的儿科采集协议名称
Credentialed Access	PhysioNet 的一种访问级别，需凭证与 DUA
DUA	Data Use Agreement，数据使用协议
controlled access	受控访问，需机构签核（原始音频走 Synapse）
22q11.2 缺失综合征	可探索嗓音关联的遗传疾病示例
联邦学习	不集中原始数据的跨机构协作训练方式（项目采用）

---

附录

附录 A：条目信息速查卡

项	值
条目名	Bridge2AI-Voice Pediatric Dataset
url_name	b2ai-voice-pediatric
类型	数据资源（PhysioNet 数据集条目）
采集机构	Hospital for Sick Children（SickKids，多伦多）
规模	300 名儿童 / 23,533 段录音（v1.1.0）
许可	Bridge2AI Voice Registered Access License
抓取时点	2026-10-15
库内互链	bridge2ai-voice(66)/cryonuseg(844)/babycry-ujm-axa(1056)/parkinsons-voice-uci(444)/ua-speech(473)/brats-pediatric(688)/echonet-pediatric(771)

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	PhysioNet + bridge2ai.org 公告 + DOI/RRID；slug 后缀清晰区分成人版
A 可获取性	4	凭证注册访问（签 DUA）+ 区域限制 + 原始音频另需机构签核
I 可互操作	8	Parquet/TSV/JSON + b2aiprep 开源 + 清晰 schema
M 元数据质量	8	abstract/数据字典/版本说明/引用格式齐全
S 可持续性	7	PhysioNet + NIH 资助 + 多机构联盟；风险在资助周期与政策变化
综合评级	7.0/10（中上）	元数据与互操作接近金标准，可获取性受三重门槛拖低

附录 C：逐项证据链自证

关键数字	来源	位置
300 参与者 / 23,533 录音	PhysioNet abstract	physionet.org/content/b2ai-voice-pediatric
22,620 录音（v1.0.0）	bridge2ai.org 公告	bridge2ai.org/?p=7216/
28.10 小时 / 833 人成人对照	bridge2ai.org 项目页	bridge2ai.org/?p=5925
特征文件 n 值（23,532/23,533）	PhysioNet 数据描述	页面 Data Description 节
v1.1.0 DOI 10.13026/h995-bt35	PhysioNet cite	页面 Cite 区
许可名称 / Credentialed Access	PhysioNet	页面顶部 + License 链接
Synapse 儿科原始音频 syn73617068	PhysioNet	页面 raw audio access 段
四段年龄协议 / Voice2AI	IJPO 论文（二手报道）	ebiotrade 2025-07-07
NIH 3OT2OD032720-01S1 / RRID	PhysioNet	页面 funding/RRID 字段

附录 D：数据获取决策树

你要什么？
├── 只要派生特征（谱图/MFCC/PPG 等）
│   └── PhysioNet 注册 + credentialed 资格 + 签 DUA → 下载 features/phenotype/metadata
├── 要原始音频
│   └── 机构签核 + Synapse controlled access（syn73617068）→ DACO@b2ai-voice.org
├── 只要元数据做适用性判断
│   └── 直接读 PhysioNet abstract + 数据字典（无需访问）
└── 引用/对照
    └── 数据引 DOI 10.13026/h995-bt35；协议引 IJPO 论文；成人版对照 rid=66

附录 E：特征选择与质控清单

1. 设备协变量：headset vs 平板麦不统一，建模前按设备分层或加协变量。
2. sparc 缺失：sparc 系列少 1 条，join 时显式处理。
3. 质量过滤：用 audio_quality_metrics.tsv 剔除削波/静音/低信噪比录音。
4. 年龄分层：所有统计按 2-<4/4-<6/6-<10/10+ 分层，勿混总体。
5. F0 优先 sparc_pitch：范围 50-550 Hz 覆盖更宽。

附录 F：与成人版对照全表

维度	成人版（rid=66）	儿科版（本条目）
参与者	833	300
录音	32,249	23,533
时长	158.52 小时	28.10 小时
站点	5	1（SickKids）
人均录音	~38.7	~78.4
年龄	成人	2-18 岁
协议	标准	年龄分层
疾病域	4 类成人疾病	儿科

附录 G：库内互链建议表

库内条目	rid	关系	建议
bridge2ai-voice	66	同项目成人版	强互链（核心对照）
cryonuseg	844	婴儿哭声声学	互链（儿科声学最近邻）
babycry-ujm-axa	1056	婴儿哭声	互链
parkinsons-voice-uci	444	成人神经嗓音	互链（voice biomarker 家族）
ua-speech	473	语音数据集	互链（语音信号域）
brats-pediatric	688	儿科影像	互链（儿科数据同题）
echonet-pediatric	771	儿科超声	互链（儿科数据同题）

附录 H：版本登记表

版本	日期	参与者	录音	关键变化	DOI
v1.0.0	2025-12-17	300	22,620	首个儿科发布	（页面未列）
v1.1.0	2026-05-01	300	23,533	补放自由语音任务特征+质量指标+元数据	10.13026/h995-bt35

附录 I：双口径登记表

#	项	口径 A	口径 B	处理
1	录音数	23,533（v1.1.0，PhysioNet）	22,620（v1.0.0，公告）	双记，注明版本
2	DOI	10.13026/h995-bt35（v1.1.0 专）	10.13026/mf9s-5r03（latest 别名）	引用按 v1.1.0
3	年龄划分	2-18（PhysioNet）	四段分层（IJPO 协议论文）	并存，分层时用四段
4	成人规模参照	833 人/32,249 录音（v3.1.0）	v3.0.0 亦 833 人	以最新为准

附录 J：缩略语速查

缩写	全称
B2AI	Bridge2AI（Bridge to Artificial Intelligence）
DUA	Data Use Agreement
DACO	Data Access Committee（数据访问委员会）
EMA	Electromagnetic Articulography
PPG	Phonetic Posteriorgram
MFCC	Mel-Frequency Cepstral Coefficients
F0	Fundamental Frequency
HNR	Harmonics-to-Noise Ratio
STFT	Short-Time Fourier Transform
DUA	Data Use Agreement
RRID	Research Resource Identifier
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability

附录 K：SickKids 采集与合规链路图

参与者（2-18 岁，SickKids 患者/志愿者）
   │ 资格筛查（2-18 岁 + 英语；排除 >18 / 非言语）
   ▼
知情同意（家长或本人）→ 研究编号 → 年龄分层协议
   │
   ├─ 录音（headset 优先 / 平板麦兜底）─┐
   └─ 问卷（家长另一台平板同步填答）──┤
                                      ▼
                              单次会话完成
                                      │
                              单声道化 + 16kHz + 抗混叠
                                      │
                              b2aiprep 特征提取
                                      │
                          ┌───────────┴───────────┐
                          ▼                       ▼
                 派生特征（低风险）        原始音频（controlled）
                          │                       │
                 去 HIPAA 标识 + 自由语音        Synapse + 机构签核
                 特征人工核验（无 PII）
                          │                       │
                  PhysioNet 凭证访问         DACO 审批发放

附录 L：研究使用检查清单（12 项）

1. 区域可用性：先确认你所在区域能否访问 PhysioNet 该条目（坑 6）。
2. 访问层级：明确你要的是派生特征（DUA）还是原始音频（Synapse 机构签核），别混。
3. 许可边界：许可是专有注册访问许可，非 CC；商用/再分发前书面确认（坑 5）。
4. 版本口径：引用注明 v1.1.0（23,533）还是 v1.0.0（22,620），二者不可混（坑 1）。
5. slug 核对：确认用的是 b2ai-voice-pediatric 而非成人版 b2ai-voice（坑 2）。
6. 年龄分层：所有分析按 2-<4 / 4-<6 / 6-<10 / 10+ 分层；疾病判别前归一化 F0。
7. 任务一致：跨年龄比较固定在相同 task_name 内。
8. 设备协变量：headset vs 平板麦作为协变量或分层变量处理。
9. sparc 缺失：注意 sparc 系列 23,532 与其余 23,533 的 1 条差，join 时显式处理。
10. 质量过滤：用 audio_quality_metrics.tsv 剔除低质录音。
11. 特征裁剪：避免同时用强相关特征（谱图 + Mel 谱图）。
12. 边界声明：所有输出声明单站点、派生数据、年龄分层三项限制。

附录 M：维护计划与触发点

触发点	条件	动作	优先级
新版本发布	团队发布 v1.2+	更新附录 H 版本表、规模数字、DOI	1
访问政策变化	开放直链或调整 DUA	改写 §6、重评 AI-Ready 评级	1
原始音频入库 PhysioNet	controlled 层变化	§6.2 更新	2
协议论文正式索引	IJPO 论文 DOI/卷期明确	§2、§3.1 补一手引用	2
第三方评测出现	有论文在本数据集上评测	§7.4、§8.4 补生态	3
区域限制解除	Files 区可访问	§6.1、坑 6 更新	3

附录 N：与成人版块（rid=66）互链文案建议

相关条目：Bridge2AI-Voice（rid=66）——同一 Bridge2AI-Voice 联盟的成人嗓音数据集（833 名参与者 / 32,249 段录音 / 北美五站点），与本条目（儿科版，300 名儿童 / 23,533 段录音 / SickKids 单站点）。两者是同项目的两套独立发布，共享项目背景、采集协议框架与 b2aiprep 特征提取管线，但人群、站点数、疾病域与访问 DOI 均不同。做「疾病 × 嗓音」的广度研究看成人版，做「发育 × 嗓音」的纵深研究看本条目；语音基础模型研究建议两者组合使用。

附录 O：关键 URL 清单

资源	URL
PhysioNet 儿科条目	https://physionet.org/content/b2ai-voice-pediatric
PhysioNet 成人条目	https://physionet.org/content/b2ai-voice
发布公告	https://bridge2ai.org/?p=7216/
项目页	https://bridge2ai.org/?p=5925
官网	https://b2ai-voice.org/
文档	https://docs.b2ai-voice.org/
b2aiprep 库	https://github.com/sensein/b2aiprep
Synapse 儿科原始音频	https://www.synapse.org/Synapse:syn73617068
Synapse 成人原始音频	https://www.synapse.org/Synapse:syn72370534
访问联系邮箱	DACO@b2ai-voice.org

附录 P：术语中英对照速查

中文	英文
嗓音生物标志物	voice biomarker
儿科	pediatric
派生特征	derived features
原始音频	raw audio
基频	fundamental frequency (F0)
谐噪比	harmonics-to-noise ratio (HNR)
频谱图	spectrogram
语音后验概率图	phonetic posteriorgram (PPG)
电磁发音图	electromagnetic articulography (EMA)
年龄分层协议	age-specific protocol
凭证访问	credentialed access
数据使用协议	data use agreement (DUA)
受控访问	controlled access
年龄适配	age-appropriate

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-15，抓取与核验时点见附录 A。事实陈述以 PhysioNet 官方条目（v1.1.0）、bridge2ai.org 官方公告与项目页为一手源，配套 IJPO 协议论文为方法学参考。录音数的版本双口径、DOI 双口径、年龄划分双口径已在坑点与附录 I 存照；单站点、派生数据优先、注册访问三层边界已写入 dataLimitations。条目与库内 bridge2ai-voice（rid=66）构成同项目成年-儿科姐妹关系，另与 cryonuseg（844）、babycry-ujm-axa（1056）、parkinsons-voice-uci（444）、ua-speech（473）等语音条目互链。后续维护触发点见附录 H（新版本发布）、附录 G（新互链机会）。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• ohhr-hearing — 共享标签：生理信号 / 语音信号 / 调查数据 / 公共卫生与流行病学
• dhs-program — 共享标签：调查数据 / 公共卫生与流行病学 / 儿科
• coswara — 共享标签：生理信号 / 语音信号 / 公共卫生与流行病学
• circor-digiscope — 共享标签：生理信号 / 语音信号 / 儿科
• mdvr-kcl — 共享标签：生理信号 / 语音信号 / 公共卫生与流行病学
• wuenic-immunization — 共享标签：调查数据 / 公共卫生与流行病学 / 儿科
• sex-differences-hearing-loss — 共享标签：生理信号 / 调查数据 / 公共卫生与流行病学
• sprsound — 共享标签：生理信号 / 语音信号 / 儿科
• zchsound — 共享标签：生理信号 / 语音信号 / 儿科
• babycry-ujm-axa — 共享标签：生理信号 / 语音信号 / 儿科

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。