BM-BronchoLC — 越南白梅医院柔性支气管镜肺癌多任务图像数据集

INFOBOX — BM-BronchoLC 一屏速览

维度	内容
本质	越南白梅医院柔性支气管镜白光束图像多任务数据集（解剖标志 + 病灶，双分割双分类）
团队	白梅医院 + 河内医科大学 + 越南河内国家大学工程技术大学（VNU）；29 位作者，通讯 Le Sy Vinh
论文	Sci Data. 2024 Mar 28;11:321（doi:10.1038/s41597-024-03145-y；PMCID PMC10978879，开放获取 CC BY 4.0）
规模	208 例患者（106 肺癌 + 102 非肺癌）；图像总数双口径 2,921（摘要）vs 2,623（Table 3 划分）
解剖标志类别	10 类（论文正文另写「11 类」，口径冲突）：声带/气管/左右主支气管/中间支气管/左右上下叶支气管等
病灶类别	7 类：黏膜红斑、炭末沉着、狭窄、隆突黏膜水肿、黏膜浸润、血管增生、肿瘤
成像	白光束支气管镜（WLB），最小 480×480 px，Olympus 镜（工作长 600 mm，0° 视角，120° 视场角，景深 3-100 mm）
采集期	2020-2023 年视频按 1 帧/秒抽帧转 DICOM
标注	2 位 ≥5 年经验支气管镜医师独立标注 + 1 位 ≥10 年经验专家复核（三级质控）
基线模型	UNet++（CNN）与 ESFPNet（Transformer/Mixtransformer）；Cerberus 多任务框架（共享编码器+独立解码器）
论文结果	分割 Dice：解剖标志 >70%、病灶约 50%；分类准确率 82%-94%；多数任务 ESFPNet > UNet++
获取	数据 figshare 公开（DOI 10.6084/m9.figshare.24243670.v2）｜代码 GitHub csuet/bronchoscopy_nsd（MIT）
许可	数据/论文 CC BY 4.0｜代码 MIT License
库内互链	内窥镜影像家族、肺癌检测家族、医学图像分割方法家族（建议，见 §9）

BM-BronchoLC 是一份「把支气管镜医生的眼睛拆成两步」的数据集：它采集越南白梅医院 2020-2023 年间 208 例患者的柔性支气管镜白光束视频，逐帧标注了两件事——第一，镜头看到的是哪一段气道（解剖标志，10 类）；第二，气道上有没有异常以及是什么异常（病灶，7 类）。这两步恰好对应临床支气管镜检查的认知流程：先定位、再识别。数据集把 208 例分为肺癌 106 例与非肺癌 102 例，用意是让模型在同一次检查里既学会「认路」（解剖导航），也学会「找病」（病灶筛查），并检验肺癌组与非肺癌组的差异。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——数据在 figshare 公开（CC BY 4.0），代码在 GitHub（MIT），预训练权重需走 Google Drive。
2. 关心标注范式：直奔 §3 与 §4——双医师独立标注 + 专家复核的三级质控，以及 10 类解剖标志与 7 类病灶的类别体系，是这份数据集最值得借鉴的部分。
3. 想复现基线：直奔 §5——UNet++ 与 ESFPNet 双主干 + Cerberus 多任务框架，论文报告的分割与分类数值可直接对标。

§0 导读：这个数据集解决什么问题

肺癌是全球死亡率最高的恶性肿瘤之一，而支气管镜是中央型肺癌（发生在气管、支气管等大气道）诊断的核心工具——它让医生能直接「看见」气道内的肿瘤、狭窄与异常黏膜。但支气管镜的判读高度依赖医师经验：同一段气道，新手看到的是「一片红色的黏膜」，专家看到的是「隆突处轻度黏膜水肿伴炭末沉着」。把这种判读经验变成可训练、可评测的模型，前提是有一个带精细标注的支气管镜图像集。

公开的支气管镜数据集长期稀缺，原因有三：一是支气管镜影像多为视频，抽帧与标注成本高；二是气道解剖标志的类别界定需要临床共识（哪一段该叫中间支气管、哪一段算上叶支气管）；三是病灶类别的观察者间一致性低（黏膜红斑、水肿这类描述性征象主观性强）。BM-BronchoLC 的贡献是把这三件事同时做了：它提供 208 例的抽帧图像、给出 10 类解剖标志与 7 类病灶的明确类别体系、并报告了双医师独立标注 + 专家复核的质量控制流程。

数据集的方法学设计有两处值得单独注意。第一，双任务结构：解剖标志任务（认路）与病灶任务（找病）被拆成两个独立入口，各自带分割与分类标签，这使研究者既能专攻解剖导航（对机器人支气管镜、自动导航有直接价值），也能专攻病灶检测，还能研究两者如何互相帮助。第二，肺癌/非肺癌分组：208 例中 106 例为肺癌患者，102 例为非肺癌（对照），分组让「模型在肺癌组与非肺癌组上的表现差异」成为一个可研究的变量——这也是数据集名里 「LC」（Lung Cancer）的由来，尽管它实际纳入了非肺癌人群。

§0 读法三则：

1. 这个条目是「数据集 + 数据论文 + 基线代码」三合一：本体是 208 例抽帧图像与标注，论文报告采集与标注方法，代码仓库给出两套基线的训练与推理流程——三者的获取方式见 §6。
2. 文档里存在两处双口径：图像总数（摘要 2,921 vs Table 3 的 2,623）与解剖标志类别数（正文写 11 类 vs 实际列举 10 类），条目在 §2、§10 与附录 S 逐条存照，不擅自裁定。
3. 检索时要注意 「BM-BronchoLC」 与仓库名 「bronchoscopy_nsd」、以及论文标题里的 「flexible bronchoscopy」 是同一事物的不同书写面，用精确短语加 DOI 检索最稳（§10 坑 1）。

§1 数据集速览：十问十答

Q1：BM-BronchoLC 是什么？
一个柔性支气管镜（flexible bronchoscopy）图像数据集，采集自越南白梅医院 2020-2023 年的临床视频，用于肺癌检测相关的机器学习研究。它同时提供解剖标志与病灶两类标注，是一个多任务数据集。

Q2：名字怎么读？
「BM」 = Bach Mai（白梅医院），「Broncho」 = 支气管镜（bronchoscopy），「LC」 = Lung Cancer（肺癌）。直译是「白梅医院支气管镜肺癌数据集」。注意 LC 是主用途标签，数据集实际包含非肺癌对照人群。

Q3：有多少数据？
208 例患者（106 肺癌 + 102 非肺癌）。图像总数存在双口径：论文摘要写解剖标志图像 2,132 张 + 病灶图像 789 张（合计 2,921 张），而 Table 3 的训练/验证/测试划分合计为 2,623 张（2,123/237/263）。两者相差 298 张，原始文档未说明差额（坑 2）。

Q4：图像是什么规格？
白光束支气管镜（white light bronchoscopy, WLB）图像，最小 480×480 像素。来自 Olympus 支气管镜（工作长度 600 mm，镜体直径 4-6 mm，0° 视角方向，视场角 120°，景深 3-100 mm），2020-2023 年采集，视频按 1 帧/秒抽帧转 DICOM。

Q5：分几类标注？
两类任务各一套体系。解剖标志 10 类（声带、气管、左右主支气管、右上/中/下叶支气管、中间支气管、左上/下叶支气管）；病灶 7 类（黏膜红斑、炭末沉着、狭窄、隆突黏膜水肿、黏膜浸润、血管增生、肿瘤）。注意解剖标志类别数论文正文另写「11 类」，与列举的 10 类不一致（坑 3）。

Q6：谁标注的，可靠吗？
三级质控：2 位支气管镜医师（各 ≥5 年经验）独立标注，再由 1 位专家医师（≥10 年经验）复核仲裁。论文另有规则：出现次数 <20 次的标签被剔除，以保证稀有类的样本量下界。

Q7：为什么叫「多任务」？
因为它同时支撑四个子任务：解剖标志分割 + 解剖标志分类 + 病灶分割 + 病灶分类。论文用 Cerberus 框架（共享编码器 + 独立解码器）把多任务组织起来，并对比两套主干——CNN 系的 UNet++ 与 Transformer 系的 ESFPNet。

Q8：基线结果如何？
分割 Dice：解剖标志 >70%，病灶约 50%（病灶边界模糊、类间差异大，明显更难）。分类准确率 82%-94%。总体趋势 ESFPNet（Transformer 系）优于 UNet++（CNN 系）。

Q9：我现在能拿到什么？
三样都能拿：数据在 figshare（DOI 10.6084/m9.figshare.24243670.v2，PNG + JSON，CC BY 4.0）；代码在 GitHub csuet/bronchoscopy_nsd（MIT）；论文开放获取（Sci Data 2024;11:321，CC BY 4.0）。预训练权重（Mixtransformer）需经 Google Drive 下载。

Q10：为什么它对 AI-Ready 重要？
它是「内窥镜影像 + 多任务 + 双模态标注（分割与分类）+ 开放许可」的组合样本：CC BY 4.0 是全开放许可，代码 MIT 同样开放——AI-Ready 的首个门槛（许可可编程性）它天然通过。它的 AI-Ready 短板在文档自洽性（两处双口径）与外部可复现性（权重走 Google Drive），见 §6.4 与附录 Y。

§1.5 为什么要做「多任务」：一个临床视角的补充

对不熟悉支气管镜的读者，值得补充说明「认路」和「找病」为什么是两个独立困难的任务。

「认路」难在哪：支气管树是一个逐级分叉的树状结构（气管→左右主支气管→叶支气管→段支气管），共约 20 级分支。支气管镜在检查时不断前进、后退、转向，镜头的视野只是这棵树的一个局部片段。医生要判断「我现在在哪一段」，必须依靠：局部的管腔形态（分叉角度、管腔粗细）、黏膜外观（不同节段黏膜纹理不同）、以及刚才的移动路径记忆。这对新手是极大挑战——临床培训中「迷路」（镜头进了哪一段说不清）是最常见的初学者问题。解剖标志任务正是要把这种「节段识别能力」从医生头脑中抽出来，交给模型。

「找病」难在哪：气道病灶的征象谱极宽，从「非常明显」（突出的肿瘤、明显狭窄）到「极其微妙」（早期黏膜色泽变化、轻度隆起）。中央型肺癌的早期征象往往是黏膜的细微改变，而非明显的肿块——这也是为什么支气管镜下「看见」和「看准」是两回事，经验丰富的医生能从微小征象中读出问题，而新手容易漏诊。

把两者拆开的理由：如果只有一个「识别病灶」任务，模型可能学会「只要看到红色就报异常」这类捷径（因为红斑是最常见的征象之一）。加上解剖标志任务后，模型必须同时学会「这段气道本来应该长什么样」——这提供了正常基线，让病灶判断有参照。从临床角度看，这正复刻了医生「先建立正常解剖印象，再对比找异常」的认知流程。

一个使用上的推论：如果研究者的目标是纯病灶检测，不应简单丢弃解剖标志标注——把它当作辅助任务（multi-task auxiliary）或用作「正常参照」的预训练，往往比单任务训练更稳。这在本数据集的多任务设计里是天然支持的（共享编码器）。

§2 数据构成与规格

2.1 规模、分组与来源

BM-BronchoLC 采集自越南白梅医院（Bach Mai Hospital，河内），是越南规模最大的综合医院之一。数据集的基本构成如下：

维度	数值
患者总数	208 例（全部 >18 岁）
肺癌组	106 例
非肺癌组	102 例
采集机构	越南白梅医院（单中心）
采集时间	2020-2023 年
成像设备	Olympus 柔性支气管镜（工作长度 600 mm）

106 + 102 = 208，患者口径自洽，无冲突。这一点值得强调：许多支气管镜数据集只提供「有病灶的病例」，而 BM-BronchoLC 有意纳入 102 例非肺癌患者作为对照——这使其能支持「肺癌 vs 非肺癌」的分类研究，也让解剖标志标注覆盖了更广的气道形态（无病变气道的正常形态）。

非肺癌组的纳入标准与具体病种（是良性病变、慢性炎症还是其他气道疾病）论文未逐一展开，这在使用数据集做「肺癌 vs 非肺癌」二分类时是一个需要自知的边界——非肺癌组的「非癌」是排除性标签。此点记入 §9 遗留疑点。

2.2 图像总数：一处必须知道的双口径

这是本数据集最重要的文档冲突，务必双写：

口径	来源	数值	构成
口径 A	论文摘要	2,921 张	解剖标志图像 2,132 张 + 病灶图像 789 张
口径 B	论文 Table 3（划分表）	2,623 张	Train 2,123 + Valid 237 + Test 263

差额：2,921 − 2,623 = 298 张。

两口径均出自同一篇论文。摘要的口径像是「标注总量」，Table 3 的口径是「进入训练/验证/测试划分的总量」。可能的解释（仅为假设，条目不作断言）：摘要统计包含未进入划分的额外图像；或划分前做了去重/筛选（论文确实提到剔除出现次数 <20 的标签）。差额 298 张的精确构成，论文未明述——这是本条目第一号遗留疑点（§9 Y6）。

使用建议：做数据规模声明时双写两口径；做训练/评测复现时以 Table 3 的 2,623 张划分数为准；引用摘要时注明「摘要口径」。

2.3 Table 3 划分明细

论文 Table 3 给出的训练/验证/测试划分（口径 B 展开）：

子任务	Train	Valid	Test	小计
Anatomical Landmarks（解剖标志）	1,549	173	192	1,914
Lesions（病灶）	574	64	71	709
合计	2,123	237	263	2,623

横向校验：1,549 + 173 + 192 = 1,914 ✓；574 + 64 + 71 = 709 ✓；1,914 + 709 = 2,623 ✓。纵向校验：2,123 + 237 + 263 = 2,623 ✓。

比例结构：Train 约 80.9%、Valid 约 9.0%、Test 约 10.0%，近似 8:1:1 的经典划分。

关键提示：解剖标志任务的图像量（1,914）显著多于病灶任务（709），约为 2.7:1。这符合临床现实——每次检查中「正常气道节段」的帧数天然多于「病灶特写」的帧数。但它带来一个训练上的不对称：病灶任务的数据量只有解剖标志任务的三分之一强，病灶分割性能偏低（§5）部分可归因于此，不全是任务难度。此点在 §5 与 §10 展开。

2.4 类别体系之一：解剖标志 10 类

解剖标志任务的 10 个类别，按气道从上到下的解剖顺序排列：

#	英文名	中文名	解剖位置
1	vocal cord	声带	喉部，气管入口
2	trachea	气管	喉以下的主气道
3	right main bronchus	右主支气管	气管分叉后右侧一级分支
4	left main bronchus	左主支气管	气管分叉后左侧一级分支
5	right superior lobar bronchus	右上叶支气管	右主支气管的第一个分支
6	intermediate bronchus	中间支气管	右上叶分出后、右中下叶分出前的一段
7	right middle lobar bronchus	右中叶支气管	中间支气管分出
8	right inferior lobar bronchus	右下叶支气管	右肺下叶供气支
9	left superior lobar bronchus	左上叶支气管	左主支气管的第一个分支
10	left inferior lobar bronchus	左下叶支气管	左肺下叶供气支

类别数冲突（坑 3）：论文正文表述 「we identified 11 common classes」（识别出 11 个常见类别），但正文列举与 Table 1 实际只有 10 个。11 vs 10 差 1 类，原文档未说明缺的是哪一类。本条目按 10 类列举为准，并在此存照「论文原文写 11 类」。可能的解释：某类别在筛选阶段被合并或剔除（如「隆突 carina」作为独立类别被并入主支气管），但无证据。

从解剖学看，这 10 类覆盖了可弯曲支气管镜在常规检查中能清晰辨认的大气道标志，呼应了「认路」任务的设计目标——模型需要能沿气道逐级识别当前所处的节段。

2.5 类别体系之二：病灶 7 类

病灶任务的 7 个类别：

#	英文名	中文名	临床含义
1	mucosal erythema	黏膜红斑	黏膜充血发红，常见于炎症或早期病变
2	anthracosis	炭末沉着	黏膜下黑色素沉着，多见于吸烟或粉尘暴露
3	stenosis	狭窄	气道管腔缩窄，可由肿瘤、瘢痕或外压引起
4	mucosal edema of carina	隆突黏膜水肿	气管分叉处黏膜肿胀
5	mucosal infiltration	黏膜浸润	黏膜下异常组织浸润，可为肿瘤性
6	vascular growth	血管增生	黏膜表面异常血管形成
7	tumor	肿瘤	气道内新生物，肺癌的核心征象

这 7 类的选择反映了支气管镜下肺癌相关征象的临床光谱：从最主观的描述性征象（红斑、水肿）到最客观的占位性病变（肿瘤、狭窄）。类间难度的巨大差异是这份数据集的一个内在特征：肿瘤与狭窄边界清晰、形态明确，模型容易学；而黏膜红斑、水肿是弥散性、边界模糊的描述性征象，观察者间一致性本身就不高，模型更难学。这解释了为什么病灶任务的整体 Dice 只有约 50%（§5）。

过滤规则的影响：论文规定出现次数 <20 次的标签被剔除。这对 7 类病灶的影响需要具体看各类的样本分布（论文 Table 2 给出统计），但规则本身意味着：如果某个病灶类型在 208 例中出现极少，它不会进入数据集——数据集覆盖的是「常见病灶」，不是「全部病灶类型」。

2.6 图像技术规格与设备参数

属性	规格
成像模态	白光束支气管镜（white light bronchoscopy, WLB）
最小分辨率	480 × 480 px
设备	Olympus 柔性支气管镜
工作长度	600 mm
镜体直径	4-6 mm
视角方向	0°（直视）
视场角（FOV）	120°
景深	3-100 mm
视频格式	.mpeg（采集期 2020-2023）
抽帧率	1 帧/秒
帧存储格式	转 DICOM 后处理，最终以 PNG 分发

为什么是白光束而非荧光/窄带成像？ 白光束支气管镜（WLB）是最基础、最普及的支气管镜成像模态——几乎所有开展支气管镜检查的医院都有 WLB 设备，而窄带成像（NBI）、自发荧光（AFI）等进阶模态的设备普及率低得多。选择 WLB 意味着数据集可以覆盖更广泛、更贴近基层医疗的真实场景，代价是失去了某些进阶模态对早期病变的增强对比能力。这与数据集「面向低资源地区可推广」的定位一致。

480×480 最小分辨率的含义：这不是一个特别高的分辨率，但对 WLB 视频抽帧而言是合理的——支气管镜视频本身的分辨率受镜体和信号链限制，且高分辨率对分割任务并非必需（模型更依赖纹理与颜色特征）。480×480 也便于统一预处理与批处理。

2.7 文件组织与元数据

figshare 上的数据以 ZIP 打包分发（见 §6），内部结构：

BM-BronchoLC/
├── Lung_cancer.zip          # 肺癌组 106 例
├── Non_lung_cancer.zip      # 非肺癌组 102 例
└── （解压后每个 zip 内）
    └── <patient_id>/
        └── <video_id>/
            ├── <image_id>.png     # 抽帧图像（最小 480×480）
            └── ...                # 同视频的多帧

元数据文件（JSON 格式）：

文件	内容
annotation.json	像素级标注数据（多边形的坐标等）
labels.json	每张图像的类别标签（对应任务类别）
objects.json	标注对象的结构化描述

三层目录结构 <patient_id>/<video_id>/<image_id>.png 的关键价值是保留了患者与视频的层级关系——这对正确划分训练/测试集至关重要（同一患者的图像不应跨集，否则会有数据泄漏，§10 坑 6 详述）。

§2.8 数据集构成的临床解读

把 208 例的构成放在临床背景下看，能得到几个使用上的洞察。

肺癌 vs 非肺癌的比例：106 : 102 接近 1:1，这是一个刻意的平衡设计。在真实的支气管镜检查中，因可疑肺癌而接受检查的患者里，最终确诊肺癌的比例并不是 1:1（相当一部分是良性病变、炎症或其他诊断）。数据集的 1:1 平衡更适合做「肺癌 vs 非肺癌」的分类研究（避免了类别极度不平衡），但意味着它的疾病谱不能直接代表真实的检查人群——它是一个研究数据集，不是流行病学样本。

成年人群：全部患者 >18 岁，因此数据集不适用于儿科气道疾病的模型训练。儿科气道在尺寸、解剖比例上与成人差异显著，直接迁移会有问题。

单中心的地理与人群边界：全部数据来自白梅医院（越南北部）。这带来两个已知偏倚：① 设备与技术的一致性使影像风格统一（对模型是同质的、易学的），但也意味着模型没见过其他品牌内镜或其他医院的影像风格，跨机构泛化性未经检验；② 人群特征（如本地的疾病谱、环境暴露如炭末沉着的高发）会影响模型在其他地区的适用性——炭末沉着在吸烟/粉尘暴露人群中高发，其在本数据集中的分布可能不具全球代表性。

对使用者的直接建议：把本数据集当作「训练与评测的起点」，而非「可直接部署的完整训练集」。跨机构部署前，需要用目标机构的数据做微调或至少做域适应验证（§10 坑与 §9 遗留疑点）。

§3 采集与标注流程

3.1 采集流程：从临床视频到标注图像

BM-BronchoLC 的图像不是专门为数据集拍摄的，而是从 2020-2023 年白梅医院常规支气管镜检查的视频中抽取的临床数据。完整流程：

1. 临床采集：使用 Olympus 柔性支气管镜在常规检查中录制白光束视频（.mpeg）。
2. 抽帧：按 1 帧/秒的速率从视频中抽帧——这个速率是采样率与冗余度的折中：支气管镜视频通常是连续移动的，相邻帧高度相似，1 帧/秒既保留了足够的时间分辨率（覆盖检查的各个阶段），又避免产生大量近乎重复的帧。
3. 格式转换：抽出的帧转换为 DICOM 格式后处理。
4. 分组：按患者是否患肺癌，分为 Lung_cancer（106 例）与 Non_lung_cancer（102 例）两组。
5. 打包：转 PNG，按 <patient_id>/<video_id>/<image_id>.png 组织结构。

1 帧/秒抽帧的一个隐含后果：同一段视频抽出的相邻帧在视觉上高度相似，甚至近乎重复。这直接影响训练/测试划分策略——如果按图像随机划分，同一患者的相似帧会同时出现在训练集与测试集，造成数据泄漏。论文的划分（Table 3）与下游研究（§7）都涉及这个议题，是本数据集评测方法学的关键点（§10 坑 6）。

3.2 标注流程：三级质控

标注是本数据集的核心资产，采用三级质控：

阶段	人员	资历	职责
独立标注	支气管镜医师 A	≥5 年经验	独立完成标注
独立标注	支气管镜医师 B	≥5 年经验	独立完成标注
复核仲裁	专家医师	≥10 年经验	复核分歧、最终裁定

双医师独立标注 + 专家复核是本数据集质量主张的基础。两位资历相当的医师各自独立完成标注，再由更资深的专家复核，其逻辑是：单一标注者的主观偏差由第二标注者暴露，专家裁定则给出最终真值。这与 PANDA-PLUS 的「学生初注 + 专家终审」流水线不同——这里是「双专家平行 + 资深专家仲裁」，专家密度更高，但规模上限更低（208 例 vs 546 张）。

论文未报告两位医师之间的标注一致性指标（如 Dice 或 kappa），这是本条目的一处遗留疑点（§9）：是否有观察者间一致性数据，直接决定标注的可靠性能被多大程度上量化。

3.3 掩膜生成

标注最终以像素级掩码形式交付，规格：

属性	规格
通道数	单通道
像素值语义	0 = 无标签；>0 = 对应标签索引
生成脚本	annots_to_mask.py（代码仓库内）
过滤规则	出现次数 <20 的标签被剔除

单通道 + 整数标签索引是语义分割掩码的标准编码方式：像素值直接给出类别编号，便于作为分割标签使用（配合交叉熵或 Dice 损失）。这与 PANDA-PLUS 的 RGB 掩码不同（那里用颜色编码类别），但本质等价——单通道整数编码在语义分割任务中更常见，也更节省存储。

掩码由脚本 annots_to_mask.py 从标注 JSON 生成，这一「标注 JSON → 掩码」的可复现转换链是数据集工程质量的加分项（§6.4 AI-Ready 评估）。

3.4 类别筛选规则

论文的一条关键规则：出现次数少于 20 次的标签被剔除。

这条规则的作用是保证每个保留类别有足够的样本量支撑训练（小样本类别会导致模型无法学到、评测方差极大）。代价是：稀有病灶类型与少见解剖变异被排除在数据集之外。使用者需知：数据集覆盖的是「常见的气道标志与病灶」，不宣称覆盖全部病理解剖类型。

3.5 与临床伦理

数据集采集经白梅医院伦理委员会审批，批号 1139/BM - HĐĐĐ。研究由越南科技部（Ministry of Science and Technology of Vietnam）资助，项目为 Program KC 4.0，编号 No. KC-4.0-40/19-25。患者图像经去标识处理（论文未详述去标识的具体技术，属遗留疑点之一）。

§3.6 标注 JSON 到掩码：可复现转换链的价值

数据集质量的一个常被忽视的维度是「标注的中间形态是否被保留」。BM-BronchoLC 提供了从多边形标注（JSON）到像素掩码（PNG）的完整转换链，其价值体现在三点：

1. 可审计性：有了原始多边形坐标，研究者可以重新生成掩码（改分辨率、改类别合并规则、改过滤阈值），而不必从位图反推。相比「只给掩码不给原始标注」的数据集，可复现性上一个台阶。
2. 可转换性：如果研究者要做检测任务（画边界框）而非分割任务，可以从多边形直接导出边界框；如果要做实例分割，多边形就是天然的实例边界。掩码则丢失了这些可能。
3. 可校验性：中间形态让「标注是否正确渲染」可被独立验证——用脚本重新跑一遍，掩码应当与发布的一致。

实践建议：下载数据后，除图像与掩码外，务必保留 annotation.json / labels.json / objects.json 三个元数据文件，并跑一遍 annots_to_mask.py 验证掩码可复现。这是使用本数据集时最容易被省略、但长期价值最高的一步。

§4 类别体系与任务定义

4.1 双任务结构：认路 + 找病

BM-BronchoLC 的「多任务」指的是四条子任务，分属两个语义层面：

层面	任务	目标	输出
解剖层（认路）	解剖标志分割	逐像素标出所属气道节段	10 类分割掩码
解剖层（认路）	解剖标志分类	判断图像是什么气道节段	10 类之一
病灶层（找病）	病灶分割	逐像素标出病灶区域	7 类分割掩码
病灶层（找病）	病灶分类	判断图像含什么病灶	7 类之一

这种分层设计的临床合理性：支气管镜检查的认知流程本身就是「先定位、再识别」——医生先确认镜头位于哪段气道，再判断该处的异常。把两个认知步骤显式拆成两个任务，既符合临床逻辑，也让模型可分别训练、分别评测、又可联合优化。

4.2 Cerberus 多任务框架

论文用 Cerberus 多任务框架组织训练。Cerberus 的核心结构是共享编码器 + 独立解码器：一个共享的骨干网络（backbone）提取图像的通用特征，多个独立的解码器（decoder）分别负责不同任务的分割或分类输出。

                    ┌─────────────────┐
                    │  共享编码器      │
  输入支气管镜图像  │ (UNet++ 或       │
        ───────────>│  ESFPNet 骨干)   │
                    └────────┬────────┘
                             │ 共享特征
              ┌──────────────┼──────────────┐
              ▼              ▼              ▼
        ┌──────────┐   ┌──────────┐   ┌──────────┐
        │ 解剖标志  │   │ 病灶分割  │   │  （分类） │
        │ 分割解码器 │   │  解码器   │   │  解码器   │
        └──────────┘   └──────────┘   └──────────┘

共享编码器的意义在于：解剖标志与病灶虽然是不同任务，但共享底层的视觉特征（管腔形状、黏膜纹理、光照等），共享编码器让这些特征在任务间复用，理论上能提升数据效率——尤其是病灶任务数据量只有解剖标志任务的三分之一，共享编码器可以从数据更充足的解剖任务中「借力」。

「Cerberus」（可译为「三头犬」，与希腊神话中的冥界守门犬同名）暗示多头的结构，形象地对应多任务的多解码器。

4.3 两套主干：CNN vs Transformer

论文对比了两套分割主干，代表了 2024 年前后医学图像分割的两大技术路线：

主干	类型	技术路线	参数量（Table 4）
UNet++（UNet2+）	CNN	嵌套 U 型卷积网络（密集跳连）	47.17M / 47.31M
ESFPNet	Transformer	Mixtransformer 家族，注意力机制	61.69M / 61.82M

UNet++ 是经典 U-Net 的增强版，通过嵌套的密集跳跃连接缩小编码器与解码器之间的语义鸿沟，是医学图像分割的长期主力；ESFPNet 基于 Mixtransformer，用注意力机制建模长程依赖，参数量更大（约 61.7M vs 47.2M）。

对比这两套主干的用意，是回答「在支气管镜这一特定模态上，CNN 还是 Transformer 更合适」——这既是学术问题（架构选择的经验证据），也是工程问题（参数量与显存的权衡）。结果是 ESFPNet 在多数任务上占优（§5）。

4.4 与前作的关系

论文提到了相关的气道分割工作背景：支气管镜图像分割此前已有一些研究（如基于解剖标志的多类分割），但公开的、同时覆盖解剖标志与病灶两类任务、且带肺癌/非肺癌分组的支气管镜数据集，BM-BronchoLC 是早期的公开样本之一。它的定位不是「第一个支气管镜数据集」，而是「第一个把多任务标注与肺癌分组结合并完整公开的支气管镜数据集」。

4.5 本文与下游工作的任务差异

需要区分的是：BM-BronchoLC 论文自身做的是分割与分类（per-image 与 per-pixel 级别）。而后续使用该数据集的下游论文（§7）可能采用不同的任务设定，例如多标签分类（一张图可同时有多个病灶标签）或二值分割（只区分「病灶/非病灶」而不区分类别）。使用者应明确自己要复现的是「论文口径的多类分割分类」还是「下游口径的变体任务」，两者的评测数值不可直接比较（§10 坑 7）。

§5 基线评测：双主干在多任务上的表现

5.1 实验设置

论文的实验设置（Table 4）：

超参数	值
学习率	0.0001
训练轮数（epoch）	500
Batch size	ESFPNet 8 / UNet++ 4
初始训练尺寸（init train size）	352
优化器	AdamW
训练硬件	7 × NVIDIA RTX 2080 Ti
参数量（四组配置）	61.69M / 47.17M / 61.82M / 47.31M

超参数解读：学习率 0.0001 配 AdamW 是医学图像分割的常见组合（偏小的学习率保证长训练稳定）；500 epoch 是较长的训练周期，提示任务收敛需要充分迭代；batch size 差异（8 vs 4）反映 ESFPNet 参数量更大、显存占用更高，需要更小的批。四组参数量对应两主干的不同配置，而非四个独立模型——使用时应区分「主干选择」与「配置选择」两个维度。

5.2 分割结果

论文报告的分割性能（Dice 系数）：

任务	Dice 区间	难度解读
解剖标志分割	> 70%	解剖结构边界清晰、类别形态稳定，相对易学
病灶分割	约 50%	病灶边界模糊、类间差异大，明显更难

两层任务的分割性能差距（>70% vs ~50%）是这份数据集最值得注意的评测结果。为什么病灶这么难？ 三点原因：

1. 边界模糊：黏膜红斑、水肿这类征象是弥散性的，没有清晰的轮廓——「这处红色到哪里算病灶结束」本身就难有统一答案。
2. 类间相似：红斑与浸润、水肿在视觉上高度相似，模型难以区分。
3. 样本量少：病灶任务只有 709 张（Table 3），是解剖标志任务 1,914 张的三分之一强（§2.3）。

因此病灶 Dice 约 50% 不能被简单解读为「模型不行」，而应理解为「任务的内在难度 + 数据量的双重约束」。这也给后续研究者指明方向：提升病灶分割的关键可能不在换架构，而在补充病灶样本。

5.3 分类结果

论文报告的分类准确率区间为 82%-94%。分类任务（判断图像属于哪个解剖标志/病灶类别）比分割任务得分更高，符合一般规律——整图级的粗粒度判断通常比像素级的精细分割容易。

分类准确率的具体分布（哪些类别高、哪些类别低）论文按区间报告，未逐一给出每类数值。这带来一个使用上的注意点：整体准确率会掩盖类间差异——如果「肿瘤」这类容易的样本占比高，整体准确率会被拉高，而「红斑」这类难样本的实际准确率可能远低于区间下界。使用时应按类别分层评测（§10 坑 5）。

5.4 主干对比：ESFPNet > UNet++

论文的核心架构结论：在多数任务上，ESFPNet（Transformer 系）优于 UNet++（CNN 系）。

这一结论的解读需要谨慎：

1. Transformer 的优势：注意力机制能建模长程依赖，对支气管镜这种「管腔结构在整幅图中延伸、上下文很重要」的影像，理论上更合适——判断「这是左主支气管还是中间支气管」不仅取决于局部纹理，还取决于整体的管腔走向。
2. 参数量的代价：ESFPNet 参数量更大（约 61.7M vs 47.2M），优势可能部分来自容量而非架构本身。严格的架构对比需要控制参数量，论文未做此消融，属遗留疑点。
3. 「多数任务」的措辞：论文说「多数任务」，暗示并非所有任务 ESFPNet 都胜——具体哪些任务 UNet++ 胜出，需读论文完整表格，本条目不臆测。

5.5 评测设计的一个关键问题：划分策略

Table 3 的划分（Train/Valid/Test）是图像级划分还是患者级划分，是评测方法学的核心问题（§10 坑 6）。

由于数据集是「1 帧/秒抽帧」，同一段视频的相邻帧高度相似，甚至近乎重复。如果划分是图像级的随机划分，那么同一患者的相似帧会同时落入训练集和测试集——模型可能在测试集上「见过近乎相同的图像」，导致性能被高估。正确的做法是患者级划分（同一患者的所有图像只进一个集合）。

论文的划分（Table 3）是图像级的数值汇总，未明确声明划分单元是患者还是图像。这是一个重大遗留疑点，因为：

• 若论文用的是患者级划分，其报告的性能是可信的泛化估计；
• 若用的是图像级划分，其性能可能被系统性高估，尤其考虑到 1 帧/秒抽帧的高冗余性。

下游论文（§7）中恰好有研究专门对比了患者级 vs 图像级划分策略——这个问题的现实重要性被后续工作印证。

§5.6 评测协议的一个补充：多任务如何互相评测

论文用 Cerberus 共享编码器同时训练多个任务，这带来一个评测上的细节：多任务训练的输出需要分任务评测，不能混算。

• 解剖标志分割用解剖标志的测试集（Table 3 中的 192 张）；
• 病灶分割用病灶的测试集（71 张）；
• 分类任务用各自的类别标签。

三个测试集规模差异显著（192 vs 71），这意味着病灶分割的性能置信区间更宽——71 张测试样本上算出的 Dice，其统计不确定性明显大于 192 张上的。使用者在解读「病灶 Dice 约 50%」时，应意识到这个数字的方差比解剖标志的 >70% 更大，两者的比较本身带有样本量不对称的噪声。

此外，论文报告的数值是区间（如 82%-94%），而非单点——这提示不同配置/不同类别间的差异，使用时应尽量拿到逐类或逐配置的完整表格，而非只引用区间端点（§10 坑 5）。

§6 获取与许可

6.1 三件资产、三个入口

资产	入口	许可	门槛
数据集本体（图像 + 标注）	figshare https://figshare.com/articles/dataset/BM-BronchoLC/24243670/2	CC BY 4.0	公开直链，直接下载
配套代码	GitHub https://github.com/csuet/bronchoscopy_nsd	MIT License	公开直链，git clone
论文全文	doi:10.1038/s41597-024-03145-y（Sci Data，开放获取）	CC BY 4.0	公开直链，PMCID PMC10978879
预训练权重（Mixtransformer）	Google Drive（论文/仓库提供链接）	随代码仓库口径	外部分发，链接可能失效

这份数据集的可获取性是其最大优点：数据集、代码、论文三者全部采用最开放的许可（CC BY 4.0 + MIT），没有任何注册墙、请求制或审批环节。这与库内许多「请求制」或「注册墙」数据集形成鲜明对比（§6.4）。唯一的摩擦点是预训练权重走 Google Drive 外部分发——非标准仓储，是复现时的首个不确定性来源。

6.2 数据集：figshare 公开

• DOI：10.6084/m9.figshare.24243670.v2
• 数据集页：https://figshare.com/articles/dataset/BM-BronchoLC/24243670/2
• 版本链：

版本	发布时间	说明
v1	2023-10-06	首版发布
v2	2023-11-03 10:42	本条目引用版本
v3	2023-11-03 11:06	最新版（同日两次发布）

• figshare 作者字段：Van Giap Vu
• 关键词：bronchoscopy images、anatomical landmarks、airway lesions
• 文件形态：PNG 图像打包为 Lung_cancer.zip 与 Non_lung_cancer.zip，含 annotation.json / labels.json / objects.json 元数据

版本链解读：v1 于 2023-10-06 发布，v2 与 v3 都在 2023-11-03 同日发布、间隔仅约 24 分钟。这种「同日两次发版」通常意味着元数据微调（如补充 DOI、修正标题或描述），但具体差异未取得逐字段对照（§9 Y1）。实践建议：引用时用带版本的 DOI（.v2 或 .v3），不要用「latest」占位，以保证可复现性。

6.3 代码：GitHub MIT

• 仓库：https://github.com/csuet/bronchoscopy_nsd
• 许可：LICENSE.txt = MIT License（最宽松的开源许可，允许商用、修改、再分发，仅需保留版权声明）
• 结构：

bronchoscopy_nsd/
├── Process_data/            # 数据处理
├── Unet2+_base/             # UNet++ 主干
├── ESFPNet_base/            # ESFPNet 主干
├── requirements.txt         # 依赖
└── README.md                # 说明

• 关键脚本：

脚本	功能
to_json_label_Anatomical landmark.py	生成解剖标志标签
to_json_label_Lesions.py	生成病灶标签
combine_json.py	合并标注 JSON
annots_to_masks.py	标注 JSON → 像素掩码
split_dataset.py	划分数据集
训练/推理脚本	对应两套主干

这套脚本构成了从原始标注到可训练掩码的完整可复现链路（§6.4）。

6.4 AI-Ready 评估：许可全开但文档有瑕

以库内 AI-Ready 检查单过一遍：

• 机器可读元数据：论文开放获取全文（PMC）+ JSON 元数据（annotation/labels/objects）——良好。
• 公开直链：数据集、代码、论文全部公开直链——这是与库内「请求制」数据集的最大区别，A（可获取性）维度得分高。
• 许可明确性：CC BY 4.0（数据/论文）+ MIT（代码）全部明确且宽松，可商用、可修改、可再分发——无许可灰色地带。
• 可复现性：脚本链完整（标注→掩码→划分→训练），但有三个摩擦点：预训练权重走 Google Drive（外部依赖）、划分策略未声明患者级/图像级（影响评测可信度）、超参数组与主干的对应关系需读论文细表。
• 文档自洽：两处双口径（图像总数 2,921 vs 2,623、类别数 11 vs 10）——不影响主线，但自动化抓取需指定口径（§10 坑 2、坑 3）。

综合：AI-Ready 等级「中上」——许可与可获取性是强项（全开放），可复现性与文档自洽性有改进空间。相比 PANDA-PLUS（掩码请求制拖低可获取性），BM-BronchoLC 的优势恰好在可获取性；短板则从「许可」转移到了「文档质量与外部依赖」。

6.5 与库内可获取性光谱的对照

档位	库内参照	本条目对应
注册墙（最严）	需注册审批型	—
请求制	掩码 upon request 型（如 PANDA-PLUS 掩码）	—
平台托管	Zenodo 型	—
Registry 收录	AWS Registry 型	—
公开直链（最开放）	HF/Zenodo/GitHub 直链型	本条目（figshare + GitHub + DOI，全 CC BY/MIT）

BM-BronchoLC 稳稳落在最开放的「公开直链」档，且是三件套（数据+代码+论文）全部直链——这在库内属于获取性最好的类型之一。对检索者的实际意义：按「能否立刻下载并跑通」过滤时，本条目直接命中，无需申请等待。

§6.6 数据使用的工程细节补充

加载与预处理：480×480 是最小分辨率，实际图像可能更大。训练前需要统一尺寸——常见做法是下采样到模型输入尺寸（如 352，与论文 init train size 一致）或分块处理。注意掩码必须与图像同步做相同的几何变换，否则像素级标签会错位。

类别不平衡的处理：10 类解剖标志与 7 类病灶的样本分布在论文 Table 1/2 中给出，但可以预期是不均衡的（如「肿瘤」类样本量可能少于「气管」类）。训练时常见的应对：类别加权损失、重采样、或 focal loss。使用者在报告结果时应说明是否做了不平衡处理，否则结果不可比。

掩码的边界处理：单通道掩码中 0 表示「无标签」。在损失计算时，0 应当作为背景类或忽略类——两种处理方式的结果不同：若把 0 当背景类参与损失，模型会学到「背景」这一显式类别；若忽略 0，则只在有标注的区域计算损失。论文未明述采用哪种，使用者需自行选择并说明。

患者 ID 的解析：目录结构 <patient_id>/<video_id>/<image_id>.png 中，patient_id 是防泄漏划分的关键字段。解析时应确认同一患者的多次检查（多个 video_id）都归入同一患者——如果患者做过两次支气管镜检查，两次的视频都应算同一患者。

§6.7 与「请求制」数据集的对比价值

库内不少高价值数据集采用「请求制」（upon request）分发——需要邮件申请、说明用途、等待审批。BM-BronchoLC 采用全开放直链，这在库内的可获取性光谱上处于最开放的一端。这种对比的价值在于：

• 对使用者：本条目是「低摩擦起点」——想快速验证一个支气管镜分割/分类想法时，无需等待申请，立即可以下载数据跑实验。
• 对数据提供者：本条目展示了一种「全开放也能保证质量」的路径——通过充分的文档（论文 Table 1-4）与清晰的许可（CC BY 4.0），开放数据同时保障了可追溯性（论文可引用）与可复用性（许可明确）。
• 对生态：全开放数据集更容易被下游研究采用（如 §7.2 的下游论文），从而扩大影响力——这是「开放换引用」的正循环。

代价方面，全开放意味着无法控制数据流向（谁下载了、用来做什么），也无法像请求制那样筛选使用场景。这是一个清晰的取舍得：BM-BronchoLC 选择了最大化可获取性。

§7 生态与下游影响

7.1 学术谱系与资助背景

BM-BronchoLC 是多机构合作的产物：白梅医院（临床数据与标注）、河内医科大学（临床合作）、越南河内国家大学工程技术大学（算法与工程）。通讯作者 Le Sy Vinh（vinhls@vnu.edu.vn）来自 VNU 工程技术大学，全文共 29 位作者。

研究由越南科技部资助，项目 Program KC 4.0（编号 No. KC-4.0-40/19-25）——KC 4.0 是越南的国家级科技计划，聚焦工业 4.0 相关技术，医疗 AI 是其支持方向之一。这一资助背景说明 BM-BronchoLC 不只是学术兴趣，而是被纳入国家层面的技术发展布局。

伦理审批：白梅医院伦理委员会，批号 1139/BM - HĐĐĐ。

7.2 下游研究：Hybrid Vision Transformers 方向

BM-BronchoLC 已被后续研究作为基准数据使用。一个代表性的下游方向是混合视觉 Transformer 方法（Hybrid Vision Transformers），其做法是：

• 用 MedViT 做多标签分类（一张图可同时标注多个病灶）；
• 用 FCB-SwinV2 做二值分割（只区分病灶/非病灶，不细分类别）。

报告的结果（据检索摘要，非全文）：

模型	任务	结果
MedViT	多标签分类	平均准确率 94.74%，AUC-ROC 0.95（随机划分）
FCB-SwinV2	二值分割	Dice：解剖标志 0.42、病灶 0.33

关键警示：MedViT 的 94.74% 出自随机（图像级）划分，而论文自身的分类区间是 82%-94%——下游的数值更高，很可能部分来自「图像级随机划分导致的数据泄漏」（§5.5）。不同划分策略下的数值不可直接横比，这是使用本数据集时最容易被忽略的陷阱（§10 坑 6、坑 7）。

此外，FCB-SwinV2 报告的分割 Dice（解剖标志 0.42、病灶 0.33）低于论文自身报告的数值（>70% / ~50%）——这看似矛盾，最可能的解释是任务定义不同：下游做的是「二值分割」（类别合并）且可能用了不同的评测协议，与论文的「多类分割」不是同一任务。再次印证：跨论文比较必须对齐任务定义与划分策略。

7.3 方法学贡献：划分策略议题

下游研究对比了患者级划分 vs 图像级划分两种策略，这恰好击中 BM-BronchoLC 的一个内在脆弱点：1 帧/秒抽帧带来的高帧间冗余。这一议题的方法学价值在于：

• 对数据集制作者：应在文档中明确声明划分单元（患者还是图像），并提供患者级划分的推荐方案。
• 对评测者：报告性能时必须说明划分策略，否则数值不可复现、不可比较。
• 对数据集本身：如果原始划分是图像级的，其报告性能应被视为「乐观估计」，真实泛化性能需用患者级划分重测。

这个问题不是 BM-BronchoLC 独有，而是所有「视频抽帧型」数据集的通病——只要抽帧产生高度相似的帧，图像级随机划分就会泄漏。BM-BronchoLC 的价值之一是把这个通病摆到了台面上。

7.4 在内窥镜数据集景观中的位置

BM-BronchoLC 属于「内窥镜影像数据集」大家族，与消化道内窥镜（结肠镜、胃镜）数据集共享若干方法学特征：

维度	BM-BronchoLC	典型消化道内窥镜数据集
模态	白光束支气管镜	白光/染色内镜
解剖	呼吸道（树状分支）	消化道（管状连续）
任务	解剖标志 + 病灶双任务	多为息肉/病灶检测单任务
标注	分割 + 分类	多为检测框或分割
难点	气道分支识别、黏膜征象主观性	息肉边界、镜面反光

差异点在于：支气管镜的解剖是树状分支结构（左右主支气管→叶支气管→段支气管），这比消化道的「连续管道」多了「节段识别」的维度——这正是解剖标志任务存在的临床理由。这使 BM-BronchoLC 在「解剖导航」这一特定方向上有独特价值，对机器人支气管镜的自动导航有直接参考意义。

7.5 对低资源地区医疗 AI 的意义

BM-BronchoLC 来自越南（中低收入国家），是「资源受限地区自主构建医疗数据集」的一个样本。其意义有两层：

1. 数据主权：越南团队采集并标注本土临床数据、公开发布，避免了对欧美数据集的单纯依赖——这对东南亚地区肺癌（尤其是与本地流行病学相关的类型）的研究有直接价值。
2. 方法可迁移：其「双医师标注 + 专家复核」流程与「多任务 + 分组」设计，可被其他资源受限地区复制用于自建数据集。

这也提出了一个使用上的注意点：单中心（白梅医院）采集意味着数据的地理与人群偏倚——模型的跨机构、跨种族泛化性未经外部验证，这是数据集的固有边界（§9）。

§7.6 数据集的时间坐标：2024 年支气管镜 AI 的位置

BM-BronchoLC 发表于 2024 年 3 月，这个时间点决定了它在技术潮流中的位置。2024 年前后正是视觉 Transformer 全面进入医学图像分割的时期：传统 CNN（U-Net 及其变体）仍是主力，但 Transformer 系（Swin-UNet、TransUNet、以及各类混合架构）正在快速追赶并在部分任务上超越。论文同时评测 UNet++（CNN 代表）与 ESFPNet（Transformer 代表）并报告后者多数占优，恰好记录了这一转换期的经验证据。

对数据集使用者，这个时间坐标有两层含义：

1. 基线数值的时效：论文的基线（Dice >70% / ~50%、分类 82%-94%）是 2024 年架构的水平。到 2025-2026 年，新的架构（更强的 Transformer、基础模型微调）可能显著超过这些数值。引用基线时应标注「2024 年论文口径」，并在使用更新架构时报告新的基线。
2. 方法学议题的延续性：论文没能解决的划分策略问题（§5.5、§10 坑 6），到 2026 年仍未在数据集文档中澄清。这说明数据集发布时的技术局限（划分声明不足）会长期影响其被引用的方式——后来的研究者要么补做患者级划分复测，要么在引用时打折扣。

§7.7 与其他气道/呼吸影像数据集的关系

支气管镜数据集只是「呼吸系统影像 AI」这个大领域的一小块。理解它与其他模态数据集的关系，有助于定位其独特价值：

模态	观察对象	与支气管镜的关系
胸部 X 光	肺部整体阴影	筛查层面，无法看气道内部
胸部 CT	肺实质、结节、气道断面	看周围型肺癌与气道壁，看不到腔内表面
支气管镜（本数据集）	气道腔内表面	唯一能直接看到气道内表面的模态
病理（活检）	组织细胞层面	确诊金标准，需取材

这条链的关键洞察：支气管镜是「中央型肺癌」的独有可视窗口。周围型肺癌（发生在肺外周）主要靠 CT 发现，而中央型肺癌（发生在大气道）的最佳可视化手段就是支气管镜。因此 BM-BronchoLC 的临床价值高度集中于中央型肺癌——它不是通用肺癌筛查数据集，而是气道腔内病变的专用数据集。理解这一点，才能正确界定它的适用范围（§11.3）。

§8 方法学启示：四条可迁移的经验

8.1 「双医师独立标注 + 专家复核」是可挪用的质控模板

BM-BronchoLC 的标注质控（2 位 ≥5 年经验医师独立标注 + 1 位 ≥10 年经验专家仲裁）与 PANDA-PLUS 的「学生初注 + 专家终审」流水线是两种不同的成本-质量取舍：

模式	人员结构	质量上界	规模上限	成本
双专家平行 + 资深仲裁（本条目）	2 医师 + 1 专家	高（双重独立 + 仲裁）	低（百例级）	高
学生初注 + 专家终审（PANDA-PLUS）	学生流水线 + 1 专家	中高（单专家决定上界）	中（千例级可期）	中

本条目模式的核心价值是把「观察者间分歧」显式暴露：两位独立标注的差异本身就是质量信号，专家仲裁则给出最终真值。适用于「标准清晰、但执行有主观性」的标注任务（如气道节段识别）。代价是专家时间翻倍，不适合追求大规模的场景。

8.2 分层任务设计：把认知流程结构化为模型任务

BM-BronchoLC 把支气管镜判读拆成「认路（解剖标志）+ 找病（病灶）」两个层面，并各配分割与分类——这是「任务设计对齐临床认知流程」的范例。可迁移的洞察：模型任务的划分应尽量复刻专家的认知分解。医生看支气管镜不是一步到位地识别病灶，而是先定位、再判断；把这一分解显式建模，既提升了可解释性（模型的「定位」和「判断」可分开检查），也便于分层评测（能知道模型是「路都认不对」还是「路认对了但病没找到」）。

对任何「需要先定位再识别」的医学影像任务（如皮肤镜、眼底、病理），这一思路都可借鉴。

8.3 数据分组作为可研究变量

BM-BronchoLC 把 208 例分为肺癌 106 例 + 非肺癌 102 例，使「模型在两组上的表现差异」成为可研究的变量，而非背景噪声。可迁移的洞察：数据集的分组设计应服务于研究问题。如果研究关心「模型是否对肺癌更敏感」，就必须有非肺癌对照组；如果只有肺癌组，模型可能只是学会了「识别气道」而非「识别肺癌」。

这也是数据集命名（含 LC）与纳入口径（含非肺癌）看似矛盾却合理的原因——分组对照是方法论需要，命名只是突出主用途。

8.4 开放许可的可复现性红利与外部依赖的代价

BM-BronchoLC 三件套全开放（CC BY 4.0 + MIT），这在可复现性上是巨大优势——任何人可立即下载并跑通。但它暴露了一个次要但在实践中常被低估的问题：预训练权重走 Google Drive 外部分发。Google Drive 链接不稳定、易失效、无版本管理、无校验和，是非标准仓储的典型缺陷。可迁移的教训：开放数据集的复现性短板往往不在主数据，而在「外部托管的辅助资产」（预训练权重、第三方检查点）。规范做法是把权重也放到版本化仓储（Zenodo、HuggingFace、GitHub Releases）。

§8.5 数据集工程的三个可复用模式

从 BM-BronchoLC 可提炼出三个可复用的数据集工程模式：

模式一：临床流程映射。把临床认知流程（先看气道解剖、再看病灶）直接映射为模型任务（解剖标志任务 + 病灶任务）。适用于任何「流程清晰、步骤可分解」的临床检查。

模式二：双标注者 + 仲裁质控。两位同资历标注者独立工作，暴露分歧；资深者仲裁，给出真值。适用于「标准存在但执行有主观性」的标注（解剖节段、病灶形态）。不适用于规模优先的场景（专家时间翻倍）。

模式三：对照人群设计。有意纳入健康/非目标病人群作为对照，使「目标 vs 非目标」成为可研究的变量。适用于任何以分类/检测为目标的数据集——对照组让模型学到「什么不是目标」，而不只是「目标长什么样」。

这三个模式的共同特征是把「质量控制」和「研究设计」前置到数据采集阶段，而非事后补救。对构建新数据集的团队，它们是可以直接借鉴的骨架。

§9 与库内条目的关系

9.1 家族图谱（建议互链，具体 rid 需库内检索确证）

• 内窥镜影像家族：BM-BronchoLC 与消化道内窥镜（结肠镜息肉、胃镜）数据集同属「内窥镜影像」类别（受控标签「内窥镜影像」）。共享「窄视野、光照变化、镜面反光、管腔结构」的影像特征与分割/检测任务范式。检索「内窥镜影像」标签时本条目应与其同现。
• 肺癌检测家族：与胸部 CT / 肺结节数据集同属「肺癌」（DISEASE 标签）方向。但模态互补——CT 看的是肺部断面与实性结节（周围型肺癌），支气管镜看的是气道腔内（中央型肺癌）。两者合起来覆盖肺癌的两大解剖类型，是可互链的互补关系。
• 医学图像分割方法家族：本条目使用的 UNet++ 与 ESFPNet 是通用分割方法，与库内其他使用 U-Net 变体、Transformer 分割主干的条目共享方法学背景。检索「医学图像分割」标签时应同现。
• 小目标/边界模糊分割难题家族：病灶分割 Dice 仅约 50%，与库内「息肉分割」「皮肤病变分割」等边界模糊任务共享同一难点结构，可横向对照。
• 低资源地区数据集家族：作为越南单中心数据集，与库内其他非欧美来源的数据集共享「数据主权」「跨机构泛化性」等议题。

9.2 检索路径建议

• 检索词组合：「BM-BronchoLC」（精确）+ 「bronchoscopy」 + 「lung cancer」；仓库名 「bronchoscopy_nsd」；论文 DOI 「10.1038/s41597-024-03145-y」。
• 若目标是立刻可用的数据：figshare DOI 10.6084/m9.figshare.24243670.v2 → 下载两个 ZIP → GitHub clone 代码。
• 若目标是引用基线数值：引论文 Table 3（划分数）与 Table 4（超参数）+ 结果节的 Dice/准确率区间，注明图像总数双口径（坑 2）与类别数双口径（坑 3）。
• 若目标是复现：先确认划分策略（患者级/图像级，坑 6），权重从 Google Drive 下载后做校验和留存。

9.3 与 PANDA-PLUS 的对照（库内可得的邻近参照）

PANDA-PLUS（前列腺病理 WSI）与 BM-BronchoLC（支气管镜）虽模态不同，但在方法学上高度可比：

维度	BM-BronchoLC	PANDA-PLUS（对照）
模态	支气管镜白光束图像	前列腺病理 WSI
规模	208 例 / 2,623 张（Table 3）	546 张 WSI
许可	CC BY 4.0（全开放）	三层异构（掩码请求制）
标注	双医师 + 专家复核	学生 + 专家终审
文档瑕疵	两处双口径（规模、类别数）	双口径（年份、κ 值）
核心价值	多任务 + 分组 + 全开放	像素级重标注 + 标签审计

两者共同说明：医学数据集的文档普遍存在双口径瑕疵，这几乎是数据集工程的常态而非例外——AI-Ready 条目的价值之一就是把这些瑕疵显式存照。

§9.4 库内检索面向的补充

从检索工具的角度，本条目应能被以下查询命中：

• 标签检索：「内窥镜影像」（L2）、「医学图像分割」（L2）、「图像分类」（L2）、「肺癌」（DISEASE）、「医学影像」（L1）；
• 关键词检索：「支气管镜」、「bronchoscopy」、「气道病灶」、「解剖标志」；
• 模态检索：「白光束」、「WLB」、「内窥镜」。

由于本条目 category_tags 覆盖了 L1（医学影像）+ 多个 L2（内窥镜影像/医学图像分割/图像分类）+ DISEASE（肺癌），它在多个标签维度上都能被检索到——这是互链算法的输入（§8.4 所述互链算法按标签计算相关度）。建议的互链邻居（需库内检索确证 rid）：内窥镜影像家族条目、肺癌检测家族条目、医学图像分割方法家族条目。

§9.5 跨模态互链的具体理由

补充说明为什么本条目应与「肺癌 CT/肺结节数据集」互链，而非仅在标签层面同现：

临床互补性：中央型肺癌（支气管镜可见）与周围型肺癌（CT 可见）是肺癌的两大解剖类型，临床上常需联合诊断——CT 发现可疑病灶后，若病灶位于中央气道附近，会用支气管镜进一步检查取材。因此「CT 数据集」与「支气管镜数据集」在临床工作流中是上下游关系，互链能帮助使用者理解「每个模态适合看什么」。

任务互补性：CT 肺结节数据集多做「检测 + 良恶性分类」（3D 体数据、结节级），支气管镜数据集多做「分割 + 分类」（2D 图像、像素级）。两者在方法上（3D vs 2D、检测 vs 分割）可互相借鉴，但不可直接迁移（模态差异大）。

泛化性议题的共性：两者都面临「单中心/单设备采集 → 跨机构泛化」的问题，互链有助于把这一共性问题浮现出来。

§10 避坑清单：八个已踩过的坑

坑 1：「BM-BronchoLC」 有多个书写面，检索易漏。数据集名 「BM-BronchoLC」、论文标题里的 「flexible bronchoscopy dataset」、代码仓库名 「bronchoscopy_nsd」、figshare 条目名 「BM-BronchoLC」——同一事物的不同书写面。用单一关键词（如 「bronchoscopy dataset」）检索会命中大量无关结果。建议用精确短语 「BM-BronchoLC」 或 DOI 定位。

坑 2：图像总数双口径。论文摘要写解剖标志 2,132 张 + 病灶 789 张 = 2,921 张；Table 3 划分为 2,123 + 237 + 263 = 2,623 张。差额 298 张，论文未说明。做规模声明时双写，做复现时以 Table 3 为准。

坑 3：解剖标志类别数双口径。论文正文表述 「11 common classes」，但正文列举与 Table 1 实际只有 10 类。11 vs 10 差 1 类，缺哪一类未说明。本条目按 10 类列举为准，同时存照原文的「11 类」表述。

坑 4：命名含 LC 但纳入非肺癌患者。数据集名 「bm-bronch(LC)」 的 LC 是 Lung Cancer，但 208 例中有 102 例是非肺癌。若按字面理解「这个数据集都是肺癌患者」会导致误用。正确理解：LC 是主用途标签，数据集含肺癌与非肺癌对照两组。

坑 5：整体准确率掩盖类间差异。论文分类准确率按区间报告（82%-94%），未逐类给出。若直接用整体准确率评估，会掩盖「易类拉高均值、难类实际很低」的问题。应做类别分层评测，尤其是黏膜红斑、水肿这类主观性强、样本可能偏少的类别。

坑 6（最重要）：划分策略未声明，存在数据泄漏风险。1 帧/秒抽帧产生高度相似的相邻帧，若采用图像级随机划分，同一患者的相似帧会同时进训练集与测试集，导致性能高估。论文 Table 3 未明确声明划分单元是患者还是图像。使用者应：① 优先采用患者级划分；② 报告性能时说明划分策略；③ 对论文报告的数值保持「可能是乐观估计」的警觉。下游研究的 94.74% 正是出自随机（图像级）划分（§7.2）。

坑 7：跨论文数值不可直接横比。论文自身的分割 Dice（解剖标志 >70%、病灶 ~50%）与下游 FCB-SwinV2 的 Dice（0.42 / 0.33）数值差异巨大，主要源于任务定义不同（多类分割 vs 二值分割）与评测协议不同，而非模型优劣。跨论文引用前必须对齐任务定义与划分策略。

坑 8：预训练权重走 Google Drive。Mixtransformer 权重经 Google Drive 分发，非版本化仓储——链接可能失效、无校验和。复现前应确认链接有效并本地留存，或寻找替代权重来源，不要把 Google Drive 链接当稳定依赖。

§10.5 坑点优先级排序（给时间有限的读者）

八个坑按对研究结果的影响程度排序：

优先级	坑	影响	是否致命
1	坑 6 划分策略未声明	可能系统性高估性能	是（影响结论可信度）
2	坑 7 跨论文数值不可横比	可能得出错误的方法结论	是（影响比较结论）
3	坑 2 图像总数双口径	影响规模声明准确性	否（可双写解决）
4	坑 3 类别数双口径	影响类别引用	否（可双写解决）
5	坑 5 整体准确率掩盖类间差	影响评测解读	否（可分层解决）
6	坑 4 命名含 LC 但含非肺癌	影响人群理解	否（读文档即解）
7	坑 8 权重走 Google Drive	影响复现便利性	否（可本地留存）
8	坑 1 名称书写面多	影响检索效率	否（用 DOI 即解）

一句话给时间有限的读者：前两个坑（划分策略、跨论文比较）会直接影响你的研究结论，其余六个影响效率或表述但不致命。

§10.6 一个正面清单：本数据集做对了什么

避坑清单之外，也值得列出这份数据集做对的地方，供构建新数据集者参考：

1. 全开放许可：CC BY 4.0 + MIT，无门槛——AI-Ready 的第一道关（许可）。
2. 双任务 + 分组设计：解剖标志 + 病灶 + 肺癌/非肺癌对照，任务与研究问题对齐。
3. 完整元数据链：原始多边形标注（JSON）+ 转换脚本 + 掩码（PNG），可审计可转换。
4. 明确的类别体系：10 类解剖标志 + 7 类病灶，类别定义清晰。
5. 三级质控：双医师独立 + 专家仲裁，质量控制有据可查。
6. 双主干基线：UNet++ 与 ESFPNet 对照，给出可复现的起点。
7. 伦理与资助透明：伦理批号与资助项目号公开。

这些做法共同构成了一个「高质量公开医学数据集」的骨架。它的不足（文档双口径、划分未声明、权重外部托管）恰恰是更容易改进的部分——这也是为什么它的 AI-Ready 综合评级为「良」：底子好，细节待打磨。

§11 总结

11.1 三句话总结

1. BM-BronchoLC 是越南白梅医院 208 例（106 肺癌 + 102 非肺癌）柔性支气管镜白光束图像的多任务数据集，同时提供解剖标志（10 类）与病灶（7 类）的分割与分类标注，全开放许可（CC BY 4.0 + MIT）。
2. 它的核心方法学贡献是「双医师独立标注 + 专家复核」的三级质控、以及「认路 + 找病」对齐临床认知的任务分解；论文用 UNet++ 与 ESFPNet 双主干建立基线，报告解剖标志分割 Dice >70%、病灶约 50%、分类 82%-94%。
3. 使用它必须记住两件事：图像总数与类别数存在双口径（2,921 vs 2,623；11 vs 10），以及划分策略未声明带来的数据泄漏风险（1 帧/秒抽帧的高帧间冗余）。

11.2 适合谁

• 支气管镜影像 AI 团队：找解剖导航与病灶检测的多任务监督数据。
• 内窥镜分割/分类研究者：需要一个带双任务标注、可分层的公开基准。
• 机器人支气管镜/自动导航研究者：解剖标志 10 类标注对气道节段识别有直接价值。
• 低资源地区医疗 AI 构建者：一个可复制的方法学模板（采集→双医师标注→专家复核→多任务基线）。
• 数据集工程研究者：双口径 + 划分策略议题是活的案例。

11.3 不适合谁

• 需要大规模病灶训练数据的团队：病灶任务仅 709 张（Table 3），量偏小。
• 需要跨机构/跨种族泛化的研究：单中心（白梅医院）采集，无外部验证。
• 需要稀有病灶类型监督的项目：出现次数 <20 的标签被剔除，稀有类型不在集内。
• 需要严格患者级划分保证的评测：论文未声明划分单元，复现者需自行重划。

11.4 30 秒决策卡

你的情况	行动
要立刻下数据跑通	figshare DOI 10.6084/m9.figshare.24243670.v2 + GitHub csuet/bronchoscopy_nsd
要做解剖导航	用解剖标志 10 类分割标注；注意类别数双口径（坑 3）
要做病灶检测	病灶仅 709 张，考虑数据增强或与解剖任务共享编码器（Cerberus 思路）
要报告性能	必须声明划分策略（患者级/图像级，坑 6），并按类别分层（坑 5）
要引用规模	双写 2,921（摘要）/ 2,623（Table 3），注明口径（坑 2）
要写综述	本条目 §2 类别体系 + §5 基线 + §7 下游可直接引用

§11.5 给三类读者的行动清单

给模型开发者：

1. figshare 下载数据（即下即用），GitHub clone 代码；
2. 先跑通 ESFPNet 或 UNet++ 基线，复现论文数值量级；
3. 换用患者级划分重测，看性能是否有明显下降（判断泄漏程度）；
4. 尝试更强的 Transformer / 基础模型架构，建立新基线。

给数据集构建者：

1. 借鉴「双医师 + 专家仲裁」质控模板（§8.1）；
2. 借鉴「解剖 + 病灶」任务分解（§8.2）；
3. 借鉴「目标 + 对照」分组设计（§8.3）；
4. 但务必在文档中声明划分单元（避免重蹈坑 6）。

给临床研究者：

1. 关注「病灶分割 Dice 约 50%」这一数字——它提示当前模型对黏膜征象的识别远未成熟；
2. 把数据集当作「气道腔内病变」的专用工具，而非通用肺癌筛查；
3. 若用于中央型肺癌研究，本数据集是少有的公开腔内数据来源。

FAQ（高频问答 30 问）

A. 基础认知

Q1：BM-BronchoLC 是挑战赛吗？
不是。它没有比赛和 leaderboard，是一个公开的临床数据集 + 数据论文（Data Descriptor 体裁）+ 配套基线代码。

Q2：名字怎么读？
BM = Bach Mai（白梅医院），Broncho = 支气管镜（bronchoscopy），LC = Lung Cancer（肺癌）。

Q3：和普通支气管镜数据集有什么不同？
两点：① 多任务——同时有解剖标志与病灶两类标注，各带分割与分类；② 分组——208 例分肺癌 106 例 + 非肺癌 102 例，支持对照研究。

Q4：谁做的？
越南白梅医院 + 河内医科大学 + 越南河内国家大学工程技术大学（VNU）合作，29 位作者，通讯作者 Le Sy Vinh。

Q5：发表在哪里？
Scientific Data（Nature 旗下），Sci Data. 2024 Mar 28;11:321，doi:10.1038/s41597-024-03145-y，开放获取（CC BY 4.0），PMCID PMC10978879。

Q6：为什么数据集来自越南很重要？
它增加了东南亚人群的支气管镜数据，减少对欧美数据集的单一依赖；同时是「低资源地区自主构建医疗数据集」的可复制样本。

Q7：最大的卖点一句话？
一份全开放（CC BY 4.0 + MIT）、带双任务标注（解剖标志 + 病灶）和肺癌/非肺癌分组的支气管镜数据集——即下即用，无需申请。

Q8：它自己有什么局限？
单中心采集、病灶样本量偏小（709 张）、图像总数与类别数有双口径、划分策略未声明、预训练权重走 Google Drive。

Q9：开源吗？
全开源：数据 figshare（CC BY 4.0）、代码 GitHub csuet/bronchoscopy_nsd（MIT）、论文开放获取。

Q10：和 PANDA-PLUS 比呢？
模态不同（支气管镜 vs 前列腺病理），但方法学可比：都是医学影像标注数据集，都自曝双口径瑕疵；本条目许可是全开放（优于 PANDA-PLUS 的掩码请求制），但规模更小（208 例 vs 546 张 WSI）。

B. 数据与获取

Q11：图像总数到底是多少？
双口径：摘要 2,921 张（2,132 解剖 + 789 病灶），Table 3 划分合计 2,623 张（2,123 + 237 + 263）。差额 298，论文未说明（坑 2）。

Q12：解剖标志到底几类？
10 类（正文列举与 Table 1 为准），但论文正文另写「11 类」，差 1 类来源不明（坑 3）。

Q13：病灶哪几类？
7 类：黏膜红斑、炭末沉着、狭窄、隆突黏膜水肿、黏膜浸润、血管增生、肿瘤。

Q14：图像规格是什么？
白光束支气管镜，最小 480×480 px，Olympus 镜（工作长 600 mm，0° 视角，120° FOV，景深 3-100 mm），2020-2023 年，1 帧/秒抽帧。

Q15：文件怎么组织的？
figshare 两个 ZIP（Lung_cancer.zip / Non_lung_cancer.zip），解压后路径 <patient_id>/<video_id>/<image_id>.png。

Q16：标注是什么格式？
像素级掩码（单通道，0=无标签，>0=标签索引）+ JSON 元数据（annotation.json / labels.json / objects.json）。

Q17：怎么下载？
figshare 页面直接下载（DOI 10.6084/m9.figshare.24243670.v2），无需注册申请。

Q18：能用它商用吗？
可以。数据与论文 CC BY 4.0（署名即可商用、修改、再分发），代码 MIT（几乎无限制）。仅需保留署名与版权声明。

C. 标注与质量

Q19：谁标注的？
2 位 ≥5 年经验支气管镜医师独立标注 + 1 位 ≥10 年经验专家复核仲裁。

Q20：有观察者间一致性数据吗？
论文未报告双医师间的一致性指标（如 Dice/kappa）——这是遗留疑点。标注可靠性只能定性理解，无法量化（§9）。

Q21：为什么剔除 <20 次的标签？
保证每类样本量下界，避免小样本类别导致训练不稳、评测方差大。代价是稀有类型不在集内。

Q22：病灶为什么比解剖标志难？
边界模糊（红斑/水肿弥散无清晰轮廓）、类间相似（红斑与浸润难区分）、样本量少（709 vs 1,914）。所以 Dice 只有约 50%。

Q23：为什么是白光束而非窄带成像？
WLB 设备普及率最高，覆盖更广的真实场景（尤其基层）；代价是失去 NBI/AFI 的增强对比。

D. 评测与复现

Q24：基线怎么跑的？
Cerberus 多任务框架（共享编码器 + 独立解码器），两套主干 UNet++（CNN）与 ESFPNet（Transformer），lr 0.0001，500 epoch，AdamW，7×RTX 2080 Ti。

Q25：哪个主干更好？
多数任务 ESFPNet（Transformer）优于 UNet++（CNN），但参数量更大（61.7M vs 47.2M），优势可能部分来自容量。

Q26：基线数值是多少？
分割 Dice：解剖标志 >70%、病灶约 50%；分类准确率 82%-94%。

Q27：划分是患者级还是图像级？
论文未明确声明——这是最大的复现风险点。1 帧/秒抽帧导致高帧间冗余，图像级随机划分会造成数据泄漏（坑 6）。建议自行采用患者级划分。

Q28：下游的 94.74% 能对标吗？
不能直接对标。那是 MedViT 在随机（图像级）划分下的多标签分类结果，与论文的分类任务定义、划分策略都不同（坑 7）。

Q29：预训练权重怎么拿？
Mixtransformer 权重经 Google Drive 下载（论文/仓库提供链接），非版本化仓储，注意链接失效风险（坑 8）。

Q30：如果只记住一件事？
这是一份全开放、多任务、带肺癌分组的支气管镜数据集——即下即用；但用之前务必确认图像口径（2,921/2,623 双写）、类别数（10 类 vs 论文写 11）、以及划分策略（患者级防泄漏）。

事实清单（硬事实 42 条）

1. BM-BronchoLC 采集自越南白梅医院（Bach Mai Hospital，河内），2020-2023 年柔性支气管镜视频。
2. 患者总数 208 例，全部 >18 岁；肺癌 106 例 + 非肺癌 102 例（106+102=208）。
3. 论文发表于 Scientific Data（Nature 旗下），Sci Data. 2024 Mar 28;11:321。
4. 论文 DOI：10.1038/s41597-024-03145-y；PMID 38548727；PMCID PMC10978879。
5. 投稿时间线：Received 2023 Nov 2；Accepted 2024 Mar 14；Published 2024 Mar 28。
6. 论文许可：CC BY 4.0 International，开放获取。
7. 通讯作者：Le Sy Vinh（vinhls@vnu.edu.vn），越南河内国家大学工程技术大学（UET-VNU）。
8. 合作机构三所：白梅医院 + 河内医科大学 + VNU 工程技术大学。
9. 作者总数：29 位。
10. 伦理审批：白梅医院伦理委员会，批号 1139/BM - HĐĐĐ。
11. 资助来源：越南科技部，Program KC 4.0，No. KC-4.0-40/19-25。
12. 成像模态：白光束支气管镜（white light bronchoscopy, WLB）。
13. 设备：Olympus 柔性支气管镜，工作长度 600 mm，镜体直径 4-6 mm，0° 视角方向。
14. 光学参数：视场角 120°，景深 3-100 mm。
15. 图像最小分辨率：480 × 480 px。
16. 采集格式：视频 .mpeg，按 1 帧/秒抽帧，转 DICOM 后处理。
17. 解剖标志类别：10 类（声带/气管/右主支气管/左主支气管/右上叶支气管/中间支气管/右中叶支气管/右下叶支气管/左上叶支气管/左下叶支气管）。
18. 类别数双口径：正文写 「11 common classes」，正文列举与 Table 1 实际 10 类（坑 3）。
19. 病灶类别：7 类（黏膜红斑/炭末沉着/狭窄/隆突黏膜水肿/黏膜浸润/血管增生/肿瘤）。
20. 图像总数双口径：摘要 2,132 解剖 + 789 病灶 = 2,921；Table 3 划分合计 2,623（坑 2）。
21. Table 3 划分——解剖标志：Train 1,549 / Valid 173 / Test 192 = 1,914。
22. Table 3 划分——病灶：Train 574 / Valid 64 / Test 71 = 709。
23. Table 3 划分——合计：Train 2,123 / Valid 237 / Test 263 = 2,623（比例约 8:1:1）。
24. 标注人员：2 位支气管镜医师（各 ≥5 年经验）独立标注。
25. 复核人员：1 位专家医师（≥10 年经验）复核仲裁（三级质控）。
26. 类别筛选规则：出现次数 <20 次的标签被剔除。
27. 掩码规格：单通道，像素值 0=无标签，>0=对应标签索引。
28. 掩码生成脚本：annots_to_mask.py（GitHub 仓库内）。
29. 元数据文件：annotation.json、labels.json、objects.json。
30. 目录结构：<patient_id>/<video_id>/<image_id>.png。
31. 多任务框架：Cerberus（共享编码器 + 独立解码器）。
32. 双主干：UNet++（CNN，参数量 47.17M/47.31M）与 ESFPNet（Transformer/Mixtransformer，61.69M/61.82M）。
33. 训练超参数（Table 4）：学习率 0.0001，epoch 500，batch size ESFPNet 8 / UNet++ 4，init train size 352，优化器 AdamW。
34. 训练硬件：7 × NVIDIA RTX 2080 Ti。
35. 分割结果：解剖标志 Dice >70%；病灶 Dice 约 50%。
36. 分类结果：准确率 82%-94% 区间。
37. 架构结论：多数任务 ESFPNet > UNet++。
38. 数据获取：figshare，DOI 10.6084/m9.figshare.24243670.v2；PNG 打包为 Lung_cancer.zip 与 Non_lung_cancer.zip。
39. figshare 版本链：v1 2023-10-06；v2 2023-11-03 10:42；v3 2023-11-03 11:06。
40. figshare 作者字段：Van Giap Vu；关键词：bronchoscopy images / anatomical landmarks / airway lesions。
41. 代码：GitHub https://github.com/csuet/bronchoscopy_nsd，LICENSE.txt = MIT License。
42. 代码结构：Process_data / Unet2+_base / ESFPNet_base / requirements.txt / README.md；预训练 Mixtransformer 权重经 Google Drive 分发。

---

术语表（30 条）

术语	释义
柔性支气管镜（flexible bronchoscopy）	经口/鼻插入的可弯曲内镜，用于检查气管与支气管；区别于硬质支气管镜
白光束（WLB, white light bronchoscopy）	标准白光照明下的支气管镜成像，最基础的模态
窄带成像（NBI）	用窄带光增强黏膜表面血管对比的进阶模态，本数据集未使用
自发荧光（AFI）	利用组织自发荧光差异检测病变的进阶模态，本数据集未使用
解剖标志（anatomical landmarks）	气道中可辨认的固定解剖结构（如声带、气管分叉），用于定位
气道病灶（airway lesions）	气道内的异常征象（红斑、水肿、肿瘤等）
主支气管（main bronchus）	气管分叉后的左右一级分支
叶支气管（lobar bronchus）	供应肺叶的支气管（上/中/下叶）
中间支气管（intermediate bronchus）	右上叶分出后、右中下叶分出前的一段右侧气道
隆突（carina）	气管分叉处（左右主支气管起始的嵴）
声带（vocal cord）	喉部的发音结构，支气管镜入口标志
黏膜红斑（mucosal erythema）	黏膜充血发红，炎症或病变征象
炭末沉着（anthracosis）	黏膜下黑色炭末沉积，吸烟/粉尘暴露相关
狭窄（stenosis）	气道管腔缩窄
黏膜水肿（mucosal edema）	黏膜肿胀，常伴炎症
黏膜浸润（mucosal infiltration）	黏膜下异常组织侵入，可为肿瘤性
血管增生（vascular growth）	黏膜表面异常血管形成
分割（segmentation）	像素级标注/预测，区分每个像素的类别
分类（classification）	图像级标注/预测，给整幅图一个类别
多任务学习（multi-task learning）	一个模型同时学习多个相关任务，共享表示
共享编码器（shared encoder）	多任务中提取通用特征的公共骨干
独立解码器（independent decoder）	多任务中每个任务专属的输出分支
Cerberus	论文使用的多任务框架（三头犬命名，共享编码器+多解码器）
UNet++（UNet2+）	嵌套 U 型卷积网络，密集跳跃连接，CNN 系分割主力
ESFPNet	基于 Mixtransformer 的 Transformer 系分割主干
Mixtransformer	混合 Transformer 骨干，ESFPNet 的基础
Dice 系数	分割重叠度指标，1 为完全重合
AUC-ROC	分类任务常用指标，衡量排序性能
数据泄漏（data leakage）	训练/测试划分不当导致测试信息泄入训练，高估性能
患者级划分	同一患者的所有图像只进一个集合，防泄漏的正确划分
图像级划分	按图像随机划分，视频抽帧场景下易泄漏
帧间冗余	视频相邻帧高度相似的现象，1 帧/秒抽帧的产物

附录

附录 A：条目信息速查卡

项	值
条目名	BM-BronchoLC
url_name	bm-bronch
类型	数据集 + 数据论文 + 配套代码（三件套）
论文	Sci Data 2024;11:321
团队	白梅医院 + 河内医科大学 + VNU 工程技术大学
规模	208 例（106 肺癌 + 102 非肺癌）
许可	数据/论文 CC BY 4.0；代码 MIT
抓取时点	2026-10-08
库内互链	内窥镜影像家族、肺癌检测家族（建议，见 §9）

附录 B：DAIMS 评估全表

维度	评分（1-10）	依据
D 可发现性	8	论文开放获取（PMC）+ figshare 条目可索引 + GitHub 仓库；但名称书写面多（BM-BronchoLC/bronchoscopy_nsd），精确检索需用 DOI
A 可获取性	9	数据（figshare 直链）、代码（GitHub 直链）、论文（DOI 直链）三者全开放，无注册墙/请求制——本条目最强项
I 可互操作	7	PNG 图像 + JSON 元数据 + 单通道整数掩码，通用格式；有 annots_to_mask.py 转换脚本；无 DICOM 直出与标准化词汇表引用
M 元数据质量	6	论文表格完备（Table 1-4），参数与超参数详实；但两处双口径（2,921/2,623；11/10 类）与划分策略未声明拉低分数
S 可持续性	8	figshare 平台稳定（DOI 版本化）+ GitHub 代码 + PMC 论文；仅预训练权重走 Google Drive 是单点风险
综合评级	7.6/10（良）	许可与可获取性显著优于均值；文档自洽性与划分声明是主要失分项

附录 C：逐项证据链自证

关键数字	来源	位置
208 例 / 106 肺癌 / 102 非肺癌	论文正文	PMC 全文（pmc.txt）
2,921 张（2,132 + 789）	论文摘要	PMC 全文（pmc.txt）
2,623 张（2,123/237/263）	论文 Table 3	PMC 全文（pmc.txt）
10 类解剖标志 / 7 类病灶	论文正文列举 + Table 1/2	PMC 全文（pmc.txt）
「11 common classes」	论文正文	PMC 全文（pmc.txt）
480×480 px / Olympus 参数	论文方法节	PMC 全文（pmc.txt）
1 帧/秒 / 2020-2023	论文方法节	PMC 全文（pmc.txt）
双医师 ≥5 年 + 专家 ≥10 年	论文方法节	PMC 全文（pmc.txt）
<20 次标签剔除	论文方法节	PMC 全文（pmc.txt）
超参数（lr/epoch/batch/AdamW）	论文 Table 4	PMC 全文（pmc.txt）
Dice >70%/~50% / 分类 82-94%	论文结果节	PMC 全文（pmc.txt）
7×RTX 2080 Ti	论文实验节	PMC 全文（pmc.txt）
DOI 10.6084/m9.figshare.24243670.v2	figshare 页面	WebFetch 抓取
版本链 v1/v2/v3	figshare 页面	WebFetch 抓取
MIT License	GitHub LICENSE.txt	WebFetch 抓取
104.74% / FCB-SwinV2 Dice 0.42/0.33	下游论文摘要	WebSearch 摘要（未获全文）

注：pmc.txt 为本代理私有区落盘的 PMC 全文（39,043 字节 / 528 行，md5 0473a73fdbf4ef76f6c8a3674660f009）。

附录 D：数据获取决策树

需求是什么？
├── 想立刻下数据跑通
│   └── figshare DOI 10.6084/m9.figshare.24243670.v2（CC BY 4.0，直链）
├── 想复现基线
│   ├── 1) git clone github.com/csuet/bronchoscopy_nsd（MIT）
│   ├── 2) 下载两个 ZIP（Lung_cancer / Non_lung_cancer）
│   └── 3) Google Drive 取 Mixtransformer 权重（注意失效风险）
├── 想做解剖导航
│   └── 用解剖标志 10 类分割标注（注意类别数双口径，坑 3）
├── 想做病灶检测
│   └── 用病灶 7 类标注（仅 709 张，注意样本量，§2.3）
└── 只想引用规模
    └── 双写 2,921（摘要）/ 2,623（Table 3），注明口径（坑 2）

附录 E：类别映射与使用规范

类别体系	类别	训练建议
解剖标志（10 类）	声带/气管/左右主支气管/中间支气管/左右上下叶支气管	用于解剖导航；类别边界清晰，相对易学
病灶（7 类）	黏膜红斑/炭末沉着/狭窄/隆突黏膜水肿/黏膜浸润/血管增生/肿瘤	类间难度差异大；红斑/水肿难、肿瘤/狭窄易，建议分层报告
掩码编码	单通道，0=无标签，>0=标签索引	损失计算排除 0（背景）

附录 F：标注质控流程（SOP 模板）

阶段 1 独立标注（双医师）
  - 医师 A、医师 B 各自独立完成标注（互不可见）
  - 资历要求：≥5 年支气管镜经验
阶段 2 复核仲裁（专家）
  - 专家医师（≥10 年经验）复核
  - 处理双医师分歧，给出最终真值
阶段 3 掩码生成与筛选
  - annots_to_mask.py 生成单通道掩码
  - 剔除出现次数 <20 的标签
阶段 4 分组与打包
  - 按肺癌/非肺癌分组
  - 按 <patient_id>/<video_id>/<image_id>.png 组织

附录 G：Cerberus 多任务训练骨架（代码）

# Cerberus 框架示意：共享编码器 + 独立解码器（伪代码）
import torch
import torch.nn as nn

class Cerberus(nn.Module):
    """共享编码器 + 多任务独立解码器。"""
    def __init__(self, backbone, num_landmark=10, num_lesion=7):
        super().__init__()
        self.encoder = backbone                    # UNet++ 或 ESFPNet 编码器
        self.dec_landmark_seg = SegDecoder(num_landmark)   # 解剖标志分割
        self.dec_lesion_seg = SegDecoder(num_lesion)       # 病灶分割
        self.dec_landmark_cls = ClsHead(num_landmark)      # 解剖标志分类
        self.dec_lesion_cls = ClsHead(num_lesion)          # 病灶分类

    def forward(self, x):
        feat = self.encoder(x)                     # 共享特征
        return {
            "landmark_seg": self.dec_landmark_seg(feat),
            "lesion_seg": self.dec_lesion_seg(feat),
            "landmark_cls": self.dec_landmark_cls(feat),
            "lesion_cls": self.dec_lesion_cls(feat),
        }

# 训练要点（论文 Table 4 口径）
# lr=0.0001, epochs=500, optimizer=AdamW
# batch_size: ESFPNet 8 / UNet++ 4
# Dice loss 用于分割任务（掩码 0=背景，>0=类别索引）

附录 H：掩码读取与划分骨架（代码）

import numpy as np
from PIL import Image

def load_mask(path):
    """读取单通道掩码。0=无标签，>0=标签索引。"""
    mask = np.array(Image.open(path))          # 单通道
    assert mask.ndim == 2, "应为单通道掩码"
    return mask

def patient_level_split(records, test_ratio=0.1, valid_ratio=0.1, seed=42):
    """患者级划分：同一患者的所有图像只进一个集合。
    这是防止 1 帧/秒抽帧造成数据泄漏的关键（坑 6）。
    """
    import random
    random.seed(seed)
    patients = sorted({r["patient_id"] for r in records})
    random.shuffle(patients)
    n = len(patients)
    n_test = int(n * test_ratio)
    n_valid = int(n * valid_ratio)
    test_p = set(patients[:n_test])
    valid_p = set(patients[n_test:n_test + n_valid])
    train_p = set(patients[n_test + n_valid:])
    return {
        "train": [r for r in records if r["patient_id"] in train_p],
        "valid": [r for r in records if r["patient_id"] in valid_p],
        "test": [r for r in records if r["patient_id"] in test_p],
    }

附录 I：类别清单全表

任务	类别数	类别
解剖标志	10	vocal cord / trachea / right main bronchus / left main bronchus / right superior lobar bronchus / intermediate bronchus / right middle lobar bronchus / right inferior lobar bronchus / left superior lobar bronchus / left inferior lobar bronchus
病灶	7	mucosal erythema / anthracosis / stenosis / mucosal edema of carina / mucosal infiltration / vascular growth / tumor

附录 I-2：采集参数与包结构（data_source 字段压缩前明细）

data_source 字段受 DB 255 字符硬限，以下为压缩前的完整明细（信息不丢失）：

• 设备：Olympus 柔性支气管镜，工作长度 600 mm，直径 4-6 mm，0° 视角，120° 视场角，景深 3-100 mm
• 采集：越南白梅医院（Bach Mai Hospital）2020-2023 年柔性支气管镜白光束（WLB）视频
• 抽帧：按 1 帧/秒抽帧，转 DICOM 格式，图像最小 480×480 px
• 打包：figshare 以 PNG 格式打包为两个压缩包 —— Lung_cancer.zip（肺癌组）与 Non_lung_cancer.zip（非肺癌组）
• 路径结构：<patient_id>/<video_id>/<image_id>.png
• 元数据文件：annotation.json（标注）／labels.json（分类标签）／objects.json（目标框与掩码）

附录 J：Table 3 划分总表

子任务	Train	Valid	Test	小计	占比
解剖标志	1,549	173	192	1,914	73.0%
病灶	574	64	71	709	27.0%
合计	2,123	237	263	2,623	100%
占比	80.9%	9.0%	10.0%	—	—

附录 K：表 4 超参数全表

超参数	UNet++	ESFPNet
学习率	0.0001	0.0001
Epoch	500	500
Batch size	4	8
初始训练尺寸	352	352
优化器	AdamW	AdamW
参数量	47.17M / 47.31M	61.69M / 61.82M
训练硬件	7 × RTX 2080 Ti	7 × RTX 2080 Ti

附录 L：基线结果登记表（论文口径）

任务	指标	数值
解剖标志分割	Dice	> 70%
病灶分割	Dice	约 50%
分类	准确率	82%-94%
架构对比	结论	多数任务 ESFPNet > UNet++

注：论文按区间报告，未逐类给出；下游 FCB-SwinV2 的 Dice（解剖标志 0.42 / 病灶 0.33）为不同任务定义（二值分割），不可直接横比（坑 7）。

附录 M：与邻近数据集的对照

维度	BM-BronchoLC	PANDA-PLUS
模态	支气管镜白光束	前列腺病理 WSI
机构	越南白梅医院（单中心）	派生自 PANDA（多中心）
规模	208 例 / 2,623 张（Table 3）	546 张 WSI
任务	解剖标志 + 病灶（分割/分类）	像素级 Gleason 分级
许可	CC BY 4.0（全开放）	三层异构（掩码请求制）
文档瑕疵	双口径（规模、类别数）	双口径（年份、κ 值）
参考价值	多任务 + 分组 + 全开放	像素级重标注 + 标签审计

附录 N：许可条款细读

1. 数据集（figshare）：CC BY 4.0 International——署名即可商用、修改、再分发，需保留署名与许可声明。
2. 论文（Sci Data）：CC BY 4.0——开放获取，可自由阅读、下载、再分发，署名即可。
3. 代码（GitHub）：MIT License——允许商用、修改、再分发，保留版权声明与许可声明即可。
4. 预训练权重：随代码仓库口径（无独立许可声明），经 Google Drive 分发；商用前建议与作者确认。
5. 引用优先级：用数据引数据集 DOI（figshare），引用观点引论文（Sci Data 11:321）。

附录 O：复现检查清单（12 项）

1. 许可核对：数据/代码/论文均开放，署名即可用；权重商用前确认。
2. 口径声明：引用规模时双写 2,921/2,623（坑 2）。
3. 类别数核对：解剖标志按 10 类用，注明论文写 「11 类」（坑 3）。
4. 命名理解：LC 是主用途标签，含 102 例非肺癌，勿假设全肺癌（坑 4）。
5. 分层评测：分类准确率按类别报告，勿只报整体（坑 5）。
6. 划分策略：必须用患者级划分，报告时声明（坑 6，最高优先级）。
7. 跨论文比较：对齐任务定义与划分策略再比较数值（坑 7）。
8. 权重来源：Google Drive 下载后本地留存并记录校验和（坑 8）。
9. 掩码编码：单通道整数掩码，0=背景需在损失中排除。
10. 文件结构：保持 <patient_id>/<video_id>/<image_id>.png 以维护患者层级。
11. 引用完整：数据引 figshare DOI，论文引 Sci Data 11:321。
12. 时点存照：figshare 版本链（v1/v2/v3）注明引用版本。

附录 P：检索决策树

你想找什么？
├── BM-BronchoLC 数据集
│   └── figshare DOI 10.6084/m9.figshare.24243670（精确短语检索）
├── 配套代码
│   └── GitHub github.com/csuet/bronchoscopy_nsd
├── 论文全文
│   └── Sci Data 2024;11:321 / PMCID PMC10978879（PMC 开放）
├── 下游用法
│   └── "BM-BronchoLC" + "vision transformer"（注意划分策略差异）
└── 别踩的坑
    └── 用 "bronchoscopy dataset" 泛搜会漏（名称书写面多，坑 1）

附录 Q：坑点档案（与 §10 对照）

坑	一句话档案	触发场景
坑 1	「BM-BronchoLC」 多名书写面，泛搜易漏	检索/选条
坑 2	图像总数 2,921（摘要）vs 2,623（Table 3）	规模声明
坑 3	解剖标志 11 类（正文）vs 10 类（列举）	类别引用
坑 4	名含 LC 但纳入 102 例非肺癌	人群理解
坑 5	分类准确率按区间报，掩盖类间差异	评测报告
坑 6	划分策略未声明，1 帧/秒抽帧致泄漏风险	复现/评测
坑 7	跨论文 Dice/准确率不可直接横比	引用对比
坑 8	预训练权重走 Google Drive，链接易失效	复现

附录 R：DAIMS 维度自评说明

维度	一句话	得分
D 可发现性	开放获取 + 三个直达入口，但名称书写面多	8
A 可获取性	数据/代码/论文全开放直链，无门槛	9
I 可互操作	标准格式 + 转换脚本，缺 DICOM 直出	7
M 元数据质量	表格完备但双口径与划分未声明	6
S 可持续性	平台化托管稳定，权重外部依赖	8

附录 S：双口径登记表

#	项	口径 A	口径 B	处理
1	图像总数	2,921（摘要：2,132 + 789）	2,623（Table 3：2,123/237/263）	双写，复现按 Table 3
2	解剖标志类别数	11（正文 「11 common classes」）	10（正文列举 + Table 1）	按 10 类用，注明原文写 11
3	命名含 LC vs 纳入非肺癌	名称暗示全肺癌	实际 106 肺癌 + 102 非肺癌	按 208 例全量理解
4	论文年份/卷期	2024（Published 2024-03-28）	11:321（卷期）	按 Sci Data 2024;11:321

附录 T：FAIR / AI-Ready 检查单

检查项	状态	说明
F1 全局唯一标识	✅	figshare DOI + 论文 DOI + GitHub 仓库
F2 富元数据	✅	论文表格 + JSON 元数据（annotation/labels/objects）
A1 可访问协议	✅	HTTP 直链（figshare/GitHub/PMC）
A2 元数据可访问	✅	元数据随数据公开
I1 互操作格式	✅	PNG + JSON + 单通道掩码
I2 词汇表引用	⚠️	类别为自定义命名，未映射到标准解剖/病理词汇表
R1 来源溯源	✅	单中心来源明示，伦理批号公开
R3 可复现流程	⚠️	脚本链完整，但划分策略未声明 + 权重外部依赖
AI-Ready 综合	良	许可与可获取性满分项，文档与复现细节是改进点

附录 U：缩写速查

缩写	全称
BM	Bach Mai（Hospital）
LC	Lung Cancer
WLB	White Light Bronchoscopy
NBI	Narrow Band Imaging
AFI	Autofluorescence Imaging
WSI	Whole Slide Image
UNet++	UNet2+（嵌套 U 型网络）
ESFPNet	Efficient Segmentation Framework with Pyramid（Transformer 系主干）
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability
VNU	Vietnam National University
UET	University of Engineering and Technology
Dice	Sørensen-Dice 系数（分割重叠度）
AUC-ROC	Area Under ROC Curve

附录 V：引文规范

@article{bm_broncholc_2024,
  title   = {BM-BronchoLC: A flexible bronchoscopy dataset for lung cancer detection},
  journal = {Scientific Data},
  volume  = {11},
  pages   = {321},
  year    = {2024},
  doi     = {10.1038/s41597-024-03145-y}
}

@misc{bm_broncholc_data_2023,
  title        = {BM-BronchoLC},
  author       = {Vu, Van Giap and others},
  year         = {2023},
  publisher    = {figshare},
  doi          = {10.6084/m9.figshare.24243670.v2}
}

@misc{bm_broncholc_code_2023,
  title        = {bronchoscopy_nsd},
  author       = {Bach Mai Hospital and VNU-UET},
  year         = {2023},
  howpublished = {\url{https://github.com/csuet/bronchoscopy_nsd}},
  note         = {MIT License}
}

附录 W：本条目生产档案

• 生产通道：写手代理 agent-f-bmbronch（条目 slug bm-bronch）
• 存在性核验：三重来源（PMC 全文 + figshare 条目 + GitHub 仓库）确认；库内查重（url_name ILIKE '%bronch%' 与 %bm-%' 均 0 行）无冲突
• 事实研究：PMC 全文抓取（39,043 字节 / 528 行，落盘私有区）+ figshare 网页 WebFetch + GitHub WebFetch + 下游摘要 WebSearch；WebSearch ×3、WebFetch ×5
• FACTS.md：writing/bm-bronch/FACTS.md 九节
• 成稿方式：五块直写拼接（part1-5），每 part 尾留一个空行；全程 Write 直写不用 Edit 追加
• 坑点：§10 八则（「坑 N：」编号制）
• 双口径：图像总数与类别数两处，附录 S 登记
• 互链计划：正文内链建议 5 处（内窥镜影像/肺癌/医学图像分割/息肉分割/低资源数据集），relatedLink 仅写纯 URL

附录 X：基于本数据集的研究检查清单（10 项）

1. 许可：CC BY 4.0 署名即可商用；代码 MIT。
2. 规模口径：双写 2,921/2,623（坑 2）。
3. 类别数：按 10 类用，注明原文写 11（坑 3）。
4. 人群：含 102 例非肺癌，勿假设全肺癌（坑 4）。
5. 分层评测：分类按类别报告（坑 5）。
6. 患者级划分：防 1 帧/秒抽帧泄漏，最高优先级（坑 6）。
7. 跨论文对齐：任务定义 + 划分策略对齐再比数值（坑 7）。
8. 权重留存：Google Drive 下载后本地留存（坑 8）。
9. 掩码编码：单通道 0=背景，损失中排除。
10. 引用完整：数据引 figshare DOI，论文引 Sci Data 11:321。

附录 Y：FAIR 状态小结

BM-BronchoLC 在 FAIR 四原则上的表现：Findable（可发现） 强——论文、数据、代码三者都有唯一标识与开放入口；Accessible（可获取） 最强——全部直链无门槛；Interoperable（可互操作） 中等——标准格式但无标准词汇表映射；Reusable（可复用） 较强——CC BY 4.0 明确允许复用，但划分策略未声明影响复现可信度。

附录 Z：一句话档案

BM-BronchoLC = 208 例（106 肺癌 + 102 非肺癌）× {解剖标志 10 类, 病灶 7 类} × {分割, 分类} 的全开放支气管镜数据集——即下即用，但用前先查双口径（2,921/2,623）与划分策略（患者级防泄漏）。

附录 AA：修订记录位

时点	事件
2026-10-08	本条目初版生成（agent-f-bmbronch）

附录 AB：待更新触发点

触发点	条件	动作
版本更新	figshare 发布 v4+	更新 §6.2 版本链
新下游论文	出现用 BM-BronchoLC 的新基准	扩 §7.2
一致性数据公开	作者发布双医师间一致性	补 §3.2 与 §9
多中心扩展	出现跨机构验证研究	更新 §7.5 泛化性讨论

附录 AC：检索路径示范（关键词组合与查询式）

目标	推荐查询式	预期命中
本体论文	「BM-BronchoLC」 AND 「bronchoscopy」 AND 「lung cancer」	Sci Data 11:321（PMC）
数据集	site:figshare.com BM-BronchoLC / DOI 10.6084/m9.figshare.24243670	figshare 数据集页
代码	site:github.com bronchoscopy_nsd	csuet/bronchoscopy_nsd
下游用法	「BM-BronchoLC」 AND (「transformer」 OR 「MedViT」)	下游分割/分类论文
竞品/对照	bronchoscopy dataset deep learning segmentation	其他支气管镜数据集
反例（勿用）	「bronchoscopy dataset」（无精确名）	大量无关结果（坑 1）

---

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-08，抓取与核验时点见附录 A。事实陈述以论文（Sci Data 2024;11:321，PMCID PMC10978879）、figshare 数据集页与 GitHub 仓库为源；图像总数双口径（2,921/2,623）、解剖标志类别数双口径（11/10）、命名含 LC 与纳入非肺癌的口径差异、划分策略未声明等原始文档特征已在坑点（§10）与附录 S 存照。条目与库内内窥镜影像、肺癌检测、医学图像分割、低资源地区数据集等家族条目建议互链（具体 rid 需库内检索确证），构成支气管镜与内窥镜影像的检索面。后续维护触发点见附录 AB。

---

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：

• kvasir-hyperkvasir — 共享标签：医学影像 / 内窥镜影像 / 医学图像分割 / 图像分类
• bronchoaccess — 共享标签：医学影像 / 内窥镜影像 / 图像分类 / 肺癌
• wcebleedgen — 共享标签：内窥镜影像 / 医学图像分割 / 图像分类
• hyperkvasir — 共享标签：医学影像 / 内窥镜影像 / 医学图像分割 / 图像分类
• etis-larib — 共享标签：医学影像 / 内窥镜影像 / 医学图像分割
• gastrovision — 共享标签：医学影像 / 内窥镜影像 / 图像分类
• glenda — 共享标签：医学影像 / 内窥镜影像 / 医学图像分割 / 图像分类
• odir — 共享标签：医学影像 / 内窥镜影像 / 图像分类
• endovis-challenges — 共享标签：医学影像 / 内窥镜影像 / 医学图像分割
• kvasir-capsule — 共享标签：医学影像 / 内窥镜影像 / 图像分类

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。