信息速览
INFOBOX — SPRSound 一屏速览
维度 内容 本质 首个公开的儿科呼吸音数据库（非合成、非二手汇集，SCMC 现场采集） 团队 上海交通大学（SJTU）牵头；上海儿童医学中心（SCMC）采集；上海智慧儿科工程研究中心（SERCIP）协作 论文 IEEE TBioCAS 2022;16(5):867-881（数据集论文）；IEEE DataPort DOI 10.21227/nfkk-1x47 规模 2,683 条记录 / 9,089 个事件 / 292 名受试者（1 个月至 18 岁） 格式 .wav音频 + 同名.json双层标注（记录级 + 事件级）标注来源 11 名经验丰富的儿科医师金标准；自研 SoundAnn 标注软件 挑战赛 IEEE BioCAS 呼吸音挑战赛 2022 / 2023 / 2024 / 2025 四届 任务 分类（事件级 / 记录级）→ 压缩 + 事件检测（双赛道） 指标 分类：SE / SP / AS / HS；压缩：CR / PRD / CC；检测：F / ER 获取 GitHub 免费公开 + IEEE DataPort 直下（zip ≈ 352 MB） 许可 CC BY 4.0（据 GitHub LICENSE 文件） 一句话 儿科听诊 AI 的"标准考卷"，四年挑战赛的公共基准
§0 导读：这个数据集解决什么问题
听诊（auscultation）是呼吸系统疾病最早、最廉价、最普及的筛查手段。医生把听诊器贴在患者胸背，凭经验分辨正常呼吸音与形形色色的"附加音"——喘鸣（Wheeze）、湿啰音（Crackle）、鼾音（Rhonchi）、哮鸣（Stridor）。这一步简单、无创、无辐射，却也高度主观：同一段呼吸音，不同医生可能给出不一致的判断，儿科尤其棘手，因为婴幼儿胸壁薄、呼吸频率快、配合度差，录音与判读的难度都远高于成人。
自动呼吸音分析（automatic respiratory sound analysis）正是要缓解这种主观性与医生工作负荷。但正如 SPRSound 团队在其数据集论文中指出的：这类方法"高度依赖呼吸音数据库的质量"。而在 SPRSound 出现之前，公开可用的呼吸音数据库几乎都面向成人——儿科人群长期处于数据空白。SPRSound 的核心贡献，就是填上这块空白：它是第一个公开的儿科（paediatric / pediatric）呼吸音数据库。
它解决的问题可以拆成三层：
- 有数可用：为儿科呼吸音 AI 提供一个真实、临床现场采集、带专家金标准标注的公共数据集，让研究者不必从零自采。
- 有标准可比：通过 2022-2025 连续四届 IEEE BioCAS 呼吸音挑战赛（Grand Challenge），把数据集变成公共基准，让不同团队在统一任务与统一指标下横向比较。
- 有难度梯度：任务从事件级/记录级分类，演进到压缩感知（compressive sensing）与声事件检测（sound event detection）双赛道，覆盖从"算法可用性"到"边缘部署与精细定位"的完整链条。
对进入这一领域的检索者而言，需要建立一个基本认识：SPRSound 不是一份静态数据集，而是一个随挑战赛逐年扩容的"活体"基准——每年新增测试集，训练集则复用历年累积。理解这一点，是理解其规模数字、版本链与评测口径的前提。
§1 数据集速览：十问十答
下面用十个高频问题，快速建立对 SPRSound 的整体认知。每条答案均在正文相应章节有展开与来源。
Q1：SPRSound 是什么？
它是由上海交通大学（SJTU）团队发布、上海儿童医学中心（SCMC）儿科呼吸科采集的首个公开儿科呼吸音数据库，用于呼吸音听诊 AI 的研发与评测，配套 IEEE BioCAS 呼吸音挑战赛。
Q2：数据规模有多大？
核心硬数字为 2,683 条记录（records）、9,089 个呼吸音事件（events）、292 名受试者（participants）。这组数字由 IEEE DataPort 页面摘要与官方 GitHub 仓库 README 双源一致陈述，是数据集"总量"口径。
Q3：覆盖什么人群？
儿科专属：1 个月至 18 岁，明确排除成人。
Q4：数据长什么样？
音频为 .wav 格式，标注为同名 .json。文件名由五要素下划线拼接：患者编号_年龄_性别_录音位置_录音序号（如 65101170_0.4_1_p1_3246）。
Q5：标注分几层？
两层。记录级（record level）标一个整体状态：Normal / CAS / DAS / CAS & DAS / Poor Quality；事件级（event level）把整段录音切成多个呼吸事件，各标类型并附毫秒级起止时间。
Q6：附加音有哪些类别？
事件级七类：Normal (N)、Rhonchi ®、Wheeze (W)、Stridor (S)、Coarse Crackle (CC)、Fine Crackle (FC)、Wheeze+Crackle (WC)。
Q7：谁做的标注？
11 名经验丰富的儿科医师参与全流程，建立金标准参考；配套自研标注软件 SoundAnn（集声音编辑、标注、质控于一体）。
Q8：有哪些任务？
2022/2023 为分类任务（事件级 Task 1、记录级 Task 2，各含二/多分类子任务）；2024/2025 转为压缩（Track 1）与事件检测（Track 2）双赛道。
Q9：怎么评测？
分类用 Sensitivity (SE) / Specificity (SP) / Average Score (AS) / Harmonic Score (HS)；压缩用 Compression Ratio (CR) / Percent Root Mean Square Difference (PRD) / Correlation Coefficient (CC)；检测用 Event-based F-score (F) / Event-based Error Rate (ER)。
Q10：怎么获取、什么许可？
GitHub 免费公开下载（SJTU-YONGFU-RESEARCH-GRP/SPRSound），IEEE DataPort 亦可直下（DOI 10.21227/nfkk-1x47，zip ≈ 352 MB）。许可证据 GitHub LICENSE 文件为 CC BY 4.0，使用时须引用数据集论文。
§1.5 一分钟自检：你是否真的理解了这个数据集
在深入细节前，用下面这组判断句快速校准认知。每句若与你的直觉相悖，说明存在需要纠正的误区。
| 判断句 | 对/错 | 依据 |
|---|---|---|
| SPRSound 是第一个公开的成人呼吸音数据库 | ✗ 错 | 它是第一个公开的儿科（1 个月-18 岁）数据库 |
| 它有 2,683 条记录、9,089 个事件、292 名受试者 | ✓ 对 | IEEE DataPort + GitHub 双源一致（总量口径） |
| 每一年都有独立的训练集发布 | ✗ 错 | 只有 2022 版有训练集，其余年份只发测试集 |
| 文件名的第一个元素是录音序号 | ✗ 错 | 第一个元素是患者编号，序号在最后一位 |
| Poor Quality 是被直接删除的样本 | ✗ 错 | 它是显式标注的一个类别，不删除 |
| 记录级和事件级标注是一回事 | ✗ 错 | 记录级给整体判断，事件级切分并标记每段 |
| 挑战赛只用过一次（2022） | ✗ 错 | 连续四届：2022/2023/2024/2025 |
| 2024 起任务变成压缩 + 事件检测双赛道 | ✓ 对 | 从分类转向工程落地 |
| 数据不可商用 | ✗ 错 | CC BY 4.0 允许商用（须署名） |
| 可以外推到成人 | ✗ 错 | 人群限定儿科，不可直接外推 |
自检解读。 若你在"训练集发布"“Poor Quality”“任务演进”"人群边界"这几项上有误判，说明对"活体数据集"的属性尚未建立——建议重读 §2.5 与 §3。这四项恰恰是检索者最容易踩的坑。
§2.8 受试者与元数据维度解析
文件名中内嵌的五要素，本身构成一套可分析的人群元数据。本节把每个维度的临床与工程含义拆开讲。
维度一：患者编号（Patient number）。
如 65101170。这是分组切分的关键键（§3.4）——任何自行划分训练/测试的操作，必须以患者编号为分组单位，防止同一患者的录音跨越训练/测试边界造成数据泄漏。也是做"患者级"统计分析（如患者级敏感度）的依据。
维度二：年龄（Age）。
如 0.4（单位：岁）。儿科数据集的核心属性：年龄跨度从 1 个月（约 0.08 岁）到 18 岁，涵盖新生儿期、婴幼儿期、学龄期直至青春期。这一跨度意味着声学特征差异极大——新生儿呼吸音频率高、强度弱，青少年则接近成人。age 可作为分层变量，检验模型是否对特定年龄组表现更差。
维度三：性别（Gender）。
0=男，1=女。儿科阶段性别对呼吸音的影响相对成人小，但作为潜在混杂因子，建议在分层分析中纳入。
维度四：录音位置（Recording location）。
p1 左后（left posterior）、p2 左侧（left lateral）、p3 右后（right posterior）、p4 右侧（right lateral）；2024/2025 新增 p5-p8。位置维度直接影响声学：背部（posterior）是呼吸音听诊的标准位，侧位（lateral）则可能因胸壁厚度与距离差异导致信号衰减不同。做位置敏感的实验时，这一维度不可忽略。
维度五：录音序号（Recording number）。
如 3246。同一受试者的多次录音编号。这是"受试者内"（intra-subject）分析的基础——同编号患者的不同录音构成一个"患者内样本组"，可用于评估模型对同一患者的一致性。
工程建议。 建议在数据加载时，直接从文件名正则解析出五个字段，构造一张元数据表（patient_id, age, gender, position, rec_no），供后续分层统计与分组切分使用。这套"从文件名反解元数据"的管线，正是五要素命名法的价值兑现点。
§5.6 下载与校验的操作清单
给准备动手的工程团队一份可直接执行的操作清单：
第一步：确认来源。
只用官方两条通道（GitHub 主仓 / IEEE DataPort），拒绝第三方复刻。
第二步：下载。
- GitHub：
git clone https://github.com/SJTU-YONGFU-RESEARCH-GRP/SPRSound.git（注意仓库较大，含多个年份目录）； - 或 IEEE DataPort 直接下
SPRSound-main.zip（≈ 352 MB）。
第三步：核对目录。
确认 BioCAS2022/ ~ BioCAS2025/ 四个年份目录存在，各自含 wav 与 json 子目录。
第四步：核对文件数。
- train2022：1,949 wav + 1,949 json；
- test2022：734 wav + 734 json（inter 355 + intra 379 json）；
- test2023：871；test2024：1,704；test2025：1,309。
若与你拿到的数量不符，先确认版本快照时点（数据集仍在更新）。
第五步：解析元数据。
用文件名正则提取五要素，构造元数据表。
第六步：解析标注。
兼容 record_annotation / recording_annotation 两种键名；start/end 转整数毫秒；检查记录级键是否存在（后期测试集可能缺失）。
第七步：分层与切分。
以患者编号为分组键切分数据；按 inter/intra 口径分别评测；按事件类别分列指标。
第八步：引用。
在论文/产品中署名引用 TBioCAS 2022 数据集论文与相应挑战赛论文。
第九步：声明局限。
在局限性章节写明单中心、单设备、儿科专属三项边界。
这份清单把 §2、§3、§5 的要点串成一条可执行路径，可直接作为团队 onboarding 文档使用。
§6.5 数据质量的三重保障与一个空白
把 SPRSound 的质量保障机制拆开看，它是一个"人 + 工具 + 标签"的三层结构，外加一个可追问的空白。
第一层：人（11 名儿科医师）。
数量与资质双达标。多名医师协同降低了单点判读偏差，是"金标准"称号的人员基础。
第二层：工具（SoundAnn）。
把声音编辑、标注、质控三件事整合在一个软件里，减少了工具的切换成本与格式传递损失。工具的质控模块（quality assurance evaluation）是关键——它在标注流程中就嵌入了质量检查。
第三层：标签（Poor Quality 类别）。
把不可用样本显式建模，形成一道数据质量闸门，避免低质量样本污染下游任务。
一个空白：一致性指标的缺失。
上述三层保障保证了"有质控"，但没有回答"分歧有多大"。11 名医师的判断一致率（kappa）、分歧案例的比例、裁决机制，均未在抓取页公开。对以"金标准"自我定位的数据集而言，这是一处值得后续研究追问的空白——也是本文在 §6.4 与 §14 反复标注的原因。
§2 数据构成与规格
本节拆解 SPRSound 的数据本体：规模、格式、命名、标注体系与版本链。这些是检索者复现实验时的第一手依据。
2.1 规模、来源与机构构成
来源机构。 全部呼吸音采自上海儿童医学中心（Shanghai Children’s Medical Center, SCMC）儿科呼吸科，由上海交通大学（SJTU）牵头，联合上海智慧儿科工程研究中心（Shanghai Engineering Research Center of Intelligence Pediatrics, SERCIP）发布。IEEE DataPort 著者列表还列出多家协作医院与机构，包括太仓市第一人民医院（苏州大学附属）、临沂市人民医院、丰城医院、临沂市妇幼保健院、哈尔滨医科大学附属第五医院，以及上海拓潇智能科技有限公司——说明数据采集与标注是一个多中心协作的产物，尽管现场录音统一定点于 SCMC。
核心规模（双源一致）。 IEEE DataPort 摘要与 GitHub README 共同陈述：数据集包含 2,683 条记录、9,089 个呼吸音事件、292 名受试者。需要提醒的是，这组数字是数据集"总量"口径，与下文各版本"分年发布文件数"不是同一统计维度（详见 §2.6 的双口径辨析）。
设备。 录音统一使用云听（Yunting）II 型电子听诊器。单一设备的做法保证了信号一致性，但也不可避免地带来设备域偏移（device domain shift）的隐患——模型在其它听诊设备上的泛化能力未在数据集层面评估（见 §10 坑 5）。
2.2 格式、命名与目录结构
音频与标注。 每条录音存为 .wav，对应一个同名 .json 标注文件。语音采样率等音频参数在数据集 README 中未逐条明列于抓取页，使用前应按下载包内 README 核对。
五要素命名法。 文件名由下划线分隔的五个元素组成，本身即携带元数据：
| 序位 | 元素 | 说明 | 示例 |
|---|---|---|---|
| 1 | 患者编号 | 受试者标识 | 65101170 |
| 2 | 年龄 | 单位为岁 | 0.4 |
| 3 | 性别 | 0=男，1=女 | 1 |
| 4 | 录音位置 | p1 左后、p2 左侧、p3 右后、p4 右侧（2024/2025 新增 p5-p8） | p1 |
| 5 | 录音序号 | 该受试者的第几次录音 | 3246 |
一个完整文件名的形态即为 65101170_0.4_1_p1_3246。这种"把元数据编进文件名"的做法，让研究者无需额外索引表即可解析受试者属性与录音部位——是工程上很实用的设计。
目录结构（按挑战年分目录）。
SPRSound/
├── BioCAS2022/ # train2022_wav/ + train2022_json/（各 1,949）
│ # test2022_wav/ + test2022_json/（各 734）
│ # ├── inter_test_json/ （受试者间子集 355）
│ # └── intra_test_json/ （受试者内子集 379）
├── BioCAS2023/ # test2023_wav/ + test2023_json/（各 871）
├── BioCAS2024/ # test2024_wav/ + test2024_json/（各 1,704）
├── BioCAS2025/ # test2025_wav/ + test2025_json/（各 1,309）
├── Patient Summary/ # 受试者汇总 CSV
├── example/ # 示例文件
└── scripts/ # 工具脚本
2.3 标注体系：记录级与事件级两层
SPRSound 的标注分为两层，这是理解其任务设计的钥匙。
记录级（record level） —— 对整段录音给一个整体判断，五类：
- Normal：正常呼吸音；
- CAS（Continuous Adventitious Sound，连续性附加音）—— 如哮鸣、鼾音这类持续音；
- DAS（Discontinuous Adventitious Sound，断续性附加音）—— 如湿啰音这类短促爆裂音；
- CAS & DAS：两类附加音同时存在；
- Poor Quality：信号质量差，不足以判读。
事件级（event level） —— 把一段录音切分成多个呼吸事件，逐个标类型并附边界，七类：Normal (N)、Rhonchi ®、Wheeze (W)、Stridor (S)、Coarse Crackle (CC)、Fine Crackle (FC)、Wheeze+Crackle (WC)。每个事件含 start（毫秒）与 end（毫秒）。
一个事件级 JSON 标注的示例（官方 README 形态）如下：
{
"record_annotation": "Normal",
"event_annotation": [
{"start": "342", "end": "2515", "type": "Normal"},
{"start": "2557", "end": "3776", "type": "Normal"},
{"start": "4547", "end": "5651", "type": "Normal"},
{"start": "6439", "end": "8065", "type": "Normal"},
{"start": "8363", "end": "9201", "type": "Normal"}
]
}
标注工具 SoundAnn。 团队自研了标注软件 SoundAnn，把声音编辑（sound editing）、声音标注（sound annotation）与质量保证评估（quality assurance evaluation）三件事整合在一套工具里。这一点在数据集论文与 IEEE DataPort 摘要中均有强调——正是这套工具支撑了 11 名医师协同标注的一致性。
2.4 谁在标注：11 名儿科医师的金标准
数据集的质量基础，是一支 11 名经验丰富的儿科医师团队参与全流程，以建立"金标准参考"（golden standard reference）。这一表述在 IEEE DataPort 摘要中原文为 “A team of 11 experienced paediatric physicians is involved in the entire process to establish golden standard reference for the dataset”。
需要客观指出："11 名医师"意味着更大的判读一致性保障，但也意味着标注口径是团队共识而非单一来源。数据集未见公开的观察者间一致性（inter-rater agreement）指标，这是评估其标注可靠性时值得追问的一点（见 §9 遗留疑点）。
2.5 版本链：一份"活着"的数据集
SPRSound 最鲜明的工程特征，是按挑战年发布新版本、训练集跨年累积。GitHub README 明示：“Each year’s challenge provides a new test set while using previously released data for training.”
| 版本 | 对应挑战 | 内容 | 文件数 |
|---|---|---|---|
| 2022 | BioCAS 2022（分类） | 训练集 + 测试集（首次发布） | train 1,949 + test 734 |
| 2023 | BioCAS 2023（分类） | 仅测试集；训练用 2022 | test 871 |
| 2024 | BioCAS 2024（压缩+检测） | 仅测试集；训练用 2022+2023 | test 1,704 |
| 2025 | BioCAS 2025（压缩+检测） | 仅测试集；训练用 2022+2023+2024 | test 1,309 |
这一设计的后果是："SPRSound 有多大"这个问题没有唯一答案——取决于你问的是总量口径（2,683 记录 / 292 患者）还是按年发布的文件口径。跨版本混用时务必先厘清（见 §2.6）。
2.6 双口径辨析：为什么 2,683 与 6,567 都对
这是检索者最容易踩的一个数字陷阱。
- 口径 A（总量口径）：2,683 条记录 / 9,089 个事件 / 292 名受试者 —— 见 IEEE DataPort 摘要与 GitHub README 的数据集描述段。
- 口径 B（文件计数口径）：把各版本 wav 文件数相加 —— 1,949（train2022）+ 734（test2022）+ 871（test2023）+ 1,704（test2024）+ 1,309（test2025）= 6,567 个文件。
两者相差近 2.5 倍，原因有二：其一，"记录（record）"与"文件（file）"未必一一对应（一条记录可能拆成多个文件或反之）；其二，"总量"可能对应某一时点的数据集快照，而"分年文件数"是历年累计发布量，两者统计的是不同集合。
结论：引用 SPRSound 规模时，必须写明口径。 学术引用建议采用官方论文/摘要的"2,683 记录、9,089 事件、292 受试者"总量口径；工程下载时则按目标挑战年目录核对实际文件数。切忌把两组数字混算或当作互斥。
§3 任务设计：从分类到压缩与检测
SPRSound 不仅是一份数据，更是一套随年份演进的任务体系。理解任务演进，就能理解这份数据集在呼吸音 AI 研究链条中的定位。
3.1 2022 / 2023：分类任务
这两届的任务框架一致，分两个大任务、各含两个子任务：
Task 1 —— 事件级呼吸音分类（Respiratory Sound Classification at Event Level）
- Task 1-1：二分类 —— Normal（正常）vs. Adventitious（附加音）。
- Task 1-2：七分类 —— Normal (N)、Rhonchi ®、Wheeze (W)、Stridor (S)、Coarse Crackle (CC)、Fine Crackle (FC)、Wheeze & Crackle (WC)。
Task 2 —— 记录级呼吸音分类（Respiratory Sound Classification at Record Level）
- Task 2-1：三分类 —— Normal、Adventitious、Poor Quality。
- Task 2-2：五分类 —— Normal (N)、CAS ©、DAS (D)、CAS & DAS (CD)、Poor Quality (PQ)。
任务设计的内在逻辑：事件级任务考验的是"给定一段已切分的呼吸片段，判断它属于哪类音"——是细粒度的声学判别；记录级任务考验的是"给整段录音下一个综合结论"——更接近临床听诊的整体判断，且显式引入了 Poor Quality 这一"信号质量维度"，迫使模型学会识别"不可用"的录音，而非对一切输入强行输出一个诊断。
测试集的受试者划分：2022 测试集（734 文件）被进一步拆为 **inter-subject（受试者间，355 文件）**与 intra-subject（受试者内，379 文件）两个子集。这一划分是评测泛化能力的关键设计——受试者间子集考验模型对没见过的新患者的泛化，受试者内子集则考察对同一患者不同录音的稳定性。研究者在报告结果时若不区分这两个子集，容易高估模型的真实泛化水平。
3.2 2024 / 2025：压缩与事件检测双赛道
从 2024 年起，任务重心从"分类"转向"工程落地"。两届均设两条赛道：
Track 1 —— 呼吸音记录压缩（Respiratory Recording Compression）
采用**压缩感知（compressive sensing）**类方法对呼吸音记录进行压缩。这一赛道的现实动机是：呼吸音监测若要走向可穿戴/远程场景，传输与存储成本是硬约束，如何在保真前提下压缩是关键。评测指标为 Compression Ratio (CR)、Percent Root Mean Square Difference (PRD)、Correlation Coefficient (CC)。
Track 2 —— 呼吸音事件检测（Respiratory Event Detection）
不再是"给已切分片段分类"，而是要求模型直接检测事件的起止点（onset/offset）并赋标签——即声事件检测（sound event detection, SED）范式。这比分类更接近真实筛查场景：临床拿到的是一整段无切分的录音，模型必须自己找出"哪里是异常音"。评测指标为 Event-based F-score (F) 与 Event-based Error Rate (ER)。
3.3 任务演进的解读
把四届任务连起来看，SPRSound 的任务体系呈现一条清晰的"能力深化"轨迹：
2022/2023 分类（给切片 → 判类别） → 算法"能不能分辨"
↓
2024/2025 检测（给整段 → 找出异常段） → 算法"能不能定位"
压缩（保真 + 降码率） → 算法"能不能部署"
从前两届的"判别能力"，到后两届的"定位能力 + 部署能力"，任务难度与工程相关性同步上升。这也解释了为何 2024 年出现专门的压缩赛道论文（“Meta: Data Compression and Event Detection Grand Challenge 2024 With SPRSound Dataset”）——挑战赛本身随任务复杂度演进为独立的方法学事件。
§4 评测与挑战赛：四年公共基准
4.1 指标口径
SPRSound 挑战赛的评测指标按任务类型分三组，均为业界通用口径：
| 任务类型 | 指标 | 全称 | 含义 |
|---|---|---|---|
| 分类 | SE | Sensitivity | 敏感度（召回率） |
| 分类 | SP | Specificity | 特异度 |
| 分类 | AS | Average Score | 平均分 = (SE+SP)/2 |
| 分类 | HS | Harmonic Score | 调和分 |
| 压缩 | CR | Compression Ratio | 压缩比 |
| 压缩 | PRD | Percent Root Mean Square Difference | 百分比均方根差 |
| 压缩 | CC | Correlation Coefficient | 相关系数 |
| 检测 | F | Event-based F-score | 事件级 F 值 |
| 检测 | ER | Event-based Error Rate | 事件级错误率 |
SE/SP/AS/HS 四指标的组合使用值得留意：单纯看准确率在类别不平衡的医学数据上会失真，因此挑战赛用 SE 与 SP 分别约束"宁可漏报"与"宁可误报"两个方向，再用 AS（算术平均）与 HS（调和平均）综合。HS 对"一项特别差"的情况惩罚更重，适合要求两类错误均衡的场景。
4.2 挑战赛与其衍生论文
SPRSound 相关论文形成一个清晰的链条：
- 数据集论文（金标准）：Q. Zhang, et al., “SPRSound: Open-Source SJTU Paediatric Respiratory Sound Database”, IEEE Transactions on Biomedical Circuits and Systems (TBioCAS), vol. 16, no. 5, pp. 867-881, Oct. 2022.
- BioCAS 2022：Q. Zhang, et al., “Grand Challenge on Respiratory Sound Classification”, IEEE BioCAS 2022, pp. 1-5.
- BioCAS 2023：Q. Zhang, et al., “Grand Challenge on Respiratory Sound Classification for SPRSound Dataset II”, IEEE BioCAS 2023, pp. 1-5.
- 2024 双赛道：Q. Zhang, et al., “Meta: Data Compression and Event Detection Grand Challenge 2024 With SPRSound Dataset”, IEEE Data Descriptions (DD), vol. 1, no. 1, pp. 1-8, Dec. 2024.
4.3 挑战赛的激励结构
BioCAS 2023 挑战赛页面披露的奖励结构，反映了组委会推动领域发展的意图：总奖金 USD 10,000；IEEE CASS 学生旅费资助最高 USD 2,500/队；前四名受邀在 IEEE BioCAS 2023 现场展示；前两名受邀向 IEEE TBioCAS 专刊投稿。这套"奖金 + 会议曝光 + 期刊通道"的组合，把一场数据竞赛变成了学术产出的孵化器。
需要说明的是，具体获奖队伍名单与分数未在本次检索的公开页面明列（见 §9 遗留疑点）——本文不对未核实的名次与分数作任何陈述，以免引入不实信息。
§2.7 音频信号工程细节与复现前提
对打算复现挑战赛结果的工程团队而言，仅有"WAV + JSON"这一层信息是不够的；真正决定实验能否对齐的关键，是音频信号的工程参数与预处理约定。本节把检索者在动手前必须确认的工程细节做一次集中梳理。
采样与编码。 官方 README 与 IEEE DataPort 页面未在抓取范围内逐条列出采样率、位深、声道数等参数。数据集音频为 .wav 无压缩容器格式，这是标准做法——避免了有损编码对呼吸音高频成分（如湿啰音的爆裂瞬态、喘鸣的基频谐波）的破坏。使用前请务必打开下载包内的 BioCAS20xx/README.md 核对采样参数，这是复现的第一步。
信号质量模型。 儿科呼吸音的录音挑战与成人不同：婴幼儿呼吸频率可达成人的 2-3 倍、呼吸音强度弱、胸壁薄导致心音串入（cardiac sound interference）严重、且常伴随哭闹与体动噪声。SPRSound 以 Poor Quality 类别显式承接这些不可用样本，意味着复现时的第一道数据清洗不应是"删掉没用的"，而应是"先按官方 Poor Quality 标签区分质量层"。
预处理建议（通用工程惯例，非官方规定）。 呼吸音分析的常见预处理流程包括：降采样到目标采样率、预加重（pre-emphasis）、分帧加窗（典型帧长 20-40 ms、帧移 10-20 ms）、梅尔频谱或对数梅尔特征提取。但需强调：SPRSound 挑战赛并未规定统一预处理管线——这既是自由度也是复现难点，不同团队因预处理差异导致结果不可直接比较的情况需要警惕。报告结果时应完整披露预处理细节。
事件边界的工程含义。 事件级标注给出毫秒级 start/end，这对 2024/2025 Track 2 的事件检测至关重要——它提供了监督信号的"起止真值"。但边界精度依赖人工标注，存在天然的标注模糊度（一个喘鸣的"起点"在声学上常是渐变的）。复现检测任务时，评测通常采用带容忍窗的匹配（如允许 ±50 ms 偏差），团队应对容差设置保持敏感。
类别边界的临床模糊性。 七类事件中，Coarse Crackle（粗湿啰音）与 Fine Crackle（细湿啰音）的边界、以及 CAS 内部哮鸣与鼾音的区分，在临床上本身就存在判读模糊。这解释了为何数据集需要多医师共识（11 名医师全流程参与），也解释了为何评测指标要同时看 SE 与 SP——单看一类会导致偏乐观的结论。
§3.4 挑战赛评测切分的细节与纪律
挑战赛的可信度，很大程度上取决于"怎么切分、怎么评分"这些看似枯燥的评估协议。本节展开 SPRSound 评测中三个容易被忽视的纪律点。
第一，受试者级切分的必要性。 2022 测试集把 734 个文件拆成 inter-subject（受试者间，355 文件） 与 intra-subject（受试者内，379 文件） 两个子集。这一划分不是形式主义：
- inter-subject 子集：测试集受试者与训练集受试者不重叠。它检验的是模型对"从未见过的新患者"的泛化能力——这是真实临床部署最关心的场景。
- intra-subject 子集：测试集受试者曾在训练集中出现。它检验的是模型对同一患者不同录音的稳定性——若模型在未见患者上表现差、在已见患者上表现好，说明它可能过度依赖患者级特征而非病理声学特征。
只看总体分数会掩盖这一差异。 若研究者的模型在 intra 子集上远好于 inter 子集，正确解读是"模型存在患者级记忆倾向"，而非"模型性能优秀"。因此报告结果时务必分列 inter/intra 两个子集的分数。
第二，类别不平衡下的指标纪律。 呼吸音七类事件的分布天然不均：Normal 事件占多数，Stridor（哮鸣）等罕见附加音样本稀少。在这种分布下：
- 单看准确率（accuracy）会严重高估——只要把所有事件都判为 Normal，也能取得一个"看起来不低"的准确率；
- 这正是挑战赛采用 SE（敏感度）+ SP（特异度） 而非准确率的根本原因；
- HS（调和分） 对"SE 高但 SP 低"这类偏科模型惩罚更重，适合要求两类错误均衡的筛查场景；
- 少数类（如 Stridor）的性能往往才是决定模型临床价值的关键，报告时应单列各类的 SE/SP，而非只报平均。
第三，跨年评测的口径一致性。 由于训练集跨年累积（2023 用 2022 训练、2024 用 2022+2023 训练……），同一模型在不同挑战年的"训练数据量"不同。因此：
- 跨年比较分数时，必须说明各自使用的训练集范围；
- 后一届（训练数据更多）分数更高，未必代表方法更好；
- 引用某届"最佳分数"时，应同时注明该届的训练集构成。
这三条纪律合起来，构成对 SPRSound 结果最基本的"读数字守则"：分列子集、分列类别、注明训练口径。违反任一条，都可能得出误导性结论。
§3.5 任务难度的量化判断：从分类到检测的台阶
从 2022 的分类任务到 2024/2025 的检测任务，难度并非线性小幅上升，而是一次范式跃迁，原因如下：
| 维度 | 分类任务（2022/2023） | 检测任务（2024/2025 Track 2） |
|---|---|---|
| 输入 | 已切分的单个呼吸事件片段 | 整段原始录音（无切分） |
| 输出 | 一个类别标签 | 一组带起止边界的事件序列 |
| 错误来源 | 单点误分类 | 漏检 + 误检 + 边界偏移 + 标签错配 |
| 评测 | SE/SP/AS/HS（分类指标） | F/ER（事件级匹配指标） |
| 临床相似度 | 中（已有切分，偏理想化） | 高（贴近真实筛查流程） |
这张表揭示了检测任务"难在哪"：分类任务的问题空间是"给定片段判类别"，而检测任务必须同时解决时间定位（哪里是事件）与类别判别（是什么事件）两个子问题，且两者耦合——定位偏差会连带导致标签错配，进而拉低 F 值。这也是为什么 2024 年挑战赛要专门发表论文来描述检测赛道——它代表的问题复杂度显著高于分类。
对研究者而言，这提供了一条清晰的"能力进阶路径"：若你的方法在分类任务上已接近饱和，检测任务是更能体现价值的下一站；反之，若方法在检测任务上表现不佳，可退回到分类任务定位瓶颈究竟在"定位"还是"判别"。
§4.4 挑战赛奖励结构与学术通道
BioCAS 2023 挑战赛页面披露的奖励与晋升机制，值得单独展开，因为它解释了 SPRSound 为何能持续吸引高质量队伍参赛。
奖金激励。 总奖金 USD 10,000，用于奖励排名前列的队伍。对学术团队而言，这笔金额本身并非首要动机，但它传递了组委会的重视程度。
学生支持。 IEEE CASS 学生旅费资助（IEEE CASS Travel Student Grant）最高 USD 2,500/队，直接降低学生团队现场参会的经济门槛。这一设计把"参赛"与"学术会议参与"绑定，鼓励学生把工程竞赛转化为学术履历。
会议曝光。 前四名受邀在 IEEE BioCAS 2023 现场展示工作。BioCAS（Biomedical Circuits and Systems Conference）是 IEEE 生物医学电路与系统领域的旗舰会议，现场展示意味着直接触达该领域的核心研究者群体。
期刊通道。 前两名受邀向 IEEE TBioCAS 专刊（Special Issue）投稿。TBioCAS 是数据集论文本身发表的期刊（2022;16(5):867-881），前两名获专刊通道，等于打通了"竞赛 → 顶刊"的直接路径。
解读。 这套"奖金 + 旅费 + 会议展示 + 期刊通道"的四层结构，把一场数据集竞赛升级为学术产出的孵化器：参赛队伍有动机投入高质量方法（因为有发表回报），组委会获得高质量基线（因为优秀方法被沉淀为论文），社区获得可比较的方法谱系（因为结果被正式发表）。这是"活体数据集 + 年度挑战赛"模式可持续的深层机制。
§5 获取与许可：怎么拿到、怎么合法用
5.1 两条官方获取通道
SPRSound 提供两条官方下载路径，均为开放获取（open access）：
| 通道 | 地址 | 说明 |
|---|---|---|
| GitHub（主仓） | https://github.com/SJTU-YONGFU-RESEARCH-GRP/SPRSound |
官方代码仓，含各版本目录、README、脚本；推荐首选 |
| IEEE DataPort | https://ieee-dataport.org/documents/sprsound-open-source-sjtu-paediatric-respiratory-sound-database |
DOI 10.21227/nfkk-1x47；可直接下载 SPRSound-main.zip（≈ 352.01 MB） |
| 挑战赛平台 | http://1.117.17.41/grand-challenge/ |
IEEE BioCAS 呼吸音挑战赛入口 |
GitHub 主仓的提交节奏也印证了"活体数据集"属性：README 中标注的最后提交日期延续至 2025 年 12 月至 2026 年，说明其仍在维护更新。
5.2 许可：CC BY 4.0
GitHub 仓库的 LICENSE 文件为 Creative Commons Attribution 4.0 International（CC BY 4.0）。这意味着：允许再分发、修改、商用，唯一硬性条件是署名——须按官方要求引用数据集论文。
使用时必须引用的数据集论文（金标准引用格式）：
[Data] Q. Zhang, et al. "SPRSound: Open-Source SJTU Paediatric Respiratory
Sound Database", IEEE Transactions on Biomedical Circuits and Systems (TBioCAS),
vol. 16, no. 5, pp. 867-881, Oct. 2022.
存照提醒（诚实披露）：本次抓取 .../blob/main/LICENSE 返回的是 CC BY 4.0 通用法律文本，文本本身未内含仓库名；IEEE DataPort 页面未单列 license 字段。因此"CC BY 4.0"这一结论属于据 LICENSE 文件的间接证据，而非页面明示的逐字声明。正式发表前建议以 GitHub 仓库页面显示的 license 徽标再核对一次（见 §9 遗留疑点 3）。
5.3 下载与使用实操要点
- 先看清目标版本目录。不同挑战年的数据分放在
BioCAS2022/~BioCAS2025/下，训练与测试集口径不同（§2.5）。 - 训练集只发布过 2022 版。2023-2025 仅提供测试集；训练须叠加使用历年已发布数据。这是 GitHub README 反复强调的一点。
- JSON 键名按 GitHub 口径处理。官方 README 用
record_annotation，而 IEEE DataPort 摘要示例用recording_annotation（详见 §10 坑 3）；解析代码建议对两种键名做兼容。 - start/end 是字符串毫秒。GitHub README 明确 start/end 字段为表示毫秒的字符串（如
"342"），解析时需int()转换，切勿直接当数字运算。 - 后期测试集可能缺少记录级标注。README 注明部分后期测试集 JSON 可能仅有
event_annotation而无record_annotation，依赖记录级标签的任务需先做字段存在性检查。 - 非官方复刻存在。搜索时会遇到第三方仓库（如
puddingss/SPRSound），其为个人复刻、内容为早期快照，下载应以官方SJTU-YONGFU-RESEARCH-GRP/SPRSound为准。
5.4 AI-Ready 评估
| 维度 | 评价 |
|---|---|
| 可获取性 | ★★★★★ 完全公开，无需申请，GitHub + DataPort 双通道 |
| 许可清晰度 | ★★★★☆ CC BY 4.0 宽松授权；扣分项为 license 直证略间接 |
| 标注质量 | ★★★★☆ 11 名儿科医师 + 自研 SoundAnn 工具；无公开一致性指标 |
| 文档完备度 | ★★★★☆ README 详尽，含命名规则、JSON 结构、任务与指标；音频参数需下包核对 |
| 版本管理 | ★★★★★ 按挑战年清晰分目录，训练/测试口径明确 |
| 任务生态 | ★★★★★ 四届挑战赛 + 配套论文链，评测口径统一 |
| 格式友好度 | ★★★★★ WAV + JSON，标准且易解析 |
总评：SPRSound 属于"开箱即用"级别的高可用数据集，主要短板集中在数据多样性（单中心、单设备、儿科专属）与license 直证完整性，而非可用性本身。
§6 数据质量与标注工艺
6.1 信号质量维度被显式建模
SPRSound 一个值得称道的设计，是把"信号质量"作为一等公民纳入标注体系：
- 记录级专设 Poor Quality 类别；
- 记录级任务 2-1 把"Normal / Adventitious / Poor Quality"作为三分类之一；
- 任务 2-2 的五分类中，Poor Quality (PQ) 与 Normal (N)、CAS ©、DAS (D)、CAS & DAS (CD) 并列。
这背后的临床洞察很实际：儿科录音质量波动大（婴幼儿哭闹、体动、环境噪声），如果模型被迫对所有输入都输出正常/异常，质量差的样本会成为污染训练与评测的噪声源。显式建模"不可用"这一状态，是儿科场景下的正确工程决策。
6.2 两层标注的互补价值
记录级与事件级标注并非冗余，而是互补：
- 事件级提供时间定位与细粒度类别，适合训练检测/分割模型，也是 2024/2025 Track 2 的监督来源；
- 记录级提供整体临床判断，适合训练"一句话结论"式分类器，也是 2022/2023 Task 2 的监督来源。
研究者可以根据任务自由选择监督层级——同一份数据支撑两类范式，是数据集设计的效率体现。
6.3 质量保障环节
官方陈述的质控措施包括：11 名医师全流程参与、SoundAnn 工具的 quality assurance evaluation 模块、记录级 Poor Quality 标注作为质量闸门。这三者构成"人 + 工具 + 标签"的三重保障。
但需诚实指出：本次检索未见公开的观察者间一致性（如 Cohen’s kappa、Fleiss’ kappa）或标注复核流程的量化披露。对于一份以"金标准"自居的医学数据集，缺少一致性指标是一个可追问的空白（见 §9）。
§7 生态与影响：呼吸音 AI 的公共坐标
7.1 在前作谱系中的位置
呼吸音自动分析的公开数据集谱系中，最常被提及的成人数据集是 ICBHI 2017 呼吸音数据库（来自希腊与葡萄牙的采集）。SPRSound 的定位可概括为：把"公开呼吸音数据库"从成人扩展到儿科，并以"连续挑战赛"的形式提供持续更新的公共基准。二者构成"成人 vs. 儿科"的互补关系——SPRSound 论文即以"first open-access paediatric respiratory sound database"这一身份确立其领域地位。
7.2 挑战赛作为生态引擎
四年挑战赛（2022-2025）对生态的塑造作用，可能超过数据集本身：
- 提供横向可比性：统一任务 + 统一指标 + 统一切分，让不同团队的结果可直接比较；
- 驱动方法演进：任务从分类→检测→压缩，牵引研究向事件定位与边缘部署延伸；
- 产出学术通道：优秀队伍经会议展示与 TBioCAS 专刊通道沉淀为论文；
- 形成引用锚点：数据集论文 + 四届挑战赛论文构成一条被引谱系。
7.3 应用方向
SPRSound 的典型下游应用场景包括：
- 儿科呼吸疾病辅助筛查：肺炎、哮喘、支气管炎等的听诊辅助判断；
- 远程/家庭呼吸监测：配合可穿戴或家用听诊设备（对应 2024/2025 压缩赛道）；
- 急救与基层筛查：在缺乏专科医生的场景提供初筛；
- 声事件检测算法研究：作为儿科呼吸音 SED 的标准测试床。
7.4 库内互链建议
在千方病案医数集库内，SPRSound 可与以下方向互链（rid 一律占位 /0，由主会话实查回填，严守 R018）：
- 儿科/儿童数据：
b2ai-voice-pediatric（儿科语音域，同为儿童生理信号）； - 生理信号域：语音信号/心电信号/睡眠信号类条目（同为时序生理信号建模）；
- 挑战赛与基准域：其它 grand challenge 类数据集条目；
- 音频/听诊相关：如库内存在咳嗽音（cough）、肺音（lung sound）类条目应优先互链。
7.5 使用时的现实提醒
- 不可外推至成人：数据集明确限定 1 个月至 18 岁，成人模型迁移需另做验证；
- 单中心偏倚：全部来自 SCMC 一家医院，跨机构、跨地域、跨设备泛化未经检验；
- 临床落地需谨慎：数据集用于算法研发与基准评测，不等于临床验证数据；任何基于 SPRSound 的模型进入临床前必须完成独立外部验证。
§5.5 与其它呼吸音数据集的横向对照
要准确理解 SPRSound 的生态位，需要把它放进呼吸音数据集的坐标系里。下表以"人群"与"任务"两个维度定位它的差异（因本次检索预算所限，对照数据集的具体规模数字未逐一实核，故仅作定性对照，不作硬数字断言）：
| 维度 | 成人类呼吸音数据集（如 ICBHI 2017 谱系） | SPRSound |
|---|---|---|
| 人群 | 成人为主 | 儿科 1 个月-18 岁 |
| 公开性 | 部分公开/需申请 | 完全公开（CC BY 4.0） |
| 标注层级 | 多以记录级为主 | 记录级 + 事件级双层 |
| 质量维度 | 通常不单列 | 显式 Poor Quality 类别 |
| 评测机制 | 多为一次性基准 | 连续四届挑战赛动态基准 |
| 任务范围 | 以分类为主 | 分类 + 检测 + 压缩 |
| 设备 | 多样 | 单一（云听 II） |
对照解读。 SPRSound 的差异化价值集中在三点：其一，人群限定（儿科专属，填补空白）；其二，任务广度（从分类到检测到压缩，覆盖研发全链条）；其三，评测机制（挑战赛带来的横向可比性）。而其相对劣势也很清楚：单一中心、单设备，多样性弱于多中心汇集型数据集。
给检索者的实操建议：若你的研究目标是"儿科呼吸音算法"，SPRSound 是首选且几乎是唯一的高质量公开选择；若目标是"通用呼吸音建模"，则宜把 SPRSound 与成人类数据集组合使用，并通过跨数据集迁移实验评估泛化；若目标是"多中心鲁棒性"，则需意识到 SPRSound 单独不足以支撑这一目标。
§6.4 标注可靠性的追问清单
一个成熟的检索者，面对一份自称"金标准"的医学数据集，应当带着一组追问去评估其标注可靠性。以下清单同样适用于评估其它医学音频数据集。
追问一：有几个标注者、什么资质？
SPRSound 答：11 名经验丰富的儿科医师，全流程参与。这是明确的加分项（数量与资质双达标）。
追问二：有没有一致性指标？
SPRSound：本次检索未见公开的观察者间一致性数据（如 Cohen’s kappa、Fleiss’ kappa）。这是可以追问的空白——11 名医师虽降低了单点偏差，但没有量化的一致性数字，仍无法回答"分歧有多大"。
追问三：分歧如何裁决？
SPRSound：官方陈述为"建立金标准参考"，具体裁决规则（多数投票？资深医师终审？协商共识？）未在抓取页明示。
追问四：有没有质控环节？
SPRSound 答：有。自研 SoundAnn 工具含 quality assurance evaluation 模块，且 Poor Quality 类别本身即一道质量闸门。
追问五：标注是逐条做的还是批量的？
SPRSound：事件级标注逐一给出起止与类型，属逐条精细标注；配 SoundAnn 支持声编辑。
追问六：类别定义是否清晰到可复现？
SPRSound：七类事件与五类记录级标签均有明确定义（如 CAS/DAS 分别对应连续性/断续性附加音），可操作性较好；但细类（Coarse/Fine Crackle）的临床边界仍带主观性。
结论。 SPRSound 的标注可靠性在"人员资质 + 工具 + 质控"三项上表现良好，在"一致性量化 + 裁决规则透明化"两项上存在空白。这一评价应写入任何使用该数据集的研究的局限性章节。
§7.6 典型应用场景展开
场景一：儿科肺炎/支气管炎的听诊辅助筛查。
基层或远程场景下，非专科医生对儿科呼吸音的判读经验有限。基于 SPRSound 训练的模型可提供"是否检出异常附加音"的初筛意见，把有限的专科医生资源集中到阳性样本上。关键约束：模型输出应定位为"辅助"而非"诊断"，且必须经过独立外部验证。
场景二：哮喘患儿家庭监测。
哮喘管理的核心是发作预警。喘鸣（Wheeze）是哮喘发作的关键声学标志。研究者可利用 SPRSound 的事件级 Wheeze 标注训练喘鸣检测模型，配合家用听诊设备做趋势监测。关键约束：家庭环境噪声远高于临床，域偏移显著，需专门优化。
场景三：可穿戴/边缘设备的呼吸音压缩与传输。
对应 2024/2025 Track 1（压缩感知）。远程监测若要把连续呼吸音传回云端，带宽是瓶颈；在设备端压缩、云端重建，可大幅降低传输成本。关键约束：压缩必须在保真（不丢异常音）与码率间取得平衡，这也是 CR/PRD/CC 三指标联合评测的意义。
场景四：声事件检测算法的医学落地验证。
对应 2024/2025 Track 2。SED 方法（如 CRNN、Transformer-based）多在通用音频（城市声、家居声）上验证；SPRSound 提供了医学音频的 SED 测试床，可检验方法在专业领域的迁移能力。关键约束：医学事件边界模糊、类别不平衡，直接影响 SED 方法的表现。
场景五：多任务/多层级联合建模研究。
利用 SPRSound 的双层标注（记录级 + 事件级），研究者可探索"事件级预测能否辅助记录级判断"的多任务学习，或"记录级弱标签能否监督事件级检测"的弱监督学习。这是数据集"一份数据多种用法"价值的体现。
共同提醒：以上场景均为算法研发与评测场景；任何涉及真实患者诊断的应用，都必须在独立临床数据上完成外部验证，并符合医疗器械监管要求。
§8.5 从 SPRSound 看医学数据集的设计原则
SPRSound 的设计选择，沉淀出若干可迁移到其它医学数据集的设计原则：
原则一：把元数据内嵌进标识符。
五要素命名法让数据自带可解析的元信息。优点：降低管线复杂度、便于分层统计与分组切分。适用：任何需要按受试者属性频繁切分的数据集。
原则二：把"不可用"建模为一等类别。
Poor Quality 单列而非丢弃，让模型学会识别不可用输入。适用于任何噪声敏感型医学信号（如可穿戴心电、家庭睡眠监测）。
原则三：提供多层粒度的标注。
记录级 + 事件级双层标注，让同一份数据支撑分类与检测两类范式。适用：任何既有整体判断又有局部结构的医学数据（如病理 WSI 的切片级 + 区域级）。
原则四：用挑战赛机制维持数据集活力。
按年扩容 + 挑战赛 + 论文链，让数据集免于过时。适用：有社区基础、需要长期基准的领域。
原则五：显式声明切分纪律。
inter/intra 子集划分把"泛化能力"的评估做实。适用：任何存在"同一受试者多样本"结构医学数据集，防止数据泄漏。
原则六：诚实披露局限。
单中心、单设备、单一人群是 SPRSound 的短板，也是任何数据集都该主动声明的边界。一份不声明局限的数据集，其可信度反而更低。
§8 方法学启示：可迁移的经验
SPRSound 的设计选择中，有几条经验具有超出本数据集本身的借鉴价值。
8.1 "把元数据编进文件名"的工程智慧
五要素命名法（患者编号_年龄_性别_位置_序号）让每个文件自带身份信息。好处是：无需外部索引表即可解析受试者属性、做分层统计、按患者划分训练/测试集。这在医学数据工程中是被低估的实用技巧——当数据集规模增长、需要频繁按属性切分时，内嵌元数据的命名规则能显著降低管线复杂度。
8.2 "信号质量"作为显式类别的必要性
把 Poor Quality 单列为一类，而非简单地清洗丢弃，是儿科场景的必然选择。原因在于：质量差的样本本身携带信息（“这段录音不可用于判读”），且真实部署时模型必然遇到低质量输入。让模型学会说"我看不清"，比强迫它对任何输入都下结论更安全。 这一思路可迁移到任何噪声敏感型的医学信号任务。
8.3 "活体数据集 + 年度挑战赛"的可持续模式
按年发布新测试集、训练集复用累积数据的模式，让数据集免于"发布即过时"。挑战赛则提供了持续的社区关注度与横向比较平台。相比一次性发布的静态数据集，这种"数据 + 赛事"的组合更利于形成长期基准。 代价是需要持续的维护投入——从 SPRSound 的提交记录看，团队确实做到了多年维护。
8.4 受试者间/内的切分纪律
2022 测试集明确拆分为 inter-subject（355）与 intra-subject（379），这是一个常被忽视却至关重要的评测设计。医学数据的一个典型陷阱是数据泄漏：若同一患者的不同录音同时进入训练与测试集，模型可能靠"记住患者"而非"学会病理"取得虚高成绩。显式区分受试者间/内子集，是把泛化评估做实的前提。
§9 与库内条目的关系与检索路径
9.1 定位图谱
| 维度 | SPRSound 的位置 |
|---|---|
| 信号类型 | 生理信号 → 音频/语音信号（呼吸音） |
| 人群 | 儿科（1 个月-18 岁）——罕见的人群限定 |
| 相机/模态 | 声学（电子听诊器），非影像 |
| 任务 | 分类 + 声事件检测 + 压缩 |
| 数据性质 | 现场采集原始音频 + 专家标注 |
| 生态位 | 呼吸音 AI 的公开公共基准 |
9.2 检索路径建议
- 若你要找儿科呼吸音/听诊 AI数据 → 首选 SPRSound；
- 若你要找成人呼吸音基准 → 应另查 ICBHI 2017 等成人类数据集；
- 若你要找**声事件检测（SED）**在医学音频的落地案例 → SPRSound 2024/2025 Track 2 是最佳样本；
- 若你要找可穿戴/压缩部署的医学音频场景 → 关注其 Track 1（压缩感知）；
- 若你要找儿科生理信号的其它模态 → 参见库内
b2ai-voice-pediatric（儿科语音）。
9.3 互链口径声明
本文所有跨条目互链的 rid 均以占位符 /0 或留空处理，真实 rid 由主会话在入库后按 DB 实查统一回填。这是 R018 教训的直接落实——写手猜测的 rid 一旦指向被软删的重复行，会导致发布后 C2 导航检查失败。库内可互链候选（待回填）：
b2ai-voice-pediatric（儿科语音/儿童生理信号域）；- 呼吸音/咳嗽音/肺音类条目（若库内存在）；
- 其它 medical grand-challenge 基准类条目。
§10 避坑清单：八个已踩过或易踩的坑
以下是使用 SPRSound 时最需要注意的八个坑点，多数为检索者与工程实现中的高频问题。
坑 1：把"总量口径"与"文件计数口径"混算。
2,683 记录（总量） vs 6,567 文件（各版本相加）——两者统计维度不同（§2.6）。引用规模时必须写明口径，否则会被审稿人抓住。避坑：论文引用用 2,683/9,089/292；下载核对按年份目录数。
坑 2：误以为 2023-2025 有独立训练集。
GitHub README 明确：每届只发布测试集，训练须复用历年数据。若只下 2024 版却找不到训练集而困惑，就是这个坑。避坑：训练集只发布过 2022 版（train2022_wav/）。
坑 3：JSON 键名双口径导致解析失败。
IEEE DataPort 摘要示例用 recording_annotation，官方 GitHub README 示例用 record_annotation（§9 遗留疑点 1）。避坑：解析代码对两种键名都做兼容，或直接以 GitHub 仓内实际文件为准。
坑 4：把 start/end 当数字直接运算。
GitHub README 注明这两个字段是字符串毫秒（如 "342"），而 IEEE DataPort 示例里却显示为数字（"start": 342）——双口径并存。避坑：解析时统一 int() 转换，勿假设类型。
坑 5：忽视单中心、单设备的域偏移。
全部数据来自 SCMC 一家医院、单一云听 II 型听诊器。模型换医院、换设备后性能可能显著下降。避坑：报告中明确声明数据来源的单一性，跨域应用前做独立验证。
坑 6：不做受试者级划分就切训练/测试。
2022 测试集已拆好 inter/intra 子集，但若自行重划分而不按患者分组，会造成数据泄漏、虚高精度。避坑：切分时以患者编号为分组键（group split），而非随机切分。
坑 7：把"记录级标签缺失"当成解析 bug。
README 注明部分后期测试集 JSON 可能仅有 event_annotation 而无 record_annotation。避坑：读取记录级标签前先检查键是否存在，缺失时按任务需求降级处理。
坑 8：误用第三方复刻仓库的数据。
搜索时会遇到个人复刻仓（如 puddingss/SPRSound），内容为早期快照、可能不全或滞后。避坑：认准官方 SJTU-YONGFU-RESEARCH-GRP/SPRSound 与 IEEE DataPort DOI 10.21227/nfkk-1x47。
坑 9（补充）：忽略"儿科专属"的适用边界。
1 个月至 18 岁的人群限定意味着结论不可外推至成人。避坑：在论文的局限性章节显式声明人群范围。
§10.5 DAIMS 数据资产评分
DAIMS（Data Asset Inventory and Maturity Score）从多维度评估数据资产成熟度。SPRSound 的评分如下（满分 5，★ 为半星）：
| 维度 | 评分 | 说明 |
|---|---|---|
| 数据可获取性（Availability） | ★★★★★ 5.0 | GitHub + IEEE DataPort 双通道，免申请，zip ≈ 352 MB |
| 许可清晰度（Licensing） | ★★★★☆ 4.5 | CC BY 4.0 宽松；扣分项为 license 直证略间接 |
| 文档完备度（Documentation） | ★★★★☆ 4.5 | README 详尽覆盖命名/JSON/任务/指标；音频参数需下包核对 |
| 标注质量（Annotation Quality） | ★★★★☆ 4.5 | 11 名儿科医师 + SoundAnn 工具 + Poor Quality 闸门；无公开一致性指标 |
| 元数据完备度（Metadata） | ★★★★★ 5.0 | 五要素命名内嵌元数据，自解析能力强 |
| 数据多样性（Diversity） | ★★★☆☆ 3.0 | 单中心、单设备、儿科专属——主要短板 |
| 版本管理（Versioning） | ★★★★★ 5.0 | 按挑战年清晰分目录，训练/测试口径明确 |
| 任务生态（Task Ecosystem） | ★★★★★ 5.0 | 四届挑战赛 + 论文链，指标统一 |
| 格式友好度（Format） | ★★★★★ 5.0 | WAV + JSON，标准易解析 |
| 长期维护（Maintenance） | ★★★★☆ 4.5 | 提交记录延续至 2025-2026，仍在更新 |
| 综合成熟度 | ★★★★☆ 4.6 | 高成熟度可用数据集，短板集中于多样性 |
§10.6 一页速查卡
| 问题 | 答案 |
|---|---|
| 是什么 | 首个公开儿科呼吸音数据库 |
| 谁做的 | SJTU + SCMC + SERCIP |
| 多大 | 2,683 记录 / 9,089 事件 / 292 受试者 |
| 谁标的 | 11 名儿科医师 + SoundAnn 工具 |
| 什么格式 | WAV + JSON（记录级 + 事件级双层标注） |
| 什么任务 | 分类 → 压缩 + 事件检测 |
| 什么指标 | SE/SP/AS/HS；CR/PRD/CC；F/ER |
| 哪下 | GitHub SJTU-YONGFU-RESEARCH-GRP/SPRSound |
| 什么许可 | CC BY 4.0 |
| 怎么引用 | IEEE TBioCAS 2022;16(5):867-881 |
| DOI | 10.21227/nfkk-1x47 |
| 最大局限 | 单中心、单设备、儿科专属 |
§3.6 一次完整的旧题新做：从数据到提交
为了把前述分散的要点串成可操作的流程，本节以一个假想的挑战赛参与为例，走一遍完整的"从数据到提交"路径。
阶段一：题目理解。
选定目标挑战年与任务。例如参加 2023 届的 Task 1-2（事件级七分类）。先读该年目录下的 README，确认测试集文件数（871）与标注格式。
阶段二：数据准备。
训练用 BioCAS2022/train2022_wav（1,949 文件）与对应 json。解析元数据、构造分类标签。注意：2023 只发测试集，不能误以为 2023 目录里有训练数据。
阶段三：特征与建模。
按 §2.7 的惯例做预处理（分帧、梅尔频谱），设计分类网络。此处自由度大，但需完整记录预处理细节以便复现。
阶段四：验证策略。
关键：从 2022 训练集中划出验证集时，必须以患者编号分组（group split），否则验证分数会虚高。若要用官方测试集评估，注意区分 inter/intra 子集（§3.4）。
阶段五：指标计算。
按官方口径计算 SE / SP / AS / HS。分列七类各自的 SE/SP，不要只报平均——少数类（如 Stridor）的表现才见真章。
阶段六：结果解读。
若 inter 子集远差于 intra 子集，说明模型有患者级记忆倾向，需检查特征是否泄漏了患者身份信息。
阶段七：提交与引用。
按挑战赛平台要求提交预测，论文中署名引用数据集论文与该届挑战赛论文。
阶段八：局限声明。
写明单中心、单设备、儿科专属三项边界；若做了跨域测试，一并报告。
这条路径把 §2（数据）、§3（任务）、§4（指标）、§5（获取）、§6（质量）的要点落到一个连贯的实操流程上，可作为团队参赛或复现的脚手架。
§7.7 SPRSound 与千方病案医数集的定位关系
从千方病案医数集（AI-Ready Wikipedia 数据百科）的编目视角看，SPRSound 的定位清晰：
所属大类：生理信号（L1）→ 语音信号（L2）。呼吸音属声学生理信号，与语音信号同族——都是"人体的声学输出"。
领域标签：挑战赛数据集、评测基准（均属"医学问答与基准"大类）；人群标签：儿科（DISEASE 类）。
为什么值得收录：它满足高质量数据集的四个要件——
- 真实存在且可核验（IEEE DataPort DOI + GitHub 双源）；
- 规模与许可清晰（2,683/9,089/292；CC BY 4.0）；
- 社区验证充分（四届挑战赛、多篇论文）；
- 任务价值明确（儿科呼吸音 AI 的公共基准）。
在库内的关系：
- 与 b2ai-voice-pediatric（儿科语音）构成"儿科声学生理信号"的互链簇；
- 与库内其它医学音频/听诊类条目（若存在）构成"听诊 AI"簇；
- 与库内其它 grand challenge 基准类条目构成"公共基准"簇；
- 与库内生理信号大类下的心电、睡眠、步态等条目构成时序生理信号的方法学共享。
检索者画像：最可能检索 SPRSound 的是呼吸音算法研究者、医学音频工程师、儿科呼吸辅助诊断开发者，以及数据集方法学研究者（因为其"活体数据集 + 挑战赛"模式本身值得研究）。
互链纪律重申：以上所有互链对象的真实 rid 一律由主会话入库后按 DB 实查回填，本文正文仅作候选提示，不写具体 rid（§9.3，R018）。
§8.6 反面清单：SPRSound 不是万能药
诚实声明数据集的不适用场景，与声明其价值同等重要。
不适用一：需要成人呼吸音的研究。
人群限定 1 个月至 18 岁。用儿科数据训练成人模型，或反之，都会引入系统偏差。
不适用二：需要多中心多样性验证的研究。
单中心（SCMC）、单设备（云听 II）。若研究目标本身就是"检验跨中心鲁棒性"，SPRSound 单独不足。
不适用三：需要影像/多模态联合的研究。
纯音频模态，不含影像或文本。需要影像-音频联合建模的场景无法直接满足。
不适用四：需要超大规模预训练的研究。
2,683 条记录属中小型数据集。若目标是训练需要百万级样本的基础模型，SPRSound 只能作为微调或评测集，而非预训练主体。
不适用五：直接临床诊断。
数据集用于研发与评测，未经临床验证。任何直接用于患者诊断的用法都不合规，必须经过独立临床验证与监管流程。
不适用六：需要健康人对照的研究。
数据来自儿科呼吸科就诊人群，正常样本（Normal）虽在，但整体分布偏向呼吸系统异常人群，不能代表一般儿科人群的呼吸音分布。
这份反面清单可与 §11.3 配合阅读——前者讲"不适合谁"，此处讲"不适合什么任务"，二者共同划清了 SPRSound 的适用边界。
§11.5 研究机会提示：还能做什么
对寻找选题的研究者，SPRSound 本身即提出了一批开放问题：
机会一：标注一致性研究。
11 名医师的标注若存在（未公开的）分歧案例，是研究"呼吸音判读主观性"的天然素材——若后续能获取原始多医师标注。
机会二：跨数据集迁移。
SPRSound（儿科）与成人类呼吸音数据集之间的迁移学习，是检验模型泛化、揭示儿童-成人声学差异的可行方向。
机会三：弱监督事件检测。
利用记录级标签（易得）监督事件级检测（难标），是 §7.6 场景五的具体化，也是降低标注成本的实际需求。
机会四：设备域自适应。
单设备是局限也是契机——研究如何在设备域偏移下保持性能，对可穿戴落地有直接价值。
机会五：类别不平衡与罕见音。
Stridor 等少数类的识别提升，是临床价值最高的方向，也是技术难度最大的方向。
机会六：多任务联合。
记录级 + 事件级 + 压缩的多任务联合建模，可探索任务间是否互相促进。
机会七：压缩-检测联合。
2024/2025 两赛道分设，但真实部署中"先压缩后检测"是端到端问题——联合优化是开放方向。
这些机会点说明：SPRSound 不只是一个"用来测模型"的静态资源，它的结构（双层标注、双赛道、单设备）本身就在提示下一批研究问题。
§11 总结
11.1 三句话总结
- SPRSound 是首个公开的儿科呼吸音数据库，由上海交通大学联合上海儿童医学中心采集，含 2,683 条记录、9,089 个事件、292 名 1 个月至 18 岁受试者，11 名儿科医师金标准标注。
- 它是"活体"基准而非静态数据集：历经 2022-2025 四届 IEEE BioCAS 呼吸音挑战赛，任务从分类演进到压缩与事件检测双赛道，每年新增测试集、训练集跨年累积。
- 它以 CC BY 4.0 完全开放获取，配套清晰的任务体系与评测指标（SE/SP/AS/HS、CR/PRD/CC、F/ER），是儿科呼吸音 AI 研发的公共坐标；主要局限是单中心、单设备与儿科专属人群。
11.2 适合谁
- 呼吸音分析研究者：需要一个标准、公开、带专家标注的儿科基准；
- 声事件检测（SED）团队：想验证算法在医学音频上的定位能力；
- 儿科呼吸辅助诊断开发者：寻找真实临床采集的儿科数据；
- 压缩/边缘部署工程师：需要医学音频的压缩基准场景；
- 医学数据集方法学研究者：研究双层标注、质量建模、挑战赛机制。
11.3 不适合谁
- 想研究成人呼吸音的团队：本数据集限定 1 个月至 18 岁；
- 需要多中心、多设备多样性的研究：本数据集为单中心、单设备；
- 需要影像/多模态的研究：本数据集为纯音频模态；
- 需要大规模样本的预训练：29 万级 vs. 数百万级，量级上属于中小型数据集。
11.4 30 秒决策卡
要儿科呼吸音数据？ → SPRSound，GitHub 直接下，CC BY 4.0，引用 TBioCAS 2022 论文。
要成人呼吸音？ → 另找 ICBHI 2017 等成人类数据集。
要做医学音频事件检测？ → 用 SPRSound 2024/2025 Track 2 事件检测赛道。
担心数据泄漏？ → 严格按患者编号分组切分，用官方 inter/intra 子集评测。
要落地临床？ → 先做独立外部验证，本数据集只是研发基准。
FAQ（高频问答）
A. 基础认知
A1：SPRSound 全称是什么？
SPRSound: Open-Source SJTU Paediatric Respiratory Sound Database（开源上海交大儿科呼吸音数据库）。
A2：为什么强调"首个"？
因为在它之前公开的呼吸音数据库几乎都面向成人，儿科人群长期空白。它确立了"first open-access paediatric respiratory sound database"的领域地位。
A3：谁拥有这份数据？
由上海交通大学（SJTU）团队发布，上海儿童医学中心（SCMC）采集，上海智慧儿科工程研究中心（SERCIP）协作，另有数家医院参与标注协作。
A4：和 IEEE BioCAS 是什么关系？
SPRSound 是 IEEE BioCAS 呼吸音挑战赛（Respiratory Sound Track Grand Challenge）的官方数据集，2022-2025 连续四届使用。
A5：它只有音频吗？
是的，本数据集为纯音频模态（WAV），不含影像。但命名中嵌入了患者编号、年龄、性别、位置等元数据。
B. 数据与获取
B1：在哪里下载？
GitHub：https://github.com/SJTU-YONGFU-RESEARCH-GRP/SPRSound；IEEE DataPort：DOI 10.21227/nfkk-1x47。
B2：要申请吗？
不需要，完全开放获取（open access），直接下载。
B3：包多大？
IEEE DataPort 页面标注 SPRSound-main.zip 约 352.01 MB。
B4：什么许可？
CC BY 4.0（据 GitHub LICENSE 文件）——可再分发、修改、商用，须署名引用数据集论文。
B5：训练集是哪一版？
只有 2022 版发布过训练集（train2022_wav/，1,949 文件）；2023-2025 只有测试集。
B6：文件怎么命名？
五要素下划线拼接：患者编号_年龄_性别_位置_序号，如 65101170_0.4_1_p1_3246。
B7：录音位置有哪些？
p1 左后、p2 左侧、p3 右后、p4 右侧；2024/2025 新增 p5-p8。
B8：用的是什么听诊器？
云听（Yunting）II 型电子听诊器，统一设备。
B9：采集地点在哪？
上海儿童医学中心（SCMC）儿科呼吸科。
B10：有第三方复刻吗？
有（如 puddingss/SPRSound），但为个人复刻、内容可能滞后，应以官方仓为准。
C. 规模与标注
C1：有多少条数据？
2,683 条记录、9,089 个呼吸音事件、292 名受试者（总量口径）。
C2：为什么我加各版本文件数得 6,567 而不是 2,683？
因为两者统计口径不同：2,683 是"记录/患者"总量口径，6,567 是各挑战年 wav 文件计数口径（§2.6）。
C3：覆盖什么年龄？
1 个月至 18 岁，儿科专属。
C4：标注几层？
两层：记录级（Normal/CAS/DAS/CAS&DAS/Poor Quality）与事件级（七类 + 毫秒边界）。
C5：事件级有哪七类？
Normal (N)、Rhonchi ®、Wheeze (W)、Stridor (S)、Coarse Crackle (CC)、Fine Crackle (FC)、Wheeze+Crackle (WC)。
C6：CAS 和 DAS 是什么意思？
CAS = Continuous Adventitious Sound（连续性附加音）；DAS = Discontinuous Adventitious Sound（断续性附加音）。
C7：Poor Quality 是什么？
信号质量差、不足以判读的录音，被单列为一个类别。
C8：谁做的标注？
11 名经验丰富的儿科医师全流程参与，建立金标准。
C9：用什么工具标注？
自研的 SoundAnn 软件（声音编辑 + 标注 + 质控三合一）。
C10：有公开的标注一致性指标吗？
本次检索未见公开的观察者间一致性数据（如 kappa），属可追问的空白。
D. 任务与评测
D1：2022/2023 的任务是什么？
Task 1 事件级分类（1-1 二分类、1-2 七分类）；Task 2 记录级分类（2-1 三分类、2-2 五分类）。
D2：2024/2025 的任务是什么？
Track 1 呼吸音压缩（压缩感知）；Track 2 呼吸音事件检测（起止点检测 + 标签）。
D3：分类任务用什么指标？
Sensitivity (SE)、Specificity (SP)、Average Score (AS)、Harmonic Score (HS)。
D4：压缩任务用什么指标？
Compression Ratio (CR)、Percent Root Mean Square Difference (PRD)、Correlation Coefficient (CC)。
D5：检测任务用什么指标？
Event-based F-score (F)、Event-based Error Rate (ER)。
D6：inter/intra 子集是什么？
2022 测试集拆为 inter-subject（355 文件，受试者间）与 intra-subject（379 文件，受试者内）两个子集，用于区分泛化能力。
D7：为什么不用准确率就好？
类别不平衡下准确率会失真；SE/SP 分别约束两类错误，AS/HS 综合，更稳健。
D8：有获奖名单吗？
本次检索未见公开的名次与分数明细，本文不作未核实陈述。
E. 复现与工程细节
E1：JSON 键名到底是哪个？
存在双口径：IEEE DataPort 示例为 recording_annotation，GitHub README 为 record_annotation；建议兼容两种。
E2：start/end 是数字还是字符串？
GitHub README 明确为字符串毫秒；解析时 int() 转换。
E3：记录级标签可能缺失吗？
会。README 注明部分后期测试集 JSON 可能仅含 event_annotation。
E4：怎么避免数据泄漏？
按患者编号分组切分（group split），使用官方 inter/intra 子集评测。
E5：能直接用于临床吗？
不能。这是研发与基准数据集，临床落地前须独立外部验证。
E6：能迁移到成人吗？
不能直接迁移，人群限定 1 个月至 18 岁，需另行验证。
E7：跨医院/跨设备泛化如何？
未验证；单中心、单设备是其主要局限。
E8：有音频采样率等参数吗？
抓取页未逐条明列，使用前请按下载包内 README 核对。
E9：怎么引用？
Q. Zhang, et al. "SPRSound: Open-Source SJTU Paediatric Respiratory Sound Database", IEEE TBioCAS, vol. 16, no. 5, pp. 867-881, Oct. 2022.
E10：数据还在更新吗？
是。GitHub 提交记录延续至 2025 年末至 2026 年，属持续维护的活体数据集。
数据来源：IEEE DataPort 数据集页（DOI 10.21227/nfkk-1x47）；GitHub 官方仓
SJTU-YONGFU-RESEARCH-GRP/SPRSound及其 README/LICENSE；IEEE BioCAS 2022/2023 挑战赛页；TBioCAS 2022;16(5):867-881 数据集论文引用信息。免责声明：本条目为 AI-Ready Wikipedia 数据集百科，内容基于公开来源整理，供研究检索参考，不构成医学建议。使用数据请遵循 CC BY 4.0 许可并署名引用原作者。
§2.9 呼吸音的声学基础：为什么听诊可以自动化
要理解 SPRSound 的数据形态，需先理解呼吸音的物理本质。本节用最精简的方式交代声学背景，帮助非音频背景的检索者建立直觉。
呼吸音从哪来。 气流通过气道时，湍流引起组织振动，产生可被听诊器拾取的声波。正常呼吸音（vesicular breath sound）柔和、频率较低；当气道狭窄、分泌物积聚或肺泡病变时，会产生特征性的附加音。
附加音的声学指纹。
- Wheeze（喘鸣）：气道狭窄导致气流产生持续高频振荡音，频谱上呈明显谐波峰——这是它与 Normal 最容易区分的特征。
- Crackle（湿啰音）：气泡破裂式的短促爆裂声，时域上表现为陡峭的瞬态脉冲——这正是它需要高采样率、不能被有损压缩破坏的原因。
- Rhonchi（鼾音）：大气道分泌物的低调持续音，基频低于喘鸣。
- Stridor（吸气性喘鸣）：上气道梗阻特征音，多在吸气相出现，是儿科急症的重要信号。
为什么可以自动化。 各类附加音在时频域上有相对稳定的模式，使得机器学习能够从中学习判别边界。但"相对稳定"不等于"绝对可分"——同一种音的个体差异、录音设备差异、位置差异，都会导致模式漂移。这正是 SPRSound 这类真实临床数据集的价值：它保留了这种真实的变异，而非理想化的实验室录音。
为什么儿科更难。 儿童气道更细（湍流更显著）、呼吸频率更快（事件更短）、配合度更差（噪声更多）、心音串入更明显（干扰更强）。这四重因素叠加，使儿科呼吸音的自动化难度显著高于成人——也正是 SPRSound 填补的空白所在。
对建模的启示。 上述声学特征决定了：特征提取应关注时频域、模型需要处理短时事件、抗噪能力是刚需、质量判别不可省略。这些都与 §3 的任务设计和 §6 的质量建模一脉相承。
§11.6 结语
SPRSound 以其"首个公开儿科呼吸音数据库"的身份，把一个长期被忽视的人群带入了呼吸音 AI 的研究视野。它的价值不止于 2,683 条记录本身，更在于它搭建的那套可持续的公共基准机制：逐年扩容、四届挑战赛、统一指标、论文沉淀。
对于检索者，本文希望传递的核心判断是：SPRSound 是一份高质量但边界清晰的资源。它的高质量体现在真实的临床采集、11 名医师的金标准标注、双层标注体系与显式的质量建模；它的边界体现在单中心、单设备、儿科专属，以及尚待公开的标注一致性指标。
正确地使用它，意味着：用对人群（儿科）、用对口径（区分总量与文件计数）、用对切分（患者级分组）、用对指标（分列 SE/SP 与子集）、声明局限（单中心单设备）。做到这五点，SPRSound 就能成为可靠的研发与评测基石；忽视其中任何一点，都可能得出误导性的结论。
这也是千方病案医数集收录这份数据集的意义：不仅记录它"是什么"，更要记录它"该怎么用、不该怎么用"——这正是 AI-Ready Wikipedia 相对普通数据集页面清单的价值所在。
§12 术语表（中英对照）
为便于检索者快速对齐术语，下表汇总本文出现的核心中英文术语（首现均已标英文）。
| 中文 | 英文 | 说明 |
|---|---|---|
| 听诊 | auscultation | 通过听诊器听取体内声音的临床检查 |
| 呼吸音 | respiratory sound | 呼吸过程中气流产生的声信号 |
| 附加音 | adventitious sound | 正常呼吸音之外出现的异常声 |
| 连续性附加音 | Continuous Adventitious Sound (CAS) | 持续一定时长的附加音，如哮鸣、鼾音 |
| 断续性附加音 | Discontinuous Adventitious Sound (DAS) | 短促爆裂型附加音，如湿啰音 |
| 喘鸣/哮鸣音 | Wheeze | 气流通过狭窄气道产生的高调持续音 |
| 鼾音/粗湿啰音 | Rhonchi | 大气道分泌物引起的低调持续音 |
| 喘鸣（吸气性） | Stridor | 上气道梗阻特征性的高调吸气音 |
| 粗湿啰音 | Coarse Crackle | 大气道/大支气管的爆裂音 |
| 细湿啰音 | Fine Crackle | 小气道/肺泡的爆裂音 |
| 呼吸音事件 | respiratory sound event | 一段具有独立类别的呼吸声片段 |
| 事件检测 | sound event detection (SED) | 检测事件起止点并分类 |
| 压缩感知 | compressive sensing | 利用稀疏性进行信号压缩采样 |
| 呼吸音记录压缩 | respiratory recording compression | 对呼吸音记录进行压缩 |
| 敏感度 | Sensitivity (SE) | 真阳性率 |
| 特异度 | Specificity (SP) | 真阴性率 |
| 平均分 | Average Score (AS) | (SE+SP)/2 |
| 调和分 | Harmonic Score (HS) | SE 与 SP 的调和平均 |
| 压缩比 | Compression Ratio (CR) | 原始大小与压缩后大小之比 |
| 百分比均方根差 | Percent Root Mean Square Difference (PRD) | 重建失真度量 |
| 相关系数 | Correlation Coefficient (CC) | 重建信号与原信号的相似度 |
| 事件级 F 值 | Event-based F-score (F) | 事件检测的综合指标 |
| 事件级错误率 | Event-based Error Rate (ER) | 事件检测的错误率 |
| 受试者间 | inter-subject | 训练/测试受试者不重叠 |
| 受试者内 | intra-subject | 测试受试者曾在训练集出现 |
| 域偏移 | domain shift | 训练与部署数据分布不一致 |
| 数据泄漏 | data leakage | 同源数据跨越训练/测试边界导致虚高 |
| 儿科 | paediatric / pediatric | 本文所指 1 个月至 18 岁人群 |
| 电子听诊器 | electronic stethoscope | 数字化拾音与记录设备 |
§13 参考文献与来源清单
本文成稿所依据的公开来源如下（三源互证核心数字：规模、任务、指标、许可）。
一手来源（官方）：
- IEEE DataPort 数据集页：SPRSound: Open-Source SJTU Paediatric Respiratory Sound Database，DOI
10.21227/nfkk-1x47，提交人 Yongfu Li，日期创建 2024-02-19。
https://ieee-dataport.org/documents/sprsound-open-source-sjtu-paediatric-respiratory-sound-database - GitHub 官方仓库：
SJTU-YONGFU-RESEARCH-GRP/SPRSound（README / LICENSE / 各版本目录）。
https://github.com/SJTU-YONGFU-RESEARCH-GRP/SPRSound - IEEE BioCAS 2023 挑战赛页：Respiratory Sound Track Grand Challenge 2023。
https://ieee-dataport.org/competitions/respiratory-sound-track-grand-challenge-2023-respiratory-sound-classification-sprsound - 挑战赛平台：
http://1.117.17.41/grand-challenge/
引用文献（数据集与挑战赛论文）：
- Q. Zhang, et al. “SPRSound: Open-Source SJTU Paediatric Respiratory Sound Database”, IEEE Transactions on Biomedical Circuits and Systems (TBioCAS), vol. 16, no. 5, pp. 867-881, Oct. 2022.
- Q. Zhang, et al. “Grand Challenge on Respiratory Sound Classification”, IEEE BioCAS 2022, pp. 1-5.
- Q. Zhang, et al. “Grand Challenge on Respiratory Sound Classification for SPRSound Dataset II”, IEEE BioCAS 2023, pp. 1-5.
- Q. Zhang, et al. “Meta: Data Compression and Event Detection Grand Challenge 2024 With SPRSound Dataset”, IEEE Data Descriptions (DD), vol. 1, no. 1, pp. 1-8, Dec. 2024.
第三方参考（谨慎使用，非官方）：
- 第三方复刻仓
puddingss/SPRSound（个人复刻，内容为早期快照，不推荐作为下载源）。
核验说明。 上述来源经 WebSearch（1 次）+ WebFetch（2 次）实抓核验，核心数字（2,683 / 9,089 / 292；五要素命名；七类事件；两组指标）在 IEEE DataPort 摘要与 GitHub README 间双源一致。存在出入或未明示之处已逐条记入 §14。
§14 存照：双口径与遗留疑点
本节集中存放核验过程中发现的"双口径"与"查不到的遗留疑点"，供后续研究者按图索骥。
14.1 已确认的双口径（逐条存照）
存照 1：JSON 键名双口径。
- IEEE DataPort 摘要示例：
"recording_annotation": "Normal" - GitHub 官方 README 示例：
"record_annotation": "Normal" - 处置：以官方 GitHub 仓内实际文件为准；解析代码兼容两种键名。
存照 2：start/end 数据类型双口径。
- IEEE DataPort 示例：
"start": 342（数字形态） - GitHub README 明示：start 与 end 为字符串毫秒（
"start": "342"） - 处置：按 GitHub 口径（字符串）处理，解析时
int()转换。
存照 3：规模数字口径双口径。
- 总量口径：2,683 记录 / 9,089 事件 / 292 受试者（IEEE DataPort + GitHub 共同陈述）
- 文件计数口径：各版本 wav 相加 = 1,949+734+871+1,704+1,309 = 6,567 文件
- 处置：引用时注明口径（§2.6）；两者非互斥，统计维度不同。
存照 4：License 证据强度。
- GitHub LICENSE 文件解析为 CC BY 4.0 通用文本（未内含仓库名）
- IEEE DataPort 页面未单列 license 字段
- 处置：记为"CC BY 4.0（据 GitHub LICENSE 文件的间接证据）"，正式发表前建议核对 GitHub 页面 license 徽标。
14.2 遗留疑点（本次未查到，待后续核验）
- 疑点 1：音频采样率、位深、声道数等工程参数未在抓取页明列 —— 需下包核对
BioCAS20xx/README.md。 - 疑点 2：观察者间一致性指标（kappa 等）未见公开 —— 评估标注可靠性时的关键空白。
- 疑点 3：标注分歧的具体裁决规则（投票/终审/协商）未明示。
- 疑点 4：各届获奖队伍名单与分数未在抓取页明列 —— 本文未对名次作任何陈述，以免引入不实信息。
- 疑点 5：2,683 记录与 9,089 事件的具体类别分布（各事件类各多少条）未在抓取页明列。
- 疑点 6：292 名受试者的年龄/性别分布明细未在抓取页明列。
- 疑点 7：协作医院的具体贡献分工（哪家医院采了多少）未明示。
- 疑点 8：部分机构中文全称（丰城医院、临沂市人民医院等）按字面译，未逐一到官网核验。
核验纪律说明。 以上遗留疑点均在低中断执行预算内（WebSearch ≤3、WebFetch ≤6）以"够用即停"为原则处理：能三源互证的核心数字已确证，未能核到的一律记为遗留疑点，绝不以推测填充。后续研究者可循上述线索定向补齐。
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：
- cinc-2013 — 共享标签：生理信号 / 挑战赛数据集 / 评测基准 / 儿科
- speech-accessibility-project — 共享标签：生理信号 / 语音信号 / 挑战赛数据集 / 评测基准
- zchsound — 共享标签：生理信号 / 语音信号 / 评测基准 / 儿科
- babycry-ujm-axa — 共享标签：生理信号 / 语音信号 / 评测基准 / 儿科
- speech-commands — 共享标签：生理信号 / 语音信号 / 评测基准
- circor-digiscope — 共享标签：生理信号 / 语音信号 / 儿科
- b2ai-voice-pediatric — 共享标签：生理信号 / 语音信号 / 儿科
- hf-lung-v1 — 共享标签：生理信号 / 语音信号 / 评测基准
- nifeadb — 共享标签：生理信号 / 评测基准 / 儿科
- circor-heart-sound — 共享标签：生理信号 / 评测基准 / 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。
