摘要：UMRICT 胎儿彩色医学影像数据集包含超声和 MRI 胎儿头部图像（采用 11 种增强技术处理），整合自 5 个数据集，发表于 MethodsX（2025），专为胎儿医学影像分析和 AI 诊断而构建
数据集简介
数据集概述
UMRICT 胎儿彩色医学影像数据集是一个增强型多模态胎儿头部影像集合，包含超声和 MRI 扫描图像，采用 11 种图像增强技术处理（颜色映射、直方图均衡化、边缘检测、伽马校正、高斯模糊、Alpha 混合、热图可视化、交互式分割等），将灰度医学影像转换为彩色增强图像。数据集整合自 5 个 Kaggle 数据集，发表于 MethodsX（2025，DOI: 10.1016/j.mex.2025.103563），已应用于 PCA-KMeans 和 MobileNet-LSTM 分类研究（PMC），支持胎儿图像分析、临床诊断、医学教育和 AI/ML 模型训练。
数据结构与模态特征
数据集采用基于增强技术分类的文件夹组织结构，每个文件夹对应一种特定的图像增强方法或技术，使用户能够系统性地探索和对比不同增强方法对胎儿成像的影响。数据集包含 11 种图像增强技术文件夹：
(1) 基本颜色映射：应用颜色映射(Viridis、Jet、Hot等)将灰度图转为伪彩色，增强组织区分度；
(2) 自适应直方图均衡化：局部对比度增强改善细节，适用于低对比度超声图像；
(3) 对比度拉伸：扩展像素值范围以充分利用整个灰度范围，提高图像的整体对比度；
(4) 伽马校正：通过非线性变换调整图像亮度，校正过暗或过亮的区域；
(5) 高斯模糊：应用高斯滤波器进行降噪处理，减少图像噪声同时保留边缘信息；
(6) 边缘检测：使用查找表（LUT）实现一致的颜色转换；
(7) 随机调色板：应用随机生成的颜色方案，探索不同颜色对特征可视化的影响；
(8) 查找表颜色映射：使用边缘检测算子(Canny、Sobel、Laplacian)突出解剖结构边界；
(9) Alpha混合：透明度混合原始与增强图像，保留原始信息并增强关键特征；
(10) 热图可视化：生成强度热图，直观显示像素值分布和关注区域；
(11) 交互式分割：提供交互式工具和预分割，突出关键解剖结构(头部、脑室、颅骨)。
数据格式：图像格式为 PNG、JPEG 或 TIFF（根据输出选择），图像尺寸：通常在 256×256 到 1024×1024 像素之间（根据原始输入图像变化），标注信息：部分图像包含注释，如突出显示关键解剖结构的边界框（Bounding Boxes）或分割掩码（Segmentation Masks）。这种系统化的组织结构使研究人员能够选择最适合其研究目标或临床应用的增强方法，或者对比多种技术的效果以找到最优方案。
应用价值与研究方向
该数据集为胎儿医学影像分析、计算机辅助诊断和深度学习研究提供全面数据支撑。临床诊断：通过增强超声和 MRI 特征，帮助医生准确检测胎儿头部异常（脑积水、脑室扩大、颅骨畸形、脑发育异常等），支持早期诊断和治疗规划。医学教育：提供清晰、多角度可视化图像，用于胎儿解剖学习、成像模态理解和产前超声/MRI 解读培训。AI/ML 模型训练：提供标注图像用于训练分割（U-Net、Mask R-CNN）、分类（CNN、ResNet、EfficientNet）和目标检测（YOLO、Faster R-CNN）算法，已应用于 PCA-KMeans 和 MobileNet-LSTM 分类研究。核心研究方向：图像分割与结构识别、11 种增强技术对比评估、多模态融合（超声+MRI）、图像着色与可视化、异常检测与分类、迁移学习与少样本学习。数据集填补胎儿医学影像 AI 数据空白，支持改善产前诊断质量、降低漏诊率和推动胎儿医学智能化发展。
数据集来源
该数据集整合自 5 个胎儿影像数据集（超声分割、2D 超声、MRI 脑部、头部异常分类、多样化头部图像），经 11 种增强技术处理（颜色映射、CLAHE、对比度拉伸、伽马校正、高斯模糊、边缘检测、随机调色板、LUT、Alpha 混合、热图、交互式分割），图像格式 PNG/JPEG/TIFF（256×256 至 1024×1024 像素），由 Shuvo Kumar Basak 创建，发表于 MethodsX（2025，DOI: 10.1016/j.mex.2025.103563），已应用于 PCA-KMeans 和 MobileNet-LSTM 分类研究（PMC），专为胎儿头部可视化、临床诊断、医学教育和 AI/ML 训练而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-79
文件大小：4.3G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)