摘要：该胎儿头围（HC）自动测量数据集包含1,334个超声影像样本，其中训练集999个（含原始图像和头围轮廓标注）、测试集335个（仅原始图像）。图像尺寸统一为800×540像素（8位灰度PNG格式）。
数据集概述
该胎儿头围（HC）自动测量数据集包含1,334个超声影像样本，其中训练集999个（含原始图像和头围轮廓标注）、测试集335个（仅原始图像）。图像尺寸统一为800×540像素（8位灰度PNG格式）。数据集涵盖从孕早期到孕晚期的完整范围，头围测量值从44.3mm到346.4mm，像素物理尺寸从0.049mm到0.393mm，反映了真实临床环境中不同超声设备、不同孕期和不同扫描深度的多样性。
数据结构与关键特征
数据集按训练集和测试集组织，每个训练样本包含原始超声图像（XXX_HC.png）和对应的像素级头围轮廓标注图像（XXX_HC_Annotation.png）。元数据文件提供文件名、像素物理尺寸（mm）和头围真实测量值（mm）。数据特征包括：超声图像固有的斑点噪声、胎儿头部边界模糊、声影和伪影干扰，以及显著的像素分辨率变异性（8倍差异），要求模型具备尺度不变性和鲁棒性。
应用价值与研究方向
该数据集可用于产前超声自动化、胎儿发育监测、临床决策支持等领域。研究方向包括医学图像分割（U-Net、DeepLab、Transformer架构）、端到端头围回归预测、尺度归一化方法、多尺度特征学习、不确定性估计、可解释性研究（注意力机制可视化、Grad-CAM）、多任务联合学习（同时预测HC、AC、FL、BPD）、少样本学习与迁移学习、领域自适应等，对提高产前筛查效率、标准化测量、辅助诊断脑积水/小头畸形、评估胎儿生长受限、推动AI在围产医学中的应用具有重要临床价值。
数据集来源
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-349
文件大小：168M
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)