摘要：胎儿心脏四腔超声数据集（FOCUS）包含 300 张专业标注的超声图像（训练 200、验证 50、测试 50），提供多种标注格式（掩码、边界框、椭圆），专为自动化胎儿生物测量（心胸比）和先天性心脏病筛查而构建。
数据集简介
数据集概述
胎儿心脏四腔超声数据集（FOCUS）是一个标准化的公开资源，专为自动化胎儿生物测量和异常检测的机器学习算法开发而设计。四腔心切面超声是产前筛查的关键成像平面，可观察胎儿心脏四个心腔（左右心房、左右心室），通过测量心胸比诊断先天性心脏病（最常见的出生缺陷之一）。手动测量耗时且劳动密集，需要专业技能。数据集包含 300 张专业标注的超声图像（训练 200、验证 50、测试 50），提供多种标注格式（掩码、边界框、椭圆参数），支持语义分割、目标检测和回归任务。
数据结构与特征设计
数据集采用统一的目录结构，每个子集（训练、验证、测试）包含四个子目录，提供多种标注格式以支持不同的深度学习任务：
(1) images/：原始超声图像（.png 或 .jpg 格式），包含胎儿心脏四腔切面的超声扫描，图像显示左心房、右心房、左心室和右心室的横断面视图，以及周围的胸廓结构；
(2) annfiles_mask/：二值掩码标注，包含像素级分割掩码的二值 .png 图像，表示感兴趣区域（心脏和胸廓）的精确分割。格式为每张图像的每个类别单独文件（如 001-cardiac.png 表示心脏区域的二值掩码，001-thorax.png 表示胸廓区域的二值掩码，像素值 255 表示前景/感兴趣区域，0 表示背景），最适合语义分割/实例分割架构（如 U-Net、U-Net++、DeepLabv3+、Mask R-CNN、SegFormer），可直接用于训练端到端的像素级分割模型；
(3) annfiles_rectangle/：边界框标注，包含文本文件（.txt），其中包含围绕心脏和胸廓区域的边界框坐标。格式为每行代表一个定向边界框/四边形（支持旋转），包含 8 个坐标值（四个顶点的 x, y 坐标）、类别标签（cardiac 或 thorax）和尾随标志（如 236.2 301.4 411.7 523.6 570.0 398.6 394.5 176.4 cardiac 0，8 个数值表示四个顶点坐标，最后的 0 是标志位），最适合目标检测模型（如 YOLOv5、YOLOv8、Faster R-CNN、RetinaNet），支持快速定位和检测任务；
(4) annfiles_ellipse/：椭圆标注，包含文本文件（.txt），详细说明拟合到心脏和胸廓区域的椭圆几何参数，常用于直接临床生物测量提取。格式为每行包含 5 个数值参数（中心坐标 x, y、长轴 a、短轴 b、旋转角度 θ）和类别标签（如 403.1 350.0 141.6 100.8 51.7 cardiac，表示中心在 (403.1, 350.0)，长轴 141.6，短轴 100.8，旋转角 51.7°），最适合回归任务或自定义几何建模，可直接用于计算心脏和胸廓的直径，进而计算心胸比等临床指标。
这种多格式标注设计使数据集能够灵活支持分割、检测和回归等多种深度学习任务范式，为研究人员提供了便利的实验基础，避免了标注格式转换的额外工作。
应用价值与研究方向
该数据集为胎儿心脏超声研究、先天性心脏病筛查和医学图像分割提供核心数据支撑。核心应用：
(1) 自动化生物测量：自动计算心胸比（正常约 1/3），提高效率并减少观察者差异；
(2) 语义分割：训练医学图像分割模型（U-Net、DeepLab、Mask R-CNN、Swin-UNet、TransUNet）精确分割心脏和胸廓；
(3) 先天性心脏病筛查：检测心脏异常（ASD、VSD、TOF、TGA、HLHS 等），支持早期诊断和产前咨询；
(4) 目标检测：快速定位胎儿心脏，支持实时超声检查；
(5) 回归建模：基于椭圆参数直接预测几何参数，提高计算效率；
(6) 多任务学习：同时训练分割、检测和回归；
(7) 迁移学习：微调预训练模型加速算法开发；
(8) 临床决策支持：开发 CDSS 提供自动测量和异常高亮；
(9) 算法基准测试：评估不同深度学习架构性能。
由 Wu 等人发表，为改善产前筛查和降低先天性心脏病漏诊率提供研究资源。
数据集来源
该数据集（FOCUS）由专业超声医师手动标注，包含 300 张胎儿心脏四腔切面超声图像，提供四种标注格式（原始图像、二值掩码用于语义分割、边界框用于目标检测、椭圆参数用于回归和心胸比计算），由 Songxiong Wu、Hongyuan Zhang、Tingting Ye 等人原创并发表，专为自动化胎儿生物测量、先天性心脏病筛查和医学图像分割/检测研究而构建。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-91
文件大小：58M
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)