CAMUS数据集介绍与下载

下载链接： 夸克网盘

---

1. 数据集概述

CAMUS（Cardiac Acquisitions for Multi-structure Ultrasound Segmentation）数据集是一个专门为心脏超声图像分割任务设计的大规模、公开可用的医学影像数据库。它由法国Rennes大学医院和西门子医疗联合创建，旨在推动基于深度学习的心脏功能自动量化算法的发展，尤其聚焦于对左心室（LV）、左心房（LA）和右心室（RV）等关键结构的精准分割。

该数据集以其高质量的标注、标准化采集协议和明确的临床用途，已成为心脏超声图像分析领域最受欢迎的基准数据集之一。

2. 数据集特点

• 规模与多样性：CAMUS数据集包含来自500名患者的完整临床经胸超声心动图（TTE）数据，涵盖不同病理状态（如心肌梗死、心力衰竭、高血压心脏病）和健康对照，确保了模型的泛化能力。

• 标准化采集：所有图像均使用西门子SC2000超声系统，按照标准化协议在胸骨旁长轴（PLAX）和心尖四腔（A4C）两个切面进行采集。每个患者提供完整的心动周期（包括收缩末期和舒张末期两个关键帧）。

• 高精度标注：由两位资深心脏病专家使用专用软件进行手动轮廓勾画，包括心内膜和心外膜边界。标注质量经过严格的审核流程，确保其作为金标准的可靠性。

• 临床信息丰富：数据集附带患者的基础临床数据（如年龄、性别、体重指数、射血分数等），为研究心脏功能与结构之间的关系提供了可能。

3. 数据规模与内容

CAMUS数据集具体包含以下内容：

 

项目	详情
患者总数	500例
超声切面	胸骨旁长轴（PLAX）、心尖四腔（A4C）
关键帧	收缩末期（ES）、舒张末期（ED）
标注结构	左心室（LV）、左心房（LA）、右心室（RV）、心肌（Myocardium）
图像格式	DICOM或MetaImage（.mhd/.raw）
标注格式	点序列（polyline）或二值掩膜（mask）

数据集通常划分为：

• 训练集：约400例（用于模型训练和验证）

• 测试集：约100例（用于最终性能评估，不公开标注）

4. 应用场景

CAMUS数据集在学术研究和工业应用中均具有重要价值：

• 心脏功能量化：通过分割结果自动计算射血分数（EF）、心室容积和心肌质量等关键临床指标。

• 深度学习模型开发：训练和评估U-Net、Transformer、GAN等架构在医学图像分割上的性能。

• 跨模态/跨中心泛化研究：作为标准数据集，测试算法在不同超声设备和临床环境下的鲁棒性。

• 时序分析与运动跟踪：利用心动周期的多帧数据，研究心脏壁运动异常。

5. 下载与使用说明

您可以通过文章开头的链接访问数据集下载页面。下载前请注意：

1. 注册与许可：CAMUS数据集通常需要用户注册并签署数据使用协议（限制非商业研究用途）。请按照网页提示填写信息并同意许可条款。

2. 数据格式：下载的压缩包可能包含原始DICOM文件和JSON/XML格式的标注点。建议使用Python的pydicom和SimpleITK库进行读取和处理。

3. 目录结构：下载后请解压并按患者ID组织，每个文件夹内通常包含不同切面和时相的图像及对应标注。

简要加载示例（Python）：

python

import pydicom
import numpy as np

# 读取DICOM图像
dicom_path = "patient_001/A4C_ED.dcm"
ds = pydicom.dcmread(dicom_path)
image = ds.pixel_array

# 读取标注点（假设为JSON格式）
import json
with open("patient_001/A4C_ED_annot.json", "r") as f:
    annotation = json.load(f)  # 包含各结构的点坐标

6. 相关引用

如果您在研究中使用了CAMUS数据集，请引用以下原始论文：

Leclerc, S., Smistad, E., Pedrosa, J. et al. Deep Learning for Segmentation Using an Open Large-Scale Dataset in 2D Echocardiography. IEEE Trans Med Imaging, 2019. DOI: 10.1109/TMI.2019.2900516

7. 注意事项

• 数据仅供非商业科学研究使用，禁止用于临床诊断决策。

• 标注存在一定的观察者变异性，使用时需注意标注质量对模型训练的影响。

• 建议在处理前将图像归一化，并针对超声图像的噪声特性（如斑点噪声）进行适当的预处理。