塔夫茨医学超声心动图数据集(TMED)
塔夫茨医学超声心动图数据集，包含2905个心脏研究，用于半监督学习的视图分类和主动脉瓣狭窄严重程度分类。
基本信息
资源简介
塔夫茨医学超声心动图数据集(TMED)
【一句话概览】
TMED 数据集包含 2011 至 2020 年在塔夫茨医疗中心按美国超声心动图学会指南于常规诊疗中采集的经胸超声心动图影像。采集时，超声技师在患者胸部移动手持换能器并手动选择不同采集角度，以全面评估心脏复杂解剖结构，由此产生多个显示不同解剖视图的心脏动态视频片段。数据集从每个可用视频片段中提取一张静态图像，因此每位患者的研究以多张图像表示，通常为 50 至 100 张。数据集标签涉及超声心动图、主动脉瓣狭窄、半监督学习、视图分类、严重程度诊断、超声、心脏及经胸超声心动图（来源 tmed.cs.tufts.edu）。
【数据集背景】
本数据集源站标题为《Tufts Medical Echocardiogram Dataset (TMED)》。
【数据内容】
源站原始描述：The TMED dataset contains transthoracic echocardiogram (TTE) imagery acquired in the course of routine care consistent with American Society of Echocardiography (ASE) guidelines, all obtained from 2011-2020 at Tufts Medical Center. When gathering echocardiogram imagery for a patient, a sonographer manipulates a handheld transducer over the patient’s chest, manually choosing different acquisition angles in order to fully assess the heart’s complex anatomy. This imaging process results in multiple…
中文译文（机器翻译，仅供快速理解，请以原文为准）：TMED数据集包含在常规护理过程中获取的经胸超声心动图(TTE)图像，符合美国超声心动图学会(ASE)指南，所有图像均于2011-2020年间在塔夫茨医学中心获取。在为患者采集超声心动图图像时，超声技师在患者胸部操作手持换能器，手动选择不同的采集角度，以全面评估心脏的复杂解剖结构。这一成像过程会产生多个心脏电影循环视频片段，呈现不同的解剖视图（参见下方的示例视图类型）。我们从每个可用的视频片段中提取一帧静态图像，因此每位患者的研究在我们的数据集中以多张图像表示（通常为50-100张）。
【主题与分类】
主题标签：echocardiogram、aortic stenosis、semi-supervised learning、view classification、severity diagnosis、ultrasound、cardiac、TTE。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://TMED.cs.tufts.edu
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
该数据集由塔夫茨大学开发，包含2905个心脏超声研究，其中260个研究带有临床专家标注的视图和诊断标签，其余2471个为无标签数据。主要应用于半监督学习，用于视图分类和主动脉瓣狭窄严重程度分类，旨在改善心脏疾病的及时诊断，特别是主动脉瓣狭窄。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
