DELINEATE-Prospective 前瞻性超声心动图数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07197736

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：主动脉瓣病、二尖瓣反流（MR）、主动脉瓣狭窄、瓣膜性心脏病、三尖瓣反流（TR）、主动脉瓣反流。在哥伦比亚大学先前的一项研究中，一系列深度学习算法正在开发中，用于分析超声心动图。这些算法包括但不限于：视图分类、结构识别、左心室（LV）尺寸测量、左心室射血分数（LVEF）测定、左心房（LA）容积评估以及瓣膜性心脏病诊断的算法。简而言之，这些算法基于已被证明在图像和视频分析中有用的架构，包括专门用于超声心动图解读的架构。基于这些架构的算法可以推广到基于视频的超声心动图数据解读，如瓣膜反流评估。作为本研究方案的一部分，这些模型将继续使用患者超声心动图数据进行开发。本研究旨在创建一个自动化的端到端系统，能够实时向解读心脏科医生提供超声心动图的深度学习分析。

如果成功，该项目有望提高超声心动图读取的效率和可靠性。

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。