MARCUS多模态心脏数据集

Name: MARCUS多模态心脏数据集
Creator: 斯坦福大学; 加州大学旧金山分校

MARCUS多模态心脏数据集，包含1350万张ECG、超声和CMR图像，用于心血管疾病多模态诊断AI系统开发。

斯坦福大学; 加州大学旧金山分校

arXiv

2026-03-24 更新

多模态心血管疾病多模态

基本信息

模态

多模态

创建/更新时间

2026-03-24

资源简介

MARCUS多模态心脏数据集由斯坦福大学和加州大学旧金山分校联合创建，包含心电图（ECG）、超声心动图和心脏磁共振（CMR）三大类数据，总计1350万张图像，数据来源于临床真实病例的医师标注报告。数据集通过三阶段优化流程构建，用于开发能够综合解读原始心脏检查数据的AI系统，旨在解决心血管疾病多模态诊断的临床瓶颈。

原始链接

https://github.com/AshleyLab/MARCUS

arXiv 论文 →

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/AshleyLab/MARCUS.git

curl -L -o repo.zip https://github.com/AshleyLab/MARCUS/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

Installation

From PyPI

pip install marcus-cardiac-ai

From Source

git clone https://github.com/stanford-cardiac-ai/MARCUS.git
cd MARCUS
python3 -m venv .venv
source .venv/bin/activate      # Windows: .venv\Scripts\activate
pip install .

Optional Extras

Extra	Installs	Use case
`[preprocessing]`	pydicom, opencv, numpy, matplotlib, Pillow, pandas	DICOM/ECG preprocessing
`[eval]`	openai, tqdm, scipy	Batch VQA/MCQ evaluation with GPT judge
`[training]`	torch, transformers, trl, peft, datasets	Model fine-tuning
`[dev]`	ruff, pytest, pytest-asyncio	Development and testing
`[all]`	All of the above	Full installation

pip install "marcus-cardiac-ai[preprocessing]"
pip install "marcus-cardiac-ai[eval]"
pip install "marcus-cardiac-ai[all]"

Development Install

pip install -e ".[dev,preprocessing]"

Training Dependencies (LLaMA-Factory)

MARCUS expert models are served via LLaMA-Factory. Stages 1 & 2 training also use LLaMA-Factory; Stage 3

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