EchoNet-Dynamic心超视频数据
EchoNet-Dynamic 数据集包含与室壁瘤相关的视频资料，可用于图像分割、特征提取、风险建模和公开基准验证，适合疾病数据集检索、临床研究和算法开发。
基本信息
资源简介
EchoNet-Dynamic心超视频数据
【一句话概览】
超声心动图是评估心脏功能与结构最常用且易获取的成像方式，兼具便携、快速成像、高时间分辨率且无电离辐射风险等优势，是美国最常用的影像检查之一，也是心血管影像的支柱，对心力衰竭、瓣膜性心脏病等多种心血管疾病的诊断既必要又充分。EchoNet-Dynamic 数据库包含 10,030 个带标注的超声心动图视频及人类专家标注（测量、描记与计算），为研究心脏运动和心腔大小提供基线（来源 echonet.github.io）。
【数据集背景】
本数据集源站标题为《EchoNet-Dynamic》。
【数据内容】
源站原始描述：Echocardiography, or cardiac ultrasound, is the most widely used and readily available imaging modality to assess cardiac function and structure. Combining portable instrumentation, rapid image acquisition, high temporal resolution, and without the risks of ionizing radiation, echocardiography is one of the most frequently utilized imaging studies in the United States and serves as the backbone of cardiovascular imaging. For diseases ranging from heart failure to valvular heart diseases, echocar…
中文译文（机器翻译，仅供快速理解，请以原文为准）：超声心动图，或称心脏超声，是评估心脏功能和结构最广泛使用且易于获取的成像方式。结合便携式仪器、快速图像采集、高时间分辨率以及无电离辐射风险等优势，超声心动图是美国最常用的影像学检查之一，也是心血管影像学的支柱。对于从心力衰竭到瓣膜性心脏病等一系列疾病，超声心动图对于诊断许多心血管疾病既是必要的也是充分的。除了我们的深度学习模型外，我们还引入了一个新的大型超声心动图视频数据集，用于计算机视觉研究。EchoNet-Dynamic数据库包含10,030个标注的超声心动图视频和人类专家注释（测量、描记和计算），为研究心脏运动和心腔大小提供了基线。
【主题与分类】
主题标签：echocardiography、cardiac ultrasound、cardiac motion、left ventricle、ejection fraction、video、3D convolutional neural network、cardiovascular。
【获取与许可】
源站页面：https://echonet.github.io/dynamic/
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。
免登录有偿下载
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
源站：https://echonet.github.io/dynamic/
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
心脏超声视频和EF标签，可用于室壁瘤后心室形态异常和功能评估模型。
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。
