CAMUS心脏超声分割数据集
CAMUS提供心脏超声图像和腔室分割标注，可用于构建肺瓣膜疾病相关心脏超声分析流程的基础模型。 数据包含真实病例或专家标注信息，适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。
基本信息
资源简介
CAMUS心脏超声分割数据集
【一句话概览】
CAMUS 项目旨在为社区提供全部材料，以解决二维超声序列（两腔和四腔视图）的超声心动图图像分割与体积估计问题。为此，项目建立了据我们所知最大的公开且完全标注的二维超声心动图评估数据集，包含来自 500 名患者的二维心尖四腔和两腔视图序列，可供下载，并部署了专用的 Girder 在线平台。该平台旨在以可重复的方式评估心脏结构分割方法（左心室心内膜、心外膜和左心房边界）以及临床指标提取（左心室容积和射血分数）的性能（来源 creatis.insa-lyon.fr）。
【数据集背景】
本数据集源站标题为《CAMUS》。
【数据内容】
源站原始描述：The goal of this project is to provide all the materials to the community to resolve the problem of echocardiographic image segmentation and volume estimation from 2D ultrasound sequences (both two and four-chamber views). To this aim, the following solutions were set-up introduction of the largest publicly-available and fully-annotated dataset for 2D echocardiographic assessment (to our knowledge). The CAMUS dataset, containing 2D apical four-chamber and two-chamber view sequences acquired from…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本项目旨在为社区提供所有材料，以解决二维超声序列（包括两腔心和四腔心视图）中超声心动图图像分割与容积估计的问题。为此，我们设立了以下解决方案：引入了（据我们所知）最大的公开可用且完全注释的二维超声心动图评估数据集。CAMUS数据集包含从500名患者采集的二维心尖四腔心和两腔心视图序列，可供下载。部署了一个专用的Girder在线平台。该平台旨在以可重复的方式评估心脏结构分割方法（左心室心内膜和心外膜以及左心房边界）的性能以及临床指标（左心室容积和射血分数）的提取。
【主题与分类】
主题标签：echocardiography、2D ultrasound、cardiac、segmentation、left ventricle、left atrium、CAMUS。
【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://www.creatis.insa-lyon.fr/Challenge/camus/
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
源站：https://www.creatis.insa-lyon.fr/Challenge/camus/
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:
数据集大小约 2.00 GB。
数据说明
CAMUS提供心脏超声图像和腔室分割标注，可用于构建肺瓣膜疾病相关心脏超声分析流程的基础模型。
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。
