HC18胎儿头围超声挑战数据
HC18 Fetal Head Circumference Challenge Dataset 是与囊性水瘤（Cystic hygroma）相关的公开数据资源，主要包含胎儿头部超声图像和头围分割/测量标注，数据模态为图像，适合用于图像分割、模型训练、基准评测或临床特征分析。
基本信息
资源简介
HC18胎儿头围超声挑战数据
【一句话概览】
孕期超声成像用于测量胎儿生物特征，其中一项为胎儿头围（HC），可用于估算孕龄和监测胎儿生长。HC需在胎儿头部的特定横截面即标准平面上测量。该挑战赛数据集共包含1334张可用于测量HC的标准平面二维超声图像，旨在比较已开发的二维超声图像中胎儿头围自动测量算法（来源 hc18.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《HC18》。
【数据内容】
源站原始描述：During pregnancy, ultrasound imaging is used to measure fetal biometrics. One of these measurements is the fetal head circumference (HC). The HC can be used to estimate the gestational age and monitor growth of the fetus. The HC is measured in a specific cross section of the fetal head, which is called the standard plane. The dataset for this challenge contains a total of 1334 two-dimensional (2D) ultrasound images of the standard plane that can be used to measure the HC. This challenge makes it…
中文译文（机器翻译，仅供快速理解，请以原文为准）：在孕期，超声成像被用于测量胎儿生物特征。其中一项测量是胎儿头围（HC）。头围可用于估算孕龄并监测胎儿的生长情况。头围是在胎儿头部的特定横截面上测量的，这一横截面被称为标准平面。本次挑战的数据集包含总计1334张标准平面的二维（2D）超声图像，可用于测量头围。此挑战使得比较用于二维超声图像中胎儿头围自动测量的已开发算法成为可能。
【主题与分类】
主题标签：fetal head circumference、ultrasound、2D ultrasound、pregnancy、fetal biometrics、segmentation、HC18。
【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://hc18.grand-challenge.org/
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://hc18.grand-challenge.org/
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
HC18胎儿头围超声挑战数据包含胎儿头部超声图像和头围分割/测量标注，可用于囊性水瘤相关的图像分割研究。
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。
