CAMUS (Cardiac Acquisitions for Multi-structure Ultrasound Segmentation) 是一个 2019 年公开的心脏超声图像数据集，专为支持心脏结构分割及相关医学图像分析任务而创建，相关论文成果为「Deep Learning for Segmentation using an Open Large-Scale Dataset in 2D Echocardiography」，已发表于 IEEE TMI 期刊上。
该数据集包含从 500 名患者获取的二维心尖四腔和两腔视图序列，这些数据在法国圣艾蒂安大学医院采集，并经过完全匿名化处理，以确保患者的隐私和数据的合规性。每张图像都经过专业医学人员的精确标注，涵盖了左心室心内膜、左心室心外膜以及左心房的轮廓信息，这些详细的标注为研究人员提供了丰富的训练和验证资源。
数据集的设计充分考虑了临床实践中的多样性和复杂性。它不仅包含图像质量良好和中等的样本，还特别收录了 84 例图像质量较差的样本，以反映日常临床工作中可能遇到的各种情况。这种多样化的数据采集设置使得 CAMUS 数据集能够更好地模拟真实世界的医学图像分析场景，为研究人员提供了一个极具挑战性和实用性的研究平台。
在数据集的组织上，CAMUS 被划分为训练集和测试集，其中训练集包含 450 名患者的数据，而测试集则包含 50 名患者的数据。这种划分方式旨在为研究人员提供足够的数据用于模型的训练和优化，同时也保留了一部分独立的数据用于模型性能的验证和评估。通过这种方式，研究人员可以更准确地衡量其算法在未见过的数据上的表现，从而推动心脏超声图像分割技术的发展。
