CAMUS-Herzultraschall-Bilddatensatz

CAMUS (Cardiac Acquisitions for Multi-structure Ultrasound Segmentation) ist ein öffentlicher Herz-Ultraschallbilddatensatz aus dem Jahr 2019, der speziell zur Unterstützung der Herzstruktursegmentierung und damit verbundener medizinischer Bildanalyseaufgaben erstellt wurde.Deep Learning zur Segmentierung mithilfe eines offenen großen Datensatzes in der 2D-Echokardiographie“, wurde im IEEE TMI Journal veröffentlicht.

Der Datensatz enthält 2D-apikale Vierkammer- und Zweikammer-Ansichtssequenzen von 500 Patienten, die am Universitätsklinikum Saint-Étienne in Frankreich gesammelt und vollständig anonymisiert wurden, um die Privatsphäre der Patienten und die Datenkonformität zu gewährleisten. Jedes Bild wurde von medizinischem Fachpersonal sorgfältig kommentiert und enthält die Konturinformationen des linken Ventrikelendokards, des linken Ventrikelepikards und des linken Vorhofs. Diese ausführlichen Anmerkungen bieten Forschern umfangreiche Schulungs- und Überprüfungsressourcen.

Das Design des Datensatzes berücksichtigt in vollem Umfang die Vielfalt und Komplexität der klinischen Praxis. Es enthält nicht nur Beispiele mit guter und mittlerer Bildqualität, sondern auch speziell 84 Beispiele mit schlechter Bildqualität, um verschiedene Situationen widerzuspiegeln, die in der täglichen klinischen Arbeit auftreten können. Diese vielfältige Datenerfassungseinstellung ermöglicht es dem CAMUS-Datensatz, reale Szenarien der medizinischen Bildanalyse besser zu simulieren und bietet Forschern eine sehr anspruchsvolle und praktische Forschungsplattform.

In Bezug auf die Datensatzorganisation ist CAMUS in einen Trainingssatz und einen Testsatz unterteilt, wobei der Trainingssatz Daten von 450 Patienten und der Testsatz Daten von 50 Patienten enthält. Diese Aufteilung soll den Forschern ausreichend Daten für das Training und die Optimierung der Modelle liefern und gleichzeitig einen Teil unabhängiger Daten zur Überprüfung und Bewertung der Modellleistung beibehalten. Auf diese Weise können die Forscher die Leistung ihres Algorithmus anhand unbekannter Daten genauer messen und so den Stand der Technik bei der Segmentierung von Herzultraschallbildern voranbringen.