基于解剖标志的全面胎儿生物测量的多中心、多设备基准数据集

准确的胎儿生长评估依赖于从超声（US）标准平面上手动识别解剖标志所测量的精确生物测量。手动解剖标志标记耗时、受操作员影响，并且对跨扫描仪和站点的变异性敏感，这限制了自动化方法的可重复性。需要多来源标注数据集以开发人工智能辅助的胎儿生长评估方法。为解决这一瓶颈，我们提出了一个开放的、多中心、多设备的胎儿 US 图像数据集，包含专家解剖标志注释，用于临床使用的胎儿生物测量。这些测量包括头裂径、颅前-后径、腹部横径和前后径，以及大腿根长。该数据集包含 4,513 幅去标识化的 US 图像，来自 1,904 名受试者，采集自三个临床中心，使用七种不同的 US 设备。我们提供标准化的、主题无关的训练/测试划分、评估代码和基线结果，以实现方法的公平且可重复的比较。使用自动生物测量模型，我们量化了域迁移，证明仅在单中心进行训练和评估会显著高估性能。据我们了解，这是第一个公开的、多中心、多设备、标志注释覆盖所有主要胎儿生物测量的数据集，为胎儿生物测量中的域适应和多中心泛化提供了稳健的基准，使跨中心的人工智能辅助胎儿生长评估更可靠。所有数据、注释、训练代码和评估管道均公开可用。