Placenta

该数据集是由香港科技大学（广州）等机构创建的动态胎儿胎盘超声视频分割数据集，作为首个针对该解剖结构的标注资源，包含671帧精细标注的超声视频帧。数据集内容涵盖临床采集的超声序列，数据量适中但标注密集，旨在解决超声视频中因斑点噪声、弱边界和快速形变导致的自动分割难题。其创建过程通过专业医学标注完成，确保解剖结构的精确勾画，主要应用于医学影像分析领域，为训练免费的分割框架提供基准测试，并推动超声引导下胎儿监测等临床应用的算法发展。

This dynamic fetal placental ultrasound video segmentation dataset was developed by institutions including Hong Kong University of Science and Technology (Guangzhou). As the first annotated resource targeting this anatomical structure, it comprises 671 finely annotated ultrasound video frames. The dataset encompasses clinically acquired ultrasound sequences, featuring a moderate scale but dense annotations, and aims to address the challenges of automatic segmentation in ultrasound videos caused by speckle noise, weak boundaries and rapid deformations. Developed through professional medical annotation to ensure accurate delineation of anatomical structures, this dataset is primarily applied in the field of medical image analysis, serving as a benchmark for training open-source segmentation frameworks and promoting the development of algorithms for clinical applications such as ultrasound-guided fetal monitoring.

原始信息汇总

EchoPilot: Training-Free Ultrasound Video Segmentation via Scale-Space Semantic Prompting and Reliability-Gated Memory

Early Accepted · MICCAI 2026 (Top 9%)

数据集概述

EchoPilot 贡献了一个动态胎儿胎盘超声视频对象分割（VOS）数据集，包含 671 帧已标注图像，填补了现有公开超声视频基准中缺失的临床重要场景。

数据集详情

• 任务类型：超声视频对象分割（Ultrasound Video Segmentation, VOS）
• 目标器官：胎儿胎盘（Fetal Placenta）
• 标注规模：671 帧已标注的超声图像
• 交互方式：仅在第一帧提供一个正点和一个解剖类别名称（稀疏交互）
• 标注内容：解剖结构分割掩码

评价用途

EchoPilot 在该数据集上，与 CAMUS（心脏超声）和 Breast Lesion（乳腺病变超声）数据集一同进行了评估。该方法在 CAMUS、Breast Lesion 和胎盘数据集上持续提升了 Dice 系数和 ASD（平均表面距离）指标。

数据集可用性

• 该胎儿胎盘数据集被视为内部数据集，除非获得单独发布批准，否则不予公开。
• 其他公共数据集（如 CAMUS、Breast Lesion）需从原始来源下载。

核心方法（与数据集相关）

EchoPilot 是一个无需训练的超声视频分割框架，在稀疏的第一帧交互下运行（只需一次点击和类别名称）。其关键机制包括：

组件	说明
Scale-Space Semantic Prompting	通过冻结的医学视觉-语言模型和 S.E.E.D. 准则选择语义上下文尺度，合成辅助点提示，解决初始化模糊问题
Reliability-Gated Memory	可靠性门控机制，决定预测帧是否写入记忆库，抑制时间漂移

搜集汇总

数据集介绍

构建方式

Placenta数据集是首个动态胎儿胎盘超声视频分割数据集，由EchoPilot项目团队构建。该数据集从临床超声视频中采集，包含671帧经过精心标注的胎盘图像。标注过程由专业医师在超声视频帧上绘制精确的分割掩膜，覆盖了胎盘在不同运动状态、声影遮挡及非刚性变形下的复杂形态。数据集的构建旨在解决超声视频分割中标注稀缺和域迁移问题，为训练无关的稀疏交互式分割方法提供标准化的评估基准。

特点

该数据集的核心特点在于其动态性和临床挑战性。胎盘在超声视频中表现出显著的形态变化，包括快速非刚性变形、声学阴影和瞬态伪影，这使得分割任务极具难度。与静态图像数据集不同，Placenta提供了时序信息，可用于评估模型在时间序列上的跟踪稳定性和抗漂移能力。此外，数据集的帧间连续性允许研究人员测试记忆机制和传播策略的有效性，是验证鲁棒超声视频分割算法的理想平台。

使用方法

Placenta数据集适用于评估训练无关的稀疏交互式超声视频分割方法。使用时，用户需在第一帧提供单个阳性点击点（模拟临床操作）和类别名称“胎盘”。模型从第一帧开始初始化，随后逐帧预测分割掩膜。数据集提供了标准化的评估协议，包括Dice系数、平均表面距离和边界F分数等指标。研究人员可将其与CAMUS、Breast Lesion等其他超声数据集联合使用，以全面测试算法在不同解剖结构和成像条件下的泛化能力。

背景与挑战

背景概述

Placenta数据集是由香港科技大学（广州）联合中山大学附属第三医院、香港都会大学等机构于2025年共同创建的首个动态胎儿胎盘超声视频分割数据集。该数据集聚焦于超声影像中胎盘边界的动态跟踪与分割任务，包含671帧经过精细标注的视频帧序列。其核心研究问题在于应对超声影像固有的散斑噪声、弱边界以及快速解剖形变所带来的分割挑战。该数据集的提出填补了动态胎儿胎盘超声视频分割领域的空白，为评估和推动训练自由、稀疏交互式超声视频分割方法提供了标准化的评测平台，有力促进了医学影像理解与临床辅助诊断技术的发展。

当前挑战

该数据集所面临的挑战主要涵盖两方面。其一，在领域问题层面，超声视频分割长期受困于散斑噪声、声学伪影、边界模糊及快速形变等固有难题，单一点提示往往无法提供充分的上下文信息，导致初始分割在尺度与区域识别上存在歧义。其二，在数据集构建过程中，胎盘作为动态胎儿结构，其位置与形态在多帧间剧烈变化，使得标注工作极为繁琐且易受观察者间变异性的影响；同时，不同超声设备和成像协议导致的域偏移进一步加剧了模型泛化的难度，传统依赖密集标注和逐任务微调的做法成本高昂且脆弱。

常用场景

经典使用场景

Placenta数据集专为动态胎儿胎盘超声视频分割设计，其经典使用场景在于评估和训练基于稀疏交互的训练无关视频分割框架。研究者可通过仅在第一帧提供单一点点击和解剖类别名称，驱动模型在后续帧中自动完成胎盘区域的精准分割。该数据集包含671帧带有精细标注的超声视频，覆盖了胎盘在超声影像中的典型形态变化、声学伪影以及非刚性形变，为验证如EchoPilot等方法在初始化歧义消除与时间传播误差抑制方面的能力提供了标准化的评测平台。

解决学术问题

该数据集核心解决了超声视频分割中两大长期困扰学术界的难题：初始化歧义与时间传播漂移。在超声影像中，斑点噪声、弱边界和快速解剖变形使得单点提示常导致多义性解释。Placenta数据集通过提供高质量帧级标注，使得研究者能够系统性地量化现有方法在解析目标语义尺度上的不足。同时，它揭示了贪婪式记忆更新策略如何将早期小误差放大为严重的目标漂移，从而推动了基于语义能量—熵密度的最优尺度选择与可靠性门控记忆更新等创新机制的提出，显著提升了稀疏交互场景下的分割鲁棒性。

衍生相关工作

围绕Placenta数据集，已衍生出一系列具有代表性的创新工作。EchoPilot框架率先提出了尺度空间语义提示与可靠性门控记忆更新，实现了免训练、单点交互下的超声视频分割，并在CAMUS和乳腺病变等数据集上验证了泛化性。此外，MA-SAM2和SAM2Long等基线方法针对该数据集特征开展了记忆增强与长时间序列稳定性研究，而BioMedCLIP与UniMedCLIP等视觉语言模型被用于优化语义定位精度。这些工作共同促进了多模态基础模型在医学视频分割中的融合应用，形成了从提示工程到记忆管理的完整技术演进链条。