MGaze-US

MGaze-US是一个大规模多中心、多器官超声数据集，带有注视标注。该数据集旨在支持注视驱动的人机交互、视觉提示、医学图像分割和机器人超声系统（RUSS）的研究。数据集经过精心整理和预处理，去除了扫描仪特定的伪影和元数据，实现了跨领域的广泛可用性。

MGaze-US is a large-scale multi-center, multi-organ ultrasound dataset with gaze annotations. This dataset aims to support research on gaze-driven human-computer interaction, visual prompting, medical image segmentation, and robotic ultrasound systems (RUSS). The dataset has been carefully curated and preprocessed, with scanner-specific artifacts and metadata removed to enable broad cross-domain usability.

原始信息汇总

📊 MGaze-US 数据集概述

数据集简介

MGaze-US 是一个大规模多中心、多器官的超声数据集，附带注视标注。该数据集旨在支持注视驱动的人机交互、视觉提示、医学图像分割和机器人超声系统（RUSS）的研究。数据集经过预处理，去除了扫描仪特定的伪影和元数据，以实现跨领域的广泛可用性。

数据集规模

• 图像总数：15,649
• 中心数量：8 个国家，覆盖 5 大洲
• 模态：标准 B 模式超声

标注信息

• 手动分割标签（Y）
• 注视固定位置
• 注视热图

解剖结构覆盖

数据集涵盖多种解剖结构，以促进跨器官泛化：

• 甲状腺 — 哥伦比亚
• 乳腺 — 埃及、巴西
• 肝脏 — 中国
• 肾脏 — 加拿大
• 肌肉 — 荷兰
• 颈动脉 — 波兰
• 臂丛神经 — 未知

预处理

• 所有超声图像均使用 EchoLocator 进行预处理，确保去除扫描仪特定的伪影和元数据。
• 图像经过对齐和归一化，以支持跨域比较。

数据可用性说明

由于 GitHub 的大小限制，仅提供 MGaze-US 的部分子集，包括肾脏、甲状腺和肝脏。完整数据集请访问 HuggingFace Datasets：HAN4BME/MGaze-US

联系信息

如有问题，请联系：[e-mail]

引用说明

如果在研究中使用 MGaze-US，请注明该数据集。相关论文已提交至 ICRA 2026，一旦接受，应予以引用。

搜集汇总

数据集介绍

构建方式

在医学超声影像分析领域，MGaze-US数据集通过整合来自全球八个国家、跨越五大洲的多中心数据构建而成。该数据集采用标准B模式超声图像，并借助EchoLocator工具进行系统预处理，有效消除了设备特异性伪影和元数据干扰，确保图像质量的一致性与可比性。所有数据均经过严格对齐与标准化处理，为跨域研究提供了坚实的数据基础。

使用方法

研究者可通过HuggingFace平台获取MGaze-US数据集的完整版本，GitHub仅提供肾脏、甲状腺及肝脏的子集示例。数据集支持多种下游任务，包括基于注视行为的视觉提示建模、医学图像分割算法验证以及机器人超声系统的交互策略开发。使用时应遵循数据引用规范，相关研究成果需注明数据集来源及对应论文。

背景与挑战

背景概述

超声影像分析在医疗诊断与机器人辅助系统中占据重要地位，MGaze-US数据集由国际多中心研究团队于近年联合构建，旨在推动 gaze-driven 人机交互与机器人超声系统（RUSS）的前沿研究。该数据集涵盖全球八大医疗中心的15,649例标准化B超图像，覆盖甲状腺、乳腺、肝脏等多器官结构，其设计核心在于通过注视标注与分割标签支持跨器官泛化能力研究，对医学人工智能与机器人技术领域具有显著的推动作用。

当前挑战

MGaze-US致力于解决超声影像分析中跨中心泛化与注视行为建模的双重挑战，其构建面临多源数据标准化与隐私保护的复杂性。具体而言，数据需克服不同超声设备产生的异质性，通过EchoLocator工具消除扫描器特异性伪影；同时，注视热图与分割标签的协同标注要求高精度的人工参与，而多中心数据共享涉及严格的伦理合规性与跨地域协调难度。

常用场景

经典使用场景

在医学超声影像分析领域，MGaze-US数据集通过整合多中心、多器官的超声图像及凝视注释，为 gaze-driven 人机交互研究提供了重要支撑。研究者可利用该数据集训练模型模拟超声医师的视觉注意力分布，进而优化机器人超声系统的扫描路径与探头定位策略，显著提升自动化超声检查的精准度与效率。

解决学术问题

MGaze-US有效应对了医学影像分析中标注数据稀缺、跨域泛化能力不足等核心挑战。其多中心、多器官的数据结构支持跨器官、跨设备的模型迁移研究，推动了视觉-机器人协同操作、少样本医学图像分割、注意力机制建模等前沿方向的进展，为智能超声诊断系统的可解释性与可靠性提供了实证基础。

实际应用

该数据集在临床机器人超声系统（RUSS）中具有明确的应用价值，可辅助开发智能超声导航、自动病灶筛查与实时操作反馈系统。其凝视热力图与分割标签进一步支持手术教学模拟、医师技能评估，以及远程超声诊断中的视觉提示生成，为医疗资源不均地区的超声辅助诊断提供了技术可行性。

数据集最近研究

最新研究方向

在医学影像与机器人技术交叉领域，MGaze-US数据集正推动着人机交互范式的革新。研究者们借助其多中心、多器官的超声图像及凝视标注，探索视觉提示机制在机器人超声系统中的实时应用，旨在实现操作者凝视行为与机器人自主扫描的智能协同。该数据集进一步支持跨器官泛化模型的开发，通过融合凝视热力图与分割标签，提升超声图像分析的鲁棒性与解释性。相关研究已延伸至远程医疗与自动化诊断场景，为降低超声检查的operator dependency提供了关键数据基础，其多中心特性亦为域适应算法验证设立了新基准。