EchoCP

EchoCP是首个针对通过对比经胸心脏超声（cTTE）诊断卵圆孔未闭（PFO）的回声心动图数据集。该数据集由广东省人民医院创建，包含30名患者的cTTE视频，涵盖了不同程度的PFO。数据集的创建过程涉及四位经验丰富的心血管超声医师进行数据标注，包括诊断标注和分割标注。EchoCP数据集的应用领域主要集中在提高PFO诊断的自动化水平，解决现有手动诊断过程缓慢且成本高的问题。

EchoCP is the first echocardiographic dataset dedicated to diagnosing patent foramen ovale (PFO) using contrast transthoracic echocardiography (cTTE). Developed by Guangdong Provincial People's Hospital, this dataset contains cTTE videos from 30 patients, covering PFO cases with varying degrees of severity. The construction of the EchoCP dataset involved data annotation work conducted by four senior cardiovascular sonographers, including diagnostic annotations and segmentation annotations. The primary application scenarios of the EchoCP dataset focus on advancing the automation of PFO diagnosis, addressing the issues of slow speed and high cost associated with current manual diagnostic workflows.

搜集汇总

数据集介绍

构建方式

EchoCP数据集是首个针对经胸超声心动图（cTTE）用于卵圆孔未闭（PFO）诊断的公开数据集。该数据集包含30名患者的静息状态和Valsalva动作下的超声心动图视频，涵盖了不同PFO等级。数据采集过程中，患者分别在静息和Valsalva状态下进行超声检查，视频以心尖四腔视图拍摄，确保至少包含十个心动周期。数据标注由四位经验丰富的心血管超声技师完成，包括诊断标注和分割标注。由于视频帧数庞大，采用了稀疏标注策略，仅选择代表性帧进行标注。

特点

EchoCP数据集的特点在于其专注于PFO诊断，提供了静息和Valsalva状态下的超声心动图视频，涵盖了多种PFO等级。数据集中包含详细的诊断和分割标注，能够支持自动化的PFO诊断研究。此外，数据集还提供了患者的基本信息、设备参数以及视频的空间分辨率和长度等详细特征，为研究者提供了丰富的数据支持。

使用方法

EchoCP数据集的使用方法主要包括四个步骤：首先，使用编码器-解码器风格的神经网络对视频中的所有帧进行分割，获取四个心腔（右心室、右心房、左心室、左心房）的区域；其次，计算每个心腔在静息和Valsalva状态下的面积和平均强度；接着，确定微泡进入右心房的时间点，并截取左心室在三个心动周期内的强度变化；最后，将截取的强度数据与预定义的微泡模式进行匹配，从而进行PFO诊断。该方法在分割任务中取得了0.89的平均Dice分数，但在PFO诊断中的准确率仍有较大提升空间。

背景与挑战

背景概述

EchoCP数据集由Tianchen Wang等研究人员于2021年提出，旨在为心脏超声影像中的卵圆孔未闭（PFO）诊断提供首个公开的对比经胸超声心动图（cTTE）数据集。PFO是一种常见的心脏结构异常，与隐源性中风密切相关，而cTTE作为一种非侵入性诊断方法，具有较高的特异性和安全性。然而，现有的PFO诊断方法依赖于人工分析超声视频，效率低下且成本高昂。EchoCP数据集包含30名患者的静息和Valsalva动作状态下的超声视频，涵盖了不同PFO分级，为自动化PFO诊断研究提供了重要基础。该数据集的发布填补了相关领域的空白，推动了心脏影像分析与诊断技术的发展。

当前挑战

EchoCP数据集面临的挑战主要体现在两个方面。首先，PFO诊断的复杂性对自动化算法提出了高要求。cTTE视频中微泡的检测与量化是诊断的关键，但由于图像分辨率低、噪声干扰大以及心脏结构的动态变化，准确识别微泡并区分PFO与其他心脏疾病（如肺动静脉瘘）具有较高难度。其次，数据集的构建过程也面临诸多挑战。超声视频的标注需要经验丰富的超声医师手动完成，耗时且成本高昂。此外，视频帧数多、数据量大，如何在有限的标注资源下实现高效的数据标注与模型训练，是亟待解决的问题。这些挑战为未来的研究提供了方向，包括开发更精确的分割与微泡检测算法，以及探索端到端的视频分类方法。

常用场景

经典使用场景

EchoCP数据集主要用于通过对比经胸超声心动图（cTTE）进行卵圆孔未闭（PFO）的诊断研究。该数据集包含了30名患者的静息和Valsalva动作下的超声心动图视频，涵盖了不同等级的PFO情况。研究者可以利用这些视频数据，开发自动化算法来识别和分类PFO，从而提高诊断的准确性和效率。

衍生相关工作

基于EchoCP数据集，已经衍生出多项相关研究工作。例如，研究者开发了基于深度学习的心脏腔室分割算法，用于自动化PFO诊断。此外，还有研究利用该数据集探索PFO与中风等疾病的关系，进一步推动了心脏疾病的研究进展。这些工作不仅提升了PFO诊断的技术水平，还为其他心脏疾病的诊断提供了新的思路。

数据集最近研究

最新研究方向

EchoCP数据集作为首个针对经胸超声心动图（cTTE）用于卵圆孔未闭（PFO）诊断的公开数据集，推动了该领域的研究进展。PFO是导致隐源性卒中的主要因素之一，而cTTE作为一种非侵入性诊断方法，具有较高的特异性和可靠性。然而，现有的PFO诊断过程依赖于人工操作，耗时且成本高昂。EchoCP的发布填补了这一空白，提供了包含30名患者的静息和Valsalva动作下的超声心动图视频，涵盖了不同PFO分级。基于该数据集，研究者提出了一个自动化基线方法，结合最新的心脏腔室分割技术，初步实现了PFO诊断的自动化，但诊断准确率仍有较大提升空间。未来研究方向包括改进分割算法、精确微泡计数以及探索端到端的视频分类方法，以进一步提升诊断效率和准确性。EchoCP的发布为PFO诊断及相关领域的研究提供了重要的数据支持，有望推动该领域的创新突破。

相关研究论文

• EchoCP: An Echocardiography Dataset in Contrast Transthoracic Echocardiography for Patent Foramen Ovale Diagnosis

  广东省人民医院 · 2021年