Angelou0516/HC18

---
license: cc-by-4.0
task_categories:
- image-segmentation
tags:
- medical-imaging
- ultrasound
- fetal-imaging
- segmentation
size_categories:
- 1K<n<10K
---

# HC18: Automated Fetal Head Circumference Measurement

[Original paper](https://doi.org/10.1371/journal.pone.0200412) | [Grand Challenge](https://hc18.grand-challenge.org/) | [Zenodo](https://zenodo.org/records/1327317)

## Overview
HC18 is a 2D ultrasound dataset for fetal head segmentation and circumference measurement, released as part of the HC18 Grand Challenge. It contains 1,334 standardized planes of the fetal head acquired from 551 pregnant women at Radboud UMC (Nijmegen, NL) between May 2014 and May 2015.

## Splits
- `train` (999): images + ellipse-outline annotations + per-image pixel size + ground-truth head circumference (mm)
- `test` (335): images + per-image pixel size (no annotations released; ground truth held by challenge organizers)

## Schema

**train**:
| column | type | description |
|---|---|---|
| `image` | Image | 800x540 grayscale ultrasound |
| `mask` | Image | 800x540 binary (0/255) flood-filled segmentation mask |
| `outline` | Image | 800x540 binary 1-pixel ellipse outline as shipped |
| `filename` | str | original filename, e.g. `000_HC.png` |
| `subject_id` | int | subject ID (0..805) |
| `frame_idx` | int | frame index for multi-frame subjects (1..4) |
| `pixel_size_mm` | float | pixel size in millimeters |
| `head_circumference_mm` | float | ground-truth head circumference (mm) |

**test** (same schema as train; held-out fields are `None`):
| column | type | description |
|---|---|---|
| `image` | Image | 800x540 grayscale ultrasound |
| `mask` | Image / None | always `None` (test masks are held by challenge organizers) |
| `outline` | Image / None | always `None` |
| `filename` | str | original filename |
| `subject_id` | int | parsed from filename |
| `frame_idx` | int | parsed from filename (all 1 for test) |
| `pixel_size_mm` | float | pixel size in millimeters |
| `head_circumference_mm` | float / None | always `None` (held-out ground truth) |

## Mask Format
The original annotations shipped with the dataset are 1-pixel-wide ellipse outlines (rings), not filled regions. The `mask` column is generated by flood-filling the outline interior using `scipy.ndimage.binary_fill_holes` — the standard preprocessing step described in the V-Net, Res-U-Net, and Mask-R^2 CNN papers. The original outline is preserved as the `outline` column.

## License
Creative Commons Attribution 4.0 International (CC-BY-4.0).

## Citation
```
van den Heuvel, T.L.A., de Bruijn, D., de Korte, C.L., van Ginneken, B.
Automated measurement of fetal head circumference using 2D ultrasound images.
PLoS ONE 13(8): e0200412 (2018).
```

HC18 is a 2D ultrasound dataset for fetal head segmentation and circumference measurement, released as part of the HC18 Grand Challenge. It contains 1,334 standardized planes of the fetal head acquired from 551 pregnant women at Radboud UMC (Nijmegen, NL) between May 2014 and May 2015. The dataset is split into a training set (999 images) with images, ellipse-outline annotations, per-image pixel size, and ground-truth head circumference (mm), and a test set (335 images) with images and per-image pixel size (no annotations released; ground truth held by challenge organizers).

搜集汇总

数据集介绍

构建方式

HC18数据集源自一项旨在实现胎儿头围自动测量的国际挑战赛，收录了2014至2015年间在荷兰Radboud大学医学中心采集的551名孕妇的1334幅二维超声标准平面图像。数据划分为训练集与测试集，其中训练集包含999幅图像，并附有椭圆轮廓注释、逐像素尺寸及真实头围数值；测试集含335幅图像，仅提供像素尺寸，真实标注由竞赛组织方持有。注释以单像素宽椭圆环形式提供，数据集通过使用scipy.ndimage.binary_fill_holes对轮廓内部进行洪水填充，生成标准的分割掩码，同时保留原始轮廓以备参考。

特点

该数据集专注于胎儿超声图像的头部分割与头围测量，具有明确的临床导向性。图像统一为800×540像素的灰度格式，涵盖多帧与单帧个体，其中部分受试者包含多个连续帧，适合时序或单帧模型训练。每幅图像均提供毫米级像素尺寸，便于直接计算物理头围值。掩码采用洪水填充方式生成，与V-Net、Res-U-Net等经典分割网络中的预处理一致，增强了模型评估的一致性。测试集未公开标注，真实头围由组织方保留，可模拟实际竞赛评测场景。

使用方法

研究者可直接加载训练集图像与对应分割掩码，设计语义分割模型进行胎儿头部区域提取；结合像素尺寸与分割轮廓，可进一步计算头围，回归真实测量值。测试集需自行推断分割结果，并通过挑战赛官方渠道提交以获取头围误差评估。由于提供原始椭圆轮廓，也适合开发基于轮廓回归的端点检测或椭圆拟合方法。数据集以CC-BY-4.0许可发布，引用需注明最初发表在PLoS ONE上的方法论论文。

背景与挑战

背景概述

HC18数据集诞生于2018年，由荷兰拉德堡德大学医学中心的研究团队在Bram van Ginneken等人的主导下创建，依托于HC18 Grand Challenge，旨在推动胎儿头部超声图像的自动化分割与头围测量研究。该数据集包含从551名孕妇采集的1334张标准二维超声图像，覆盖2014年5月至2015年5月期间的临床数据，核心研究问题聚焦于如何利用深度学习技术实现胎儿头围的精准、高效测量，以替代传统人工手动标注流程。作为胎儿超声分析领域的标杆性资源，HC18显著促进了医学图像分割算法在产前筛查中的发展，成为验证自动化测量方法性能的黄金标准。

当前挑战

HC18数据集所解决的领域问题在于应对超声图像中胎儿头部轮廓的模糊性、噪声干扰及形态多样性，这些因素使得自动分割与测量极具挑战性，传统方法依赖人工经验且耗时易错。在数据集构建过程中，研究者面临关键难题：原始标注仅为单像素宽度的椭圆轮廓而非填充区域，需通过后处理如基于scipy.ndimage的洪泛填充算法生成完整掩膜，这一步骤直接影响后续模型训练的准确性。此外，图像来源于不同孕周和孕妇，像素尺寸差异大，测试集标注严格保密以保障公平评估，也加大了算法鲁棒性验证的复杂性。

常用场景

经典使用场景

HC18数据集是胎儿超声影像分析领域的核心基准资源，专为胎儿头围自动测量任务设计。其经典使用场景聚焦于二维超声图像中胎儿头部的精确分割与椭圆拟合，通过标注的头围真值及像素尺寸信息，研究者可评估算法在标准化切面上的分割精度与周长计算准确性。该数据集跨越551名孕妇的多样化临床样本，为开发鲁棒的自动化测量模型提供了真实且挑战性的数据基础。

实际应用

在临床实际应用中，HC18数据集支撑了自动化产前超声诊断系统的研发与验证。基于其训练的模型可嵌入超声设备，实时输出胎儿头围测量值，辅助医生快速评估孕周与胎儿生长状况，尤其适用于资源匮乏地区或大规模筛查场景。此外，它促进了跨模态胎儿健康监测方案的标准化，为识别头围异常相关并发症（如脑积水或宫内生长受限）提供了高效辅助工具。

衍生相关工作

HC18数据集催生了多项标志性工作，包括提出基于空洞卷积和注意力机制的分割网络以细化头部边界，以及将椭圆回归损失函数融入U-Net架构的混合模型。后续工作还探索了半监督学习与对抗训练策略，以应对超声图像中的散斑噪声与胎儿颅骨阴影。该数据集常与H1000等超声数据集联合使用，用以评估胎儿生物参数测量系统在跨设备、跨人群场景下的稳定性。