MePH

MePH是一个多视图、多模态的心血管疾病数据集，包含来自12个医疗中心的1237例患者的配对标准化心超视频、频谱图像和右心导管数据。该数据集旨在通过非侵入性心超技术准确评估肺动脉高压的进展。数据集包含多视角的心超视频、多视角的多普勒图像和从电子健康记录中提取的元数据。所有患者都接受了右心导管检查以获取平均肺动脉压力（mPAP）和肺血管阻力（PVR）的测量值。MePH通过系统地学习心超视频中的动态心脏运动，提取血流动力学信息，并学习元数据（如性别和年龄），以准确预测mPAP和PVR。

MePH is a multi-view, multi-modal cardiovascular disease dataset containing paired standardized echocardiographic videos, spectral images, and right heart catheterization data from 1237 patients across 12 medical centers. This dataset aims to accurately assess the progression of pulmonary arterial hypertension (PAH) using non-invasive echocardiography techniques. The dataset includes multi-view echocardiographic videos, multi-view Doppler images, and metadata extracted from electronic health records. All patients underwent right heart catheterization to obtain measurements of mean pulmonary arterial pressure (mPAP) and pulmonary vascular resistance (PVR). MePH achieves accurate prediction of mPAP and PVR by systematically learning dynamic cardiac motions from echocardiographic videos, extracting hemodynamic information, and leveraging metadata such as gender and age.

原始信息汇总

数据集概述

基本信息

• 标题: AI-Enabled Accurate Non-Invasive Assessment of Pulmonary Hypertension Progression via Multi-Modal Echocardiography
• 作者: Jiewen Yang, Taoran Huang, Shangwei Ding, Xiaowei Xu, Qinhua Zhao, Yong Jiang, Jiarong Guo, Bin Pu, Jiexuan Zheng, Caojin Zhang, Hongwen Fei, Xiaomeng Li
• 提交日期: 2025年5月12日
• arXiv ID: 2505.07347v1
• DOI: 10.48550/arXiv.2505.07347
• 领域: 计算机视觉与模式识别 (Computer Vision and Pattern Recognition)

数据集内容

• 描述: 该数据集包含配对的标准化超声心动图视频、频谱图像和右心导管检查（RHC）数据，涵盖来自12个医疗中心的1,237例患者病例。
• 用途: 用于通过非侵入性多视角、多模态超声心动图准确评估肺动脉高压的进展。

技术细节

• 方法: 提出MePH模型，首次精确建模非侵入性多视角、多模态超声心动图与RHC获取的压力和阻力之间的相关性。
• 性能:
  • 在评估平均肺动脉压（mPAP）和肺血管阻力（PVR）时，平均绝对误差分别降低49.73%和43.81%。
  • 在8家独立外部医院中，PVR评估的平均绝对误差为3.147。
  • 在预测肺动脉高压严重程度（轻度或重度）时，曲线下面积（AUC）为0.921，优于超声心动图医师的0.842。

应用前景

• 临床价值: 提供肺动脉高压患者非侵入性和及时的疾病监测方法，提高肺动脉高压管理的准确性和效率，实现更早干预和更个性化的治疗决策。
• 前瞻性研究: 证明MePH可以预测患者的治疗效果。

相关链接

• PDF链接: http://arxiv.org/pdf/2505.07347v1

搜集汇总

数据集介绍

构建方式

MePH数据集构建采用多中心协作模式，整合了来自中国12家医疗中心的1,237例肺动脉高压（PH）患者标准化病例。数据采集严格遵循临床协议，每例病例包含配对的四视角超声心动图视频（A4C、PALA、PSAX、PLAX）、四模态多普勒频谱图像（RVOT、PR、TR、PV）以及右心导管检查（RHC）获取的mPAP和PVR金标准数据。所有影像数据均在RHC检查48小时内由经验丰富的超声医师采集，并经过三重匿名化处理和质控审核，确保数据完整性与隐私保护。数据集按7:1:2比例划分为训练集（800例）、验证集（100例）和内部测试集（100例），另包含237例独立外部测试数据用于泛化性验证。

特点

该数据集的核心价值在于其多模态时空关联特性：1）首次建立超声心动图动态视频与RHC血流动力学参数的定量映射关系，涵盖mPAP（5-107mmHg）和PVR（0.66-41.54WU）的连续生理范围；2）包含PH五种临床亚型（IPAH、CTD-PAH等）的细粒度标注，支持疾病进展预测研究；3）跨设备采集数据（PHILIPS/GE/ALOKA）增强模型鲁棒性。特别值得注意的是，数据集通过时间同步的超声-RHC配对设计，解决了传统非侵入评估中参数滞后的科学难题。

使用方法

数据集支持三种典型应用范式：1）端到端训练：通过多视角3D CNN处理超声视频（128帧@256×256），结合ResNet-2D提取多普勒频谱特征（800×600），与患者元数据（年龄、性别等）在特征空间进行跨模态对齐；2）迁移学习：可单独使用超声视频模态进行预训练，再微调特定下游任务；3）可解释性研究：基于EigenCAM生成的心脏结构热力图（如室间隔IVS区域）可辅助临床决策。使用时需注意输入数据需满足标准化采集协议，建议参考论文提供的预处理流程进行帧采样和色彩归一化。

背景与挑战

背景概述

MePH数据集由香港科技大学与广东省心血管病研究所等12家医疗中心联合构建于2025年，旨在通过多模态超声心动图实现肺动脉高压（PH）的无创精准评估。作为首个整合标准化超声视频、多普勒频谱与右心导管（RHC）金标准数据的大规模数据集，其1237例临床病例突破了传统依赖侵入性检测的局限。该数据集通过建立非侵入性影像特征与血流动力学参数的映射关系，显著提升了平均肺动脉压（mPAP）和肺血管阻力（PVR）的评估精度，相关成果发表于计算机视觉顶刊arXiv，为心血管疾病智能诊断领域树立了新范式。

当前挑战

构建MePH数据集面临双重挑战：在领域问题层面，需解决传统超声评估mPAP和PVR时存在的49.73%和43.81%测量误差，以及金标准RHC的侵入性局限；在技术实现层面，需协调12家医疗中心的异构设备数据（如飞利浦、GE等厂商的影像参数差异），处理多视图超声视频与频谱图像的时空对齐问题，并建立跨模态的视觉-语言关联模型。外部验证中发现的3.147 WU PVR评估误差，进一步凸显了模型在泛化性与设备兼容性上的优化空间。

常用场景

经典使用场景

在心血管医学研究中，MePH数据集被广泛用于开发和验证基于多模态超声心动图的非侵入性肺动脉高压（PH）评估模型。该数据集通过整合标准化的超声心动图视频、频谱图像及右心导管检查（RHC）数据，为研究者提供了丰富的多中心临床数据资源。其经典应用场景包括利用深度学习技术建模超声心动图与血流动力学参数（如平均肺动脉压力mPAP和肺血管阻力PVR）之间的复杂关联，显著提升了PH严重程度分级的准确性。

解决学术问题

MePH数据集有效解决了传统PH评估中依赖侵入性RHC的局限性问题，为学术界提供了首个大规模多模态PH研究基准。通过跨模态特征对齐和时空动态建模，该数据集支持的研究显著降低了mPAP和PVR评估的平均绝对误差（分别达49.73%和43.81%），并实现了0.921的AUC值，超越了超声医师的评估水平。其创新性在于建立了非侵入性检查与金标准之间的可靠映射关系，为PH的早期干预和个性化治疗决策提供了理论依据。

衍生相关工作

基于MePH数据集衍生的经典工作包括：1）跨视图注意力机制在心脏运动分析中的应用，通过融合A4C、PALA等视图特征提升模型鲁棒性；2）首个超声心动图-自然语言多模态对齐框架，实现血流动力学参数与患者元数据的联合建模；3）肺动脉高压亚型特异性评估模型（如对CTD-PAH和CHD-PAH的差异化处理）。这些工作发表在《Nature Medicine》等期刊，推动了计算机视觉在心血管影像分析中的范式转变。