摘要：ACDC 数据集包含 150 名患者（五类心脏病理：正常、心梗、扩张型心肌病、肥厚型心肌病、右心室异常），MRI 电影图像（NIfTI 格式，ED/ES 帧），训练集 100 名，测试集 50 名

数据集简介

数据集概述

ACDC（自动化心脏诊断挑战，Automated Cardiac Diagnosis Challenge）数据集来自法国第戎大学医院的真实临床检查，专为心脏图像分析和机器学习而设计。数据集包含 150 名患者，均匀分布在五个心脏病理类别：NOR（正常，射血分数 >50%）、MINF（心肌梗死导致的收缩性心力衰竭，射血分数 <40%）、DCM（扩张型心肌病，射血分数 <40%）、HCM（肥厚型心肌病，射血分数 >55%，心肌厚度 >15mm）、ARV（右心室异常）。数据通过 6 年期间使用 1.5T 和 3.0T MRI 扫描仪采集，采用 SSFP 序列的屏气电影 MR 图像，短轴切片覆盖左心室。数据集分为训练集（100 名患者，每组 20 名）和测试集（50 名患者，每组 10 名），转换为 NIfTI 格式，包含舒张末期（ED）和收缩末期（ES）帧，以及患者体重和身高用于生理参数归一化。

数据结构与关键特征

ACDC 数据集包含 150 名患者（五类心脏病理，每类 30 名），训练集 100 名（含手动标注），测试集 50 名，采用 1.5T/3.0T MRI、SSFP 序列、短轴切片（28-40 个时相），NIfTI 格式，标注 ED/ES 帧的左心室、右心室和心肌，包含患者体重身高用于 BSA 归一化生理参数（射血分数、心室体积、心肌厚度）。

应用价值与研究方向

持心脏病理分类（五类疾病识别）、心脏分割（左心室、右心室、心肌）、生理参数估计（射血分数、心室体积、心肌厚度）、心脏功能评估、机器学习模型训练（CNN、U-Net、Transformer）、临床决策支持系统、心脏 MRI 图像分析、医学图像分割、多类别分类、迁移学习和医学影像研究。

数据集来源

该数据集来自法国第戎大学医院真实临床检查，专为 MICCAI 2017心脏诊断挑战赛而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-103
文件大小：2.1G
原创声明：本数据集为整理作品