摘要该胎儿头围HC自动测量数据集包含1,334个超声影像样本其中训练集999个含原始图像和头围轮廓标注、测试集335个仅原始图像。图像尺寸统一为800×540像素8位灰度PNG格式。数据集概述该胎儿头围HC自动测量数据集包含1,334个超声影像样本其中训练集999个含原始图像和头围轮廓标注、测试集335个仅原始图像。图像尺寸统一为800×540像素8位灰度PNG格式。数据集涵盖从孕早期到孕晚期的完整范围头围测量值从44.3mm到346.4mm像素物理尺寸从0.049mm到0.393mm反映了真实临床环境中不同超声设备、不同孕期和不同扫描深度的多样性。数据结构与关键特征数据集按训练集和测试集组织每个训练样本包含原始超声图像XXX_HC.png和对应的像素级头围轮廓标注图像XXX_HC_Annotation.png。元数据文件提供文件名、像素物理尺寸mm和头围真实测量值mm。数据特征包括超声图像固有的斑点噪声、胎儿头部边界模糊、声影和伪影干扰以及显著的像素分辨率变异性8倍差异要求模型具备尺度不变性和鲁棒性。应用价值与研究方向该数据集可用于产前超声自动化、胎儿发育监测、临床决策支持等领域。研究方向包括医学图像分割U-Net、DeepLab、Transformer架构、端到端头围回归预测、尺度归一化方法、多尺度特征学习、不确定性估计、可解释性研究注意力机制可视化、Grad-CAM、多任务联合学习同时预测HC、AC、FL、BPD、少样本学习与迁移学习、领域自适应等对提高产前筛查效率、标准化测量、辅助诊断脑积水/小头畸形、评估胎儿生长受限、推动AI在围产医学中的应用具有重要临床价值。数据集来源由张家梁(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-349文件大小168M原创声明本数据集为整理作品