德累斯顿 in vivo OCT 数据集用于自动中耳细分
Peng Liu1,2,3, Svea Steuer4,5, Jonas Golde4,5,6,7
1Department of Otorhinolaryngology Head and Neck Surgery, University Hospital Carl Gustav Carus, TUD Dresden University of Technology, Faculty of Medicine, 01307, Dresden, Germany. peng.liu@nct-dresden.de.
Scientific data
|February 26, 2024
概括
我们介绍了DIOME数据集,这是培训人工智能分析中耳光学连贯断层扫描 (OCT) 图像的宝贵资源. 这一数据集有助于克服使用OCT扫描诊断耳部疾病的挑战.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 医疗信息学 医疗信息学
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 内镜光学连贯性断层扫描 (OCT) 能够对中耳进行非侵入性体内评估.
- 解释中耳OCT图像是复杂的,因为阴影,阻碍临床应用.
- 深度神经网络显示出OCT图像分析的潜力,但需要大量的注释数据集.
研究的目的:
- 引入德累斯顿在活体中中耳的OCT数据集 (DIOME).
- 为开发和评估用于中耳OCT分析的AI算法提供一个基准数据集.
- 为了促进中耳的自动诊断和形态/功能评估.
主要方法:
- 从29名健康中耳和病态中耳的受试者收集了43个OCT卷.
- 产生了五个关键解剖结构的语义细分:耳膜,骨,骨,骨和尖端.
- 标注的突出特征与稀疏的地标.
主要成果:
- 迪奥姆数据集包括43个有注释的OCT卷.
- 为关键的中耳结构提供详细的语义细分和里程碑注释.
- 能够进行强有力的培训和深度学习模型的评估,用于中耳OCT分析.
结论:
- DIOME解决了注释中耳OCT数据集的稀缺问题.
- 促进了人工智能驱动的诊断中耳病理的进步.
- 支持用于耳鼻喉科的自动图像分析研究.


