OCT5k: 视网膜层的多种疾病和多级注释的数据集

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 目前用于视网膜层细分的开放访问光学连贯断层扫描 (OCT) 数据集的规模和疾病特异性有限.
• 需要具有多级和多疾病注释的全面数据集来训练强大的机器学习算法.

研究的目的:

• 引入一个新的,大规模的,开放访问的OCT数据集,为视网膜层细分和疾病特征检测提供详细的注释.
• 支持用于视网膜图像分析的自动化技术的开发和验证.

主要方法:

• 编译了5016个像素的手动标签,用于1672个OCT扫描,分别分为三个子集:与年龄相关的黄斑退化,糖尿病黄斑胀和健康的眼睛.
• 在566次扫描中对9个类别的疾病特征进行了5个层次的语义细分边界和4698个边界框的注释.
• 实施严格的质量控制,包括四分区间范围 (IQR) 异常标识和代校正,数据分布在多个分级器之间,以最大限度地减少偏差.

主要成果:

• 该数据集为多个视网膜层和疾病生物标志物提供了全面的像素智能和边界框注释.
• 质量控制措施确保了可靠和准确的注释,提高了数据集对机器学习模型训练的有用性.
• 该数据集促进了针对各种眼部疾病的自动视网膜图像分析研究.

结论:

• 这一新数据集显著扩大了用于训练眼科医学的机器学习模型的资源.
• 它允许开发更准确的自动化系统来诊断和监测使用OCT成像的视网膜疾病.
• 多级,多疾病的方法确保了开发算法的更广泛的适用性和稳定性.