MCOA:一个全面的多模式数据集,用于在角质不透明度评估中推进深度学习
Xinyu Ma1, Jianxia Fang1, Yaqi Wang2
1Eye Center, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang, China.
Scientific data
|May 30, 2025
概括
这项研究创建了最大的角膜不透明数据集,结合了前段光学连贯断层扫描 (AS-OCT) 和照片. 这个资源促进了人工智能的发展,用于诊断视力障碍和个性化治疗.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 角膜不透明是全球视力障碍的主要原因之一.
- 目前的评估依赖于主观的裂纹灯检查.
- 前段光学连贯性断层扫描 (AS-OCT) 提供了详细的结构见解.
研究的目的:
- 为了解决在角膜不透明度方面对人工智能开发缺乏大规模数据集的问题.
- 创建一个全面的数据集,以改善角膜不透明性识别.
- 为了促进人工智能驱动的临床决策和个性化治疗策略.
主要方法:
- 编制了迄今为止最广泛的角膜不透明数据集.
- 包括6272张AS-OCT图像和392张前段照片.
- 图像的详细注释与角膜和不透明信息.
主要成果:
- 建立了用于角膜不透明性研究的最大可用的数据集.
- 数据集结合了高分辨率的AS-OCT和摄影数据.
- 注释提供了人工智能模型培训的详细信息.
结论:
- 该数据集是眼科人工智能的一个重大进步.
- 能够开发用于角膜不透明性识别的深度学习算法.
- 支持人工智能驱动的临床决策和个性化患者护理.
