麦克雷蒂纳:一个数据集,以支持深度学习辅助视网膜病变的早产诊断
Urvesh Trivedi1, Abhishek Srivastava2, Pratik Mahajan3
1Computer Science and Engineering, Indian Institute of Technology Indore, Indore, Madhya Pradesh, 453552, India. ms2304101014@iiti.ac.in.
Scientific reports
|December 23, 2025
概括
一个名为Macretina的新数据集,可以帮助人工智能诊断早产婴儿的视网膜病变 (ROP). 这一专家注释的数据集支持ROP的自动选,可能防止视力丧失.
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:
- 早产视网膜病 (ROP) 是早产婴儿的关键视网膜疾病,需要早期诊断以防止视力丧失.
- 目前基于人工智能的ROP选系统受到缺乏注释良好的多样化的公共数据集的限制.
- 现有的研究往往依赖于单中心数据集,阻碍了可泛化的AI模型的开发.
研究的目的:
- 介绍Macretina,一个全面的,专家注释的数据集,用于人工智能驱动的早产性视网膜病变查.
- 促进开发可靠和临床相关的AI模型,用于自动化ROP诊断.
- 为支持人工智能任务提供资源,包括对ROP功能进行分类,对象检测和细分.
主要方法:
- 从印度麦克雷蒂纳医院的112名早产婴儿中策划了1432张视网膜底部图像.
- 使用3nethra Neo广场视网膜成像系统进行图像采集.
- 将数据集组织成三个子集 (Macretina-Ridge,Macretina-OD,Macretina-BV) 进行特定的ROP特征分析.
主要成果:
- 使用深度卷积神经网络 (DCNNs) 评估数据集子集.
- 在分类,对象检测和语义细分任务中取得了有希望的结果.
- 证明了数据集在ROP选中支持各种AI应用的能力.
结论:
- 麦克雷蒂纳是推进基于AI的ROP诊断的宝贵资源.
- 数据集的多样性支持临床相关和可概括的AI模型的开发.
- 有助于改善查和早期发现早产儿视网膜病变.
