深度学习-推荐系统-CV-NLP神经网络与深度学习

智能医学影像分析---Optic Disc 数据集

2019-11-27  本文已影响0人  amazingu

视盘(optic disc):全称视神经盘,有时候也被成为视神经乳头(optic nerve head)。在普通的彩色眼底相机中,一般最亮的区域就是视盘的位置。

视盘是眼睛的一个重要组织,很多疾病都可以直接(亦或间接地)通过视盘来观测。例如,青光眼(glaucoma)病变,医生会计算视杯视盘直径比率(disc-cup-ratio,CDR)来诊断患者是否患有青光眼,正常人的CDR较小。如果CDR较大,一般超过0.7, 就很有可能患有青光眼。此外,年龄相关性黄斑病变(Age-relate Macular degeneration,AMD)一般发生在黄斑(Macular)附近,很多黄斑定位分割算法,首先都是先定位到视盘位置,然后根据视盘与黄斑相距一般为两个视盘的宽度,这一先验知识(piror knowledge)来定位黄斑区域。同时,在冠心病视网膜图像分析中,视盘首先被定位用于后续的视网膜血管口径的测量。因此,视盘的定位和分割对于眼底疾病智能诊断算法是至关重要的。

如果想做基于深度学习的医疗图像算法开发,数据集的获取是关键。但是由于医疗数据集的特殊(主要在于需要维护病人的隐私以及专业的标注需要临床医生来参与完成),我们很难像计算机视觉那样获得良好的公开的数据集。下面,我就给大家介绍几个关于视盘(optic disc)的数据集,大家有这方面的兴趣,可以尝试一波。


ORIGA-650

这批数据集归属于新加坡国家眼科中心,主要包含650张彩色眼底图像,每张图像都有视盘和视杯的分割标注,同时还有是否患有青光眼的诊断标注。拥有这批数据的IMED团队,也是目前国内最大的眼科医疗图像组。 ORIGA-650分为两个子集 set A for training 和 set B for testing 每个子集包含了325张图像。

Messidor

Messidor数据集原本是用来做糖尿病视网膜(diabetic retinopathy, DR)病变检测的,只有糖网的分级标注。后来国外的一个课题组又重新手工标定了视盘的边界,因此目前大家也同样在Messidor数据上做视盘的定位和分割。

RIM-ONE

RIM-ONE一共发布了三个子数据集(RIM-ONE-R1,R2,R3),他们的数量分别是169,455和159张。

DRION-DB

DRION-DB 做的人特别少,但是这批数据集也有111张图像。大家也可以做一下,就当作一种data augmentation了吧。

PS:ISBI2019也有一个challenge,是关于AMD的分类,其中一个sub-task也是optic disc segmentation,

PPS:[帮转] 组织的 REFUGE Challenge in MICCAI 2018 将于 12 月 1 号公布全部的 Ground truth(包含 test set),欢迎大家下载使用(https://refuge.grand-challenge.org)。另外,竞赛的 paper 也已发表在 Medical Image Analysis (https://www.sciencedirect.com/science/article/pii/S1361841519301100)

上一篇下一篇

猜你喜欢

热点阅读