眼科人工智能的挑战

以深度学习为代表的人工智能技术是实现眼科影像智能分析和眼病辅助诊断的重要途径，然而这些方法需要大量的标注数据来驱动。当前，供训练人工智能模型的眼科影像公开数据还屈指可数，带有详细标注信息的眼科影像数据更无从获得。

本数据的目的：

SD-OCT是目前观察视网膜横面形态学的最常用的影像数据，对于视网膜疾病的诊断起到了极大的推动作用，也成为临床青光眼（世界第二大致盲疾病）诊断的重要依据。准所周知，视网膜厚度变化是眼病早期检查的重要依据。因此，对SD-OCT图像中的视网膜分层和厚度测量成为当前研究热点。本数据以青光眼早期诊断为主，为SD-OCT图像的RNFL层和GC-IPL层分割和厚度测量提供人工标注信息，供科研学者开发更准确有效的算法使用。

数据构成：

黄斑区域的SD-OCT采集图像，包括110个个体的数据，其中37人为病患（13人为青光眼患者），73人为正常人，每个人的数据包含左、右眼，共300多副SD-OCT图像。数据来源于中南大学眼科影像处理中心的自行采集与中南大学湘雅二医院的临床数据，采集设备分别为Topcon 3D OCT-1。单张SD-OCT图像通过临床医生手动标定出四条边界线：ILM、NFL-GCL、IPL-INL以及BM，示例如图1。其中，可以通过ILM和NFL-GCL来获得RNFL层的厚度，通过NFL-GCL和IPL-INL来计算GC-IPL的厚度，BM可以作为分割过程中的基准。

Download: