OCTA-500

OCTA-500是一个用于光学相干断层扫描血管造影（OCTA）研究的视网膜数据集，包含了来自500个受试者的OCTA图像，涵盖两种视场（FOVs）。该数据集提供了丰富的图像和标注，包括两种成像模式（OCT/OCTA体积），六种投影类型，四种文本标签（年龄/性别/眼睛/疾病）和七种分割标签（大血管/毛细血管/动脉/静脉/2D FAZ/3D FAZ/视网膜层）。

OCTA-500 is a retinal dataset for optical coherence tomography angiography (OCTA) research. It contains OCT/OCTA volumetric images from 500 subjects, covering two fields of view (FOVs). This dataset provides comprehensive image data and annotations, including two imaging modalities (OCT and OCTA volumes), six projection types, four categories of textual labels (age, gender, eye laterality, disease), and seven categories of segmentation labels (large vessels, capillaries, arteries, veins, 2D foveal avascular zone (FAZ), 3D FAZ, retinal layers).

搜集汇总

数据集介绍

构建方式

OCTA-500数据集由500名受试者的OCTA成像数据组成，包括两种视场（FOVs）和两种模式（OCT/OCTA体积）。数据集提供了丰富的图像和注释，包括两种模式（OCT/OCTA体积）、六种类型的投影、四种类型的文本标签（年龄/性别/眼睛/疾病）和七种类型的分割标签（大血管/毛细血管/动脉/静脉/2D FAZ/3D FAZ/视网膜层）。为了构建该数据集，研究人员使用商业70kHz光谱域OCT系统进行成像，并使用SSADA算法从OCT体积生成OCTA体积。然后，使用层分割信息生成六种类型的投影图，包括OCT和OCTA的全投影、平均投影和最大投影。此外，研究人员还手动标注了大型血管、动脉、静脉、毛细血管、2D/3D FAZ和视网膜层，并使用Adobe Photoshop CC进行标注。

特点

OCTA-500数据集是目前最大的、最全面的OCTA数据集，其特点如下：1. 数据量丰富：包含500名受试者的OCTA成像数据，包括两种视场和两种模式，总扫描次数超过361,600次。2. 多样性：数据集包含多种疾病，如AMD、DR、CNV等，可以更好地反映不同方法的泛化性能。3. 多模态：数据集包含OCT和OCTA两种模式，可以支持更广泛的研究，如模态转换、图像去噪、伪影去除等。4. 多任务：数据集包含多种分割标签，可以用于探索多任务协同带来的性能提升和空间优化。5. 3D信息：数据集包含OCT和OCTA体积，可以提供更全面的视网膜结构和功能信息。

使用方法

使用OCTA-500数据集的方法如下：1. 数据下载：可以从https://eee-dataport.org/open-acces/octa-500下载数据集和代码。2. 数据预处理：根据研究需要，可以选择不同的输入数据，如OCT投影图、OCTA投影图、OCT体积或OCTA体积。3. 模型训练：选择合适的分割模型，如U-Net、UNet++、UNet 3+、Attention U-Net、CS-Net、AV-Net、IPN或IPN-V2，并使用Adam优化器和交叉熵损失函数进行训练。4. 模型评估：使用Dice系数、IoU、准确率、敏感性和特异性等指标评估模型的分割性能。5. 应用研究：利用数据集进行视网膜疾病分析、血管分割、FAZ分割、视网膜层分割等研究。

背景与挑战

背景概述

光学相干断层扫描血管造影术（OCTA）作为一种非侵入性的成像技术，在眼科和神经科学研究领域得到广泛应用，主要用于观察视网膜血管和微血管系统。然而，公开可用的OCTA数据集仍然稀缺。OCTA-500数据集是由南京理工大学计算机科学与工程学院和南京医科大学第一附属医院眼科部的联合研究团队于2018年至2020年期间创建的，它包含了来自500名受试者的OCTA成像，涵盖了两种视野（FOV）的数据。该数据集提供了丰富的图像和注释，包括两种模态（OCT/OCTA体积）、六种类型的投影、四种类型的文本标签（年龄/性别/眼睛/疾病）和七种类型的分割标签（大血管/毛细血管/动脉/静脉/2D FAZ/3D FAZ/视网膜层）。OCTA-500数据集是目前最大、最全面的OCTA数据集，对于视网膜血管结构的定量化分析具有重要意义，为OCTA研究提供了宝贵的数据资源。

当前挑战

OCTA-500数据集在构建过程中面临了诸多挑战。首先，由于OCTA成像技术的相对新颖性，可用的公开数据集较少且规模较小，导致OCTA-500数据集的创建需要大量的时间和资源。其次，OCTA图像的分割任务面临着噪声、低对比度、低分辨率和高血管复杂性等挑战，需要开发高效的分割算法。此外，OCTA-500数据集还包含了多种视网膜疾病的数据，使得分割任务更加复杂。最后，数据集的多样性也是一项挑战，需要确保数据集能够反映不同疾病和人群的特点，以便更好地评估模型性能和推广性。

常用场景

经典使用场景

OCTA-500数据集最经典的使用场景是视网膜血管和微血管系统的观察。通过该数据集，研究者可以深入分析视网膜血管的分布、形态和功能，从而为眼科学和神经科学的研究提供丰富的数据支持。此外，该数据集还提供了多种类型的标注信息，包括年龄、性别、眼睛状况和疾病类型等，为研究视网膜疾病的发生、发展和治疗提供了重要的参考依据。

衍生相关工作

OCTA-500数据集的发布推动了OCTA领域相关经典工作的衍生和发展。基于该数据集，研究者提出了多种新的分割任务，如毛细血管分割、动脉分割、静脉分割和FAZ分割等，并开发了多种分割算法，如U-Net、UNet++、CS-Net和IPN-V2等。这些分割算法在实际应用中取得了良好的效果，为OCTA图像的分析和解读提供了重要的工具。此外，OCTA-500数据集还激发了更多关于OCT/OCTA图像分析的研究，如图像去噪、模态转换和多模态融合等，为OCTA技术的进一步发展奠定了基础。

数据集最近研究

最新研究方向

OCTA-500 数据集为光学相干断层扫描血管成像（OCTA）研究提供了丰富的资源和工具。该数据集包含来自500名受试者的OCTA成像，包括两种视野（FOV）下的成像。OCTA-500 数据集为视网膜血管和微血管系统的观察提供了重要的支持，特别是在年龄相关性黄斑变性、糖尿病视网膜病变、脉络膜新生血管、青光眼和其他眼病的研究中。该数据集提供了丰富的图像和标注，包括两种模态（OCT/OCTA 体积）、六种类型的投影、四种类型的文本标签（年龄、性别、眼睛、疾病）和七种类型的分割标签（大血管、毛细血管、动脉、静脉、2D FAZ、3D FAZ、视网膜层）。基于此数据集，研究人员提出了一个多目标分割任务，称为CAVF，该任务在一个统一的框架下集成了毛细血管分割、动脉分割、静脉分割和FAZ分割。此外，研究人员还优化了3D-to-2D图像投影网络（IPN），以IPN-V2的形式作为分割基线之一。实验结果表明，IPN-V2 在CAVF任务上实现了约10%的mIoU提升。OCTA-500 数据集的发布对于视网膜图像分析、疾病诊断和治疗方案的开发具有重要意义。

相关研究论文

• OCTA-500: A Retinal Dataset for Optical Coherence Tomography Angiography Study

  · 2022年