TJDR

TJDR是一个高质量的糖尿病视网膜病变像素级标注数据集，包含561张来自同济大学附属同济医院的眼底彩色图像。这些图像使用多种眼底相机拍摄，具有高分辨率。数据集严格遵守数据隐私原则，移除了图像中的个人信息，同时清晰展示了视盘、视网膜血管和黄斑等解剖结构。数据集中的糖尿病视网膜病变病变由经验丰富的眼科医生使用Labelme工具进行标注，包括四种常见的糖尿病视网膜病变病变：微动脉瘤(MA)、出血(HE)、硬渗出(EX)和软渗出(SE)。数据集被分为训练集和测试集，并公开发布，以促进糖尿病视网膜病变病变分割研究的发展。

TJDR is a high-quality pixel-level annotated dataset for diabetic retinopathy, comprising 561 fundus color images sourced from Tongji Hospital affiliated with Tongji University. These images, captured using various fundus cameras, boast high resolution. The dataset strictly adheres to data privacy principles, with personal information removed from the images, while clearly displaying anatomical structures such as the optic disc, retinal vessels, and macula. The diabetic retinopathy lesions in the dataset were annotated by experienced ophthalmologists using the Labelme tool, including four common types of diabetic retinopathy lesions: microaneurysms (MA), hemorrhages (HE), hard exudates (EX), and soft exudates (SE). The dataset is divided into training and test sets and is publicly released to promote the advancement of diabetic retinopathy lesion segmentation research.

原始信息汇总

TJDR数据集概述

数据集描述

• 名称: TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset
• 目的: 用于糖尿病视网膜病变（DR）的病变分割，以支持DR分级的人工智能辅助。
• 内容: 包含561张彩色眼底图像，这些图像来自同济大学附属同济医院，使用Topcon的TRC-50DX和Zeiss CLARUS 500等不同眼底相机拍摄，具有高分辨率。
• 隐私保护: 图像中的个人信息已被仔细移除，同时确保了视盘、视网膜血管和黄斑等解剖结构的清晰显示。
• 标注: 使用Labelme工具对四种常见的糖尿病视网膜病变病变进行像素级标注，包括微动脉瘤（MA）、出血（HE）、硬渗出（EX）和软渗出（SE）。
• 质量保证: 由经验丰富的眼科医生进行标注，确保数据集的高质量。
• 数据分割: 数据集已分为训练集和测试集。

数据集使用

• 下载链接: TJDR数据集下载

引用信息

• 论文: TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset
• 作者: Jingxin Mao, Xiaoyu Ma, Yanlong Bi, Rongqing Zhang
• 发表: arXiv preprint arXiv:2312.15389, 2023年
• 引用格式: text @article{mao2023tjdr, title={TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset}, author={Jingxin Mao and Xiaoyu Ma and Yanlong Bi and Rongqing Zhang}, journal={arXiv preprint arXiv:2312.15389}, year={2023}, }

搜集汇总

数据集介绍

构建方式

TJDR数据集的构建基于同济大学附属同济医院提供的561张高质量彩色眼底图像。这些图像由多种眼底相机（如Topcon的TRC-50DX和Zeiss的CLARUS 500）拍摄，确保了图像的高分辨率。为严格遵守数据隐私原则，所有图像中的私人信息均被仔细移除，同时保留了视盘、视网膜血管和黄斑等解剖结构的清晰展示。糖尿病视网膜病变（DR）的病变部分使用Labelme工具进行像素级标注，涵盖了四种常见的DR病变：微动脉瘤（MA）、出血（HE）、硬性渗出（EX）和软性渗出（SE）。经验丰富的眼科医生参与了标注工作，确保了数据集的高质量。

特点

TJDR数据集的主要特点在于其高质量的像素级标注和多样化的图像来源。该数据集不仅提供了丰富的病变类型标注，还通过多相机拍摄确保了图像的多样性和高分辨率。此外，严格的隐私保护措施和专业眼科医生的参与，使得该数据集在糖尿病视网膜病变分割研究中具有高度的可靠性和实用性。

使用方法

TJDR数据集适用于糖尿病视网膜病变分割和分类任务的研究。研究者可以通过提供的下载链接获取数据集，并根据需要将其划分为训练集和测试集。在使用过程中，建议参考相关文献以了解数据集的具体结构和标注细节。为确保研究的准确性和可重复性，使用者应遵循数据集的引用要求，并在研究中明确引用TJDR数据集及其相关文献。

背景与挑战

背景概述

糖尿病视网膜病变（Diabetic Retinopathy, DR）作为一种严重的眼部并发症，其及时干预和治疗至关重要。尽管人工智能在辅助DR分级方面表现出色，但DR病变分割的可解释性因数据集的稀缺而受到严重阻碍。为此，TJDR数据集应运而生，它是一个高质量的像素级标注数据集，旨在推动DR病变分割研究的发展。该数据集由同济大学附属同济医院的561张彩色眼底图像组成，这些图像通过多种眼底相机（如Topcon的TRC-50DX和Zeiss的CLARUS 500）拍摄，具有高分辨率。为确保数据隐私，所有图像中的私人信息均被仔细移除，同时保留了视盘、视网膜血管和黄斑等解剖结构的清晰显示。TJDR数据集的标注工作由经验丰富的眼科医生使用Labelme工具完成，涵盖了四种常见的DR病变：微动脉瘤（MA）、出血（HE）、硬性渗出（EX）和软性渗出（SE）。该数据集已被划分为训练集和测试集，并公开发布，以促进糖尿病视网膜病变病变分割研究领域的进步。

当前挑战

TJDR数据集在构建过程中面临了多重挑战。首先，高质量的像素级标注需要经验丰富的眼科医生进行，这不仅增加了数据集构建的时间成本，还对标注的准确性和一致性提出了高要求。其次，数据隐私的保护是构建过程中的另一大挑战，确保在移除私人信息的同时不损害图像的医学价值，需要精细的技术处理和严格的审查流程。此外，由于DR病变的多样性和复杂性，如何确保标注的全面性和代表性也是一个重要的挑战。最后，数据集的公开发布和后续维护，包括更新和扩展，也需要持续的关注和资源投入，以确保其长期的有效性和可用性。

常用场景

经典使用场景

在糖尿病视网膜病变（DR）的诊断与分级领域，TJDR数据集以其高分辨率的彩色眼底图像和精细的像素级标注，成为研究者们进行病变分割与识别的经典工具。该数据集包含561张来自同济大学附属同济医院的高质量图像，涵盖了四种常见的DR病变：微动脉瘤（MA）、出血（HE）、硬性渗出（EX）和软性渗出（SE）。这些图像通过多种高端眼底相机如Topcon的TRC-50DX和Zeiss的CLARUS 500拍摄，确保了图像的清晰度和细节的完整性。

实际应用

在实际应用中，TJDR数据集被广泛用于开发和优化糖尿病视网膜病变的自动检测和分级系统。这些系统在眼科诊所和医院中，能够快速且准确地分析眼底图像，辅助医生进行诊断，从而提高诊断效率和准确性。此外，该数据集还支持了远程医疗和大规模筛查项目，使得偏远地区和资源匮乏地区的患者也能享受到高质量的眼科医疗服务。

衍生相关工作

基于TJDR数据集，研究者们开展了多项相关工作，包括但不限于病变分割算法的改进、深度学习模型的优化以及多模态数据融合的研究。例如，有研究利用该数据集训练卷积神经网络（CNN），显著提高了病变检测的精度；还有研究结合光学相干断层扫描（OCT）数据，探索了多模态数据在DR诊断中的应用潜力。这些工作不仅丰富了DR研究的理论基础，也为临床实践提供了新的工具和方法。