OCULAR
收藏资源简介：
OCULAR：开源统一大规模视网膜动脉-静脉数据集，包含协调的视网膜动脉-静脉（A/V）注释，用于训练、分布内测试和分布外评估。
OCULAR: An open-source unified large-scale retinal artery-vein dataset that includes aligned retinal artery-vein (A/V) annotations for training, in-distribution testing, and out-of-distribution evaluation.
OCULAR 数据集概述
OCULAR（Open-source Collection of Unified Large-scale Artery-vein Retinae）是一个开源的大规模视网膜动脉/静脉（A/V）分割数据集，同时提供配套的预训练模型 OCULARNet。
数据集构成
数据集整合了多个公开的视网膜 A/V 数据集，分为训练集、分布内（ID）测试集和分布外（OoD）测试集三个部分：
训练集（14个数据集）
包含 AVRDB、DRIVE、ENRICH、FIVES-AV、Fundus-AVSeg、GAVE、GRAPE、HRF、INSPIRE、LES-AV、Leuven-Haifa、MAGREBHIA、MESSIDOR-AV、PAPILA。样本量从 15 到 240 张不等，涵盖多种中心类型（黄斑中心/视盘中心）、视野（30°-50°）和分辨率。病理类型包括糖尿病视网膜病变（DR）、青光眼（G）、高血压视网膜病变（HR）等。
分布内测试集（2个数据集）
- DualModal：30 张，黄斑中心，45° 视野，1024×1024 分辨率，中国，健康样本
- UNAF：15 张，视盘中心，45° 视野，1444×1444 分辨率，巴拉圭，DR
分布外测试集（5个数据集）
包括近分布外（AV-WIDE、IOSTAR-AV、MBRSET、RAVIR、TREND-AV）和远分布外数据集，覆盖不同成像条件、亮度、分辨率和视野。病理类型涵盖 AMD、DR、高血压视网膜病变等。
预训练模型
OCULARNet
- 模型架构：
base_unet_repvgg_b3 - 类别：背景、动脉、静脉、交叉点
- 权重下载：https://huggingface.co/Anon-User-Retina/OCULARNet/resolve/main/OCULARNet.pth
OCULARNet-nano（5折集成）
- 模型架构：
base_unet_repvgg_a0 - 包含 5 个权重文件（nano_f1.pth 至 nano_f5.pth）
- 下载地址：https://huggingface.co/Anon-User-Retina/OCULARNet-nano/
使用方法
安装与推理
通过 pip install -r requirements.txt 安装依赖。推理时，将图像放入 data/images/，权重放入指定路径，运行 inference.py 脚本，支持完整模型和 nano 集成模型两种模式。
训练
提供 train.py 脚本，支持 CSV 分割文件、多类别分割、多种优化器和区域类型（junctions/arcades）。
区域提取
extract_zones.py 脚本可生成分叉点 ROI 掩码、主要血管区域掩码和交叉点 ROI 掩码，需在 data/ 目录下准备 images、artery、vein、optic_disc、crossings 五个文件夹。
新标注数据发布
论文发表后将发布基于 13 个开源数据集（共 1,791 张图像）、经 OCULAR 自动提取并半自动精炼的 A/V 标注数据，包括 ARIA、CHASE_DB1、FIVES、IDRiD、STARE 等数据集。
引用
引用信息：
@inproceedings{OCULAR2026, title={Beyond Dice: Clinically Meaningful Large-Scale Retinal Artery/Vein Segmentation}, author={}, booktitle={}, year={2026} }
