OCT4DME

OCT4DME数据集是一个大型、公开的OCT图像数据集，旨在促进AI研究，以预测接受抗VEGF治疗的糖尿病黄斑水肿（DME）患者的治疗结果。该数据集由亚洲太平洋远程眼科学会（APTOS）在2021年举办的APTOS大数据竞赛中使用，包含了来自2000名患者的数千张OCT图像，这些患者在接受初始抗VEGF治疗前后进行了OCT成像。数据集的收集工作由APTOS、泰国Rajavithi医院和匿名中国队列共同完成，数据收集时间跨度为2015年至2020年。OCT4DME数据集是在CC BY-NC-SA 4.0许可下发布的，供授权用户用于构建机器学习模型和训练AI算法。

The OCT4DME Dataset is a large-scale, publicly available OCT imaging dataset designed to advance AI research focused on predicting treatment outcomes for diabetic macular edema (DME) patients undergoing anti-VEGF therapy. This dataset was employed in the 2021 APTOS Big Data Competition organized by the Asia Pacific Tele-Ophthalmology Society (APTOS). It comprises thousands of OCT images obtained from 2000 patients who underwent OCT imaging both prior to and following their initial anti-VEGF treatment. The dataset was collaboratively collected by APTOS, Rajavithi Hospital in Thailand, and an anonymous Chinese cohort, with data collection spanning from 2015 to 2020. The OCT4DME Dataset is released under the CC BY-NC-SA 4.0 license, and is accessible to authorized users for constructing machine learning models and training AI algorithms.

搜集汇总

数据集介绍

构建方式

OCT4DME数据集构建于2021年亚洲远程眼科学会(APTOS)大数据竞赛框架下，旨在推动抗VEGF治疗糖尿病黄斑水肿(DME)的疗效预测研究。该数据集采集自泰国Rajavithi医院和中国匿名队列2000名患者的数万张OCT图像，严格遵循三项纳入标准：18岁以上确诊患者、至少接受一次抗VEGF注射并完成6个月随访、治疗前3个月内进行OCT成像。数据通过海德堡Spectralis OCT2 plus系统获取，采用25线栅格扫描协议(768×768像素分辨率)，并由资深视网膜专家团队进行双重标注与质量审核，最终以CC BY-NC-SA 4.0协议公开。

特点

OCT4DME的核心价值在于其多维度的临床标注体系与跨机构数据整合。数据集不仅包含治疗前后OCT图像，还详细标注了中央子区厚度(CST)、视网膜内液(IRF)、视网膜下液(SRF)等9项生物标志物，以及视力(VA)、治疗方案等临床指标。特别值得注意的是，数据集采用两阶段标注策略：第一阶段以眼为单位标注，第二阶段细化至单张图像标注，这种层次化设计为研究者提供了从宏观到微观的分析维度。数据分布上，IRF和HRF等关键指标在合并前后呈现显著差异(如IRF从32.2%增至84.1%)，这种自然形成的类别不平衡为算法鲁棒性测试提供了理想场景。

使用方法

该数据集支持四大研究任务：生物标志物分类(IRF/SRF/PED/HRF)、CST值回归预测、治疗后视力评估及治疗延续性判断。典型使用流程包括：1)数据预处理阶段需区分径向/水平扫描模式，并针对中心图像进行特殊处理；2)建模阶段推荐采用多示例学习框架处理不同粒度的标注数据，冠军团队BlueSky的Swin-Transformer+MIL方案可作为参考；3)评估阶段应综合AUC(分类任务)和±7.5%容差(回归任务)指标。对于临床转化研究，建议结合患者元数据(如诊断类型、注射药物)构建多模态预测系统，第三名团队DarkStyle的EfficientNet-B0+XGBoost融合策略展示了良好的可解释性。

背景与挑战

背景概述

OCT4DME数据集由亚太远程眼科学会（APTOS）于2021年组织的大数据竞赛中发布，旨在通过光学相干断层扫描（OCT）图像预测糖尿病黄斑水肿（DME）患者对抗血管内皮生长因子（anti-VEGF）治疗的反应。该数据集包含来自2000名患者的数万张OCT图像，涵盖了治疗前后的影像数据，并标注了四种子任务标签。数据集由香港理工大学、泰国Rajavithi医院等多家机构联合提供，是首个专注于DME治疗反应预测的公开大规模OCT数据集。其发布填补了该领域公共数据资源的空白，推动了人工智能在个性化眼科治疗中的研究与应用。

当前挑战

OCT4DME数据集面临的挑战主要包括两方面：领域问题的复杂性与构建过程的困难性。在领域问题方面，DME患者的治疗反应存在显著个体差异，且OCT图像中黄斑区病理特征的细微变化难以量化，这对模型的预测精度提出了极高要求。构建过程中，数据采集需协调多国医疗机构，统一成像设备（如Heidelberg Spectralis OCT2）和扫描协议（25线栅格扫描），同时需解决视网膜层分割标注的专家共识问题（如中央子区厚度CST的自动化测量与人工复核）。此外，数据标注涉及治疗前后多时间点的动态特征（如视网膜内液IRF、色素上皮脱离PED），其时间一致性与质量控制是另一大挑战。

常用场景

经典使用场景

OCT4DME数据集在糖尿病黄斑水肿（DME）治疗响应预测研究中具有重要应用。该数据集通过提供大量治疗前后的OCT图像，支持研究人员开发机器学习模型，用于预测患者对抗VEGF治疗的反应。经典使用场景包括利用深度学习模型对OCT图像进行分类和回归分析，以预测治疗后的视力变化、黄斑中心厚度（CST）变化以及是否需要继续治疗。

解决学术问题

OCT4DME数据集解决了糖尿病黄斑水肿治疗响应预测中的关键学术问题。首先，它填补了公开大规模OCT数据集的空白，为深度学习模型的训练和验证提供了可靠数据支持。其次，数据集的多任务标注（如IRF、SRF、PED、HRF等）使研究者能够探索不同病理特征与治疗响应之间的关系，推动了个性化治疗策略的发展。此外，该数据集还促进了跨机构合作和算法比较，提升了研究的可重复性和透明度。

衍生相关工作

OCT4DME数据集衍生了一系列经典研究工作。在APTOS 2021竞赛中，参赛团队提出了多种创新方法，如基于Swin-Transformer的多实例学习框架、弱监督学习策略以及集成学习方法。这些工作不仅提升了DME治疗预测的准确性，还为其他医学图像分析任务提供了借鉴。此外，该数据集还激发了后续研究，如OCT图像生成、多模态数据融合等方向的探索。