OLIVES数据集：用于研究视觉眼语义的眼科标签
图像与视频处理
2022-09-23 v1 计算机视觉与模式识别
机器学习
摘要
眼的临床诊断基于多种异构数据模态进行，包括标量临床标签、向量化生物标志物、二维眼底图像和三维光学相干断层扫描 (OCT) 图像。临床医生使用所有可用数据模态来诊断和治疗糖尿病视网膜病变 (DR) 或糖尿病性黄斑水肿 (DME) 等眼病。要在眼科医学领域启用机器学习算法，需要研究治疗期间所有相关数据之间的关系与交互。现有数据集的局限性在于既未提供数据，也未考虑数据模态间的显式关系建模。在本文中，我们引入用于研究视觉眼语义的眼科标签 (OLIVES) 数据集以弥补上述不足。这是首个包含临床标签、生物标志物标签、疾病标签以及来自相关临床试验的时间序列患者治疗信息的OCT与近红外眼底数据集。该数据集包含1268张近红外眼底图像，每张至少对应49次OCT扫描，以及16种生物标志物，同时配有4个临床标签和DR或DME的疾病诊断。总计有96只眼的数据，平均覆盖至少两年 period，每只眼平均治疗66周并接受7次注射。我们基准测试了OLIVES数据集在眼科数据上的效用，并为医学图像分析中核心及新兴的机器学习范式提供基准与具体研究方向。
引用
@article{arxiv.2209.11195,
title = {OLIVES Dataset: Ophthalmic Labels for Investigating Visual Eye Semantics},
author = {Mohit Prabhushankar and Kiran Kokilepersaud and Yash-yee Logan and Stephanie Trejo Corona and Ghassan AlRegib and Charles Wykoff},
journal= {arXiv preprint arXiv:2209.11195},
year = {2022}
}
备注
Accepted at 36th Conference on Neural Information Processing Systems (NeurIPS 2022) Track on Datasets and Benchmarks