面向眼科应用的开源外眼分割数据集
计算机视觉与模式识别
2025-04-29 v3 组织与器官
摘要
使用深度学习进行外眼分割和距离预测可实现疾病状态的客观量化、治疗监测及远程医疗。然而，目前尚无针对亚毫米精度训练深度学习模型的眼周区域分割数据集报告。所有图像（n=2842）均由五名培训标注员对虹膜、巩膜、睫毛、角膜蓄和眉毛进行分割。我们通过 intra 与 inter grader 可靠性测试验证了该数据集，并展示了在训练外眼分割网络中使用该数据的实用性。所有标注数据均可免费下载。获得专为眼科手术设计的分割数据集将更快地开发出可用于外眼距离预测和疾病分类的临床实用分割网络。除标注数据外，我们还提供了一个用于从分割掩码进行外眼距离预测的开源工具包。所有模型的权重也已开源，可供社区使用。
引用
@article{arxiv.2409.20407,
title = {Open-Source Periorbital Segmentation Dataset for Ophthalmic Applications},
author = {George R. Nahass and Emma Koehler and Nicholas Tomaras and Danny Lopez and Madison Cheung and Alexander Palacios and Jeffrey C. Peterson and Sasha Hubschman and Kelsey Green and Chad A. Purnell and Pete Setabutr and Ann Q. Tran and Darvin Yi},
journal= {arXiv preprint arXiv:2409.20407},
year = {2025}
}
备注
10 pages, 7 figures, 3 Tables