RVD: A Handheld Device-Based Fundus Video Dataset for Retinal Vessel Segmentation

要約

網膜血管のセグメンテーションは通常、ベンチトップ デバイスで収集された画像ベースのデータセットに基づいています。
静止画像は網膜変動の動的特性を自然に失い、その結果データセットの豊富さが減少し、ベンチトップデバイスの使用はアクセスが制限されているためにデータセットのスケーラビリティをさらに制限します。
これらの制限を考慮して、データ収集にハンドヘルドデバイスを採用することにより、最初のビデオベースの網膜データセットを導入します。
このデータセットは、50 歳から 75 歳までの 415 人の患者を含む 4 つの異なる診療所から収集された 635 件のスマートフォンベースの眼底ビデオで構成されています。
空間的および時間的次元の両方で網膜構造の包括的かつ正確な注釈を提供し、血管系セグメンテーションの状況を前進させることを目的としています。
具体的には、このデータセットは 3 レベルの空間アノテーションを提供します。網膜全体の構造を描写するためのバイナリ血管マスク、静脈と動脈を区別するための一般的な静脈-動脈マスク、各動脈と静脈の粒度をさらに特徴付けるための細粒静脈-動脈マスクです。
。
さらに、このデータセットは血管の拍動特性を捉える一時的な注釈を提供し、血行動態の変動をきめ細かく認識する必要がある眼疾患の検出を支援します。
アプリケーションでは、私たちのデータセットはベンチトップデバイスでキャプチャされたデータと比較して大幅なドメインシフトを示し、そのため既存の方法に大きな課題をもたらします。
実験では、データセットに関する評価指標とベンチマーク結果を提供し、血管セグメンテーションタスクに提供される可能性と課題の両方を反映しています。
この挑戦的なデータセットが眼疾患の診断と早期予防の開発に大きく貢献することを願っています。

要約(オリジナル)

Retinal vessel segmentation is generally grounded in image-based datasets collected with bench-top devices. The static images naturally lose the dynamic characteristics of retina fluctuation, resulting in diminished dataset richness, and the usage of bench-top devices further restricts dataset scalability due to its limited accessibility. Considering these limitations, we introduce the first video-based retinal dataset by employing handheld devices for data acquisition. The dataset comprises 635 smartphone-based fundus videos collected from four different clinics, involving 415 patients from 50 to 75 years old. It delivers comprehensive and precise annotations of retinal structures in both spatial and temporal dimensions, aiming to advance the landscape of vasculature segmentation. Specifically, the dataset provides three levels of spatial annotations: binary vessel masks for overall retinal structure delineation, general vein-artery masks for distinguishing the vein and artery, and fine-grained vein-artery masks for further characterizing the granularities of each artery and vein. In addition, the dataset offers temporal annotations that capture the vessel pulsation characteristics, assisting in detecting ocular diseases that require fine-grained recognition of hemodynamic fluctuation. In application, our dataset exhibits a significant domain shift with respect to data captured by bench-top devices, thus posing great challenges to existing methods. In the experiments, we provide evaluation metrics and benchmark results on our dataset, reflecting both the potential and challenges it offers for vessel segmentation tasks. We hope this challenging dataset would significantly contribute to the development of eye disease diagnosis and early prevention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google