Open-Source Periorbital Segmentation Dataset for Ophthalmic Applications

要約

深層学習を使用した眼窩周囲のセグメンテーションと距離予測により、病状、治療モニタリング、遠隔医療の客観的な定量化が可能になります。
ただし、現在のところ、目の周囲の領域でミリメートル未満の精度で深層学習モデルをトレーニングする目的でのセグメンテーション データセットの報告はありません。
すべての画像 (n=2842) には、5 人の訓練を受けたアノテーターによって虹彩、強膜、まぶた、小丘、眉がセグメント化されていました。
ここでは、イントラグレーダーおよびインターグレーダー信頼性テストを通じてこのデータセットを検証し、眼窩周囲セグメンテーション ネットワークのトレーニングにおけるデータの有用性を示します。
すべての注釈は無料でダウンロードできるように公開されています。
眼形成手術用に特別に設計されたセグメンテーション データセットにアクセスできると、眼窩周囲距離の予測や疾患分類に活用できる臨床的に有用なセグメンテーション ネットワークをより迅速に開発できるようになります。
注釈に加えて、セグメンテーション マスクから眼窩周囲距離を予測するためのオープンソース ツールキットも提供しています。
すべてのモデルの重みもオープンソース化されており、コミュニティで使用できるように公開されています。

要約(オリジナル)

Periorbital segmentation and distance prediction using deep learning allows for the objective quantification of disease state, treatment monitoring, and remote medicine. However, there are currently no reports of segmentation datasets for the purposes of training deep learning models with sub mm accuracy on the regions around the eyes. All images (n=2842) had the iris, sclera, lid, caruncle, and brow segmented by five trained annotators. Here, we validate this dataset through intra and intergrader reliability tests and show the utility of the data in training periorbital segmentation networks. All the annotations are publicly available for free download. Having access to segmentation datasets designed specifically for oculoplastic surgery will permit more rapid development of clinically useful segmentation networks which can be leveraged for periorbital distance prediction and disease classification. In addition to the annotations, we also provide an open-source toolkit for periorbital distance prediction from segmentation masks. The weights of all models have also been open-sourced and are publicly available for use by the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google