Neue Updates

03.08.24: Eine neue Zusammenfassung steht der Öffentlichkeit zur Verfügung und stellt einen neuartigen Ansatz zur Glaukomerkennung vor: Bewertung der Netzhautgefäße zur Glaukomerkennung: Eine vergleichende Analyse menschlicher Expertise und Deep-Learning-Algorithmen.
15.05.24: Der EyePACS-light-V2-Codeordner auf Kaggle verfügt über eine neue PyTorch-Vorlage für die schnelle und einfache Einrichtung der Glaukomerkennung. Dieses Modell nutzt das leichte MobileNetV3 und erreichte eine Testgenauigkeit von 92,6 %: https://www.kaggle.com/code/deathtrooper/pytorch-easy-setup-for-glaucoma-detection-92-6
09.03.24: EyePACS-light-V2 hat jetzt einen Kaggle-Usability-Score von 10,0: Zusätzliche Datei metadata.csv zum Datensatz hinzugefügt.
20.01.24: Eine allgemeine Übersicht über den EyePACS-light-V2-Vorprozess ist jetzt über den Link zum Kaggle-Datensatz im Abschnitt „Info“ verfügbar (ganz nach unten scrollen), wenn Sie wissen möchten, wie der Datensatz abgeleitet wurde
28.12.23: EyePACS-light-V2 94,94 % Testgenauigkeits-Benchmark mit ConvNeXtTiny: https://www.kaggle.com/code/deathtrooper/benchmark-94-94-convnexttiny
12.12.23: EyePACS-light-V2 ist DA!!! Seien Sie der Erste, der Ihr Modell mit diesem verbesserten Datensatz bewertet! Von Kaggle herunterladen: https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light-v2/data

Zitierhinweis

Wenn Sie diesen Katalog hilfreich fanden, denken Sie bitte darüber nach, Folgendes zu zitieren:

Riley Kiefer, Muhammad Abid, Jessica Steen, Mahsa Raeisi Ardali und Ehsan Amjadian. 2023. Ein Katalog öffentlicher Glaukom-Datensätze für Anwendungen des maschinellen Lernens: Eine detaillierte Beschreibung und Analyse öffentlicher Glaukom-Datensätze, die Ingenieuren des maschinellen Lernens zur Verfügung stehen, die Glaukom-bezogene Probleme mithilfe von Netzhautfundusbildern und OCT-Bildern angehen. In Proceedings of the 2023 7th International Conference on Information System and Data Mining (ICISDM '23). Association for Computing Machinery, New York, NY, USA, 24–31. https://doi.org/10.1145/3603765.3603779

Öffentlicher Glaukom-Datensatzkatalog

[Helfen Sie mit, dieses Repository zu erweitern, indem Sie Links/Veröffentlichungen zu neuen Glaukom-Datensätzen bereitstellen!]

Inhaltsverzeichnis des Repositorys

README.md: Glaukom-Übersicht, relevante Forschung und Links zum Zugriff auf Datensätze
benchmark-eyepacs-airogs-light.md: Bestenliste für die Testsatzbewertung unter Verwendung der Zug-/Wertsätze des EyePACS-AIROGS-light-Datensatzes
summary.md: Aufschlüsselung der Datensatzklassen, Bildtypen und Glaukomtypen
data-availability.md: Verfügbarkeit von Datensatzbildern und Segmentierung.
origin.md: Herkunft und Sammlungsjahre der Datensatzsammlung.

Übersicht über das Glaukom

Laut AAO ist „Glaukom eine Krankheit, die den Sehnerv Ihres Auges schädigt. Dies geschieht normalerweise, wenn sich Flüssigkeit im vorderen Teil Ihres Auges ansammelt. Diese zusätzliche Flüssigkeit erhöht den Druck in Ihrem Auge und schädigt den Sehnerv.“ Es ist eine der Hauptursachen für Blindheit und verschlimmert sich mit der Zeit, wenn es nicht behandelt wird. Optiker diagnostizieren ein Glaukom anhand von Fundusbildern (einem 2D-Bild des Auges) oder Bildern der Augenkohärenztomographie (OCT) (einem 3D-Bild des Auges). Bei Fundusbildern suchen Optiker typischerweise nach Schäden an der Augenhöhle oder der Sehnervenpapille. In OCT-Bildern suchen Optiker typischerweise nach einer Schichtatrophie. Um die Erkennung von Glaukomen zu automatisieren, werden Datensätze für maschinelles Lernen kuratiert. Fundus-Bilddatensätze sind in der Regel entweder für die Glaukom-Klassifizierung zur Unterscheidung gesunder Glaukom-Patienten oder für die Sehnervenkopfsegmentierung zur Extraktion und Analyse von Pfannen- oder Bandscheibenschäden konzipiert. Hochwertige Benchmark-Datensätze wie EyePACS-AIROGS-light verfügen zur Reproduzierbarkeit über vorgegebene Trainings-, Validierungs- und Testsätze.

Relevante Glaukom-Datensätze (von mir)

SMDG-19 [Datensatz], „Standardisierter Mehrkanal-Datensatz für Glaukom, Version 19“, https://www.kaggle.com/datasets/deathtrooper/multichannel-glaucoma-benchmark-dataset
EyePACS-AIROGS-light-v1 [Datensatz], „EyePACS Artificial Intelligence for Robust Glaucoma Screening Challenge, Lightweight Version 1“, https://www.kaggle.com/datasets/deathtrooper/eyepacs-airogs-light
EyePACS-AIROGS-light-v2 [Datensatz], „EyePACS Artificial Intelligence for Robust Glaucoma Screening Challenge, Lightweight Version 2“, https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light- v2

Relevante Glaukomforschung (von mir)

ARVO 2024 [Zusammenfassung], „Bewertung der Netzhautgefäße zur Glaukomerkennung: Eine vergleichende Analyse menschlicher Expertise und Deep-Learning-Algorithmen“, https://iovs.arvojournals.org/article.aspx?articleid=2794846
AAO 2022 [Abstract], „Eine umfassende Übersicht über öffentlich verfügbare Glaukom-Datensätze für die automatisierte Glaukom-Erkennung“, https://aaopt.org/past-meeting-abstract-archives/?SortBy=ArticleYear&ArticleType=&ArticleYear=2022&Title=&Abstract=&Authors=&Affiliation=&PROGRAMNUMBER=225129
AAO 2023 [Zusammenfassung], „The Predictive Power of Fundus Blood Vessels in Glaucoma Detection“, angenommen als Vortrag für AAO 2023
AAO 2023 [Zusammenfassung], „EyePACS-light: A Lightweight Balanced Dataset for Automated Glaucoma Classification Modeling“, angenommen als Poster für AAO 2023
ARVO 2023 [Zusammenfassung], „Grundwahrheitsvalidierung öffentlich verfügbarer Datensätze, die in Modellen künstlicher Intelligenz zur Glaukomerkennung verwendet werden“, https://iovs.arvojournals.org/article.aspx?articleid=2791017
ARVO 2023 [Zusammenfassung], „Standardisierter und frei zugänglicher Glaukom-Datensatz für Anwendungen der künstlichen Intelligenz“, https://iovs.arvojournals.org/article.aspx?articleid=2790420
IEEE-IEMCOM 2022 [Vollständiger Artikel], „A Survey of Glaucoma Detection Algorithms using Fundus and OCT Images“, https://ieeexplore.ieee.org/abstract/document/9946629
IEEE-ICIVC 2023 [Vollständiger Artikel], „Automated Fundus Image Standardization Using a Dynamic Global Foreground Threshold Algorithm“, https://ieeexplore.ieee.org/abstract/document/10270429
ICISDM 2023 [Vollständiger Artikel], „A Catalogue of Public Glaucoma Datasets for Machine Learning Applications“, https://dl.acm.org/doi/abs/10.1145/3603765.3603779

Beispieldaten

Drishti-GS	G1020	ORIGA-Licht	REFUGE1-VAL	PAPILA

Anwendungsfall-Akronyme

Einstufung
- BGC = Binäre Glaukomklassifikation (gesund vs. Glaukom oder Nicht-Glaukom vs. Glaukom)
- MGC = Multi-Glaukom-Klassifikation (mindestens 2 Glaukomtypen, einschließlich verdächtiger Glaukomtypen)
Segmentierung
- ODS = Optic Disc Segmentation
- OCS = Optic Cup Segmentation
- BVS = Blutgefäßsegmentierung
- OLS = OCT-Layer-Segmentierung
- RNFLS = Retinale Nervenfaserschichtsegmentierung
Andere
- LT = Lokalisierungsaufgabe
- IQA = Bildqualitätsbewertung
- MIDI = Multi-Image-Domain-Eingabe
- CDR = Schätzung des Cup-to-Disc-Verhältnisses
- N = Kerbung
- VF = Gesichtsfeldinformation/Segmentierung

Öffentliche Glaukom-Bilddatensätze

Datensatz	Zugangslink	Zugänglichkeit	Glaukom-Etiketten?	Anwendungsfall
ACRIMA	https://figshare.com/s/c2d31f850af14c5b5232	offen	Y	BGC
ALTER	https://age.grand-challenge.org/Download/	Anmeldung	Y	MGC, LT
BEH (Bangladesh Eye Hospital)	https://github.com/mirtanvirislam/Deep-Learning-Based-Glaucoma-Detection-with-Cropped-Optic-Cup-and-Disc-and-Blood-Vessel-Segmentation/tree/master/Dataset	offen	Y	BGC
BIOMISA	https://data.mendeley.com/datasets/2rnnz5nz74/2	offen	Y	MGC, BGC, MIDI, OLS, CDR
Chaksu-BILD	https://doi.org/10.6084/m9.figshare.20123135	offen	Y	BGC
CRFO-v4	https://data.mendeley.com/datasets/trghs22fpg/4	offen	Y	BGC, MDI, ODS, OCS
DR-HAGIS	https://personalpages.manchester.ac.uk/staff/niall.p.mcloughlin/	offen	Y	BGC, BVS
DRIONS-DB	https://www.researchgate.net/publication/326460478_Glaucoma_dataset_-_DRIONS-DB	offen	N	ODS
DRISHTI-GS1	https://cvit.iiit.ac.in/projects/mip/drishti-gs/mip-dataset2/Home.php	offen	Y	BGC, ODS, OCS, CDR, N
EyePACS-AIROGS	https://airogs.grand-challenge.org/data-and-challenge/	offen	Y	BGC, IQA
EyePACS-AIROGS-light (v1)	https://www.kaggle.com/datasets/deathtrooper/eyepacs-airogs-light	Anmeldung	Y	BGC
EyePACS-AIROGS-light (v2)	https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light-v2	Anmeldung	Y	BGC
FÜNF	https://figshare.com/articles/figure/FIVES_A_Fundus_Image_Dataset_for_AI-based_Vessel_Segmentation/19688169/1	offen	Y	BGC, BVS
G1020	https://www.kaggle.com/datasets/arnavjain1/glaucoma-datasets	Anmeldung	Y	BGC, ODS, OCS
GAMMA	https://gamma.grand-challenge.org/	Anmeldung	Y	BGC?, ODS, OCS, OLS?, LT, MIDI
ZIELE	https://ichallenges.grand-challenge.org/iChallenge-GON3/	Anmeldung	Y	BGC, OLS
TRAUBE	https://springernature.figshare.com/collections/GRAPE_A_multi-modal_glaucoma_dataset_of_follow-up_visual_field_and_fundus_images_for_glaucoma_management/6406319/1	offen	Y	MGC, VF
Harvard-GF	https://ophai.hms.harvard.edu/datasets/harvard-glaucoma-fairness-3300-samples/	Anfrage	N	BGC, VF, RNFLS, MIDI
HRF	https://www5.cs.fau.de/research/data/fundus-images/	offen	Y
INSPIRE-AVR-Test	https://medicine.uiowa.edu/eye/inspire-datasets	offen	N
INSPIRE-STEREO	https://medicine.uiowa.edu/eye/inspire-datasets	offen	N
JSIEC-1000	https://www.kaggle.com/datasets/linchundan/fundusimage1000	Anmeldung	Y
KEH (Kim's Eye Hospital)	https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/1YRRAC	offen	Y
VERZÖGERUNG	https://github.com/smilell/AG-CNN	Anfrage	Y
LES-AV	https://figshare.com/articles/dataset/LES-AV_dataset/11857698/1	offen	Y
Leuven-Haifa HRF	https://rdr.kuleuven.be/dataset.xhtml?persistentId=doi:10.48804/Z7SHGO	Anfrage	Y	MGC, BVS
MSHF	https://www.nature.com/articles/s41597-023-02188-x#ref-CR17	offen	Y	BGC, IQA
OCTV	https://zenodo.org/record/1481223#.Y20g3XbMIuV	offen	Y
OIA-ODIR	https://www.kaggle.com/datasets/andrewmvd/ocular-disease-recognition-odir5k	Anmeldung	Y
ONHSD	https://aldiri.info/Image%20Datasets/ONHSD.aspx	unzugänglich	Y
ORIGA-Licht	https://www.kaggle.com/datasets/sshikamaru/glaucoma-detection	Anmeldung	Y
PAPILA	https://doi.org/10.6084/m9.figshare.14798004.v1	offen	Y
ZUFLUCHT1	https://refuge.grand-challenge.org/REFUGE2Download/	Anmeldung	Y
ZUFLUCHT2	https://refuge.grand-challenge.org/REFUGE2Download/	Anmeldung	Y
RIGA-BIN-HEILEND	https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z	offen	N
RIGA-MAGRABI	https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z	offen	N
RIGA-MESSIDOR	https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z	offen	N
RIM-ONE-r1	http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/	offen	Y
RIM-ONE-r2	http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/	offen	Y
RIM-ONE-r3	http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/	offen	Y
RIM-ONE-DL	http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/	offen	Y
SIGF	https://github.com/XiaofeiWang2018/DeepGF	Anfrage	Y
SMDG	https://www.kaggle.com/datasets/deathtrooper/multichannel-glaucoma-benchmark-dataset	Anmeldung	Y
sjchoi86-HRF	https://github.com/yiweichen04/retina_dataset	offen	Y
VEIRC	https://github.com/ProfMKD/Glaucoma-dataset	offen	Y