Nuevas actualizaciones
- 03/08/24: Un nuevo resumen está disponible para el público, que presenta un enfoque novedoso para la detección del glaucoma: Evaluación de la vasculatura retiniana para la detección del glaucoma: un análisis comparativo de la experiencia humana y los algoritmos de aprendizaje profundo.
- 15/05/24: La carpeta de códigos EyePACS-light-V2 en Kaggle tiene una nueva plantilla PyTorch para una configuración de detección de glaucoma rápida y sencilla. Este modelo utiliza el ligero MobileNetV3 y logró una precisión de prueba del 92,6%: https://www.kaggle.com/code/deathtrooper/pytorch-easy-setup-for-glaucoma-detection-92-6
- 09/03/24: EyePACS-light-V2 ahora tiene una puntuación de usabilidad de Kaggle de 10.0: archivo metadata.csv complementario agregado al conjunto de datos.
- 20/01/24: La descripción general de alto nivel del preproceso EyePACS-light-V2 ahora está disponible en el enlace del conjunto de datos de Kaggle en la sección Acerca de (desplácese hacia abajo) si tiene curiosidad sobre cómo se derivó el conjunto de datos.
- 28/12/23: EyePACS-light-V2 94,94% de precisión de prueba comparativa utilizando ConvNeXtTiny: https://www.kaggle.com/code/deathtrooper/benchmark-94-94-convnexttiny
- 12/12/23: ¡¡¡EyePACS-light-V2 ya está AQUÍ!!! ¡Sea el primero en comparar su modelo con este conjunto de datos mejorado! Descargar desde kaggle: https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light-v2/data
Nota de cita
Si este catálogo le resultó útil, considere citar lo siguiente:
- Riley Kiefer, Muhammad Abid, Jessica Steen, Mahsa Raeisi Ardali y Ehsan Amjadian. 2023. Catálogo de conjuntos de datos públicos sobre glaucoma para aplicaciones de aprendizaje automático: descripción detallada y análisis de conjuntos de datos públicos sobre glaucoma disponibles para ingenieros de aprendizaje automático que abordan problemas relacionados con el glaucoma mediante imágenes del fondo de ojo de la retina e imágenes OCT. En actas de la Séptima Conferencia Internacional sobre Sistemas de Información y Minería de Datos de 2023 (ICISDM '23). Association for Computing Machinery, Nueva York, NY, EE. UU., 24–31. https://doi.org/10.1145/3603765.3603779
Catálogo público de conjuntos de datos sobre glaucoma
[¡Ayude a ampliar este repositorio proporcionando enlaces/publicaciones a nuevos conjuntos de datos sobre glaucoma!]
Tabla de contenidos del repositorio
- README.md: descripción general del glaucoma, investigaciones relevantes y enlaces de acceso a conjuntos de datos
- benchmark-eyepacs-airogs-light.md: tabla de clasificación para la evaluación del conjunto de prueba utilizando los conjuntos tren/val del conjunto de datos EyePACS-AIROGS-light.
- resumen.md: desglose de clases de conjuntos de datos, tipos de imágenes y tipos de glaucoma
- data-availability.md: Imagen del conjunto de datos y disponibilidad de segmentación.
- origin.md: Origen y años de recopilación del conjunto de datos.
Descripción general del glaucoma
Según la AAO, "el glaucoma es una enfermedad que daña el nervio óptico del ojo. Generalmente ocurre cuando se acumula líquido en la parte frontal del ojo. Ese líquido extra aumenta la presión en el ojo y daña el nervio óptico". Es una de las principales causas de ceguera y empeora con el tiempo si no se trata. Los optometristas diagnostican el glaucoma mediante imágenes del fondo de ojo (una imagen 2D del ojo) o imágenes de tomografía de coherencia ocular (OCT) (una imagen 3D del ojo). En las imágenes del fondo de ojo, los optometristas suelen buscar daños en la copa óptica o el disco óptico. En las imágenes de OCT, los optometristas suelen buscar atrofia de capas. Para automatizar la detección del glaucoma, se seleccionan conjuntos de datos para el aprendizaje automático. Los conjuntos de datos de imágenes de fondo de ojo generalmente se diseñan para la clasificación del glaucoma para distinguir los sanos para el glaucoma o la segmentación de la cabeza del nervio óptico para extraer y analizar el daño de la copa o el disco. Los conjuntos de datos de referencia de alta calidad, como EyePACS-AIROGS-light, tienen conjuntos de entrenamiento, validación y prueba predeterminados para su reproducibilidad.
Conjuntos de datos relevantes sobre glaucoma (por mí)
- SMDG-19 [Conjunto de datos], "Conjunto de datos multicanal estandarizado para glaucoma, versión 19", https://www.kaggle.com/datasets/deathtrooper/multichannel-glaucoma-benchmark-dataset
- EyePACS-AIROGS-light-v1 [Conjunto de datos], "Inteligencia artificial EyePACS para un desafío robusto de detección de glaucoma, versión ligera 1", https://www.kaggle.com/datasets/deathtrooper/eyepacs-airogs-light
- EyePACS-AIROGS-light-v2 [Conjunto de datos], "Inteligencia artificial EyePACS para un desafío robusto de detección de glaucoma, versión ligera 2", https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light- v2
Investigación relevante sobre glaucoma (por mí)
- ARVO 2024 [Resumen], "Evaluación de la vasculatura retiniana para la detección de glaucoma: un análisis comparativo de la experiencia humana y los algoritmos de aprendizaje profundo", https://iovs.arvojournals.org/article.aspx?articleid=2794846
- AAO 2022 [Resumen], "Un estudio completo de conjuntos de datos sobre glaucoma disponibles públicamente para la detección automatizada de glaucoma", https://aaopt.org/past-meeting-abstract-archives/?SortBy=ArticleYear&ArticleType=&ArticleYear=2022&Title=&Abstract=&Authors=&Affiliation=&PROGRAMNUMBER=225129
- AAO 2023 [Resumen], "El poder predictivo de los vasos sanguíneos del fondo de ojo en la detección de glaucoma", aceptado como presentación para la AAO 2023
- AAO 2023 [Resumen], "EyePACS-light: un conjunto de datos ligero y equilibrado para el modelado automatizado de clasificación de glaucoma", aceptado como póster para la AAO 2023
- ARVO 2023 [Resumen], "Validación de la verdad sobre el terreno de conjuntos de datos disponibles públicamente utilizados en modelos de inteligencia artificial para la detección de glaucoma", https://iovs.arvojournals.org/article.aspx?articleid=2791017
- ARVO 2023 [Resumen], "Conjunto de datos sobre glaucoma estandarizado y de acceso abierto para aplicaciones de inteligencia artificial", https://iovs.arvojournals.org/article.aspx?articleid=2790420
- IEEE-IEMCOM 2022 [artículo completo], "Un estudio sobre algoritmos de detección de glaucoma utilizando imágenes de fondo de ojo y OCT", https://ieeexplore.ieee.org/abstract/document/9946629
- IEEE-ICIVC 2023 [artículo completo], "Estandarización automatizada de imágenes del fondo de ojo utilizando un algoritmo de umbral de primer plano global dinámico", https://ieeexplore.ieee.org/abstract/document/10270429
- ICISDM 2023 [artículo completo], "Un catálogo de conjuntos de datos públicos sobre glaucoma para aplicaciones de aprendizaje automático", https://dl.acm.org/doi/abs/10.1145/3603765.3603779
Datos de ejemplo
| Drishti-GS | G1020 | ORIGA-luz | REFUGIO1-VAL | PAPILA |
|---|
 |  |  |  |  |
Acrónimos de casos de uso
- Clasificación
- BGC = Clasificación binaria de glaucoma (sano vs. glaucoma o no glaucoma vs. glaucoma)
- MGC = Clasificación de Glaucoma Múltiple (al menos 2 tipos de glaucoma, incluido el sospechoso)
- Segmentación
- ODS = Segmentación del disco óptico
- OCS = Segmentación de copa óptica
- BVS = Segmentación de vasos sanguíneos
- OLS = Segmentación de capa OCT
- RNFLS = Segmentación de la capa de fibras nerviosas de la retina
- Otro
- LT = Tarea de localización
- IQA = Evaluación de la calidad de la imagen
- MIDI = Entrada de dominio de múltiples imágenes
- CDR = Estimación de la relación copa-disco
- N = muescas
- VF = Información/segmentación del campo visual
Conjuntos de datos públicos de imágenes de glaucoma
| Conjunto de datos | Enlace de acceso | Accesibilidad | ¿Etiquetas de glaucoma? | Caso de uso |
|---|
| ACRIMA | https://figshare.com/s/c2d31f850af14c5b5232 | abierto | Y | BGC |
| EDAD | https://age.grand-challenge.org/Download/ | registro | Y | MGC, LT |
| BEH (Hospital oftalmológico de Bangladesh) | https://github.com/mirtanvirislam/Deep-Learning-Based-Glaucoma-Detection-with-Cropped-Optic-Cup-and-Disc-and-Blood-Vessel-Segmentation/tree/master/Dataset | abierto | Y | BGC |
| BIOMISA | https://data.mendeley.com/datasets/2rnnz5nz74/2 | abierto | Y | MGC, BGC, MIDI, OLS, CDR |
| Chaksu-IMAGEN | https://doi.org/10.6084/m9.figshare.20123135 | abierto | Y | BGC |
| CRFO-v4 | https://data.mendeley.com/datasets/trghs22fpg/4 | abierto | Y | BGC, MDI, ODS, OCS |
| DR-HAGIS | https://personalpages.manchester.ac.uk/staff/niall.p.mcloughlin/ | abierto | Y | BGC, BVS |
| DRIONS-DB | https://www.researchgate.net/publication/326460478_Glaucoma_dataset_-_DRIONS-DB | abierto | norte | SAO |
| DRISHTI-GS1 | https://cvit.iiit.ac.in/projects/mip/drishti-gs/mip-dataset2/Home.php | abierto | Y | BGC, ODS, OCS, CDR, N |
| EyePACS-AIROGS | https://airogs.grand-challenge.org/data-and-challenge/ | abierto | Y | BGC, IQA |
| EyePACS-AIROGS-luz (v1) | https://www.kaggle.com/datasets/deathtrooper/eyepacs-airogs-light | registro | Y | BGC |
| EyePACS-AIROGS-luz (v2) | https://www.kaggle.com/datasets/deathtrooper/glaucoma-dataset-eyepacs-airogs-light-v2 | registro | Y | BGC |
| CINCO | https://figshare.com/articles/figure/FIVES_A_Fundus_Image_Dataset_for_AI-based_Vessel_Segmentation/19688169/1 | abierto | Y | BGC, BVS |
| G1020 | https://www.kaggle.com/datasets/arnavjain1/glaucoma-datasets | registro | Y | BGC, SAO, OCS |
| GAMA | https://gamma.grand-challenge.org/ | registro | Y | ¿BGC?, ODS, OCS, OLS?, LT, MIDI |
| OBJETIVOS | https://ichallenge.grand-challenge.org/iChallenge-GON3/ | registro | Y | BGC, OLS |
| UVA | https://springernature.figshare.com/collections/GRAPE_A_multi-modal_glaucoma_dataset_of_follow-up_visual_field_and_fundus_images_for_glaucoma_management/6406319/1 | abierto | Y | MGC, VF |
| Harvard-GF | https://ophai.hms.harvard.edu/datasets/harvard-glaucoma-fairness-3300-samples/ | pedido | norte | BGC, VF, RNFLS, MIDI |
| HRF | https://www5.cs.fau.de/research/data/fundus-images/ | abierto | Y | |
| Prueba INSPIRE-AVR | https://medicine.uiowa.edu/eye/inspire-datasets | abierto | norte | |
| INSPIRE-STEREO | https://medicine.uiowa.edu/eye/inspire-datasets | abierto | norte | |
| JSIEC-1000 | https://www.kaggle.com/datasets/linchundan/fundusimage1000 | registro | Y | |
| KEH (Hospital oftalmológico de Kim) | https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/1YRRAC | abierto | Y | |
| RETRASO | https://github.com/smilell/AG-CNN | pedido | Y | |
| LES-AV | https://figshare.com/articles/dataset/LES-AV_dataset/11857698/1 | abierto | Y | |
| HRF Lovaina-Haifa | https://rdr.kuleuven.be/dataset.xhtml?persistentId=doi:10.48804/Z7SHGO | pedido | Y | MGC, BVS |
| MSHF | https://www.nature.com/articles/s41597-023-02188-x#ref-CR17 | abierto | Y | BGC, IQA |
| OCTV | https://zenodo.org/record/1481223#.Y20g3XbMIuV | abierto | Y | |
| OIA-ODIR | https://www.kaggle.com/datasets/andrewmvd/ocular-disease-recognition-odir5k | registro | Y | |
| ONHSD | https://aldiri.info/Image%20Datasets/ONHSD.aspx | inaccesible | Y | |
| ORIGA-luz | https://www.kaggle.com/datasets/sshikamaru/glaucoma-detection | registro | Y | |
| PAPILA | https://doi.org/10.6084/m9.figshare.14798004.v1 | abierto | Y | |
| REFUGIO1 | https://refuge.grand-challenge.org/REFUGE2Download/ | registro | Y | |
| REFUGIO2 | https://refuge.grand-challenge.org/REFUGE2Download/ | registro | Y | |
| RIGA-BIN-RUSHED | https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z | abierto | norte | |
| RIGA-MAGRABI | https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z | abierto | norte | |
| RIGA-MESSIDOR | https://deepblue.lib.umich.edu/data/concern/data_sets/3b591905z | abierto | norte | |
| LLANTA-ONE-r1 | http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/ | abierto | Y | |
| RIM-ONE-r2 | http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/ | abierto | Y | |
| LLANTA-ONE-r3 | http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/ | abierto | Y | |
| RIM-ONE-DL | http://medimrg.webs.ull.es/research/retinal-imaging/rim-one/ | abierto | Y | |
| SIGF | https://github.com/XiaofeiWang2018/DeepGF | pedido | Y | |
| SMDG | https://www.kaggle.com/datasets/deathtrooper/multichannel-glaucoma-benchmark-dataset | registro | Y | |
| sjchoi86-HRF | https://github.com/yiweichen04/retina_dataset | abierto | Y | |
| VEIRC | https://github.com/ProfMKD/Glaucoma-dataset | abierto | Y | |
