眼底OCT纵向分割数据集发布
摘要
研究团队构建了一个针对特发性全层黄斑裂孔手术患者的纵向OCT影像数据集，包含2591张黄斑中心水平和垂直B扫描图像，覆盖术前及术后2周至48个月共7个时间点。所有图像均配有专家标注的12种视网膜结构的像素级分割掩膜，涵盖病理性与解剖学特征，并通过Dice系数（>0.80）验证了标注可靠性。数据集还附带nnUNet基准模型，供AI方法开发与比较。
信息来源： PubMed Ophthalmology 发布于 2026年8月25日
要点速览
- 发布了含2591张B扫描的纵向OCT数据集，覆盖术前及术后2周至48个月共7个时间点。
- 提供12种视网膜结构的像素级专家标注掩膜，包括黄斑裂孔、囊样变性、ERM等病理特征及ELM、EZ、RPE等解剖结构。
- 标注经技术验证，关键特征平均Dice系数＞0.80，同时配套nnUNet基准模型用于方法比对。
本站解读
这项研究没有发现新疗法或临床规律，而是提供了一套高质量、多时点、像素级标注的OCT数据资源——核心价值在于填补了黄斑裂孔术后视网膜恢复过程量化研究的空白。样本量2591张B扫描来自真实患者队列，时间跨度长达4年，且标注经专家验证、Dice系数超0.80，说明数据可信度高，但它是工具型资源而非临床试验，不直接证明某种治疗更优。
短期内不会改变医生做手术或随访的方式，但它将加速AI辅助诊断工具的开发与验证，比如自动识别裂孔闭合质量、ERM增厚趋势或EZ带连续性变化。这类工具若未来通过监管审批，才可能进入诊室辅助决策。国内情况有待确认。
普通人无需因此调整生活习惯或就诊节奏；这个数据集面向的是算法工程师和眼科科研人员，不是患者教育材料。如有疑虑可咨询眼科医生。
常见问题
这个新数据集能帮我的眼睛检查更快出结果吗？
不能直接加快你的检查速度。它是一套供研究人员训练AI模型的公开数据，目前尚未转化为医院里可用的诊断工具。未来若基于此开发的AI软件获批，才可能辅助医生分析OCT图像，但现阶段不影响常规检查流程。如有疑虑可咨询眼科医生。
听说AI能看懂OCT图了，这数据集是不是能让AI马上用起来？
这是AI落地的重要一步，但不是终点。该数据集提供了高质量标注和基准模型，能加速算法研发和验证，但AI工具仍需经过临床测试、监管审批和医院部署才能实际应用。它解决了‘缺教材’的问题，但‘教出合格医生’还需时间。
延伸阅读
AI自动诊断黄斑裂孔并生成结构化报告
研究团队开发了一套端到端的智能AI工作流，用改进版RETFound模型分析OCT图像，自动判断是否为黄斑裂孔，并调用GPT-4生成患者易懂的结构化报告。内部测试（n=180）准确率达100%，AUC为1.00；外部验证（n=1014）准确率98.8%，敏感度97.9%，特异度100%，AUC达0.999。Grad-CAM分析证实模型关注的是黄斑区真实病灶。
轻量级AI模型可实现高血压视网膜病变床旁分级
研究团队开发了可在边缘设备（如便携式终端）运行的轻量级深度学习模型MobileViT-XXS，用于从en-face OCT图像对高血压视网膜病变（HR）进行患者级四分级评估。基于221名患者的478张OCT图像，在严格患者级划分的五折交叉验证下，该模型准确率达84.4%，ROC-AUC为0.944，kappa值0.916；对需转诊的HR（≥2级）识别准确率达95.6%，敏感度95.2%。模型仅占3.83 MB内存，推理速度达96帧/秒。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。