[論文レビュー] OCTA-500: A Retinal Dataset for Optical Coherence Tomography Angiography Study

Mingchao Li, Kun Huang+8 more|arXiv (Cornell University)|Dec 14, 2020

Retinal Imaging and Analysis被引用数 21

ひとこと要約

OCTA-500は、光学干渉断層撮影血流画像（OCTA）用に、500名の被験者を含む、公開済みで最大規模の網膜データセットを提供する。本データセットは、二重視野OCTAおよびOCTボリュームを備え、7種類のセグメンテーションタイプと4種類のラベルを含む包括的なアノテーションを有しており、Capillary, Artery, Vein, FAZ（中心窩無血管帯）の4つのオブジェクトを統合した新規なCAVFマルチオブジェクトセグメンテーションタスクを導入している。本研究では、CAVFタスクにおいてベースライン比で約10%のmIoU向上を達成する最適化された3Dから2Dへの投影ネットワークであるIPN-V2を提案し、入力タイプ、トレーニングサイズ、疾患状態を含むデータセットの影響をモデル性能に与える影響を評価している。

ABSTRACT

Optical coherence tomography angiography (OCTA) is a novel imaging modality that has been widely utilized in ophthalmology and neuroscience studies to observe retinal vessels and microvascular systems. However, publicly available OCTA datasets remain scarce. In this paper, we introduce the largest and most comprehensive OCTA dataset dubbed OCTA-500, which contains OCTA imaging under two fields of view (FOVs) from 500 subjects. The dataset provides rich images and annotations including two modalities (OCT/OCTA volumes), six types of projections, four types of text labels (age / gender / eye / disease) and seven types of segmentation labels (large vessel/capillary/artery/vein/2D FAZ/3D FAZ/retinal layers). Then, we propose a multi-object segmentation task called CAVF, which integrates capillary segmentation, artery segmentation, vein segmentation, and FAZ segmentation under a unified framework. In addition, we optimize the 3D-to-2D image projection network (IPN) to IPN-V2 to serve as one of the segmentation baselines. Experimental results demonstrate that IPN-V2 achieves an ~10% mIoU improvement over IPN on CAVF task. Finally, we further study the impact of several dataset characteristics: the training set size, the model input (OCT/OCTA, 3D volume/2D projection), the baseline networks, and the diseases. The dataset and code are publicly available at: https://ieee-dataport.org/open-access/octa-500.

研究の動機と目的

• 網膜画像および神経科学分野における、公開済みで大規模なOCTAデータセットの不足を解消すること。
• 二重視野OCTAおよびOCTボリュームを備え、マルチモーダルなプロジェクションと、詳細な臨床的および解剖学的ラベルを有する、豊富にアノテートされたデータセットを提供すること。
• 毛細血管、動脈、静脈、および中心窩無血管帯（FAZ）のセグメンテーションを統合した、統一されたマルチオブジェクトセグメンテーションタスク（CAVF）を導入すること。
• 網膜微小血管構造のセグメンテーション性能を向上させるために、改善された3Dから2Dへの画像投影ネットワークであるIPN-V2を開発・評価すること。
• トレーニングセットサイズ、入力モodal（OCT/OCTA）、モデルアーキテクチャ、疾患の有無といった、データセットの特性がセグメンテーション性能に与える影響を調査すること。

提案手法

• OCTA-500データセットは、被験者500名分の二重視野（FOVs）を有し、各被験者に対してOCTおよびOCTAボリュームを収集している。
• 3Dボリュームから6種類の2Dプロジェクション（例：エンフェース）を提供することで、網膜微小血管のマルチスケール解析を可能としている。
• 毛細血管、動脈、静脈、および中心窩無血管帯（FAZ）のセグメンテーションを統合した、新規なマルチオブジェクトセグメンテーションタスク（CAVF）を導入している。
• IPN-V2ネットワークは、元のIPNアーキテクチャを最適化することで、3Dから2Dへの投影における特徴表現と空間整合性を向上させたものである。
• 本研究では、トレーニングセットサイズの変化、入力モダリティ（OCT対OCTA、3D対2D）、およびベースラインネットワークの違いに応じたモデル性能を評価している。
• 広範なアブレーションスタディにより、疾患状態およびデータ多様性がセグメンテーション精度に与える影響を評価している。

実験結果

リサーチクエスチョン

• RQ1 トレーニングセットのサイズが、OCTA画像におけるCAVFタスクのセグメンテーション性能にどのように影響するか？
• RQ2 網膜血管セグメンテーションタスクにおいて、3Dボリューム入力と2Dプロジェクション入力の性能を比較するとどうなるか？
• RQ3 異なるベースラインネットワークが、OCTA-500データセットにおけるセグメンテーション精度にどのように影響するか？
• RQ4 トレーニングデータに疾患を有する症例を含めることで、モデルの汎化性能および性能にどの程度の向上が見られるか？
• RQ5 IPN-V2アーキテクチャは、元のIPNに比べて、マルチオブジェクト網膜セグメンテーションにおいてどの程度の改善を達成するか？

主な発見

• IPN-V2は、CAVFマルチオブジェクトセグメンテーションタスクにおいて、元のIPNに比べて平均交差率（mIoU）で約10%の向上を達成した。
• データセットは強力な汎化可能性を示しており、500名の被験者からなるサブセットをより大きなサイズでトレーニングした場合に性能向上が確認された。
• 3D OCTAボリュームからの2Dプロジェクションは、CAVFベンチマークにおいて3Dボリューム入力よりも優れたセグメンテーション性能を示した。
• トレーニングデータに疾患を有する症例を組み込むことで、特にFAZおよび毛細血管セグメンテーションにおいてモデルのロバスト性が向上した。
• OCTおよびOCTAモダリティを両方含むデータセットの導入により、血管境界の明確化に特に寄与する、より良い特徴学習が可能になった。
• 7種類のセグメンテーションタイプと4種類の臨床的ラベルを含む、本データセットの豊富なアノテーションは、網膜疾患解析における多様な後続応用を支援している。