[논문 리뷰] OCTA-500: A Retinal Dataset for Optical Coherence Tomography Angiography Study

Mingchao Li, Kun Huang외 8명|arXiv (Cornell University)|2020. 12. 14.

Retinal Imaging and AnalysisMedicine인용 수 21

한 줄 요약

OCTA-500는 광학 간섭단층촬영 혈관영역측정(OCTA)를 위한 가장 큰 공개된 망막 데이터셋을 제공하며, 이는 이중 시야각(OCTA 및 OCT 볼륨 포함)을 가진 500명의 환자로 구성되며, 광범위한 애너테이션(7종의 세분화 유형, 4종의 레이블)과 새로운 CAVF 다중 객체 세분화 작업을 포함한다. 본 연구는 CAVF에서 기준 모델 대비 약 10% 향상된 mIoU 성능을 달성하는 최적화된 3D에서 2D 투영 네트워크인 IPN-V2를 제안하였으며, 다양한 입력 유형, 훈련 크기, 질병 상태에서 데이터셋의 영향을 모델 성능에 대해 평가하였다.

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.

연구 동기 및 목표

• 망막 영상 및 신경과학 연구 분야에서 공개 가능한 대용량 OCTA 데이터셋의 부족 문제를 해결하기 위해.
• 이중 시야각(OCTA 및 OCT 볼륨 포함), 다중 모달 영상 투영, 그리고 세부적인 임상 및 해부학적 레이블을 포함한 풍부한 애너테이션을 제공하기 위해.
• 모세관, 동맥, 정맥 및 중심부 혈관이 없는 영역(FAZ) 세분화를 통합한 단일 프레임워크 내에서의 통합 다중 객체 세분화 작업(CAVF)을 도입하기 위해.
• 향상된 3D에서 2D 이미지 투영 네트워크인 IPN-V2를 개발하고, 향상된 세분화 성능을 평가하기 위해.
• 훈련 데이터셋 크기, 입력 모odal(예: OCT vs. OCTA), 모델 아키텍처, 질병 존재 여부 등의 데이터셋 특성들이 세분화 성능에 미치는 영향을 조사하기 위해.

제안 방법

• OCTA-500 데이터셋은 각 환자당 두 개의 시야각(FOVs)을 가진 500명의 환자로 구성되며, 각 환자당 OCT 및 OCTA 볼륨을 촬영하였다.
• 3D 볼륨에서 유도된 6종의 2D 투영(예: 엔페이스)을 제공하여 망막 미세혈관의 다중 척도 분석을 가능하게 하였다.
• 모세관, 동맥, 정맥 및 황반부 혈관이 없는 영역(FAZ) 세분화를 통합한 새로운 다중 객체 세분화 작업인 CAVF를 제안하였다.
• 원래의 IPN 아키텍처를 최적화하여 3D에서 2D 투영 과정에서의 특징 표현력과 공간 정렬 성능을 향상시킨 IPN-V2 네트워크를 개발하였다.
• 훈련 데이터셋 크기, 입력 모달(예: OCT 대비 OCTA, 3D 대비 2D), 기준 네트워크 등 다양한 조건에서 모델 성능을 평가하였다.
• 질병 상태 및 데이터 다양성이 세분화 정확도에 미치는 영향을 평가하기 위해 광범위한 아블레이션 연구를 수행하였다.

실험 결과

연구 질문

• RQ1 OCTA 영상에서 CAVF 작업의 세분화 성능에 영향을 주는 훈련 데이터셋 크기는 어떻게 되는가?
• RQ2 망막 혈관 세분화 작업에서 3D 볼륨 입력과 2D 투영 입력 간의 성능 비교는 어떻게 되는가?
• RQ3 다양한 기준 네트워크가 OCTA-500 데이터셋에서 세분화 정확도에 미치는 영향은 어떠한가?
• RQ4 훈련 데이터에 질병 영향을 받은 케이스가 포함될 경우, 모델의 일반화 능력과 성능에 어떤 정도의 영향을 미치는가?
• RQ5 IPN-V2 아키텍처는 원래의 IPN 대비 다중 객체 망막 세분화에서 어떤 성능 향상을 달성하는가?

주요 결과

• IPN-V2는 CAVF 다중 객체 세분화 작업에서 원래의 IPN 대비 약 10% 향상된 평균 교차율(mIoU) 성능을 달성하였다.
• 데이터셋은 강력한 일반화 잠재력을 보이며, 500명 환자 중 더 큰 서브셋으로 훈련할 경우 성능 향상이 관찰되었다.
• 3D OCTA 볼륨에서 유도된 2D 투영은 CAVF 벤치마크에서 3D 볼륨 입력보다 뛰어난 세분화 성능을 보였다.
• 훈련 데이터에 질병 영향을 받은 케이스를 포함시키면, 특히 FAZ 및 모세관 세분화에서 모델의 강건성이 향상되었다.
• OCT 및 OCTA 모달리티를 모두 포함시킴으로써, 특히 혈관 경계의 명확한 구분을 위한 특징 학습이 향상되었다.
• 7종의 세분화 유형과 4종의 임상 레이블을 포함한 풍부한 애너테이션 덕분에, 망막 질환 분석 분야의 다양한 후속 응용이 가능하다.