AGE Challenge — AS-OCT 房角闭合评估

INFOBOX — AGE Challenge (age-as-oct) 一屏速览

维度	内容
本质	首个房角闭合青光眼 AS-OCT 评估挑战赛数据集（非静态一次性发布）
缩写澄清	AGE = Angle closure Glaucoma Evaluation，与年龄（age）无关
主办	中山大学中山眼科中心牵头；Baidu / Medical Univ. Vienna / Inception Institute 等联合
会议	MICCAI 2019（深圳）+ OMIA workshop；现场赛 2019-10-17
论文	MedIA 2020;66:101798（doi:10.1016/j.media.2020.101798；arXiv:2005.02258）
数据	4800 张 AS-OCT 图｜199 患者｜300 只眼｜train/val/test 各 1600
设备	CASIA SS-1000 OCT（Tomey, Nagoya, Japan），扫频源前节 OCT
任务	Task 1 闭角分类（AUC/敏感度/特异度）｜Task 2 巩膜突定位（平均欧氏距离）
标注	分类金标准 = gonioscopy（改版 Scheie 0-4）；SS = 4 名眼科医生均值 + 资深专家微调
赛果	200+ 队注册 / 1100+ 提交 / 8 队现场；最佳 SS 误差 ≈10 px（10 µm）；分类前二 100%
人群	女 38.7%；平均年龄 47.2 ± 15.4 岁
许可	研究用途受限（research-only）；Challenge data-use agreement；需人工申请
获取	官网 grand-challenge｜Google Drive｜百度网盘（PWD 13of）｜IEEE DataPort

§0 导读：这个数据集解决什么问题

青光眼（glaucoma）是全球不可逆致盲的首要病因，而其中原发性闭角型青光眼（PACG, Primary Angle Closure Glaucoma）是侵袭性最强的一型，尤其在亚洲人群中高发。它的病理起点在眼球前节（anterior segment）：虹膜与角膜交界的**房角（anterior chamber angle, ACA）**解剖结构异常，房水外流受阻，眼压升高，逐步压迫视神经。因此，「房角到底是开还是闭」这一判断，直接决定诊断与干预路径。

临床上评估房角有两条路。其一是房角镜检查（gonioscopy）——当前公认的金标准，医生用接触式镜片观察房角、按结构可见程度分级。但它有两个天然缺陷：接触式检查让患者不适，且高度依赖医生个人经验，可重复性存疑。其二是前节光学相干断层扫描（AS-OCT, Anterior Segment Optical Coherence Tomography）——快速、非接触、客观，能三维成像前房与房角形态。问题在于，截至 2019 年，公开的 AS-OCT 数据集几乎空白，各种自动分析算法各说各话、无法在同一标尺上比较，严重拖慢了「房角闭合自动检测」的进展。

AGE Challenge（Angle closure Glaucoma Evaluation，注意不是「年龄 age」）正是为填补这一空白而生：它由中山大学中山眼科中心牵头，联合 MICCAI 2019 与 OMIA workshop 举办，首次公开了一个大规模、带可靠金标准的 AS-OCT 房角数据集，并配套统一的评测框架，让全世界的方法在同一套图像、同一套指标下 PK。本条目要回答的核心问题包括：

1. 它到底是什么：一个「挑战赛 + 数据集 + 评测框架」三位一体的研究基础设施，而非一次性静态发布。
2. 数据长什么样：4800 张前节 OCT 图，199 名患者、300 只眼，源自 CASIA SS-1000 的 B-scan，每张切出左右两个房角。
3. 两个任务怎么定义：闭角分类（open/closed）与巩膜突定位（(x,y) 关键点），评估指标分别为 AUC 与平均欧氏距离。
4. 金标准从哪来：分类靠房角镜（改版 Scheie 分级），定位靠 4 名眼科医生独立标注取均值再经资深专家微调。
5. 它跟视网膜 OCT 有何不同：解剖区在前节（房角），与 OCT2017 / OCTID / OCTDL 等后节（视网膜）OCT 数据集不是一回事，切勿混为一谈。
6. 能不能拿来训练：可以，但访问受限、需人工申请、仅限研究用途——这正是它在「AI-Ready」光谱上最需要读者警惕的一环。

本条目面向眼科影像 AI 研究者、青光眼筛查模型开发者、关键点定位团队，以及关注数据集许可与可获取性的方法学研究者在撰写。所有硬数字均三源互证（arXiv 预印本 / PubMed 正式版 / 官方 grand-challenge 页），凡有口径冲突处一律逐条存照（详见 §9 与附录）。

§1 数据集速览：十问十答

Q1：AGE Challenge 是数据集还是比赛？
两者都是，且不可分割。它 2019 年作为 MICCAI 2019 的官方挑战赛举办（现场赛 2019-10-17），赛后数据集转为公开研究资源、论文发表于 Medical Image Analysis。访问时要分清「赛事历史」与「数据本体」两个层面。

Q2：4800 张图、199 患者、300 只眼，这几个数字怎么自洽？
300 只眼来自 199 名患者（平均每人约 1.5 只眼被纳入）。每个 CASIA SS-1000 volume 有 128 张 B-scan，等距抽 16 张 → 汇总 4800 张（300 × 16 = 4800，数字自洽）。每张 B-scan 沿中垂线切成左右两个房角图，所以一张图承载「左房角 + 右房角」两条标注。

Q3：任务到底是什么？
两个。Task 1 闭角分类：给定一张房角图，判 open（开角）还是 closed（闭角）；Task 2 巩膜突定位：预测巩膜突（scleral spur, SS）这个关键解剖点的 (x, y) 坐标，左右房角各一组。

Q4：评估指标是什么？
分类用 AUC（还会算敏感度 sensitivity、特异度 specificity 各出排名）；定位用平均欧氏距离（Average Euclidean Distance），越小越好，单位是像素（约等于 µm）。

Q5：金标准可信吗？
分类金标准是房角镜（gonioscopy）下的改版 Scheie 分级，由张秀兰教授用四面（Sussman）房角镜亲自完成；巩膜突定位由4 名眼科医生独立标注取均值，再由资深专家（Fei Li）微调。这是该数据集区别于「算法自造标签」的核心价值。

Q6：数据是什么格式、多大？
图像为 JPG；标注为单一 XLSX 文件。第三方目录（EyeDataHub）记存储规模约 1.2 GB——但官方页面并未列出 GB 数，此数需标注来源（见 §9 双口径存照）。

Q7：有类别不平衡吗？
有。闭角:开角约 1:4，闭角是少数类。这意味着「全猜开角」的朴素准确率就有约 80%，所以必须看 AUC / 敏感度 / 特异度，不能只看准确率。

Q8：能直接下载来训练吗？
不能一键下载。 访问受控、需人工申请（challenge data-use agreement / research-only）。官网提供注册与获取指引，另有 Google Drive 直链与百度网盘镜像（PWD 13of）等历史渠道。AI-Ready 视角下这属于「受控或人工」访问层。

Q9：它跟 OCT2017 / OCTID 是一类吗？
不是。 那些是后节（视网膜）OCT，看的是黄斑/视网膜层；AGE 是前节 AS-OCT，看的是房角。解剖区、疾病（闭角型青光眼 vs 黄斑病变）、任务（关键点定位 vs 分类）都不同。库内互链时应说明差异而非等同。

Q10：一图流理解 AGE 的定位？
「MICCAI 2019 首个 AS-OCT 房角闭合挑战赛 → 4800 图 + 房角镜金标准 → 双任务（分类 + 定位）→ 200+ 队竞技、8 队现场 → 赛后转公开研究数据、需人工申请」。记住这条脉络，就抓住了它的骨架。

Q11：为什么它叫「AGE」而不是别的名字？
标题取自 Angle closure Glaucoma Evaluation 的首字母（官方论文标题 “AGE Challenge: Angle Closure Glaucoma Evaluation…”）。它刻意用了一个易记的三字母缩写，但副作用是容易被误读为年龄。检索、标注、互链时务必以全称为准。

Q12：AGE 与 OMIA workshop 是什么关系？
AGE 现场赛与 OMIA（Ophthalmic Medical Image Analysis）workshop 合办，投稿 AGE 的论文会自动纳入 OMIA 的挑战赛部分，且每队最多 2 人可署名挑战赛综述论文。二者是共生关系。

Q13：这个数据集现在还能拿到吗？
截至抓取时点（2026-10-07），官网 age.grand-challenge.org 仍在，数据集仍标注为可用（available，checked 2026-07-21）。但访问需人工核准，且历史镜像链接的时效性未验证，建议优先走官网。

Q14：AGE 的数据质量在同类中算什么水平？
标注质量属上乘——房角镜金标准 + 4 名眼科医生 + 资深专家终审；规模上「4800 图」在 AS-OCT 领域是「最大公开可用」。短板不在数据，而在可获取性受限（需人工申请）。

Q15：如果我只想做分类，可以忽略定位任务吗？
可以，但要清楚两者共享同一批图像与同一套划分；官方也支持「只交一个任务的结果」（用官方样例替换对应项）。不过总分公式给定位 0.7 权重，说明组织方认为定位更具挑战性与临床价值。

Q16：AGE 有「训练/验证/测试」之外的额外数据吗？
有。现场赛当日会释放「测试集第二部分」用于限时现场评估。它与公开 test（1600 张）的关系官方未明说，复现时以公开三分划为准。

Q17：数据是 JPG，压缩会影响精度吗？
官方存储为 JPG（有损压缩）。对分类影响有限，但对 10 µm 级的关键点定位，JPG 压缩可能引入像素级噪声。若追求极致定位精度，需评估压缩伪影的影响。

Q18：4800 张图会随患者双眼重复吗？
会。300 只眼来自 199 名患者，部分患者贡献双眼。同患者的双眼存在解剖相关性，评估时需警惕「同患者样本同时出现在 train 与 test」的潜在泄漏。

Q19：AGE 适合做迁移学习预训练吗？
可作为眼科前节领域的小规模领域数据，但因访问受限、规模有限（4800 图），更适合做评测基准而非大规模预训练语料。

Q20：它和其他「挑战赛数据集」比，最大的特点？
它把「关键点定位」与「分类」绑成任务链，且用**临床金标准（房角镜）**而非算法标签，这在眼科挑战赛中较为少见。

§1.1 一分钟决策卡

你的需求	AGE 是否合适	理由
研究闭角型青光眼自动诊断	✅ 合适	首个 AS-OCT 房角基准
练关键点定位（热图/粗到细）	✅ 合适	巩膜突定位是经典高分辨关键点任务
需要一键下载的开放数据	❌ 不合适	需人工申请、研究受限
做视网膜 OCT 分类	❌ 不合适	应选 OCT2017/OCTID/OCTDL
做大规模预训练	⚠️ 有限	规模小、访问受限，宜作基准
跨设备泛化研究	⚠️ 需谨慎	单设备数据，泛化未验证
青光眼眼底筛查	❌ 不合适	应选 REFUGE/DRISHTI-GS 等后节集

这一决策卡的作用，是让读者在 30 秒内判断 AGE 是否匹配自己的研究场景，避免「拿错数据集白忙一场」。

§2 数据构成与规格

2.1 规模、来源与人群构成

AGE 数据集的三个核心数字有极强的可核验性，arXiv 摘要、PubMed 摘要、官方 Details 页三源逐字一致：

维度	数值	说明
图像总数	4800 张	标注 AS-OCT 图像
患者数	199 名	subjects
眼数	300 只眼	eyes（300 eyes from 199 subjects）
划分	train / validation / test 各 1600 张	合计 4800
女性占比	38.7%	人群统计
平均年龄	47.2 ± 15.4 岁	人群统计
设备	CASIA SS-1000 OCT（Tomey, Nagoya, Japan）	扫频源前节 OCT
格式	JPG（图像）+ XLSX（标注）	官网明示

数字自洽性核对：300 只眼 × 每 volume 抽 16 张 B-scan = 4800 张，与总数吻合；但需注意每张 B-scan 沿中垂线切成左右两个房角图，即同一张 JPG 里包含左、右两个房角的解剖信息与两条标注。这一「切图」设计是理解标注结构的关键：XLSX 中每行对应一张图的左右双房角，故 4800 行（图）× 2（房角）= 9600 条房角级标注。

2.2 图像规格与采集工艺

采集链路可分解为四步：

1. 三维扫频：CASIA SS-1000 对前房做三维扫描，得到一个 volume，含 128 张 B-scan（横断面，逐层切片）。
2. 等距抽帧：从 128 张中等距抽取 16 张，降维并保证 volume 内角度分布均匀，避免相邻 B-scan 过度冗余。
3. 中垂线切分：每张抽取的 B-scan 沿中垂线切成左右两半，各含一个房角——因为巩膜突与房角结构左右各一，分开标注更利于关键点定位。
4. 汇总成像：300 只眼 × 16 张 = 4800 张 JPG。

检索者注意：由于「每张图 = 半个 B-scan = 一个房角」，很多人会误以为 4800 是「4800 只眼」或「4800 个 volume」。实际是 300 只眼经抽帧+切分后的图级计数，粒度是「房角图」。

2.3 标注文件结构与字段语义

官方提供单一 XLSX 标注文件，字段设计如下（来源：官网 Details 页 Reference Standard 段）：

列号	内容	语义
第 1 列	文件名（含 .jpg）	图像标识
第 2 列	左房角闭角标签	1 = 闭角（angle closure），0 = 其他
第 3 列	左房角 X 坐标	左巩膜突横坐标
第 4 列	左房角 Y 坐标	左巩膜突纵坐标
第 5 列	右房角闭角标签	1 = 闭角，0 = 其他
第 6 列	右房角 X 坐标	右巩膜突横坐标
第 7 列	右房角 Y 坐标	右巩膜突纵坐标

关键约定：当巩膜突位置因遮挡等原因无法确定时，其 X、Y 坐标均置为 -1。官网明确建议「Participants are recommended to exclude these annotations during training」——即在训练时剔除这些缺口标注。这是数据清洗时最易踩的坑：若不剔除 -1，关键点回归会被错误目标污染。

2.4 数据划分与类别分布

• 划分：train / validation / test 各 1600 张（等分三分），无重叠。
• 类别比例：整体闭角:开角 ≈ 1:4。多家第三方综述在描述各 split 时给出「每份含 640 张闭角 + 2560 张开角」的说法（合计 3200，与单份 1600 矛盾），本条目不采信该拆分，仅确认「各 1600 张」与整体约 1:4 的少数类比例（详见 §9 双口径存照第 5 条）。
• 少数类影响：闭角作为正类占约 20%，是不平衡二分类。故评估以 AUC 为主排序指标，并辅以敏感度/特异度，而非单一准确率。

2.5 任务定义与标注单位

AGE 的两个任务在设计上刻意「从解剖到诊断」递进：

	Task 1 闭角分类	Task 2 巩膜突定位
输入	一张房角图	一张房角图
输出	open / closed（连续分数）	巩膜突 (x, y) 坐标
标注单位	房角级（左右各一）	房角级（左右各一）
评估	AUC + 敏感度 + 特异度	平均欧氏距离
临床意义	直接判「闭不闭」	提供量化 AC 参数的锚点

巩膜突（scleral spur）之所以关键，是因为它是计算**房角开放距离（AOD, Angle Opening Distance）**等一系列量化房角参数所需的解剖基准点。先定位巩膜突、再据此判房角开闭，正是临床测量的计算链路；AGE 用两个任务复现这条链路，让模型不仅能「分类」，还能「测量」。

2.6 与前节/后节 OCT 的边界

这是本条目最需要反复强调的区分点。AGE 属**前节（anterior segment）成像，与库内常见的后节（posterior segment，视网膜）**OCT 数据集在解剖与疾病上完全不同：

数据集	解剖区	疾病/任务	与 AGE 的关系
AGE (age-as-oct)	前节（房角）	闭角型青光眼：分类 + SS 定位	本条目
OCT2017 (rid 311)	后节（视网膜）	CNV / DME / Drusen 三分类	同为 OCT，解剖区不同
OCTID (rid 697)	后节（视网膜）	视网膜 OCT 图像库	同为 OCT，解剖区不同
OCTDL (rid 690)	后节（视网膜）	OCT 深度学习分类	同为 OCT，解剖区不同
OCTA-500 (rid 341)	后节（视网膜血管）	OCTA 血管分割	成像原理与解剖区均不同

一句话记忆：AGE 看的是眼睛「前门」（房角），OCT2017/OCTID/OCTDL/OCTA-500 看的是眼睛「后窗」（视网膜）。都是 OCT，但隔着整个眼球。

2.7 数据规模的横向对标

把 AGE 放到同类数据的坐标里，能更清楚它的分量：

数据集	规模	解剖区	是否带关键点标注
AGE	4800 图 / 199 患者 / 300 眼	前节房角	是（巩膜突）
常规院内 AS-OCT 队列	视研究而定	前节	少见公开
后节 OCT 分类集（OCT2017 等）	万级图	后节视网膜	否
眼底青光眼集（DRISHTI-GS 等）	百级图	后节视盘	是（视盘视杯边界）

AGE 的价值不在「图最多」，而在它同时具备三项稀缺属性：公开、前节、带专家关键点金标准。在 2019 年之前，这三者没有任何一个公开数据集能同时满足。

2.8 标注缺口比例的合理估计

官方未公布「置 -1 的巩膜突」究竟占多大比例。这一点对使用者的实操有直接影响：

• 若缺口比例很低（如个位数百分比），过滤后对训练影响甚微；
• 若缺口比例偏高，则定位任务的有效样本量会显著缩水，需在评估时如实报告有效样本数；
• 由于缺口多由眼睑遮挡等成像因素造成，缺口分布可能与图像质量相关，存在非随机缺失的风险——即模型在质量较差的图上「无点可学」，从而在测试时也偏向质量好的图。

这是使用者必须自测的一个数：过滤 -1 后还剩多少有效关键点标注。本条目在此登记为「官方未公布、需自查」的待核项。

2.9 图像预处理建议

基于 AGE 图像的特点（B-scan 半幅切图、JPG、可能含眼睑遮挡），给出几条预处理建议：

1. 统一尺寸：不同来源的房角图可能尺寸不一，送入网络前应统一 resize 或 padding，并同步缩放关键点坐标；
2. 坐标一致性：resize 时若用非等比缩放，关键点坐标须按同比例换算，否则定位标签失准；
3. 强度归一化：OCT 图灰度分布因设备/曝光而异，建议做标准化（如 z-score 或 CLAHE）；
4. 遮挡处理：若图像存在明显眼睑遮挡区域，可考虑裁剪或掩膜，但须与官方评估口径一致（不可擅自改变 test 处理方式）；
5. 勿跨 split 泄漏：同一患者的左右眼可能分处不同 split，若做患者级交叉验证需特别小心（官方划分以文件为单位，不保证患者隔离）。

痛点提示：第 5 条尤其重要。如果同一患者的双眼分别落在 train 与 test，模型可能通过「患者特异性特征」而非「解剖特征」取得虚高性能。做严谨泛化评估时应考虑患者级分组验证。

2.10 数据集的「不可再生性」

AGE 数据是一次性采集于 2019 年前、由 199 名患者贡献的。这带来一个常被忽视的属性：它不可再生、不可补充。

• 患者群体固定：后续研究无法通过「再采一批」来扩充 AGE，除非医院重新组织前瞻性采集；
• 设备固定：CASIA SS-1000 的成像特征被永久锁定在这批数据里；
• 标注固定：标注者（4 名眼科医生 + 专家）与流程也已成为历史；
• 价值随时间沉淀：作为 2019 年的「首个」基准，它更像一份历史档案——后续方法再强，也只能在这份固定快照上比较。

理解这一点，有助于正确引用 AGE：它不是「持续更新的数据资源」，而是「特定时点的高质量基准快照」。把它当作历史 benchmark 引用，比当作活数据使用更准确。

2.11 面向复现的目录结构建议

拿到 AGE 数据后，建议按如下结构组织，便于复现与版本管理：

age-as-oct/
├── raw/                     # 官方原始数据（不动）
│   ├── train/               # 1600 张 JPG + 标注行
│   ├── validation/          # 1600 张
│   ├── test/                # 1600 张
│   └── annotations.xlsx     # 单一标注文件
├── processed/               # 预处理后数据 + 坐标
│   ├── images/
│   └── labels.json
├── splits/                  # 官方划分清单（照抄，勿改）
└── README.md                # 记录版本、抓取日期、许可状态

关键纪律：raw/ 永不修改；一切预处理写入 processed/；splits/ 只读；README 记录来源与许可，便于日后追溯。

§3 采集与标注管线

3.1 从临床到数据的完整链路

AGE 的数据生产可分为「采集 → 抽帧切图 → 双金标准标注 → 划分」四段：

临床受试者（199 患者 / 300 眼）
        │  CASIA SS-1000 扫频 AS-OCT
        ▼
  AS-OCT volume（每只眼，含 128 张 B-scan）
        │  等距抽 16 张 + 沿中垂线切左右房角
        ▼
  4800 张房角图（JPG）
        │
        ├──▶  分类标注：gonioscopy（改版 Scheie 0-4 级）
        └──▶  定位标注：4 名眼科医生独立标注 → 取均值 → 资深专家微调
        │
        ▼
  单一 XLSX（文件名 + 左右闭角标签 + 左右 SS 坐标）
        │
        ▼
  train 1600 / val 1600 / test 1600

3.2 分类金标准：房角镜与改版 Scheie 分级

闭角分类的 ground truth 并非源自动脉化算法，而是**房角镜检查（gonioscopy）**这一临床金标准：

• 执行：由张秀兰（Xiulan Zhang）教授使用四面（Sussman）房角镜完成检查。
• 分级：采用改版 Scheie 分级（modified Scheie classification），房角宽度分 grade 0-4。
• 闭角判据：在静态房角镜下，180° 以上范围看不见后方小梁网（posterior trabecular meshwork）→ 判为闭角（angle closure）。

这个判据的临床含义是：房角闭合不是「全闭才叫闭」，而是「一圈里有半圈以上看不到关键引流结构就算闭」。这一定义直接决定了正类（闭角）的边界，是理解标签的关键。

3.3 巩膜突定位标注：四医均值 + 资深终审

巩膜突（SS）是关键解剖点，位于角膜巩膜交界内侧、睫状体与巩膜交汇处。AGE 对其标注采取「多标注者取均值 + 专家终审」：

1. 4 名眼科医生独立标注每个房角的巩膜突坐标；
2. 对 4 组坐标取平均，先降噪；
3. 由资深专家（Fei Li）微调，纠正系统性偏差。

这套流程兼顾了「多人减少个体误差」与「专家把控最终质量」，比单一标注者更可靠。但也要注意：4 人均值 + 单人微调仍会残留观察者间差异，对 10 µm 级别的精度评估而言，标注不确定性本身就是一个需要警惕的噪声源。

3.4 标注缺口与清洗纪律

由于眼睑遮挡等原因，部分巩膜突无法确定，官方将其坐标置 -1。这意味着：

• 数据集中存在一批无效关键点标注，必须在使用前过滤；
• 官方建议训练时排除这些标注（而非当作 (0,0) 或插值）；
• 评估阶段，测试集中不可判的 SS 也会从评估中剔除，避免惩罚模型对「本来就看不见」的点。

工程提醒：if x == -1 or y == -1: skip 是最低限度的清洗。若用掩码损失（masked loss），应显式屏蔽这些样本的关键点损失项。

3.5 划分与复现注意

• 三分等量（1600/1600/1600），官方未公开患者级划分名单以外的细节，复现时应以官方 XLSX 中的文件名归属为准，禁止自行重新划份（否则与论文结果不可比）。
• 现场测试集第二部分在现场赛当日（2019-10-17）释放，参赛队限 1 小时出结果。该部分与公开 test（1600 张）的关系官方未明说，复现离线评估时以公开 test 为准。

3.6 一个易被忽略的细节：B-scan 抽帧的角度偏置

从 128 张 B-scan 等距抽 16 张，虽保证了 volume 内均匀，但不同眼的 volume 采集范围、眼球位置、扫描角度并不统一。这意味着 4800 张图之间存在采集层面的异质性（同一患者不同眼、不同患者之间），模型在跨患者泛化时可能面临域偏移。论文将「单设备」列为已知 limitation，而抽帧与切图策略叠加，进一步放大了这种异质性——这是使用者在设计交叉验证时应心中有数的背景噪声。

3.7 房角解剖与本任务的临床逻辑（背景补充）

要真正理解 AGE 的两个任务，需要一点前节解剖背景。眼球前节由角膜、虹膜、晶状体围成前房，房水由睫状体产生，经房角的小梁网（trabecular meshwork）流入 Schlemm 管排出。若房角被虹膜根部堵塞（房角闭合），房水排出受阻，眼压升高，压伤视神经——这就是闭角型青光眼的机制链条。

巩膜突（scleral spur） 是这条链上的关键地标：它位于角膜巩膜交界内侧，是睫状肌纵行纤维的附着点，也是小梁网后界所在。临床测量房角开放程度时，许多参数（如 AOD、TISA 等）都以巩膜突为原点或基准。因此：

• Task 2（巩膜突定位）提供坐标系——找到 SS，才有量化房角的锚点；
• Task 1（闭角分类）给出诊断结论——房角是开是闭。

AGE 把两者拆成独立任务，一方面便于分项评估（定位看像素精度、分类看判别能力），另一方面也复刻了临床「先找标志点、再测参数、后下诊断」的工作流。这种「任务链设计」是 AGE 在方法学上的巧思：它不只是「分类数据集」，而是把临床测量流程做成了可计算、可评测的管道。

3.8 与房角镜金标准的内在张力

AGE 用房角镜（gonioscopy）做分类金标准，却用 AS-OCT 做模型输入，两者之间存在一层内在张力值得记录：

• 模态不同：房角镜是接触式光学观察，AS-OCT 是非接触断层成像，二者「看到」的房角形态表征并不完全一一对应；
• 判据迁移：闭角定义（180° 以上看不见后方小梁网）是房角镜语境下的判据，迁移到 AS-OCT 图上时，需依赖医生把房角镜所见映射到对应 B-scan 的房角——这是一次人工转译；
• 潜在噪声：这种跨模态转译不可避免地引入个体差异，是分类标签噪声的一个隐性来源。

这一点并非 AGE 独有，而是所有「用成像数据学临床金标准」的数据集的共性问题。理解它，有助于解释为何「闭角分类」看似简单（二分类），却仍需 AUC/敏感度/特异度多指标共同评价，而不敢只报准确率。

§4 挑战赛全记录

4.1 赛事定位与组织

AGE Challenge 于 MICCAI 2019（医学图像计算与计算机辅助干预国际会议，深圳）举办，与 OMIA workshop（Ophthalmic Medical Image Analysis，眼科医学图像分析）联合。它的自我定位非常清晰（IEEE DataPort 页原文列出的四条亮点）：

1. 最大的公开可用 AS-OCT 图像数据集，用于青光眼检测/诊断研究；
2. 验证了两类与临床青光眼诊断紧密相关的任务；
3. 吸引大量产业界参与者；
4. 设有现场挑战赛以更好评估真实性能。

主办方联合体覆盖产学医三方：中山大学中山眼科中心（临床）、Baidu Inc.（技术与平台）、Medical University of Vienna（方法学）等。

4.2 完整时间线

日期	事件
2019-07-09	注册开放（IEEE DataPort 页同日发布）
2019-07-10	训练图像与标注发布（数据正式公开日）
2019-07-15	在线验证集发布
2019-08-02	PaddlePaddle baseline 发布
2019-08-07	提交与在线评估开放（每日限 2 次提交）
2019-08-09	UNet 巩膜突定位 baseline 发布（AI Studio）
2019-08-14	论文提交系统（CMT）开放
2019-08-31	拟参加现场赛的队伍提交论文 + 离线验证结果截至
2019-09-18	公布总分公式
2019-09-30	camera-ready 论文（≤8 页，Springer LNCS）截至
2019-10-17	现场挑战赛（MICCAI 2019，深圳；测试集第二部分当日释放，限 1 小时）

时间线透出一条设计逻辑：赛程横跨约三个月，先开数据、再放 baseline、后开放提交，给参赛者留出充分的建模窗口；而现场赛刻意当场给新数据、限时出结果，考的是泛化与工程稳定性，而非离线调参。

4.3 赛事规模与参与

• 200+ 支队伍在线注册；
• 1,100+ 条结果提交至在线评估；
• 8 支队伍脱颖而出参加现场赛。

从 200+ 注册到 8 队现场，约 4% 的晋级率，说明现场赛门槛不低——既要有强离线成绩（论文 + 离线验证），也要有现场快速出结果的能力。

4.3.1 参与规模说明了什么

200+ 队的注册量，放在 2019 年的医学影像挑战赛语境下属于中上水平。它反映三点：

1. 选题切中需求：青光眼 AI 是热点，而前节 AS-OCT 是空白，数据集一开就吸引关注；
2. 组织方号召力：中山眼科中心 + Baidu + 维也纳医科大的组合，兼具临床与工程信誉；
3. 产业界参与度高：官方明确列出「Many participants from industry」为亮点之一，说明不止学术圈，工业界也看重 AS-OCT 房角分析的应用前景。

4.3.2 1100+ 条提交的含义

「1,100+ 条结果提交」意味着平均每队提交多次（在线赛每日限 2 次）。这既体现了赛事的竞争强度（队伍反复迭代刷榜），也提示在线榜存在过拟合风险——这正是主办方设置现场赛的理由。

4.4 提交规范

参赛者需提交单个 ZIP 文件，内含两个 CSV：

• Classification_Results.csv：第 1 列文件名，第 2/3 列为左右房角的闭角分类估计值（正值 = 闭角，非正 = 其他）。注意：估计值的排序也重要，因为要算 AUC。
• Localization_Results.csv：第 1 列文件名，第 2/3 列为左房角 SS 的 X/Y，第 4/5 列为右房角 SS 的 X/Y。

ZIP 文件名须为队名（首次提交时确定）。官方特别提醒「提交无组织的文件可能导致错误评估」。

4.5 一个值得记录的组织细节

AGE 与 OMIA workshop 的耦合设计值得一提：投稿 AGE 的论文会自动被纳入 OMIA workshop 的挑战赛部分（除非作者另行声明），且每队最多可有 2 个名字进入挑战赛综述论文的作者列表（由主办方编辑）。这意味着 AGE 不仅是数据竞赛，也是一条论文产出通道——参赛即可能成为后续 MedIA 综述论文的共同作者。这种「挑战赛 ↔ 综述论文」的双向绑定，是 MICCAI 系挑战赛的典型生态，也是理解 AGE 学术影响力的关键一环。

§5 评测框架与赛果

5.1 双榜 + 总分的评估体系

AGE 设两个主榜（分类榜、定位榜），另有综合总分榜。评估框架（来源：官网 Details 页 Evaluation Framework 段）：

Task 1 闭角分类榜：

• 在全测试集上绘制 ROC 曲线，计算 AUC；
• 每队依 AUC 得排名 R_auc（1 = 最好）；
• 同时计算敏感度与特异度，各得排名 R_sen、R_spe；
• 分类任务最终得分由三者排名的加权公式决定（官网以公式图给出），得分最低者列 #1。

Task 2 巩膜突定位榜：

• 评估指标为估计值与 ground truth 的平均欧氏距离（Average Euclidean Distance），越低越好；
• 因眼睑遮挡等原因无法判定的 SS 从评估中剔除；
• 每队依该指标得排名（1 = 最好），构成定位榜。

总分榜（2019-09-18 公布）：

overall = 0.3 × Classification_Rank + 0.7 × Localization_Rank
final   = 0.2 × semi_final_rank + 0.8 × test_rank

即定位任务权重（0.7）显著高于分类（0.3），决赛成绩又比半决赛成绩权重更大（0.8 vs 0.2）——设计上强调「最终测试集上的定位精度」才是决胜关键。

5.2 赛果硬数字

指标	结果	来源
SS 定位最佳	平均欧氏距离 10 pixels（10 µm）	论文摘要
现场赛冠军（RedScarf）	SS 误差 9.4 pixels（≈10 µm）	第三方综述
闭角分类	前两名达 100% 准确率（AUC 1.0，现场测试集）	论文摘要

10 µm 是什么概念？ 大约是一根人类头发直径的七分之一。在 ≈2000+ 像素宽的 OCT 图上定位一个解剖点，误差压到十来个像素（对应约 10 µm 的真实尺度），已是相当高的精度。

分类 100% 意味着什么？又意味着什么？ 「前两名达 100%」听着完美，但需冷静解读：（1）它是在现场测试集上达成，样本量有限；（2）闭角:开角 ≈ 1:4，若测试集分布类似，准确率本身有虚高风险；（3）论文原话是「all the algorithms achieved satisfactory performances」——所有队伍都表现不错，说明该分类任务对这些方法而言难度不算极高。100% 是亮点，但不宜外推为「闭角分类已被解决」。

5.3 方法学观察：赢家做对了什么

论文系统总结了 8 支现场队伍的方法，第三方综述进一步提炼出几条共性（技术观察，非官方定论）：

• 热图回归（heat map regression）取代直接坐标回归：顶队把关键点转成高斯热图，让网络学习关键点的概率分布（「发光」区域），对图像噪声更鲁棒、收敛更快。这是 SS 定位精度跃升的核心技巧。
• 粗到细（coarse-to-fine）两阶段框架：OCT 图分辨率常超 2000 像素，直接全图回归难；先粗定位感兴趣区，再放大精修，实现微米级定位。
• 多尺度集成（multi-scale ensembles）：ResNet / EfficientNet / SE-Net 等骨干网络在不同尺度上组合，兼顾全局结构与局部解剖细节。
• AI 优于传统测量指标：模型常优于仅基于角度开放距离（AOD）等传统临床测量的分类——说明深度模型捕捉到了人工测量忽略的细微形态/纹理模式。

5.4 论文揭示的局限与未来方向

• 单设备偏置：全部图像来自 CASIA SS-1000 一种设备，存在厂商偏置（manufacturer bias）风险，论文呼吁未来基准纳入多设备数据。
• borderline 与复杂解剖：真实筛查需处理更多临界（borderline）病例与**高褶虹膜（plateau iris）**等复杂变异，当前数据集对此覆盖不足。
• 终极目标：全自动「一键式」系统，能同时输出诊断与完整解剖测量。

5.5 复现与比较的注意事项

想在 AGE 上复现或对标论文结果，需注意：

1. 用官方划分：train/val/test 以官方文件名为准，勿自行重划，否则与论文不可比。
2. 分类看 AUC 而非准确率：类别不平衡下准确率会误导。
3. 定位先剔 -1：巩膜突不可判点务必过滤，且仅在可判点上算欧氏距离（与官方评估一致）。
4. 单位换算：官方以像素为定位误差单位，论文称 10 pixels ≈ 10 µm，即约 1 px ≈ 1 µm 的量级——换算时以论文口径为准。
5. 榜次权重别记反：总分定位权重 0.7、分类 0.3；决赛权重 0.8、半决赛 0.2。

5.6 参赛方法族谱（论文综述的八队概览）

论文的核心工作之一，是对进入现场赛的 8 支队伍方法做系统综述与横向比较。虽各队细节需以论文原文为准，但可归纳出几条共性路线（技术观察，非官方逐队定论）：

分类任务（Task 1）的方法取向：

• 多数队伍把闭角分类当作不平衡二分类处理，采用加权损失或重采样；
• 骨干网络以 ImageNet 预训练的 CNN（ResNet 系）为主，部分队伍试用 EfficientNet；
• 因输入是房角图（半张 B-scan），部分队伍对左右房角做独立预测再汇总，部分直接以整图端到端判别。

定位任务（Task 2）的方法取向：

• 主流是热图回归：将巩膜突坐标转成高斯热图作为回归目标，取热图峰值坐标；
• 因 OCT 图分辨率高，粗到细两阶段很常见：粗网络定位大致区域，细网络在原分辨率窗口内精修；
• 多尺度集成：同一图在多个尺度/多个骨干上预测后融合，兼顾全局与局部。

共性结论：

• 热图 > 直接坐标回归是几乎所有强队的共识，原因已在前文说明；
• 数据增强（旋转、翻转、尺度扰动）对高分辨率小目标定位帮助明显；
• 后处理（如对热图做亚像素插值/高斯拟合）能进一步压低欧氏距离。

这些经验对任何「医学图像关键点定位」任务都有迁移价值——AGE 因此在方法学上不止服务于房角分析，也是一份高质量的关键点定位基准手册。

5.7 为什么 AGE 值得作为「定位基准」参考

从任务设计角度，AGE 的 SS 定位任务具备几个「好基准」的特征：

1. 目标明确：单一解剖点，左右各一，标注定义清晰（不可判置 -1）；
2. 难度适中：10 µm 量级的精度天花板意味着仍有余量，但也不是随便就能刷满；
3. 评估干净：平均欧氏距离 + 剔除不可判点，减少了「被噪声惩罚」的干扰；
4. 临床相关：SS 是房角参数计算的实际锚点，定位精度直接影响下游测量。

对比一些「分类准确率刷到 99% 就无区分度」的数据集，AGE 的定位任务在相当长时间内都能区分方法优劣——这正是好 benchmark 的价值。

5.8 现场赛 vs 在线赛：两种评估哲学

AGE 同时设置了在线赛与现场赛，二者代表了两种评估哲学：

维度	在线赛	现场赛
数据	公开 train/val + 在线 test	当日释放 test 第二部分
时间	数周，可反复提交（每日限 2 次）	1 小时，一次性
考什么	离线调优能力、方法上限	泛化能力、工程稳定性、临场应变
结果	每日刷榜	2019-10-17 现场定胜负
组队	200+ 队	8 队

这种「在线刷榜 + 现场限时」的双轨设计，是 MICCAI 系挑战赛的经典范式：在线赛保证参与度与充分竞争，现场赛保证「真本事」不被过拟合刷榜掩盖。AGE 的总分公式进一步强化了决赛权重（0.8 vs 0.2），说明主办方更看重在全新数据上的稳健表现。

5.9 奖金与激励结构

官网提到约 4400 USD 的奖金池，另有一条重要的学术激励：投稿 AGE 的论文自动纳入 OMIA workshop 挑战赛部分，每队最多 2 人可进入挑战赛综述论文作者列表。这构成「现金奖励 + 论文署名」的双重激励，对青年研究者尤其有吸引力——参加一个挑战赛，既可能获奖，也可能获得一篇 MedIA 综述的共同署名。这种激励结构是理解 AGE 为何能吸引 200+ 队注册的关键社会学因素。

5.10 结果的可比性边界

最后须冷静指出 AGE 赛果的可比性边界：

• 时间锁定：所有结果为 2019 年的方法水平，与今日 SOTA 不可直接比较；
• 设备锁定：仅 CASIA SS-1000，跨设备泛化未验证；
• 样本锁定：现场测试集样本量有限，100% 准确率不宜外推；
• 金标准锁定：分类依赖房角镜转译，定位依赖 4 医均值，标注不确定性是共同上限。

因此，引用 AGE 结果时应表述为「在 AGE 数据集/2019 挑战赛设定下」的结论，而非普适的性能断言。

5.11 双任务结果的横向对照（登记表）

汇总可核验的赛果数字，形成登记表（便于后续维护）：

任务	指标	最佳结果	来源
Task 2 巩膜突定位	平均欧氏距离	10 px（≈10 µm）	论文摘要
Task 2 巩膜突定位	平均欧氏距离（冠军 RedScarf）	9.4 px（≈10 µm）	第三方综述
Task 1 闭角分类	准确率	100%（前两名）	论文摘要
Task 1 闭角分类	AUC	1.0（前两名，现场测试集）	第三方综述

表中「AUC 1.0」为第三方综述口径；论文摘要仅言「100% accuracy」未逐字给 AUC 值，二者应互为印证而非混引。

5.12 官方公式的分值权重解读

总分公式 overall = 0.3 × Classification_Rank + 0.7 × Localization_Rank 隐含了组织方对两任务难度与价值的判断：

• 定位权重 0.7：说明定位被认为是更难、更能区分方法优劣的任务——这与「像素级关键点定位」在技术上确实比「二分类」更 challenging 相符；
• 分类权重 0.3：分类虽具临床意义，但因多数方法表现接近（论文称「所有算法都满意」），区分度有限，故降权；
• 决赛 0.8 vs 半决赛 0.2：强调「最终测试集」的表现才是决胜关键，弱化历史成绩。

理解这组权重，有助于解释为何在 AGE 上「定位精度」是兵家必争之地——它直接决定总分榜名次。

§6 获取与许可：受控研究数据的门怎么进

6.1 许可口径：一个必须存照的事实

AGE Challenge 的许可状况是本条目在「AI-Ready」评估上最需要读者警惕的一环：

• 官网未明文列 license 文本：age.grand-challenge.org 的 Details 与 Home 页均无 license 段落，无法从中下载官方许可文件。这是本条目的一个硬事实——许可条款没有官方法定表述可引。
• IEEE DataPort 镜像署名条款：Challenge data-use agreement（挑战赛数据使用协议）。
• 第三方归一化口径（EyeDataHub 目录，checked 2026-07-21）：

归一化维度	值	含义
类别	research-only	仅研究用途
适用范围	challenge_participation	挑战赛参与
访问摩擦	controlled_or_manual	受控 / 需人工
获取支持	manual_access_blocked	需人工申请，无自动传输

结论：AGE 属研究用途受限 + 需人工申请/核准的数据，不是 CC 等开放许可。使用者不得默认「公开可下载 = 可自由商用」。以上归一化标签系第三方目录口径，非官方法律声明——引用时应如实标注来源。

6.2 获取渠道与版本链

AGE 提供多条获取路径（互为镜像/历史渠道）：

#	渠道	地址	备注
1	官网主渠道	https://age.grand-challenge.org/	注册 → 下载 train/val/test
2	Google Drive	drive.google.com/file/d/1Qlkqj74SW8DJRKdYL_-ApC_0H5Z7uyvr/view	旧目录引用
3	百度网盘（大陆镜像）	pan.baidu.com/s/1WEBBO27-sCC7gmH8_vmkJg PWD: 13of	官方 Details 页提供
4	提交样例 Dropbox	dropbox.com/s/5ytxe6usf71q3rg/example-age.zip	官方示例
5	IEEE DataPort	ieee-dataport.org/documents/age-angle-closure-glaucoma-evaluation-challenge	DOI 10.21227/petb-fy10
6	PaddlePaddle / AI Studio	aistudio.baidu.com	UNet SS 定位 baseline

时效提醒：上述 Google Drive / 百度网盘链接为 2019 年官方发布，2026 年是否仍有效未经沙箱验证（详见 §9 遗留疑点）。使用前务必自行核验，优先走官网主渠道。

6.3 AI-Ready 视角：这套「门」的得失

从 AI-Ready Wikipedia 的评估框架看，AGE 的可获取性可拆解为：

• 数据本身：真实性、标注质量、规模均优——4800 图 / 房角镜金标准 / 多医标注，属高质量。
• 可获取性：较弱。需注册、人工申请、研究用途限制，无 HF/公开直链一键下载，也无法用 datasets.load_dataset() 直接拉取——这使其难以进入自动化训练管线。
• 文档完备度：官网将任务、标注格式、提交规范、评估公式写得清楚，文档质量高，但许可文本缺失是明显短板。
• 可复现性：官方划分 + 公开标注 + 标准指标，复现路径清晰；受限于访问门槛，端到端复现仍有摩擦。

综合而言，AGE 是「数据质量优、但获取摩擦大」的典型：学术价值高，工程接入成本也高。

6.4 申请与合规实操要点

若确需使用 AGE 数据，建议按以下顺序操作，以降低合规风险：

1. 先读官网当前条款：访问 age.grand-challenge.org，确认最新的数据使用要求（本条目写作时官网无 license 段落，但官网可能随时更新）。
2. 准备用途说明：如走人工申请，事先写清「研究目的 + 机构隶属 + 预期用途」，多数学术数据申请都要求这三项。
3. 确认结果发表许可：研究用途数据通常允许发表基于其的论文，但可能要求致谢或引用指定文献（论文 + 数据集）。
4. 不得转售或再分发：research-only 数据一般禁止二次分发，团队成员应统一遵守。
5. 记录版本与抓取日期：留存下载/申请时的版本信息与日期，便于日后复现。
6. 跨设备部署前重验证：因单一设备偏置，迁移到自有临床设备时必须重新评估。

6.5 与库内「受控访问」条目的横向对照

AGE 的受控访问并非孤例。库内受控/请求制数据集可作对照（如 PANDA-PLUS 的掩码为请求制，见 rid 对应条目），它们共同构成了「数据质量高、但获取有门槛」的一类。对这类条目，AI-Ready 评估的要点在于如实披露访问摩擦，而非把它当作开放数据推荐给自动化管线。AGE 在这一点上属于「披露清楚、门槛偏高」的一类。

§7 生态与影响

7.1 在青光眼 AI 谱系中的位置

AGE 之前，青光眼 AI 数据集主要集中在后节/眼底方向：视盘视杯分割（DRISHTI-GS、RIM-ONE、G1020）、眼底青光眼筛查挑战赛（REFUGE、REFUGE2）等，评估的是视神经损伤。AGE 的独特贡献在于把镜头前移到前节房角，直接评估房角开闭这一闭角型青光眼的核心病理机制。

数据集	方向	解剖区	任务
AGE (age-as-oct)	闭角型青光眼	前节房角	闭角分类 + SS 定位
DRISHTI-GS (rid 301)	青光眼	后节视盘	视盘/视杯分割
RIM-ONE (rid 291)	青光眼	后节视神经	视神经评估
G1020 (rid 764)	青光眼	后节视盘	视盘视杯分割
REFUGE (rid 62)	青光眼	后节眼底	视盘视杯 + 筛查
REFUGE2 (rid 766)	青光眼	后节眼底	四相机多域筛查

AGE 与这些数据集互补：后节看「果」（视神经损伤），前节看「因」（房角闭合机制）。全部串起来，才构成青光眼 AI 的完整链条。

7.2 作为「首个」的历史意义

AGE 被论文自身与第三方反复定位为「首个房角闭合青光眼 AS-OCT 评估挑战赛」「最大公开 AS-OCT 数据集」。其历史意义在于：

• 填补空白：此前无公开 AS-OCT 数据集，「各算法无法在同一标尺比较」的困境被打破；
• 建立标尺：提供了统一的金标准、划分与评估框架，后续 AS-OCT 研究有了可对标基准；
• 产学医协同范式：中山眼科中心（临床）+ Baidu（技术）+ 维也纳医科大（方法）的组合，是医学影像挑战赛的典型组织形态。

7.3 后续影响与延展

AGE 之后，AS-OCT 房角分析逐渐成为一个活跃方向。AGE 建立的「巩膜突定位 → 房角参数计算 → 开闭分类」任务链，被后续研究广泛借鉴；其对「单设备偏置」的自我批判，也推动了多设备/多中心 AS-OCT 基准的呼声。作为 MICCAI 系挑战赛，AGE 同样贡献了「挑战赛 ↔ 综述论文」的学术生态样本。

7.4 与其他 MICCAI 挑战赛的对照

库内已有多个 MICCAI 系挑战赛条目，可作生态对照：EndoVis Challenges（rid 79）、MICCAI SurgT（rid 83）、SegPC-2021（rid 856）等。它们共享 MICCAI 挑战赛「公开数据 + 统一评估 + 现场赛」的组织范式，AGE 是其中眼科前节方向的一支。

7.5 闭角型青光眼的流行病学背景

理解 AGE 的临床意义，需要一点流行病学背景：

• 青光眼是全球不可逆致盲首因，患者数达数千万量级；
• 闭角型（PACG） 虽患者数少于开角型，但致盲率更高、病情更急、更凶险，是「更具侵袭性」的一型（论文原话 “ACG is a more aggressive disease than open-angle glaucoma”）；
• 人群差异显著：PACG 在亚洲人群中更为高发，这与前房浅、房角窄等解剖特征的人群分布有关；
• 诊断痛点：房角镜是金标准，但接触式、依赖经验、可重复性差，基层筛查难以普及。

正是这些流行病学事实，决定了 AGE 的价值主张：用一种快速、非接触、可自动化的成像方式（AS-OCT），去逼近房角镜的诊断能力。若能实现，将极大提升闭角型青光眼在资源有限地区的筛查可及性——这是 AGE 超越「一个算法比赛」的公共卫生意义。

7.6 从 AGE 看「眼科 AI 的前后节分工」

AGE 也折射出眼科 AI 的一个结构性分工：

方向	关注解剖	代表数据集	临床问题
前节	房角、角膜、前房	AGE	闭角型青光眼机制
后节	视网膜、视神经	OCT2017、DRISHTI-GS 等	开角型青光眼损伤、黄斑病变、糖网
眼底彩照	视盘、血管	EyePACS、REFUGE 等	糖网筛查、青光眼筛查

AGE 补齐了「前节」这一相对冷门但关键的一环。研究者在选择数据集时，应先确定自己要解决的是前节机制问题还是后节损伤问题，再对应到合适的数据集——AGE 是前节房角方向的首选参考。

7.7 对后续 AS-OCT 研究的启发

AGE 之后，AS-OCT 房角分析的研究可沿几条路径延展：

1. 多设备泛化：在多种 OCT 设备上验证 AGE 训练模型的迁移性；
2. 多任务联合：把定位与分类做成多任务学习，探究定位质量对分类的贡献；
3. 复杂病例覆盖：补充 borderline、plateau iris 等难例，提升临床实用性；
4. 可解释性：把模型的判别依据对应回 AOD 等临床指标，提升临床信任；
5. 端到端测量：从巩膜突定位出发，自动计算完整房角参数集，逼近「一键式」目标。

这些方向至今仍有研究空间，AGE 作为基准与起点，其影响力将持续。

§8 方法学启示

8.1 关键点定位：热图回归优于坐标回归

AGE 最重要的技术启示：SS 定位任务中，把关键点转成高斯热图再回归，显著优于直接回归 (x, y) 坐标。原因在于热图表达让网络学习关键点的空间概率分布，对噪声与遮挡更鲁棒，收敛也更快。这一经验已被关键点检测领域广泛采纳。

8.2 高分辨率图像的粗到细策略

AS-OCT 图分辨率常超 2000 像素，全图直接回归坐标极易失焦。AGE 顶队采用粗到细（coarse-to-fine）两阶段：先粗定位感兴趣区域，再放大精修。这是处理高分辨医学图像关键点的通用范式。

8.3 临床指标 vs. 端到端学习

AGE 揭示：端到端深度模型常优于仅基于传统临床测量（如 AOD）的分类。这提示深度模型能捕捉人工测量忽略的细微形态/纹理信息，但也带来可解释性挑战——模型的判据未必对应临床已知指标。

8.4 标注质量决定上限

AGE 用「房角镜金标准 + 4 医均值 + 专家终审」三层保障标注质量，这是其 benchmark 可信度的根基。反过来，10 µm 级评估精度意味着标注不确定性本身即不可忽略的噪声——再强的模型也难超越标注的一致性天花板。这是所有关键点数据集都应吸取的教训。

8.5 多任务设计的可迁移思路

AGE 把「关键点定位 + 分类」放进同一数据集、同一批图像，形成任务链。这一设计的可迁移之处在于：

• 共享输入、分离任务：同一张房角图同时服务两个任务，降低数据采集成本，又让研究者可探究「定位质量是否影响分类性能」；
• 分层评估：像素级（定位）+ 判别级（分类）两级指标，比单一分类更能刻画方法能力；
• 临床镜像：任务链复刻临床测量流程，使 benchmark 结果更易被临床读者理解。

对任何「先测量后诊断」的医学场景（如眼底血管分割→分级、骨关节定位→关节炎分期），这种「任务链 benchmark」都是值得借鉴的组织方式。

8.6 单一设备偏置的普遍警示

AGE 自曝的单设备局限（全部来自 CASIA SS-1000），是所有医学影像数据集都应引以为戒的经典偏置源：

• 成像特性耦合：不同厂商 OCT 的扫描参数、噪声模式、伪影特征不同，模型可能学到「设备指纹」而非「解剖特征」；
• 跨中心失效风险：在单一设备上训练的模型迁移到医院另一台机器时可能性能骤降；
• 基准的普适性打折：以单设备数据建立的 benchmark，其排名未必反映多设备场景的真实优劣。

AGE 论文主动把这一点列为 limitation 并呼吁多设备基准，这种「自曝局限」的做法值得肯定，也提示使用者在跨设备部署时务必重新验证。

8.7 挑战赛数据集的方法学遗产

AGE 作为 MICCAI 系挑战赛数据集，其方法学遗产可归纳为四条：

1. 公开数据 + 统一评估 = 可比性：打破「各算法各说各话」的困局；
2. 多任务设计：以任务链刻画完整临床流程；
3. 双轨赛制：在线刷榜保参与、现场限时保真实；
4. 挑战赛↔综述论文：把赛事产出沉淀为可长期引用的学术文献。

这四条不只是 AGE 的经验，而是整个医学影像挑战赛生态的通用范式。AGE 在眼科前节方向的实践，为后来者提供了可直接复用的模板。

§9 与库内条目的关系

9.1 家族图谱

AGE 在库内的关系网可分四圈：

• 同域 OCT（后节，解剖区对照）：OCT2017 (rid 311)、OCTID (rid 697)、OCTDL (rid 690)、OCTA-500 (rid 341)。
• 青光眼（后节/视神经）：PAPILA (rid 765)、REFUGE (rid 62)、REFUGE2 (rid 766)、RIM-ONE (rid 291)、G1020 (rid 764)、DRISHTI-GS (rid 301)。
• MICCAI 挑战赛生态：EndoVis Challenges (rid 79)、MICCAI SurgT (rid 83)、SegPC-2021 (rid 856)。
• 眼底影像/疾病：EyePACS (rid 58)、MESSIDOR (rid 59)、APTOS 2019 (rid 61)。

9.2 检索路径建议

• 找「前节 OCT / 房角」→ AGE (age-as-oct)；
• 找「视网膜 OCT 分类」→ OCT2017 (311)、OCTID (697)、OCTDL (690)；
• 找「青光眼视盘分割」→ DRISHTI-GS (301)、G1020 (764)、RIM-ONE (291)；
• 找「青光眼筛查挑战赛」→ REFUGE (62)、REFUGE2 (766)；
• 找「青光眼临床+眼底配对」→ PAPILA (765)。

9.3 互链时应避免的误区

• 不要把 AGE 与后节 OCT 数据等同：解剖区不同，混链会误导检索者。
• 不要把 AGE 归入「视网膜疾病」：它指向闭角型青光眼（前节机制）。
• 「AGE」缩写必须澄清：与年龄无关，避免被年龄预测类条目错误互链（如骨龄数据集 RSNA Bone Age）。

9.4 互链点的相关度分级

为便于主会话按标签相关度算法挂链接，此处按相关度给互链点分级：

相关度	条目（rid）	理由
极高	REFUGE (62)、REFUGE2 (766)	同为青光眼公开挑战赛
高	PAPILA (765)、DRISHTI-GS (301)、RIM-ONE (291)、G1020 (764)	同为青光眼评估
高	OCT2017 (311)、OCTID (697)、OCTDL (690)、OCTA-500 (341)	同为 OCT 影像（后节对照）
中	EyePACS (58)、MESSIDOR (59)、APTOS 2019 (61)	同为眼底影像/眼病
中	EndoVis Challenges (79)、MICCAI SurgT (83)、SegPC-2021 (856)	同为 MICCAI 挑战赛生态

建议正式互链 6-10 条，优先取「青光眼 + OCT」两圈交集，再补挑战赛生态各一条。

9.5 检索路径的推荐关键词组合

面向库内检索，推荐以下关键词组合（便于相关度算法命中 AGE）：

• 「前节 OCT」「AS-OCT」「房角」「房角闭合」「闭角型青光眼」
• 「巩膜突」「巩膜突定位」「关键点定位」
• 「眼科影像」「青光眼」「挑战赛数据集」「MICCAI 2019」
• 「casia ss-1000」「gonioscopy」「scleral spur」

注意避免使用「视网膜 OCT」「fundus」「DR」等后节/眼底词，以免被错误互链到后节 OCT 或糖网数据集。

§10 避坑清单：八个已踩过的坑

坑 1：「AGE = 年龄」的误读。
AGE 是 Angle closure Glaucoma Evaluation 的缩写，与年龄（age）完全无关。检索、标注、互链时若按「年龄」处理，会彻底跑偏。首次出现务必展开全称。

坑 2：把前节 OCT 当成后节（视网膜）OCT。
AGE 看前节房角，OCT2017/OCTID/OCTDL 看后节视网膜。都是 OCT，却隔着整个眼球。互链与检索必须区分，否则用户拿到数据会发现「图像长得完全不一样」。

坑 3：忽视 -1 的标注缺口。
巩膜突不可判时坐标置 -1。若不剔除而直接回归，关键点模型会被错误的 (-1,-1) 目标污染。训练与评估都必须先过滤。

坑 4：只看准确率，不看 AUC。
闭角:开角 ≈ 1:4，闭角是少数类。朴素准确率有约 80% 的虚高基线，必须看 AUC / 敏感度 / 特异度。论文自己也强调了 AUC 为主排序。

坑 5：以为能一键下载。
AGE 需注册 + 人工申请、限研究用途，无 HF 公开直链，无法 load_dataset() 直接拉取。计划接入训练管线前，先确认授权与访问路径。

坑 6：把 4800 当成「4800 只眼 / 4800 个 volume」。
4800 是房角图级计数：300 只眼 × 16 张抽帧 = 4800 张，每张还切成左右两个房角。粒度为「房角图」，不是眼数或 volume 数。

坑 7：误信「每份 640 闭角 + 2560 开角」的第三方拆分。
该说法合计 3200，与单份 1600 张矛盾。本条目仅采信「各 1600 张」与「整体约 1:4」，该第三方拆分作存照处理（见附录 S）。

坑 8：忽略许可文本的官方缺失。
官网无 license 段落，官方条款不可得。引用许可时须说明「以 IEEE DataPort 的 Challenge data-use agreement 及第三方归一化口径为准」，不能伪造官方许可。

坑 9：忘记总分的权重顺序。
总分公式 0.3×分类排名 + 0.7×定位排名，定位权重更高；决赛 0.8×test + 0.2×semi。记反会误判哪些方法在总分榜上占优。

FAQ（高频问答 30 问）

A. 基础认知

A1. AGE 是什么的缩写？
Angle closure Glaucoma Evaluation（房角闭合青光眼评估）。不是 age（年龄）。

A2. AGE Challenge 是哪一年办的？
2019 年，作为 MICCAI 2019 的官方挑战赛，联合 OMIA workshop；现场赛 2019-10-17。论文后续发表于 Medical Image Analysis 2020。

A3. 谁办的？
中山大学中山眼科中心牵头，联合 Baidu Inc.、Medical University of Vienna、Inception Institute of AI 等。

A4. 它解决什么问题？
填补公开 AS-OCT 数据集的空白，为「房角闭合自动检测」提供统一金标准与评估框架。

A5. AGE 是数据集还是比赛？
两者兼有：既是 2019 年的挑战赛，也是赛后转公开的研究数据集，且配套评测框架。

A6. 它和青光眼是什么关系？
青光眼是致盲首因，其中闭角型（PACG）侵袭性最强，起病于前节房角。AGE 直击「房角开还是闭」这一诊断核心。

B. 数据与获取

B1. 数据规模多大？
4800 张标注 AS-OCT 图；199 名患者；300 只眼。

B2. 数据从哪来？
CASIA SS-1000 OCT（Tomey, Nagoya, Japan）采集的前节 OCT volume，等距抽 16 张 B-scan、沿中垂线切成左右房角图。

B3. 什么格式？
图像 JPG；标注单一 XLSX。

B4. 存储大小？
第三方目录记约 1.2 GB；官方页未列 GB 数，此数需标注来源。

B5. 怎么下载？
走官网 age.grand-challenge.org 注册申请；历史渠道另有 Google Drive、百度网盘（PWD 13of）、IEEE DataPort。

B6. 免费吗？能商用吗？
研究用途受限（research-only），需人工申请，不是开放许可，不可默认商用。

B7. 有 HuggingFace 直链吗？
没有公开直链，无法直接 load_dataset()。

B8. 划分是怎样的？
train / validation / test 各 1600 张。

B9. 类别平衡吗？
不平衡，闭角:开角 ≈ 1:4。

B10. 标注文件长什么样？
单一 XLSX，7 列：文件名 + 左右闭角标签 + 左右巩膜突 X/Y 坐标；坐标 -1 表示无法判定。

C. 任务与评估

C1. 有几个任务？
两个：闭角分类（Task 1）、巩膜突定位（Task 2）。

C2. 分类怎么评？
AUC 为主排序，另算敏感度、特异度各出排名，再加权得分类榜总分。

C3. 定位怎么评？
平均欧氏距离，越低越好；不可判的 SS 从评估剔除。

C4. 总分怎么算？
overall = 0.3×分类排名 + 0.7×定位排名；final = 0.2×半决赛排名 + 0.8×测试排名。定位权重更高。

C5. 结果如何？
SS 定位最佳约 10 px（≈10 µm）；闭角分类前两名 100% 准确率。

C6. 10 µm 什么概念？
约一根头发直径的七分之一。

C7. 分类 100% 说明任务已解决吗？
不宜外推。论文原话是「所有算法都取得满意表现」，且受测试集规模与类别不平衡影响。

D. 标注与金标准

D1. 分类金标准是什么？
房角镜检查（gonioscopy），改版 Scheie 分级 0-4 级，由张秀兰教授用四面（Sussman）房角镜完成。

D2. 闭角的判据？
静态房角镜下 180° 以上范围看不见后方小梁网。

D3. 巩膜突怎么标？
4 名眼科医生独立标注取均值，资深专家（Fei Li）微调。

D4. 标注有什么要注意的？
坐标 -1 是不可判标记，训练与评估都须先过滤。

E. 复现与工程

E1. 复现要注意什么？
用官方划分、分类看 AUC、定位先剔 -1、注意像素↔µm 换算、别记反权重。

E2. 高分辨率图怎么处理？
顶队用粗到细两阶段 + 热图回归 + 多尺度集成。

E3. 单设备有什么影响？
CASIA SS-1000 独占全部数据，存在厂商偏置；论文列为 limitation 并呼吁多设备基准。

E4. 现场赛和在线赛有何不同？
现场赛当日释放测试集第二部分、限 1 小时出结果，考泛化与工程稳定性。

E5. AGE 与后节 OCT 数据集能混用吗？
不能等同。解剖区、疾病、任务都不同，混用会误导。

E6. 库内有相关的青光眼条目吗？
有：DRISHTI-GS (301)、RIM-ONE (291)、G1020 (764)、REFUGE (62)、REFUGE2 (766)、PAPILA (765)。

E7. 库里 OCT 条目和 AGE 什么关系？
OCT2017 (311)、OCTID (697)、OCTDL (690)、OCTA-500 (341) 均为后节视网膜 OCT，与 AGE 前节房角互补对照。

E8. AGE 还有后续版本吗？
AGE 本身无官方「v2」；后续影响体现在 AS-OCT 房角分析方向的活跃与多设备基准的呼声。

E9. 引用 AGE 该引哪篇？
首选 MedIA 正式版（doi:10.1016/j.media.2020.101798）；亦可引 arXiv:2005.02258。

E10. 数据集和论文是同一个东西吗？
不完全：论文是赛后对赛事方法的综述与评估，数据集是 4800 图本体；引用时宜分别指称。

F. 临床与拓展

F1. 房角是什么？为什么重要？
虹膜与角膜的交角，是房水外流的通道入口。房角闭合会阻断房水排出、升高眼压，是闭角型青光眼的机制起点。

F2. 巩膜突为什么是关键点？
它是房角参数（如 AOD）计算的原点/基准，定位它为量化房角提供坐标系。

F3. 房角镜和 AS-OCT 有什么区别？
房角镜是接触式光学检查（金标准但患者不适、依赖经验）；AS-OCT 是非接触断层成像（快速、客观、可三维）。

F4. 改版 Scheie 分级是什么？
房角镜检查中按可见结构对房角宽度分级的方法，grade 0-4。

F5. 闭角的临床判据具体是什么？
静态房角镜下 180° 以上范围看不见后方小梁网，即判为闭角。

F6. 高褶虹膜是什么？
一种特殊房角解剖变异（plateau iris），可导致房角闭合但形态不典型，是当前数据覆盖不足的复杂病例。

F7. 为什么说「AI 优于传统测量」？
AGE 结果提示端到端模型能捕捉 AOD 等传统指标忽略的细微形态/纹理信息，从而在分类上更准。

F8. 单设备数据有什么临床风险？
模型可能学到设备特有的成像指纹而非解剖特征，跨设备部署时性能可能大幅下降。

F9. 前节 AS-OCT 与后节 OCT 的临床分工？
前节看房角（闭角型青光眼机制），后节看视网膜/视神经（开角型青光眼损伤与其他视网膜病变）。

F10. AGE 对临床实践的直接价值？
它推动了「房角闭合自动评估」的研究，长远目标是一键式自动诊断+测量，减轻房角镜的依赖与主观性。

G. 生产与维护

G1. 这个条目会过期吗？
会。数据集许可、镜像链接、官网状态都可能变化；条目已在附录 L 登记维护触发点。

G2. 为什么反复强调「AGE 不是年龄」？
因为这是最容易被误读、误链、误检的一点，直接决定检索准确性。

G3. 若官网补出 license 文本怎么办？
按附录 L 触发点 1 更新，补录官方条款，替换当前的「官方缺失」表述。

G4. 若后续出现 AS-OCT v2 挑战赛怎么办？
按附录 L 触发点 4 更新生态图谱，并在 §7 增补新版本链。

G5. 条目里哪些数字是存照（未定论）？
1.2 GB 规模、license 归一化口径、每份 640/2560 拆分、10 px vs 9.4 px 差异，详见附录 S。

事实清单（硬事实 30 条）

1. AGE = Angle closure Glaucoma Evaluation，与年龄无关。
2. AGE 是 MICCAI 2019 联合 OMIA workshop 举办的挑战赛。
3. 现场赛日期为 2019-10-17，地点深圳。
4. 训练图像与标注发布日：2019-07-10。
5. 数据集含 4800 张标注 AS-OCT 图像。
6. 来自 199 名患者、300 只眼。
7. 采集设备为 CASIA SS-1000 OCT（Tomey, Nagoya, Japan）。
8. 每 volume 含 128 张 B-scan，等距抽 16 张。
9. 每张 B-scan 沿中垂线切成左右两个房角图。
10. 划分 train / validation / test 各 1600 张。
11. 闭角:开角 ≈ 1:4（不平衡）。
12. 人群：女性 38.7%，平均年龄 47.2 ± 15.4 岁。
13. 图像格式 JPG；标注单一 XLSX。
14. 标注 7 列：文件名 + 左右闭角标签 + 左右 SS 坐标。
15. SS 不可判时坐标置 -1。
16. Task 1 = 闭角分类；Task 2 = 巩膜突定位。
17. 分类评估：AUC + 敏感度 + 特异度。
18. 定位评估：平均欧氏距离。
19. 分类金标准 = gonioscopy（改版 Scheie 0-4）。
20. 闭角判据：静态房角镜下 180° 以上看不见后方小梁网。
21. SS 标注 = 4 名眼科医生独立标注取均值 + 资深专家微调。
22. 200+ 队注册，1100+ 条提交，8 队现场赛。
23. SS 定位最佳约 10 pixels（10 µm）（论文）。
24. 现场冠军 RedScarf SS 误差 9.4 pixels（≈10 µm）。
25. 闭角分类前两名达 100% 准确率。
26. 总分：0.3×分类排名 + 0.7×定位排名。
27. 决赛：0.8×test 排名 + 0.2×半决赛排名。
28. 总分公式公布于 2019-09-18。
29. 论文：MedIA 2020;66:101798，DOI 10.1016/j.media.2020.101798，PMID 32896781。
30. 论文 arXiv 预印本：arXiv:2005.02258（v1 2020-05-05，v3 2020-07-31），25 位作者。

术语表（30 条）

术语	英文	释义
AS-OCT	Anterior Segment Optical Coherence Tomography	前节光学相干断层扫描，非接触成像前房与房角
房角	Anterior Chamber Angle (ACA)	虹膜与角膜的交角，房水外流关键区
闭角型青光眼	PACG, Primary Angle Closure Glaucoma	房角闭合致病的最具侵袭性青光眼亚型
巩膜突	Scleral Spur (SS)	角膜巩膜交界内侧关键解剖点，房角参数计算基准
房角镜	Gonioscopy	接触式房角检查，分类金标准
改版 Scheie 分级	Modified Scheie Classification	房角宽度 grade 0-4 分级
四面房角镜	Sussman Gonioscopy Lens	用于本数据集房角检查的镜片
小梁网	Trabecular Meshwork	房水外流通道，闭角判据的关键结构
闭角分类	Angle Closure Classification	Task 1，判 open/closed
巩膜突定位	Scleral Spur Localization	Task 2，回归 SS 坐标
平均欧氏距离	Average Euclidean Distance	定位评估指标，越小越好
AUC	Area Under the ROC Curve	分类主排序指标
敏感度	Sensitivity	真阳率
特异度	Specificity	真阴率
B-scan	B-scan	OCT 横断面单张切片
volume	Volume	OCT 三维扫描体
热图回归	Heat Map Regression	把关键点转高斯热图再回归
粗到细	Coarse-to-Fine	两阶段定位框架
房角开放距离	AOD, Angle Opening Distance	传统房角量化测量
高褶虹膜	Plateau Iris	复杂房角解剖变异
临界病例	Borderline Case	开闭难分的房角
厂商偏置	Manufacturer Bias	单一设备导致的偏置风险
挑战赛	Challenge	公开数据+统一评估的竞赛
金标准	Ground Truth / Reference Standard	标注参照
中垂线切分	Midline Split	把 B-scan 切成左右房角的操作
域偏移	Domain Shift	跨患者/设备分布差异
人工申请	Manual Access	需人工核准的访问方式
研究用途	Research-Only	仅限研究的许可类别
数据使用协议	Data-Use Agreement	挑战赛数据条款形式
关键点检测	Keypoint Detection	定位解剖标志点的任务族

附录

附录 A：条目信息速查卡

项	值
slug	age-as-oct
官方名	AGE Challenge: Angle Closure Glaucoma Evaluation in AS-OCT
记录 ID	（待主会话入库后回填）
论文	MedIA 2020;66:101798
数据规模	4800 图 / 199 患者 / 300 眼
设备	CASIA SS-1000 (Tomey)
许可	research-only（需人工申请）
官网	https://age.grand-challenge.org/

附录 B：DAIMS 评估全表

DAIMS 维度	评分	说明
Data 真实性	高	三源互证：arXiv / PubMed / 官网数字一致
Annotation 质量	高	房角镜金标准 + 4 医均值 + 专家终审
Identifier 稳定性	中	官网为主渠道，镜像链接时效待核
Metadata 完备度	中	任务/标注/评估文档清楚，但 license 文本缺失
Specification 清晰度	高	标注 7 列语义、-1 约定、任务定义明确
综合	中高	数据优、文档中、可获取性弱（受控人工）

附录 C：逐项证据链自证

事实	来源
4800 图 / 199 患者 / 300 眼	arXiv:2005.02258 摘要 / PubMed 32896781 摘要 / 官网 Details
两任务与评估指标	官网 Details “Evaluation Framework” 段
标注 7 列结构	官网 Details “Reference Standard” 段
时间线	官网 Home / Details 页
200+ 队 / 1100+ 提交 / 8 队	arXiv 摘要
10 px / 9.4 px / 100%	论文摘要 / 第三方综述
IEEE DataPort DOI	ieee-dataport.org（10.21227/petb-fy10）

附录 D：数据获取决策树

需要 AS-OCT 前节房角数据？
├─ 仅研究用途 → 走官网注册申请人脸认证
│    ├─ 官网可下载 → 直接获取
│    └─ 官网不通 → 尝试 Google Drive / 百度网盘（PWD 13of）
├─ 需要引用 → IEEE DataPort DOI 10.21227/petb-fy10
└─ 需商用 → ✗ 不适用（research-only，需另行授权）

附录 E：标注字段映射与使用规范

字段	含义	使用规范
文件名	图像标识	与 JPG 一一对应
左闭角标签	1=闭角/0=其他	少数类，注意重采样
左 SS X/Y	左巩膜突坐标	-1 表示不可判，须过滤
右闭角标签	1=闭角/0=其他	同上
右 SS X/Y	右巩膜突坐标	-1 须过滤

附录 F：关键点定位基线骨架（代码）

import numpy as np
from PIL import Image

def load_sample(xlsx_row):
    img = Image.open(xlsx_row['filename']).convert('RGB')
    # 左房角
    x_l, y_l = xlsx_row['left_x'], xlsx_row['left_y']
    valid_l = (x_l != -1) and (y_l != -1)
    # 右房角
    x_r, y_r = xlsx_row['right_x'], xlsx_row['right_y']
    valid_r = (x_r != -1) and (y_r != -1)
    return {
        'image': img,
        'cls_l': xlsx_row['left_label'],
        'cls_r': xlsx_row['right_label'],
        'ss_l': (x_l, y_l) if valid_l else None,
        'ss_r': (x_r, y_r) if valid_r else None,
    }

附录 G：评估指标公式表

指标	公式	用途
AUC	ROC 曲线下面积	分类主排序
Sensitivity	TP / (TP + FN)	真阳率
Specificity	TN / (TN + FP)	真阴率
Average Euclidean Distance	(1/N) Σ √((x̂-x)² + (ŷ-y)²)	定位误差
overall	0.3·R_cls + 0.7·R_loc	总分榜
final	0.2·R_semi + 0.8·R_test	决赛榜

附录 H：机构与人物登记表

机构	国家/地区	代表
中山大学中山眼科中心	中国广州	Xiulan Zhang（通讯）、Shaochong Zhang、Fei Li
Inception Institute of AI	阿联酋	Huazhu Fu（首作者）
Baidu Inc.	中国北京	Yanwu Xu（通讯）、Xu Sun
Medical University of Vienna	奥地利	José Ignacio Orlando、Hrvoje Bogunović
South China University of Technology	中国广州	Jingan Liao

附录 I：与库内条目的关系声明

库内条目	rid	关系
OCT2017	311	后节视网膜 OCT（解剖区对照）
OCTID	697	后节视网膜 OCT
OCTDL	690	后节视网膜 OCT
OCTA-500	341	后节 OCTA
PAPILA	765	青光眼眼底+临床
REFUGE	62	青光眼眼底挑战赛
REFUGE2	766	青光眼眼底挑战赛
RIM-ONE	291	青光眼视神经
G1020	764	青光眼视盘视杯
DRISHTI-GS	301	青光眼视盘视杯
EyePACS	58	眼底 DR

附录 J：AS-OCT 数据集景观（对照）

数据集	解剖区	任务	备注
AGE	前节房角	分类+定位	本条目
其他公开 AS-OCT	前节	多为分类/分割	规模与金标准不一
后节 OCT 类	视网膜	分类/分割	OCT2017/OCTID/OCTDL 等

附录 K：双口径登记表

#	冲突项	口径 A	口径 B	本条目处理
1	存储规模	第三方 1.2 GB	官方未列 GB	写「第三方 ≈1.2 GB」并标注
2	license	IEEE DataPort 协议	官网无 license 段	按研究用途受限写，存照
3	发表年份	arXiv 2020	MedIA 2020 Dec	均 2020，分列预印/正式
4	SS 最佳误差	论文 10 px	综述 9.4 px	并列存照，均 ≈10 µm
5	每份类别数	第三方 640+2560	单份 1600	采信 1600，第三方拆分存照
6	AGE 缩写	—	易误读为年龄	首段即澄清

附录 L：维护计划与触发点

• 触发点 1：官网恢复 license 文本 → 补录官方条款。
• 触发点 2：出现官方 v2 / 多设备扩展 → 增补新版本链。
• 触发点 3：镜像链接失效 → 更新获取渠道表。
• 触发点 4：后续 AS-OCT 挑战赛出现 → 更新生态图谱。

附录 M：引文规范

• 论文（正式）：Fu H, Li F, Sun X, et al. AGE challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography. Med Image Anal. 2020;66:101798. doi:10.1016/j.media.2020.101798.
• 预印本：Fu H, et al. arXiv:2005.02258 [cs.CV]. 2020.
• 数据集：AGE Challenge. https://age.grand-challenge.org/ ；IEEE DataPort doi:10.21227/petb-fy10.

附录 N：复现检查清单（10 项）

1. 用官方 train/val/test 划分。
2. 分类报告 AUC（非仅准确率）。
3. 定位前过滤 -1 标注。
4. 定位误差以像素计、按官方剔除规则。
5. 检查类别不平衡处理方式。
6. 记录设备单一性带来的偏置。
7. 核对总分权重（0.3/0.7）。
8. 注明数据许可与申请路径。
9. 引用 MedIA 正式版。
10. 区分前节 AS-OCT 与后节 OCT。

附录 O：本条目生产档案

• 代理名：agent-a-ageasoct
• 生成日期：2026-10-07
• 三源互证：arXiv:2005.02258 / PubMed 32896781 / age.grand-challenge.org
• 查重：无 age-as-oct 撞库
• 私有区：writing/age-as-oct/.parts_agent-a-ageasoct_1791344065_179788

附录 P：FAIR / AI-Ready 检查单

原则	状态	说明
Findable	✅	官网 + DOI + arXiv 可检索
Accessible	⚠️	需人工申请，非自动
Interoperable	✅	JPG + XLSX 通用格式
Reusable	⚠️	research-only 限制
AI-Ready	⚠️	质量优但获取摩擦大

附录 Q：缩写速查

缩写	全称
AGE	Angle closure Glaucoma Evaluation
AS-OCT	Anterior Segment Optical Coherence Tomography
ACA	Anterior Chamber Angle
PACG	Primary Angle Closure Glaucoma
SS	Scleral Spur
AOD	Angle Opening Distance
AUC	Area Under the Curve
MICCAI	Medical Image Computing and Computer Assisted Intervention
OMIA	Ophthalmic Medical Image Analysis

附录 R：AGE 数据集 vs 后节 OCT 数据集对照表

维度	AGE (age-as-oct)	OCT2017 (311)	OCTID (697)	OCTDL (690)	OCTA-500 (341)
解剖区	前节（房角）	后节（视网膜）	后节（视网膜）	后节（视网膜）	后节（视网膜血管）
疾病	闭角型青光眼	CNV/DME/Drusen	视网膜病变	视网膜病变	血管病变
任务	分类 + 关键点定位	分类	分类	分类	血管分割
规模	4800 图	约 8.4 万图	约 1000 图	约 2000+ 图	500 图
许可	研究受限	视来源	视来源	视来源	视来源
与 AGE 关系	本条	解剖区对照	解剖区对照	解剖区对照	成像原理对照

注：表内非 AGE 条目的规模/许可为概略值，精确数据以对应条目为准；此处仅为「解剖区/任务差异」的对照说明。

附录 S：双口径冲突详细存证

冲突 1（存储规模）

• 口径 A（第三方 EyeDataHub 目录）：约 1.2 GB。
• 口径 B（官方 age.grand-challenge.org）：未列任何 GB 数。
• 处理：条目写「第三方目录口径 ≈1.2 GB」并明确标注来源，不冒充官方数。

冲突 2（license）

• 口径 A（IEEE DataPort 镜像）：Challenge data-use agreement。
• 口径 B（官网 Details/Home）：无 license 段落。
• 归一化（第三方，checked 2026-07-21）：research-only / challenge_participation / controlled_or_manual / manual_access_blocked。
• 处理：按「研究用途受限、需人工申请」写，并声明官方条款不可得。

冲突 3（发表年份）

• 口径 A：arXiv 预印本 2020（v1 2020-05-05）。
• 口径 B：MedIA 正式版 2020 Dec（vol 66）。
• 处理：两者同为 2020，分列预印/正式。

冲突 4（SS 最佳误差）

• 口径 A（论文摘要）：10 pixels（10 µm）。
• 口径 B（第三方综述）：现场冠军 RedScarf 9.4 pixels（≈10 µm）。
• 处理：并列存照，均约 10 µm。

冲突 5（每份类别数）

• 口径 A（第三方部分综述）：每份「640 闭角 + 2560 开角」。
• 口径 B（官方与多数来源）：train/val/test 各 1600 张。
• 处理：口径 A 合计 3200 与单份 1600 矛盾，不采信；仅确认「各 1600 张」与整体约 1:4，口径 A 作存照。

冲突 6（AGE 缩写歧义）

• 口径 A：Angle closure Glaucoma Evaluation。
• 口径 B（常见误读）：age = 年龄。
• 处理：首段即澄清，避免检索/互链误入年龄类条目。

附录 T：抓取时点与来源 URL 清单

来源	URL	用途
官网 Home	https://age.grand-challenge.org/	赛程、任务、许可状态
官网 Details	https://age.grand-challenge.org/Details/	标注格式、评估框架、时间线
arXiv	https://arxiv.org/abs/2005.02258	摘要、作者、硬数字
PubMed	https://pubmed.ncbi.nlm.nih.gov/32896781/	正式发表、PMID、DOI
IEEE DataPort	https://ieee-dataport.org/documents/age-angle-closure-glaucoma-evaluation-challenge	DOI、署名、条款
第三方目录	https://khosravipooya.com/EyeDataHub/datasets/age_challenge	归一化许可、1.2 GB

附录 U：面向不同读者的阅读路径

• 眼科 AI 研究者：§0 → §2 → §5 → §8。
• 模型开发者：§2 → §3 → §5 → 附录 F/G。
• 数据集方法学研究者：§6 → §9 → 附录 B/K/S。
• 临床医生：§0 → §3.2/3.3 → §5.2 → §8.3。
• 挑战赛组织者：§4 → §5 → §7 → §8.7。

附录 V：本条目与其他 MICCAI 挑战赛条目的写法一致性

本条目在结构上对齐库内 MICCAI 系挑战赛条目（SegPC-2021 rid 856 等）的「全档案」写法：赛程时间线 + 任务定义 + 评估框架 + 赛果 + 获取许可 + 生态互链 + 避坑清单。这种一致性便于跨条目检索与比较。

附录 W：数据字典（XLSX 字段）

列名（推断）	类型	取值	缺失约定
filename	string	xxx.jpg	必填
left_angle_label	int	0/1	无
left_x	int	≥0	-1 表示不可判
left_y	int	≥0	-1 表示不可判
right_angle_label	int	0/1	无
right_x	int	≥0	-1 表示不可判
right_y	int	≥0	-1 表示不可判

列名以官方 XLSX 实际表头为准，上表为按官网列序推断的语义字典。

附录 X：可获取性光谱中的位置

可获取性层级	代表	AGE 归属
完全开放直链	HuggingFace 公开数据集	✗
注册即可下载	多数 grand-challenge 数据	△（接近但更严）
人工申请/受控	需签协议或核准	✔ AGE
邮件向作者索取	请求制数据	△（AGE 亦含此成分）
不可获取	闭源数据	✗

AGE 处于「注册 + 人工核准 + 研究用途限制」的受控层，比「注册即下载」更严，是 AI-Ready 光谱上偏保守的一类。

附录 Y：一句话总结与三个「最」

• 一句话：AGE 是 2019 年 MICCAI/OMIA 举办的首个 AS-OCT 房角闭合评估挑战赛，4800 图 + 房角镜金标准 + 双任务，数据优、获取门槛高。
• 最值得称道：房角镜金标准 + 4 医标注 + 专家终审的标注质量。
• 最需警惕：官网无 license 明文、需人工申请、单一设备偏置。
• 最容易踩：把「AGE」误读为年龄、把前节 OCT 当成后节 OCT、忽视 -1 缺口。

尾注

1. 本条目所有硬数字均三源互证（arXiv:2005.02258 / PubMed 32896781 / age.grand-challenge.org），口径冲突处逐条存照。
2. 「AGE」为 Angle closure Glaucoma Evaluation 缩写，与年龄无关，特此反复强调。
3. 数据集许可无官方明文，归一化口径来自第三方目录（checked 2026-07-21），非法律意见。
4. 存储规模 1.2 GB 为第三方目录口径，官网页未列。
5. 本条目属受控/研究用途数据集，使用者应自行核验当前官方条款后再使用。
6. 条目内容基于 2026-10-07 抓取时点，链接与条款可能随时间变化。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• justraigs — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集 / 青光眼
• refuge2 — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集 / 青光眼
• airogs — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集 / 青光眼
• sics-155 — 共享标签：医学影像 / 眼科影像 / 图像分类 / 挑战赛数据集
• hygd-hillel-yaffe — 共享标签：医学影像 / 眼科影像 / 图像分类 / 青光眼
• rfmid — 共享标签：医学影像 / 眼科影像 / 图像分类
• oct2017 — 共享标签：医学影像 / 眼科影像 / 图像分类
• brset — 共享标签：医学影像 / 眼科影像 / 图像分类
• dfuc-2024 — 共享标签：医学影像 / 图像分类 / 目标检测 / 挑战赛数据集
• octdl — 共享标签：医学影像 / 眼科影像 / 图像分类

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。