用于人类脉络膜毛细血管成像的AO-OCTA方法与数据集
摘要说明： 这是一种自适应光学-光学相干断层扫描血管成像（AO-OCTA）方法，用于在活体人眼中分辨和量化视网膜血管（包括脉络膜毛细血管），同时提供健康个体黄斑区脉络膜毛细血管拼接图及其形态学指标数据集
基本信息
资源简介
用于人类脉络膜毛细血管成像的AO-OCTA方法与数据集
AO-OCTA Method and Dataset for Human Choriocapillaris Imaging 是一种自适应光学–光学相干断层扫描血管成像（AO-OCTA）方法，用于在活体人眼中分辨和量化视网膜血管，其中特别包括脉络膜毛细血管（CC）。该方法同时配套一个数据集，内容涵盖健康个体黄斑区脉络膜毛细血管拼接图及其形态学指标。该资源面向视网膜成像设备开发者、制造商、临床医生和研究人员，旨在为需要进行 OCTA 视网膜血管成像、分析相关图像的专业人员提供方法指引和数据支持。整体而言，这一资源兼具方法学与数据集双重属性，既提出了成像与质量评估的技术路径，也提供了可供参考的健康人群基线数据。
【数据集背景】
该数据集来源于 synapse.org，在本站分类中归属于循环系统疾病 / 其他。其核心背景是自适应光学与光学相干断层扫描血管成像的结合，目标是在活体人眼中实现对视网膜血管的分辨和量化，尤其是对脉络膜毛细血管的成像与测量。源站描述指出，该方法具有多重目的：第一，为执行 OCTA 血管成像提供操作指南；第二，建立一种使用新的血流信噪比（flow SNR）指标来测量脉络膜毛细血管图像质量的方法；第三，该数据集可作为未来视网膜病理研究的正常基线，并可作为评估新型脉络膜毛细血管分割算法的带标签地面真值数据。这些背景信息表明，该资源不仅关注成像技术本身，也关注图像质量评价和后续算法开发的数据支撑。
【数据内容】
数据集包含健康个体黄斑区脉络膜毛细血管拼接图及其形态学指标。源站描述明确提到，数据集由 CC montages 及其跨黄斑区的形态学指标组成，来自健康个体。这些拼接图和形态学指标构成了对黄斑区脉络膜毛细血管的量化描述。此外，该数据集还可作为带标签的地面真值数据，用于评估新型脉络膜毛细血管分割算法。除上述内容外，源站未提供关于样本量、具体指标名称、图像分辨率、文件格式等更详细的数据内容说明。
【采集与来源】
该数据集来自 synapse.org。其采集基于自适应光学–光学相干断层扫描血管成像（AO-OCTA）方法，用于在活体人眼中进行视网膜血管成像，包括脉络膜毛细血管。源站描述提到，该方法为执行 OCTA 血管成像提供指南，并建立了使用新的血流信噪比指标测量 CC 图像质量的方法。数据来源于健康个体，覆盖黄斑区。除来源站和上述方法学信息外，源站未提供关于采集设备型号、采集地点、采集时间、受试者招募方式等更多采集细节。
【适用场景】
该资源适用于视网膜成像设备开发者、制造商、临床医生和研究人员，尤其是需要进行 OCTA 视网膜血管成像和分析的专业人员。具体用途包括：为执行 OCTA 血管成像提供操作指南；使用新的血流信噪比指标评估脉络膜毛细血管图像质量；作为未来视网膜病理研究的正常基线；以及作为带标签的地面真值数据，用于评估新型脉络膜毛细血管分割算法。这些场景覆盖了设备研发、临床成像、基础研究和算法评测等多个方向。
【使用方法】
源站描述指出，该资源提供了一种 AO-OCTA 方法，并给出了执行 OCTA 血管成像的指南，同时建立了使用血流信噪比指标测量 CC 图像质量的方法。数据集本身包含健康个体黄斑区脉络膜毛细血管拼接图及其形态学指标，可作为正常基线使用，也可作为带标签的地面真值数据用于算法评估。除上述说明外，源站未提供关于具体操作步骤、软件工具、参数设置、数据处理流程等更详细的使用方法信息。
【质量与限制】
源站描述提到，该方法建立了一种使用新的血流信噪比指标来测量脉络膜毛细血管图像质量的方法，这表明图像质量评估是该资源关注的重点之一。数据集来自健康个体，可作为正常基线，并可作为带标签的地面真值数据用于评估新型脉络膜毛细血管分割算法。除上述内容外，源站未提供关于数据质量评价结果、潜在偏差、适用范围限制、样本代表性等更多质量与限制信息。
【引用与许可】
源站未提供引用与许可相关信息。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://synapse.org/Synapse:syn64741794
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
摘要说明： 这是一种自适应光学-光学相干断层扫描血管成像（AO-OCTA）方法，用于在活体人眼中分辨并量化视网膜血管，包括脉络膜毛细血管（CC），同时提供来自健康个体黄斑区CC拼接图及其形态学指标的数据集。该方法具有多重目的：首先，为进行血管成像的OCTA操作提供指南；其次，建立一种使用新的血流SNR指标来测量CC图像质量的方法；最后，该数据集可作为未来视网膜病理研究的规范性基线，并作为评估新型CC分割算法的标记地面真实数据。预期用途： 此工具旨在服务于视网膜成像设备开发者、制造商、临床医生和研究人员，他们需要进行OCTA视网膜血管成像，分析CC图像质量，并开发基于机器学习或人工智能（AI）的方法来量化CC形态和/或分割CC血管。
具体医疗器械领域包括光学相干断层扫描及其他眼科血管造影成像设备，例如扫描激光检眼镜或带有对比增强剂（如吲哚菁绿（ICG）、荧光素）的眼底相机。${image?fileName=3339%5FCC%5FMontage%2Epng&align=None&scale=100&responsive=true&altText=} 联系人： 刘卓林博士，Zhuolin.Liu@fda.hhs.gov；Daniel X. Hammer博士，Daniel.Hammer@fda.hhs.gov 免责声明 关于监管科学工具目录 所附工具是监管科学工具目录的一部分，该目录为利益相关者提供了一个经过同行评审的资源，供在标准和合格的医疗器械开发工具（MDDTs）尚不存在的情况下使用。这些工具不能替代FDA认可的标准或MDDTs。该目录汇集了FDA器械与放射健康中心（CDRH）科学办公室的各种监管科学工具，
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
