DERMA-OCTA：首个开放获取的皮肤光学相干断层扫描血管成像数据集及预处理流程

为解决皮肤OCTA（光学相干断层扫描血管成像）领域缺乏标准化分析方法和标注数据集的问题，研究人员开发了首个开放获取的DERMA-OCTA数据集，包含330例多病理皮肤OCTA容积扫描及5种预处理版本，并提供了2D/3D分割标签。该研究通过U-Net架构验证了数据质量（平均Dice达82.30%），为皮肤微血管定量分析及AI模型开发提供了关键资源，发表于《Scientific Data》。

　　

论文解读

背景与挑战

皮肤作为人体最大的器官，其微血管网络的异常与多种疾病密切相关，从慢性静脉疾病(CVD)到皮肤癌变。光学相干断层扫描血管成像(OCTA)因其非侵入、无标记和高分辨率特性，成为研究皮肤微血管的理想工具。然而，与眼科OCTA的成熟应用相比，皮肤OCTA面临三大瓶颈：

1. 1.

   组织异质性：皮肤多层散射结构导致成像质量不稳定，运动伪影和投影伪影（如深层虚假血流信号）干扰显著；

2. 2.

   数据标准化缺失：缺乏统一预处理流程，不同设备/病理的图像可比性差；

3. 3.

   标注资源匮乏：现有视网膜OCTA数据集（如OCTA-500、ROSE）无法适配皮肤血管的复杂三维架构，制约AI模型开发。

研究设计与技术方法

为解决上述问题，跨国团队（意大利都灵理工大学、奥地利维也纳医科大学等）发布了首个皮肤专属OCTA数据集DERMA-OCTA。研究招募74名受试者（含健康者、CVD患者及皮肤病变患者），通过SS-OCT系统（1310 nm波长，轴向分辨率9.8 μm）采集330例容积扫描（10×10 mm²视野）。创新性技术包括：

1. 1.

   多版本预处理：依次应用Bscan归一化、指数滤波去投影伪影、3D中值滤波、Frangi血管增强（尺度4-6），生成5种数据变体；

2. 2.

   半自动标注：基于Amira软件进行3D人工精修，剔除<200体素的噪声，最终生成2D/3D金标准分割标签；

3. 3.

   AI验证：采用2D/3D U-Net评估数据质量，测试集包含CVD各阶段及皮肤肿瘤病例。

研究结果

数据多样性

数据集涵盖7类病理：健康皮肤、CVD（C1-C6期）、鳞状细胞癌(SCC)、基底细胞癌(BCC)等。图1对比显示，健康皮肤血管呈规则网状，而CVD晚期（C6）表现为血管迂曲增粗，恶性肿瘤则呈现点状血管簇与无血管区交替的典型模式。

预处理效果

图3展示逐步处理后的图像变化：原始数据（左）存在明显噪声，经投影伪影衰减（中）后深层血管连续性改善，Frangi滤波（右）则突出微小血管分支。定量显示，2D U-Net在"滤波+对比增强"版本表现最佳（Dice 86.34%），显著优于原始数据（79.62%）。

跨病理泛化性

表4显示，模型在独立测试集（含SCC、Bowen病等）保持稳定性能。3D U-Net因皮肤血管复杂性表现较弱（Dice 57.23-71.32%），提示需开发更先进的3D分割算法。

结论与意义

DERMA-OCTA填补了皮肤OCTA研究的核心资源空白：

1. 1.

   临床价值：为CVD分期、皮肤肿瘤鉴别提供量化指标（如血管密度、迂曲度），推动OCTA成为无创诊断工具；

2. 2.

   技术贡献：开源预处理代码支持灵活流程定制，Frangi滤波参数（尺度4-6）为皮肤血管增强提供基准；

3. 3.

   社区影响：数据异构性（不同病理/处理版本）助力开发鲁棒性AI模型，促进皮肤微血管研究从定性到定量的范式转变。

未来工作将扩展样本平衡性，并集成探头压力传感器以控制采集变量。该成果发表于《Scientific Data》，标志着皮肤OCTA研究进入标准化、可重复的新阶段。