多类别眼部图像数据集：用于基于人工智能的眼睑疾病分割与分析

《Scientific Data》：A multi-category eye image dataset for AI-based segmentation and analysis of eyelid disorders

　　

摘要

异常的眼睑位置和形态可导致视觉功能障碍、眼表损伤和面部畸形，突显了对眼睑进行精确评估的必要性。人工智能（AI）的发展使得利用眼部外部图像自动分析眼睑异常成为可能，但由于缺乏包含多类别病变且具有标准化结构标注的公开数据集，相关发展受到限制。为弥补这一缺口，我们构建了一个临床标注的眼部图像数据集，包含来自八种常见眼睑疾病和一个正常对照组的1,414张图片。每张图片均包含诊断标签以及三个关键眶周结构的手动标注：眼睑裂隙、角膜和眉毛。进行了图像质量评估和专家验证以确保标注的可靠性。标注者间和标注者内一致性表明具有极佳的一致性。基于该数据集训练的基线Attention 2D U-Net分割模型在眼睑裂隙、角膜和眉毛上的Dice系数分别为0.93、0.96和0.89。该数据集为自动分割、眶周定量测量和AI辅助眼睑分析提供了有价值的资源，支持眼睑评估的标准化和可重复方法。