Rotterdam artery-vein segmentation (RAV) dataset

Dit artikel introduceert het Rotterdam Artery-Vein (RAV)-dataset, een divers en hoogwaardig bestand van fundusfoto's met gedetailleerde slagader- en adersegmentaties die zijn gevalideerd op connectiviteit, speciaal ontwikkeld om robuuste en generaliseerbare machine learning-modellen voor retinale vaatanalyse te trainen en te evalueren.

De kern

Het Rotterdamse Aderspel: Een nieuwe kaart voor de oogartsen

Stel je voor dat je oog niet alleen een venster is naar de buitenwereld, maar ook een spiegel die de gezondheid van je hele lichaam weerspiegelt. De bloedvaatjes in je netvlies (de achterkant van je oog) zijn als een ingewikkeld stelsel van riviertjes en kanalen. Of deze riviertjes recht of kronkelig zijn, of dat ze dik of dun zijn, vertelt artsen veel over ziektes zoals hoge bloeddruk, hartproblemen of zelfs Alzheimer.

Maar hier zit een probleem: om deze riviertjes goed te bestuderen, moeten artsen ze één voor één uittekenen op foto's van het oog. Dat is als proberen een heel bos te tekenen met een potlood, terwijl je blindelings door het struikgewas loopt. Het is extreem tijdrovend, saai en lastig om consistent te doen.

De oplossing: De Rotterdamse Aderspel (RAV) Dataset

De onderzoekers van de Erasmus Universiteit in Rotterdam hebben een oplossing bedacht. Ze hebben een enorme, openbare schatkist gecreëerd met 206 foto's van oogachtergronden. Maar dit zijn geen gewone foto's; het zijn foto's met een geavanceerde "GPS-kaart" eronder.

Hier is hoe ze het hebben gedaan, vertaald in alledaagse termen:

1. De Verzameling (De "Bonte Hoop"):
   Ze hebben foto's verzameld van heel verschillende mensen (van 40 tot 90+ jaar) en met heel verschillende camera's. Sommige foto's zijn scherp als een diamant, andere zijn wazig of hebben vlekjes, alsof je door een vies raam kijkt.

   • Waarom? Omdat echte leven niet perfect is. Als je een computer wilt leren om oogziektes te herkennen, moet je hem niet alleen leren kijken naar perfecte foto's, maar ook naar die "moeilijke" foto's die in de echte wereld voorkomen. Ze hebben zelfs foto's meegenomen die andere computers zouden weigeren, omdat ze dachten: "Hier zit misschien nog wel iets bruikbaars in."

2. De Magische Tekenmethode (AI als assistent):
   In plaats dat mensen urenlang zelf de vaartjes moesten tekenen, gebruikten ze slimme computerprogramma's (AI) als voorschets.

   • De analogie: Stel je voor dat je een schilderij moet maken. In plaats van elke penseelstreek zelf te zetten, laat je een robot eerst de contouren van de bomen en rivieren schetsen. De mensen hoeven dan alleen nog maar de robot te corrigeren: "Nee, die tak is een boom (ader), niet een struik (slagader)."
   • Dit maakte het werk veel sneller. De mensen keken alleen of de robot de verbindingen tussen de vaartjes goed had getekend en kleurden de slagaders (rood) en aderen (blauw) in.

3. De Controle (De "Vriendencheck"):
   Om zeker te weten dat de kaarten goed waren, hebben vier verschillende mensen dezelfde foto's bekeken. Ze kwamen bijna altijd tot dezelfde conclusie (ongeveer 90% overeenstemming). Dat betekent dat de kaarten betrouwbaar zijn.

Waarom is dit zo belangrijk?

Vroeger waren er maar een paar kleine verzamelingen met dit soort kaarten, vaak alleen van gezonde mensen of alleen van mensen met suikerziekte. De Rotterdamse dataset is als een groot, divers universum: het bevat gezonde mensen, mensen met oogziektes, foto's van het midden van het oog én van de zijkant.

Dit is goud waard voor de toekomst:

• Betere AI: Computerprogramma's kunnen nu leren om op elke foto, onder elke omstandigheid, de vaartjes te herkennen.
• Snellere diagnoses: In de toekomst kunnen artsen misschien met één klik op een knop de gezondheid van je bloedvaten checken, zonder urenlang te hoeven mikken.
• Wereldwijd gebruik: Omdat de dataset gratis beschikbaar is (zoals een openbare bibliotheek), kunnen onderzoekers over de hele wereld hiermee werken.

Kortom:
De onderzoekers hebben een grote, gedetailleerde atlas gemaakt van de bloedvaten in het oog. Ze hebben slimme hulpmiddelen gebruikt om deze atlas snel en nauwkeurig te vullen, zodat computers in de toekomst beter kunnen helpen bij het opsporen van ziektes. Het is een stap voorwaarts van "moeilijk handmatig tekenen" naar "slimme, geautomatiseerde diagnose".

Technische samenvatting

Technische Samenvatting: Rotterdam Artery-Vein (RAV) Dataset

1. Het Probleem
De retinale vasculatuur biedt een unieke, niet-invasieve venster op de microcirculatie van het menselijk lichaam. Morfologische kenmerken van bloedvaten (zoals kaliber, kronkeling en vertakkingspatronen) fungeren als belangrijke biomarkers voor systemische aandoeningen zoals hypertensie, cardiovasculaire ziekten, beroertes en neurodegeneratieve stoornissen.
De accurate meting van deze biomarkers vereist een precieze segmentatie van het vaatstelsel en een correcte classificatie van elk vaatsegment als slagader (arterie) of ader (ven). Hoewel deep learning de automatisering van deze taken heeft revolutioneerd, zijn bestaande datasets voor slagader-ader (A/V) segmentatie vaak beperkt in:

• Grootte: Ze bevatten vaak slechts enkele tientallen afbeeldingen.
• Diversiteit: Ze missen variatie in beeldvormingsapparatuur, patiëntendemografie en beeldkwaliteit.
• Focus: Veel datasets zijn beperkt tot specifieke pathologieën (bijv. diabetische retinopathie) of specifieke beeldvelden (alleen macula- of optische schijf-gesentreerd).
  Dit gebrek aan grote, diverse en zorgvuldig geannoteerde datasets belemmert de ontwikkeling van robuuste en generaliseerbare machine learning-modellen.

2. Methodologie
De auteurs introduceerden de RAV-dataset, afkomstig uit de Rotterdam Study (RS), een grote, populatiegebaseerde cohortstudie.

• Datacollectie en Sampling:

  • De dataset bevat 206 retinale fundusafbeeldingen (CFI's) van Nederlandse cohorten, waaronder de Rotterdam Study, MYST en AMD-Life.
  • Er is bewust gekozen voor een hoge diversiteit: afbeeldingen zijn afkomstig van verschillende apparaten (van oude analoge systemen tot moderne OCT-machines), verschillende beeldvelden (macula- en optische schijf-gesentreerd) en een breed spectrum aan oogziekten.
  • Kwaliteitscontrole: In tegenstelling tot veel andere studies, zijn afbeeldingen met lagere kwaliteit bewust opgenomen als ze waardevolle vasculaire informatie bevatten, zelfs als ze door automatische kwaliteitsalgoritmen zouden worden afgewezen. Dit dient om modellen te trainen op real-world variabiliteit.

• Annotatieproces (Human Labelling):

  • In plaats van afbeeldingen vanaf nul te labelen, werd een AI-gestuurde workflow gebruikt om tijd en kosten te besparen.
  • Een bestaand model genereerde eerst een initiële segmentatie van het volledige vaatstelsel.
  • Menselijke beoordelaars (graders) gebruikten een aangepast interface om deze maskers te splitsen in drie lagen: Arterie, Vene en Onbekend.
  • Specifieke aanpak bij kruisingen: Bij kruisingen waar een slagader een ader kruist (en vice versa), werden beide vaten gelabeld in hun respectievelijke maskers, in plaats van alleen het zichtbare bovenste vat. Dit helpt modellen om de onderliggende topologie van het vaatstelsel te begrijpen.
  • Connectiviteitsvalidatie: Beoordelaars gebruikten tools om verbonden componenten te visualiseren en gaten of fouten in de connectiviteit van de maskers expliciet te corrigeren.

• Dataformat:

  • De dataset bestaat uit PNG-bestanden van 1024x1024 pixels.
  • Drie mappen:
    1. rgb: Preprocessed kleur-fundusafbeeldingen.
    2. av_masks: A/V segmentatiemaskers gecodeerd in RGB-kleurenkanalen (R = arterie, B = vene, G = onbekend).
    3. Metadata: Informatie over apparaat, leeftijd en geslacht.

3. Belangrijkste Resultaten en Validatie

• Dataset Samenstelling: De dataset omvat 206 afbeeldingen met een breed scala aan pathologieën en beeldvormingscondities, wat een significant vooruitgang is ten opzichte van bestaande datasets (zoals DRIVE, RITE, HRF) die vaak kleiner en minder divers zijn.
• Inter-rater Betrouwbaarheid: De kwaliteit van de annotaties werd getest door vier beoordelaars om dezelfde afbeeldingen te labelen. De resultaten toonden een hoge overeenkomst:
  • Cohen's Kappa: 0,882 voor arteriën en 0,890 voor venen.
  • Gemiddelde Dice-score: 0,906 voor arteriën en 0,899 voor venen.
  • Opmerking: De auteurs waarschuwen dat deze scores mogelijk iets optimistisch zijn omdat de annotaties gebaseerd waren op een AI-voorstel, in plaats van volledig vanaf nul.
• Toepassing: De dataset is reeds gebruikt om het VascX-systeem te trainen, een openbaar systeem dat state-of-the-art prestaties boekte op diverse datasets.

4. Bijdragen en Significantie

• Technische Innovatie: De paper introduceert een efficiënte methode voor het annoteren van grote datasets door gebruik te maken van AI-voorgestelde maskers, gecombineerd met menselijke validatie en connectiviteitscontrole.
• Real-world Generalisatie: Door het opnemen van afbeeldingen met variabele kwaliteit en diverse apparaten, ondersteunt de dataset het trainen van modellen die beter bestand zijn tegen de variabiliteit die men in de klinische praktijk tegenkomt.
• Open Science: De dataset is publiek beschikbaar gesteld onder een Creative Commons-licentie (CC BY-NC 4.0) via Dataverse, wat de reproducibiliteit en verdere ontwikkeling van oculomics-tools in de gemeenschap stimuleert.
• Klinische Impact: Betere A/V-segmentatie leidt tot nauwkeurigere biomarkers, wat op zijn beurt de automatische screening en diagnose van systemische en oculaire ziekten kan verbeteren.

Kortom, de RAV-dataset vult een cruciale lacune in de ophthalmologische beeldanalyse door een grote, diverse en hoogwaardig geannoteerde bron te bieden die specifiek is ontworpen om robuuste machine learning-algoritmen te ontwikkelen voor vaatstelselanalyse.