基于深度学习的视网膜病变眼底图视盘自动定位与分割研究

摘要：

目的:研究视网膜病变眼底图像中视盘的自动定位与分割.方法:收集Messidor数据库中1200张眼底图,其中900张用于训练,300张用于测试;采用2个深度学习网络分别实现视盘在图像上的精确定位与分割,采用准确率、Dice系数、Jaccard系数、敏感性、特异性指标评估结果.结果:视盘定位准确率为100％,视盘分割准确率为97.38％,平均Dice系数、Jaccard系数、敏感性、特异性为0.9194、0.8549、0.9959、0.9700,平均处理时间为0.25 s.结论:深度学习方法能够实现高精度的视盘定位及视盘分割,有助于眼底图像的实时自动分析.

关键词：视网膜病变眼底图、视盘定位、视盘分割、深度学习、U-Net

所属期刊栏目：45

分类号：R774.1(眼科学)

资助基金：国家自然科学基金;2017贵州省大学生创新创业训练计划资助项目;贵州省科学技术基金[黔科合J字20152044号

在线出版日期：2020-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：432-437