• 1. 南京航空航天大学电子信息工程学院 211106;
  • 2. 南京医科大学第二附属医院眼科 210003;
导出 下载 收藏 扫码 引用

目的 观察分析基于深度学习的眼底图像视盘定位与分割方法的准确性。方法 在ORIGA数据集上训练和评估基于深度学习的视盘定位和分割方法。在深度学习的Caffe框架上构建深度卷积神经网络(CNN)。采用滑动窗口将ORIGA数据集的原图切割成许多小块图片,通过深度CNN判别各个小块图片是否包含完整视盘结构,从而找到视盘所在区域。为避免血管对视盘分割产生影响,在分割视盘边界之前去除视盘区域的血管。采用基于图像像素点分类的视盘分割深度网络,实现眼底图像视盘的分割。计算基于深度学习的眼底图像视盘定位与分割方法的准确性。定位准确率=T/N,T代表视盘定位正确的眼底图像数量,N代表总共用于定位的眼底图像数量。采用重叠误差(overlap error)比较视盘分割结果与实际视盘边界的误差大小。结果 基于深度学习的眼底图像视盘定位方法其定位准确率为99.6%;视盘分割平均重叠误差为7.1%;对青光眼图像和正常图像的平均杯盘比的计算误差分别为0.066和0.049;每幅图像的视盘分割平均花费10 ms。结论 基于深度学习的眼底图像视盘定位方法能快速并准确地定位视盘区域,同时也能够较为精准地分割出视盘边界。

引用本文: 万程, 周雪婷, 周鹏, 沈建新, 俞秋丽. 基于深度学习的眼底图像视盘定位与分割方法. 中华眼底病杂志, 2020, 36(8): 628-632. doi: 10.3760/cma.j.cn511434-20190712-00224 复制

  • 上一篇

    硅油眼脉络膜厚度变化及机制初步探讨
  • 下一篇

    聚嘧啶束结合蛋白相关剪接子高表达对糖基化终末产物诱导下人视网膜微血管内皮细胞氧化损伤的作用