文献类型：期刊文章

作　　者：杨帆[1,2] 陈睿诗[1] 莫阳[1] 缪月红[1,2] 段平[3] 谷浩[3] 王丽会[4]

YANG Fan;CHEN Ruishi;MO Yang;MIAO Yuehong;DUAN Ping;GU Hao;WANG Lihui(Key Laboratory of Biology and Medical Engineering,Guizhou Medical University,Guiyang 550004,Guizhou,China;Department of Biomedical Engineering,School of Biology and Engineering,Guizhou Medical University,Guiyang 550004,Guizhou,China;Department of Ophthalmology,the Affiliated Hospital of Guizhou Medical University,Guiyang 550004,Guizhou,China;Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province,School of Computer Science and Technology,Guizhou University,Guiyang 550025,Guizhou,China)

机构地区：[1]贵州医科大学生物与医学工程重点实验室,贵州贵阳550004 [2]贵州医科大学生物与工程学院生物医学工程教研室,贵州贵阳550004 [3]贵州医科大学附院眼科,贵州贵阳550004 [4]贵州大学计算机科学与技术学院贵州省智能医学影像分析与精准诊断重点实验室,贵州贵阳550025

出　　处：《贵州医科大学学报》

基　　金：国家自然科学基金(81660298,61661010);2017贵州省大学生创新创业训练计划资助项目(201710660033);贵州省科学技术基金[黔科合J字(2015)2044号]。

年　　份：2020

卷　　号：45

期　　号：4

起止页码：432-437

语　　种：中文

收录情况：CAS、JST、ZGKJHX、普通刊

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  

分 类 号：R774.1]