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

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.