基于改进U-Net的视盘视杯分割方法的研究

茅 前，江旻珊，魏 静

（上海理工大学 光电信息与计算机工程学院，上海 200093）

引 言

杯盘比是指眼底的视盘和视杯两者垂直高度的比，可以通过对眼底图像的视盘和视杯的分割计算获得。杯盘比是判断青光眼的重要参考指标，目前杯盘比通常是由眼科医生依靠多年的经验并通过观察彩色眼底照片获得。然而，人工观测存在诸多的缺点，如需要有丰富的专业知识，判断的一致性差，无法进行客观定量的分析等。因此，为了提高青光眼筛查和诊断的效率，本文开展了计算机辅助青光眼智能诊断方法的研究。

在研究中我们采用了一个基于U-Net改进的算法来分割视盘和视杯，以此进一步提高算法对于视杯和视盘的准确分割。与现有的一些算法相比，我们所提出的方法在分割结果上能够取得一定的提高。

1 视盘视杯图像分割原理

1.1 数据集来源

本文视盘视杯分割采用了一个公开数据集和一个非公开数据集，分别为来自上海市第一人民医院的彩色眼底照片以及DRISHTI-GS数据集[1]中的彩色眼底照片。其中，非公开数据中包含了300张彩色眼底照片，而DRISHTI-GS数据集包括了101张彩色眼底照片，彩色眼底照片的分辨率为2 896×1 944。

1.2 图像处理方法

在使用神经网络进行学习时，为了保证网络的学习效率以及得到更高的准确率，实验前先对输入网络的图像进行预处理。首先，针对对比度弱的彩色眼底图像，使用限制对比度自适应直方图均衡（CLAHE）技术，该技术是将每个图像切割成8×8的64块，并且对每一块使用直方图均衡化处理。……