青光眼已成为全球致盲的主要原因之一.通常,眼科医生利用彩色眼底图像对患者的视神经头(ONH)区域进行评估以诊断青光眼.然而,作为ONH评估重要指标之一的杯盘比(CDR)大都由医生进行人工测量和计算,耗时、费力且带有一定的主观性.为此,提出一种基于改进U-Net的青光眼视杯盘分割算法,在U-Net的编码部分采用ResNet50的映射叠加方式,有效提取图像深层信息.结果表明,所设计模型在公开的DRIONS-DB、RIM-ONE和DRISHTI-GS数据集上分别获得AUC值为0.982、0.962和0.989;针对视盘区域分割,IOU分别为0.93、0.94和0.93,Dice系数分别为0.96、0.97和0.97;在RIM-ONE和DRISHTI-GS数据集上,针对视杯区域分割,IOU分别为0.845与0.93,Dice系数分别为0.923与0.967.与眼科医生分割结果相比,其标准误差小于0.16,验证了该算法的优越性能.
国家科技期刊平台
NSTL
万方数据
维普
