计算机科学与探索

作者：汪有崧, 裴峻鹏, 李增辉, 王伟

单位：1. 上海理工大学 健康科学与工程学院，上海 200093 2. 海军军医大学 中国人民解放军海军特色医学中心，上海 200433

关键词：眼底图像,血管分割,深度学习

视网膜眼底图像的分割结果可为糖尿病视网膜病变、青光眼和年龄相关性黄斑病等眼科疾病的诊断提供辅助。通过准确分割视网膜血管，医生能够更好地了解患者眼部状况，为诊断、治疗和评估提供有力支持。对近年来的基于深度学习的眼底血管分割论文进行回顾整理，介绍了最常用于眼底血管分割的数据集，以及预处理方式，并将近期的模型算法分为单网络模型、多网络模型以及Transformer模型几个大类。对每一类网络中所存在的各个模块文章进行了介绍分析，探讨了它们的优势以及在处理眼底血管分割任务时的局限性。这些分析有助于理解不同模块的特点和适用场景。将所检索的模型数据进行总结，通过比较不同算法模型在同一数据集上的表现，以及根据相同的评价指标获得的分数，比较各算法模型的优劣，分析分数较好算法存在优势的原因，并指出了现如今的算法所存在的缺陷，总结深度学习的方法在视网膜血管分割中面临的诸多挑战，指出了未来深度学习在眼底血管分割方面可侧重的发展方向。

来源：2024年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第8期