基于深度卷积神经网络的青光眼诊断方法研究

摘要

单一特征无法准确描述青光眼图像改变,使得计算机辅助的青光眼检测技术具有较高的误诊率和漏诊率,针对这一问题,对视盘区域在深度卷积神经网络结构中的上下文信息进行研究,以辅助眼科医生对青光眼进行诊断.对原始眼底图像进行预处理操作,减少背景噪声和视网膜血管对视盘区域分割的影响;基于深度卷积神经网络模型使用k-means算法对视杯进行分割,并结合视杯呈圆形或椭圆形特性,利用基于最小二乘法椭圆拟合算法将不规则的曲线拟合成规则的椭圆形,以提高视盘视杯分割和青光眼检测的性能,最终在Drishti-GS1数据库图像中完成了测试.实验结果表明,该方法对青光眼进一步诊断有较好的鲁棒性和准确性.