一种基于眼底图数据集迁移学习的视杯视盘分割方法

摘要

本发明属于人工智能技术领域，具体涉及医疗眼底图数据集，特别是针对眼底图数据集迁移学习的视杯视盘分割方法。该方法通过骨干分割网络和两个领域判别器的对抗训练，提取眼底图数据集间的通用特征，并利用注意力模块对特征进行加权，解决了视杯视盘界限模糊的问题，排除了其余多种眼底病灶对分割任务的干扰。在不使用目标数据集标注信息的前提下，算法在眼底图数据集迁移过程中保持较高的视杯视盘分割精度，有效解决了标注眼底数据不足对于传统自动青光眼筛查方法性能的限制。