基于深度学习的视网膜分支动脉阻塞分割

• 作者: 周宁浩 张格致 施巍 朱伟芳 王泽廷 石霏 郭超
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 视网膜分支动脉阻塞 光学相干断层扫描 深度学习 条件生成对抗网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 5-9,封3
• 页数: 6页
• 分类号: TP301
• 字数: 4846字
• 语种: 中文
• DOI: 10.11907/rjdk.191133

摘要

视网膜疾病如视网膜动脉阻塞等的早期诊断和治疗是预防永久性视力损伤的关键.为辅助临床眼科医生更快、更准确地诊断视网膜疾病,提出一种基于深度学习的视网膜分支动脉阻塞分割的方法.首先,将三维视网膜光学相干断层扫描图像转换为二维 B超扫描图像,通过二值化、仿射变换等方法提取视网膜区域作为感兴趣区域;然后将感兴趣区域送入条件生成对抗网络进行训练,实现 BRAO病变区域分割;最后,采用腐蚀、闭运算等形态学运算排除假阳性.在 20张来自 20双眼睛、包含 BRAO急性期和萎缩期视网膜 OCT图像上进行四折交叉验证,平均正确率、真阳性率、假阳性率分别为94.7%、92.1%、5.0%,表明BRAO分割方法有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱伟芳	苏州大学电子信息学院	13	114	6.0	10.0
2	石霏	苏州大学电子信息学院	11	36	4.0	5.0
3	郭超	苏州大学电子信息学院	1	1	1.0	1.0
4	张格致	苏州大学计算机科学与技术学院	1	1	1.0	1.0
5	周宁浩	苏州大学电子信息学院	2	1	1.0	1.0
6	施巍	苏州大学电子信息学院	1	1	1.0	1.0
7	王泽廷	苏州大学电子信息学院	1	1	1.0	1.0