基于深度学习的近视性屈光度自动预测方法研究

• 作者: 张孝顺 王天宇 石征锦 秦朋 耿枫
• 来源期刊: 光电技术应用
• 学科: 医学
• 关键词: DenseNet 屈光度预测 图像处理 眼底成像 均方误差
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 48-53
• 页数: 6页
• 分类号: R770.4|TP181
• 语种: 中文

摘要

以广角激光眼底图像为研究对象,对原始图像利用数字图像处理技术提高图像质量,其中包括:滤波、提高对比度、平衡光照等.针对广角激光眼底图像的特殊性,首先对图像进行统一裁剪,去除眼睫毛及眼皮等噪声干扰;其次对数据进行数据扩充;最后利用深度学习中的DenseNet自动提取近视性眼底改变特征,并进行回归预测.该方法可以辅助医生进行近视性屈光度的自动诊断,取代了传统验光的繁琐操作,节省了购买大型验光仪器的资金,对于近视的及时诊疗和病情筛查,以及预防未矫正视力所带来的视力损失或失明都有着十分重要的意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石征锦		41	54	3.0	6.0
2	耿枫		3	0	0.0	0.0
3	秦朋		5	2	1.0	1.0
4	王天宇		4	0	0.0	0.0
5	张孝顺		1	0	0.0	0.0