可学习的硬性渗出病变点标注方法

摘要：

眼底图像的定期筛查对许多疾病的早期诊断治疗具有重要意义,但患者数量的急剧增加对医护人员造成了巨大的压力,阅片工作占用了眼科医生大量的时间,疲劳审阅、情绪等因素都会影响医生的诊断结果.计算机辅助诊断工具的出现可以缓解医生阅片的压力,提高医生的诊断效率和准确率.视网膜辅助诊断工具的研究需要大量精细标注的眼底图像,在眼底数据集的图片数量无法满足研究需求时,本文提出了一种具有学习能力的硬性渗出病变点标注方法,使用形态学和机器学习的方法分割硬性渗出,将分割结果作为用户的预标注,用户只需简单点击校对标注结果,就能够在短时间内完成像素级的标注,大大提高了眼底图像的标注速度.

关键词：眼底图像、形态学处理、机器学习、硬性渗出

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61872200;国家重点研发计划课题项目2016YFC0400709;天津科技援助项目18YFYZCG00060;南开大学项目91922299

在线出版日期：2020-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2657-2661