摘要

视网膜结构（如视盘、杯状结构和黄斑）的精确检测对于年龄相关性黄斑变性（AMD）、青光眼及其他视网膜疾病的分析至关重要。现有的大多数分割方法通常将这些视网膜结构分别进行检测，导致在计算机辅助眼科诊断与筛查中难以实现结构间的联合分析。为解决这一问题，本文提出了一种将视盘、杯状结构与黄斑联合分析的新方法。该方法基于改进的U-Net++架构，并采用EfficientNet-B4作为主干网络，实现对视盘（含杯状结构）及黄斑的联合检测。通过在U-Net++中利用跳过连接（skip connections）融合EfficientNet提取的深层特征，提升了分割的精确性。研究采用ADAM与REFUGE挑战赛提供的数据集对模型性能进行评估。实验结果表明，该方法在ADAM和REFUGE数据集上的视盘分割Dice系数分别达到94.74%和95.73%，表现优异；在黄斑定位任务中，于ADAM数据集上实现了平均26.17像素的欧氏距离误差。该方法在ISBI ADAM 2020挑战赛的视盘检测与分割任务中荣获第一名。