摘 要：为了提高青光眼检测的准确率，降低青光眼的危害，本文提出一种基于多任务学习的青光眼智能诊断方法，将U-Net 网络和VGG16 网络结合，U-Net 网络和VGG16 网络共用U-Net 网络的编码器部分，通过U-Net 网络得到杯盘比(cup-to-disc ratio，CDR)，并且将CDR 作为眼底图像的特征之一输入VGG16 网络，实现眼底图像的青光眼分类。实验使用REFUGE 挑战数据集进行验证，网络模型在训练后得到的工作特性曲线下面积为0.978 8，且视盘和视杯的分割准确率分别达到0.874 5 和0.962 4，对比其他使用相同数据集的方法，本方法具有更高的青光眼分类准确率。

论文下载：

08.pdf

  浏览次数：