王嘉良，罗健旭，刘 斌，冯 瑞，邹海东

1.华东理工大学 信息科学与工程学院，上海200237

2.上海无线电设备研究所，上海200000

3.复旦大学 计算机科学与工程学院，上海200433

4.上海市眼科医院，上海200040

1 引言

糖尿病眼底病变（Diabetic Retinopathy，DR）是一种由糖尿病引起的视网膜微血管损伤的并发症，患者若没有及时救治，会导致视力严重下降或失明。根据国际标准，通常将糖尿病眼底病变的严重程度分为五级[1]：健康、轻度、中度、重度、增殖。健康，视网膜完全正常；轻度，有少量的微血管瘤出现，但是不影响视力；中度，眼底开始出现少量的出血点，视力会受到轻微影响；重度，眼底大量出血，视力严重下降，但是还没有新生血管增殖；增殖，出现玻璃体出血，有新生血管增殖，患者可能会失明。本文的自动诊断系统分级也按如上的五级标准进行。

近年来，使用图像算法对眼底图像进行识别的研究越来越多[2-5]。随着深度学习的发展，卷积神经网络在糖尿病眼底图像的分类上也得到了较多的应用[6-8]。然而，这些研究均只能实现DR分类，未能对病变区域进行检测，即精确框选出病变区域的位置。

另外普通的卷积神经网络用于实际场景的眼底图片识别也面临着如下的问题：

（1）卷积神经网络的输入图像尺寸必须是固定的，然而现实中往往面临着不同款式的眼底相机拍出的图像格式尺寸不同的问题。

（2）医院中的实际图像不像公共数据集那样整洁，可能有病人的名字或身份id或日期打印在图像上。

针对上述问题，本文提出了基于R-FCN（Regionbased Fully Convolutional Networks）算法的糖尿病眼底病变自动诊断。……