陈 林，陈亚军，沈 锐

(西华师范大学 a.计算机学院 b.教育信息技术中心，四川 南充 637002)

0 引言

各种眼科疾病，糖尿病和血液病等全身性疾病发病率随年增长.临床上，视网膜血管图像不仅用于评估和监测各种眼科疾病，也能及时地反映出糖尿病和血液病等全身性疾病.尽早发现潜在疾病，由医生提供相应治疗.有助于改善患者病情，降低患者病情加重的风险.因此分析眼底视网膜血管显得十分重要.

现如今已经有非常多的传统算法对视网膜图像中的血管进行分割，例如：基于数学的形态学方法[1]、基于血管中心线方法[2]、基于像素特征分割方法[3]等.近些年随着深度学习的快速发展，残差神经网络不断被使用，如张笑楠等[4]提出了基于残差网络的三维人脸识别方法.基于深度学习的图像分割算法也是层出不穷，如FCN(fully convolutional networks)[5]、SegNet[6]、U-Net[7]等算法.使用基于深度学习的方法来分割视网膜图像中的血管的算法也不断被提出，如Li等[8]提出新的视网膜图像血管分割的监督方法.该方法将分割问题转化为跨模态数据的问题从视网膜图像到血管图的转换.如Zhao等[9]提出了新的无限主动轮廓模型，利用图像的混合区域信息来进行血管结构的自动检测.Alom 等[10]提出适用于多种场景的医学图像分割任务的递归残差结构的U-Net网络模型.Oliveira等[11]提出基于平稳小波变换提供的多尺度分析与多尺度全卷积神经网络相结合的改进全卷积神经网络，来处理视网膜血管结构的宽度和方……