艾星芳，谢鑫鹏

（1.江门职业技术学院信息工程学院，江门529090；2.深圳市腾讯计算机系统有限公司，深圳518000）

0 引言

糖尿病视网膜病变（简称糖网）是一种严重的眼睛损伤，可导致视力丧失或失明[1]。据世界卫生组织统计，全世界大约有2.2亿人受到糖尿病的影响[2]，视网膜病变则依据患者的患病程度以及时间而有所不同。因此，糖网的早期检测对及时控制病情和提高患者的生活质量有着重要的意义。糖网在眼底图像中表现为微动脉瘤（MA）、出血（HE）、硬渗出物（EX）和软渗出物（SE）等。渗出物是由受损血管在视网膜表面沉积的蛋白质或脂质，通常呈黄色[3]。硬性渗出物的存在是眼底损伤的明显标志，可以帮助早期发现糖网（DR）和糖尿病性黄斑水肿（DME）等疾病。在临床实践中，需要对图像中的异常区域进行检测和分割，从而帮助医生进行诊断和病情评估。然而目前临床上采用的手动分割方法消耗了医生的大量时间和精力，迫切需要一种智能算法来辅助医生进行异常区域的标注。

近年来，在眼底图像异常区域检测和分割领域已有大量工作。然而主要集中于血管的分割工作[4-6]，在病变区域分割方面仍不成熟。早期工作基于图像中异常区域的边缘、纹理等特征，采用边缘检测、纹理分类和形态学等操作来实现异常区域的分割。Esmaeili等人[7]提出利用Curvelet小波对眼底图像中的视盘和硬渗出物进行分割。Singh等人[8]提出了强度阈值和形态运算的策略组合。Walter等人[9]首先采用图像增强、阴影校正和图像归一化作为预处理。……