胡扬涛，裴 洋，林 川，李世成，易玉根

1.中国人民解放军联勤保障部队 第908医院眼科，南昌 330002

2.江西师范大学 软件学院，南昌 330022

青光眼是世界上第一种不可逆转的致盲性眼科疾病，也是成为世界上第二大致盲疾病。青光眼疾病的早期并没有明显的症状，往往到晚期才会暴露出来，但一旦发生将不可逆转。由于其隐蔽性强、致盲率高以及危害性大，因此，眼科医生强调及时进行眼底检查，并尽早发现和早治疗。在临床试验中，医生通常是通过观察视杯和视网膜面积的结构变化以及视网膜血管的变化来筛选和诊断青光眼。然而，传统的方法是将眼底图像与医生的主观医学经验相结合，费时费力且重复性高，还极容易造成检查结果存在差异。此外，尤其在边远地区，受医疗设备和临床眼科医生的限制，患者在眼底检查中更是容易出现误诊与漏诊现象。近年来，随着人工智能与计算机视觉技术的迅速发展和应用，计算机辅助诊断技术将图像处理和深度学习技术相结合，通过模拟人脑神经元的工作模式建立网络模型，实现对眼底疾病的智能辅助筛查和诊断[1]。计算机辅助诊断首先从眼底图像中分割视网膜血管、视盘和视杯结构，然后分析各结构的变化以筛选青光眼疾病。因此，视网膜血管分割在辅助诊断过程中起着关键性的作用。

尽管现有的分割方法可以分割出视网膜血管的结构，但仍存在精度低、灵敏度差和分割区域错误等问题。……