王文赛 邢恩铭 秦鲁宁 周盛 杨军 林松

0 引言

青光眼是导致人类不可逆失明的主要因素之一，预计2040年全球将会有1.2亿人遭受青光眼疾病的折磨，而原发性闭角型青光眼是我国人民致盲的主要原因之一[1]。原发性闭角型青光眼对视野与视力的损害不可逆转，该病早期无明显临床症状，一般是疾病发展到晚期，视野严重缺损时才会发觉。前房角的关闭是导致原发性闭角型青光眼的主要因素，前房角开闭状态的检测是诊断原发性闭角型青光眼的主要依据。

原发性闭角型青光眼的诊断依赖于前房角的形态，眼科超声生物显微镜(ultrasound biomicroscopy，UBM)可以提供高分辨力的房角形态图像，能够实现无损的房角形态检查，广泛应用于青光眼等眼科疾病的临床诊断[2]。前房角UBM图像的分析是半自动化的，临床医生对前房角形态进行判断之前需要识别特定的解剖结构，前房角开闭状态的判断依赖医生的临床经验，不同医生的判断标准存在主观性差异，会对前房角开闭状态的判断准确率产生一定程度的影响；而且在大规模筛查时会占用临床医生较多时间，在导致临床医生疲劳的同时影响诊断效率和准确度。因此前房角开闭状态的图像自动识别研究具有重要的意义。

随着深度学习(deep learning,DL)和计算机视觉的发展，人工智能在医学影像诊断方面取得了重要进展[3]。在眼科疾病诊断方面也有较多的成功应用，如利用深度学习算法对年龄相关性黄斑变性疾病、糖尿病视网膜病变以及青光眼等疾病进行自动诊断[4-6]。……