袁 慧 杜 雪 赵晗冰 宋 美

（鲁东大学数学与统计科学学院,山东 烟台 264025）

目前，视功能损害已是一个严重的全球性公共卫生问题，全世界大概有盲人4 500万，低视力者1.35亿。在我国，视力残疾状况也十分严峻：我国视力残疾人数占残疾人总数的14.86%，其中白内障病人约占46.93%，青光眼约占5.64%[1]，且发病率呈逐年上升趋势。同时，我国眼科医疗资源分布不平衡，普及程度低，导致了病人早期筛查工作困难等情况，给患者的就诊和眼部疾病预防工作带来较大阻碍。如果将眼底疾病筛查与人工智能相结合，提升现有医疗资源的使用效率，将有效改善现状。因此，建立自动识别眼部疾病模型对辅助开展防盲治盲工作具有重要的意义。目前在该方面的探索已经取得了一定成果：干能强（2008）提出以MATLAB GUI作为开发工具，编写青光眼图像处理与识别系统，实现对青光眼图像的识别[2]；刘振宇等（2019）利用卷积神经网络自动提取深度特征构建白内障分级模型，其识别准确率达94.84%[3]；徐志京等（2021）基于R-VGGNet网络模型的识别方法提高了判别青光眼患者的准确率，可达91.7%[4]；李建强等（2018）基于CNN的白内障自动分类器在四分类任务中取得了81.86%的平均准确率[5]。上述模型大多只针对单一病种的识别，如青光眼、白内障和糖尿病视网膜病变等，导致其在日常生活中的适用范围较窄，多用于中后期辅助诊断工作。

与此同时，缺少公开眼底图像数据是我国眼底影像识别工作难开展的重要原因，多数眼底影像识别系统都是研究者与医院合作建立某种眼病的数据库。……