赵学功，邓佳坤，魏浩然，彭真明*

（1. 电子科技大学信息与通信工程学院 成都 611731；2. 电子科技大学光电科学与工程学院 成都 611731）

全球的糖尿病患者日益增多，糖尿病患者到了晚期可能会引起视网膜病变（糖网），最终造成视力下降甚至失明[1]。微血管瘤（microaneurysm, MA）是糖网的初期症状，实现对微血管瘤的精确检测，对判断视网膜是否正常，具有重大的医学意义。

糖尿病患者由于血糖升高，微血管循环障碍，导致血管管壁变厚、血流减慢，同时也会发生内皮细胞增生等现象，造成局部组织缺氧，进而引发毛细血管局部扩张，形成微血管瘤[2]。微血管瘤在彩色眼底照片的表现为极小的暗红色点，局部对比度较低，同时眼底图像中存在极其容易与微血管瘤混淆的结构，如血管末端、背景噪声等。

微血管瘤的检测算法一般可以分为基于物理模型的方法、基于分类器的方法和基于深度学习的检测方法。基于物理模型的方法主要是根据微血管瘤的灰度分布结构进行数学建模，如文献[3]针对MA的类高斯灰度结构设计了圆形双边滤波器对MA 进行候选区提取，再通过局部梯度分析进行精确检测；文献[4]主要采用形态学的方法对糖网图像进行增强和去除血管、伪影等，进而提取微血管瘤；文献[5]提出了一种基于特征转移网络和局部背景抑制的MA 检测方法，可以降低噪声。基于分类器的方法主要是先提取微血管瘤候选区，再对微血管瘤候选区进行分类，如文献[6]首先采用中值滤波除掉糖网图像上的微血管瘤，再经过形态学膨胀得到糖网背景图像，将原图与糖网背景图像相减得到微血管瘤的候选区，然后对候选区提取传统特征和深度特征用于微血管瘤分类；……