韩璐，毕晓君

（1.哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001;2.中央民族大学 信息工程学院，北京 100081）

近年来，患有视网膜黄斑病变的患者数量明显增加，并且随着病情的加深，该病会对视力产生不可逆转的影响，严重情况下会导致失明[1-3]。因此，黄斑病变的早期发现和临床诊断至关重要，通过适当的治疗和定期的筛查可以使黄斑病变引起的失明减少90%。

光学相干断层扫描技术(optical coherence tomography，OCT)可以提供高分辨率的视网膜截面图像，是目前用于检验视网膜疾病最为先进的技术手段，具有非接触、无创、成像快等优点[4-7]，医生通过对视网膜OCT 图像的分析对眼底疾病做出诊断。然而，利用OCT 技术对视网膜疾病进行人工诊断面临以下问题：视网膜黄斑病变患者逐年增加，医生面临巨大的阅片任务，依靠专业医生的诊断已经无法满足大量患者的诊疗需求；OCT 图像为灰度图像，个别病变特征不明显，医师诊断时有误诊和漏诊情况发生；个别地区医疗水平较差，导致大量患者在患病初期没有及时发现，造成疾病恶化[8-10]。

计算机辅助诊断技术[11-13](computer-aided diagnosis,CAD)是解决这一问题的有效方法。早期的CAD 技术使用基于手工特征的传统机器学习分类方法，尽管在视网膜OCT 图像的分类领域取得了一些成果，但是存在严重依赖于人工设计特征，特征级别低，在网络训练过程中存在计算代价高、处理流程复杂等问题。近年来，深度学习迅速发展，并在计算机视觉领域表现优异。深度学习使用卷积神经网络在不同的层次上自动学习从低级到高级的图像特征，弥补了传统技术需要手工提取特征这一缺陷，成为解决视网膜OCT 图像分类的主流算法。……