42、眼底图像视盘检测与阿尔茨海默病阶段分类的研究进展

眼底图像视盘检测与阿尔茨海默病阶段分类的研究进展

在医学图像分析领域，眼底图像中视盘的检测以及阿尔茨海默病（AD）阶段的分类是两个重要的研究方向。它们对于疾病的早期诊断和治疗具有重要意义。

眼底图像视盘检测

在眼底图像分析中，视盘检测是关键步骤。以往针对成人眼底图像已有多种方法，如GoogleNet用于健康和患有青光眼的成人眼底图像检测，并在REFUGE和浙江大学医学院附属第二医院的私人数据集上进行了测试，性能通过交并比（IOU）和Dice分数来衡量。

还有一些其他方法：
- 卷积神经网络（CNN） ：温州医科大学眼科医院提供手动标注图像，创建了包含541张图像的私人数据集。使用487张图像训练CNN，54张图像进行测试，灵敏度达到0.94。
- 基于区域的卷积神经网络（RCNN） ：用于视盘检测和定位，然后判断是否存在青光眼。该方法在多个成人数据集上进行测试，结果显示超过96%的视盘被定位，且预测中超过50%的标注视盘存在。
- 局部统计活动轮廓模型（LSACM） ：可将不均匀物体建模为具有不同均值和方差的高斯分布。在成人眼底图像DRISHTI - GS上，F - 分数指标平均为0.95，边界基础距离指标为8.32。在DRISHTI - GS和RIM - ONE R2成人患者数据集上进行视盘和视杯分割时，视盘和视杯的F - 分数分别比基线高0.5%和2.2%。

然而，针对早产儿眼底图像视盘检测的研究较少。由于早产儿眼底图像质量低，给视盘检测带来挑战。研究使用了早产儿视网膜病变眼底图像（ROPFI）数据集，该数据集有6