多特征尺度融合改進Faster-RCNN視網膜微動脈瘤自動檢測算法

高瑋瑋，楊亦樂，方宇，樊博，宋楠

（1 上海工程技術大學 機械與汽車工程學院， 上海 201620）

（2 復旦大學附屬眼耳鼻喉醫院 眼科， 上海 200031）

0 引言

視網膜微動脈瘤（Microaneurysms，MAs）是一種微小血管病變，由血管壁變弱引起的毛細血管腫脹形成［1］，因此MAs 可能與不同的眼科和心血管疾病相關［2］。例如，MAs 已被證實是中風的先兆因素［3］。此外，MAs 更是糖尿病視網膜病變（簡稱“糖網”，Diabetic Retinopathy，DR）［4］的最早期典型癥狀。糖網是一種由糖尿病引發的視網膜疾病，是目前全球導致中老年人群失明的主要原因［5］。對于糖網，至關重要的是對該疾病的及早發現，以阻止疾病的進展和預防潛在的視力損失。然而，MAs 尺寸較小，相對于眼底圖像而言屬于微小目標；且由于視覺條件不理想，MAs 可能相對于背景呈現低對比度，或者可能受到圖像中不均勻照明的影響；此外，MAs 還可能與圖像中的其他結構混淆，例如微出血、色素沉著變化，甚至是眼底照相機中的灰塵顆粒。故針對眼底圖像中的MAs 進行自動檢測是一項極具挑戰性的任務，很多研究人員就此展開了相關研究。

MAs 自動檢測算法通常可分為三類：基于物理模型的方法、基于分類器的方法以及基于深度學習的方法。基于物理模型的方法主要根據MAs 的灰度分布特征進行數學建模，如：賴小波等［6］提出了一種基于特征相互關系的視網膜MAs 自動提取算法；鄭紹華等［7］提出了一種新的基于Radon 變換的方法對眼底圖像中的MAs 進行識別；高瑋瑋等［8］提出了一種基于數學形態學擴展極小值變換的MAs 自動檢測方法；……