可学习的硬性渗出病变点标注方法

摘要 眼底图像的定期筛查对许多疾病的早期诊断治疗具有重要意义，但患者数量的急剧增加对医护人员造成了巨大的压力，阅片工作占用了眼科医生大量的时间，疲劳审阅、情绪等因素都会影响医生的诊断结果.计算机辅助诊断工具的出现可以缓解医生阅片的压力，提高医生的诊断效率和准确率.视网膜辅助诊断工具的研究需要大量精细标注的眼底图像，在眼底数据集的图片数量无法满足研究需求时，本文提出了一种具有学习能力的硬性渗出病变点标注方法，使用形态学和机器学习的方法分割硬性渗出，将分割结果作为用户的预标注，用户只需简单点击校对标注结果，就能够在短时间内完成像素级的标注，大大提高了眼底图像的标注速度