青光眼检测视盘与视杯分割在深度学习中的研究综述.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（9）61

青光眼检测视盘与视杯分割在深度学习中的研究综述

11+11112

罗敏，曹路，利建铖，何锡权，刘广武，温晋瑜，黄秀清

1.五邑大学电子与信息工程学院，广东江门529020

2.江门市人民医院眼科，广东江门529000

+通信作者E-mail：caol163.com

摘要：精准的视盘与视杯分割对于青光眼的检测至关重要。近年来，深度学习技术在视盘与视杯分割领域取得了

优异的成果，显著提升了分割精度。从深度学习技术在视盘与视杯分割的研究现状出发，归纳了视盘与视杯分割的

常用数据集，包括其内容、用途和获取路径；概述了评估分割性能与模型性能的关键指标。分析了视盘与视杯分割

中四类主要研究方法：基于多尺度的方法、注意力机制的融合、对抗学习机制及集成学习方法。对这些方法进行了

优缺点分析，总结了它们在常用公开数据集上的性能指标。最后，探讨了视盘与视杯分割在青光眼检测中所面临的

挑战，并展望了未来的研究方向，旨在为该领域的进一步研究提供参考。

关键词：青光眼；图像分割；视盘；视杯

文献标志码：A中图分类号：TP181；R775.1doi：10.3778/j.issn.1002-8331.2409-0040

ReviewofResearchonOpticDiscandOpticCupSegmentationinDeepLearningforGlaucoma

Detection

11+11112

LUOMin,CAOLu,LIJiancheng,HEXiquan,LIUGuangwu,WENJinyu,HUANGXiuqing

1.SchoolofElectronicsandInformationEngineering,WuyiUniversity,Jiangmen,Guangdong529020,China

2.OphthalmologyDepartment,JiangmenPeople’sHospital,Jiangmen,Guangdong529000,China

Abstract：Accuratesegmentationoftheopticdiscandopticcupiscrucialforthedetectionofglaucoma.Deeplearning

technologyhasachievedremarkableresultsinthefieldofopticdiscandcupsegmentation,significantlyimproving

segmentationaccuracy.Startingfromthecurrentstateofresearchondeeplearningtechnologyforopticdiscandcup

segmentation,thissummaryincludesthecommonlyuseddatasetsforsegmentation,detailingtheircontent,purpose,and

acquisitionpaths,aswellaskeymetricsforevaluatingsegmentationandmodelperformance.Ananalysisoffourprimary

researchmethodsinopticdiscandcupsegmentationispresented：methodsbasedonmulti-scale,fusionofattention

mechanisms,adversariallearningmechanisms,andensemble