基于MobileNetV2-FCN的眼底血管分割与DR分级系统设计与实现.docVIP

大连东软信息学院毕业设计（论文）

PAGEIV

基于MobileNetV2-FCN的眼底血管分割与DR分级系统设计与实现

摘要

糖尿病视网膜病变（DR，DiabeticRetinopathy）是导致失明的主要眼病诱因，而眼底血管形态异常是DR早期诊断的核心依据，因此实现精准的血管分割与高效的DR分级，对临床诊疗具有至关重要的意义。

本文设计并实现了一个基于MobileNetV2-FCN的、可以同时完成眼底血管分割和DR分级的系统。本系统用MobileNetV2做特征提取骨干网络，用它的倒置残差结构和线性瓶颈设计，在大大减少模型参数量的同时保持了重要的特征，很好地解决了传统FCN模型计算复杂、难以实际应用的问题；采用注意力机制加强血管区域特征权重，改进跳跃连接结构来达成多尺度特征融合的目的，从而改善了细小血管的分割精确度。DR分级模块是在分割完的血管图像上提取出血管分支密度、弯曲度这些形态学特征，再根据眼底病灶特征建立分级模型，从而实现对病变程度的判定。

实验基于DRIVE与Messidor数据集开展，结果显示血管分割Dice系数达到0.852，DR分级准确率为92.3%，模型参数量较传统方法减少68%，推理速度提升3倍。该系统实现了从图像预处理、血管分割到DR分级的全流程自动化