青光眼是一种常见的眼病,指眼内压升高导致视网膜和视盘组织损伤,进而可能导致视力减退甚至失明。由于青光眼引起的视力丧失无法逆转,进行Vascular biology青光眼的早期筛查对于早期治疗以保持视力和维持生活质量至关重要。在青光眼的诊断中,杯盘比起着重要辅助诊断作用,而准确地分割眼底图像中视盘和视杯是计算杯盘比的基本任务。因此,研究高效率、高鲁棒性和高精度的视盘和视杯分割算法在青光眼辅助诊断中具有重要的实际应用价值。针对眼底图像视盘和视杯分割中错分割及误分割等问题、多中心和多站点存在数据异质问题和杯盘比在青光眼筛查中的应用等问题,本文开展了基于深度学习、域适应及应用平台构建等方面的研究工作,创新性工作和具体研究内容阐述如下:(1)针对眼底图像数据集质量不稳定及视杯视盘界限模糊导R428 IC50致错分割和误分割等问题,提出一种位置先验约束的视盘视杯层次联合分割方法。该方法结合位置先验约束和多路聚合网络构建一个从粗到精的分割框架,实现准确鲁棒的视盘和视杯联合分割。粗分割阶段,通过多路聚合网络单独分割获取视杯和视盘初步分割结果而得到位置约束信息;精分割阶段,利用粗分割结果提取自动上下文特征构建位置约束信息进行视杯视盘联合分割,提高分割精度。在三个公共数据集上,通过对比实验和消融实验,验证了提出方法的有效性及在视盘视杯分割任务中的良好表现。(2)为了拓展算法的应用性及解决不同站点获得的眼底图像数据之间存在的域偏移问题,提出一种嵌套U-Net结合域对抗网络的无监督视盘视杯联合分割方法。该方法利用对抗思想结合目标selleck Talazoparib数据先验特征信息生成与目标数据集相似的数据,使模型能够适应不同站点数据的特征。该框架包含生成器模块、判别器模块和分割模块,以U-Net结构捕捉图像的上下文信息,使用嵌套网络来提高分割精度。通过对比实验和消融实验,证明了该方法能有效降低域偏移的影响,并在不同数据集之间的偏移实验中都取得了比较好的分割性能。(3)为了探究提出方法在青光眼筛查中的应用性和可靠性,通过计算杯盘比(CDR)进行青光眼筛查的验证和测试,并设计和开发了青光眼在线筛查平台。该平台使用前后端分离架构,用户在前端上传眼底图像后,后端利用训练好的模型进行视盘和视杯的自动分割,得到分割结果并计算CDR,通过CDR完成青光眼筛查。验证和测试结果表明提出的两种方法在青光眼筛查应用中的优势。