全身性动脉硬化会导致血液循环停滞,甚至引发梗死。视网膜动脉硬化是全身性动脉硬化的典型表现,且视网膜血管是唯一可进行无创观察的血管,因此可通过定期视网膜动脉硬化检测了解全身动脉血管的硬化程度,及时采取医疗手段对病情进行干预。目前,医生凭借经验观察眼底图像实现视网膜动脉硬化诊断,但该方法工作量大、效率低,不适用于大规模人口疾病普查,所以当前急需一种自动检测方法。视网膜动脉硬化可通过判断眼底图像中动脉反光带相对于动脉血管的灰度和宽度是否增加来确定,因此视网膜动脉硬化检测方法首先需要分割得到动脉血管和动脉反光带,并基于此进行视网膜动脉硬化检测。针对动脉血管及动脉反光带的分割任务,本文提出基于改进型编解码网络的动脉血管和动脉反光带的分割方法。首先,在样本制作中,对动静脉血管及动脉反光带进行标注,静脉血管的标注有助于网络减少因动静脉血管特征相似而引起的错误分割;其次,结合Inception Res Net V2模块和残差注意力机制模块改进编解码网络Seg Net,Inception Res Net V2模块使网络能提取到多尺度特征,残差注意力机制模块可增强网络的特征聚焦能力,能更好地将动静脉血管及动脉反光带与干扰信息区分,同时采用残差连接的方式提高信息传递效率。针对视网膜动脉硬化检测任务,首先需确定视网膜动脉硬化检测阈值。本文利用四段高斯函数拟合动脉血管及动脉反光带的灰度分布,并对拟合曲线进行导数求解确定血管边界坐标,最后计算动脉血管及动脉反光带的灰度比和宽度比。按照该方法,计算并统计30幅已诊断为视网膜动脉硬化的眼底图像的灰度比和宽度比,以确定视网膜动脉硬化检测阈值。其次,用改进型编解码网络分割待测眼底图像,筛选分割结果中的有效区域,再计算有效区域内的灰度比及宽度比并与检测阈值比较,从而判定待测图像是否存在视网膜动脉硬化。实验证明,本文设计的改进型编解码网络能准确分割动静脉血管和动脉反光带,分割准确率达到93.54%。采用本文方法对天津市眼科医院提供的眼底图像进行视网膜动脉硬化检测,其中正常眼底图像的检测准确率为100%,疑似视网膜动脉硬化的眼底图像检测准确率为92.8%,视网膜动脉硬化的眼底图像检测准确率为95.6%,平均检测准确率为96.1%。本文方法实现了视网膜动脉硬化的自动检测,可应用于大规模人口视网膜动脉硬化普查,节省医疗资源。