论文部分内容阅读
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