基于深度学习的睑板腺腺体分割方法研究

作者：林嘉雯; 林智明; 赖泰辰; 郭林灵; 邹璟; 李笠^*

来源：国际眼科杂志, 2022, 22(07): 1191-1194.

• 睑板腺功能障碍
• 红外睑板腺图像
• 腺体分割
• 深度学习
• UNet++

目的:探讨应用深度学习技术解决睑板腺腺体自动分割问题的效果与价值。方法:采集并筛选出193幅红外睑板腺图像构建图像数据库，由3名临床医师对图像进行人工标记；引入UNet++网络与自动数据增广策略构建睑板腺腺体自动分割模型，采用精确率、敏感性、特异性、准确率和交并比分析该模型的可行性与有效性。结果:以人工标注结果为金标准，基于UNet++的睑板腺腺体自动分割模型取得94.31%的准确率，敏感性、特异性分别为82.15%和96.13%,腺体分割表现具有较好的稳定性，模型处理单张图像的平均用时仅为0.11s。结论:引入深度学习技术实现睑板腺腺体的自动分割，具有良好的准确性、稳定性和高效性，可服务于睑板腺功能障碍患者腺体形态参数的计算，辅助相关疾病的临床诊断和筛查，提高诊断效率。

• 单位
  福建省立医院; 基础医学院; 福建医科大学