青光眼（Glaucoma）是一系列會(huì )導致視神經(jīng)受損，進(jìn)而造成視力喪失的眼疾，是全球第二大致盲原因（僅次于白內障），也是導致不可逆性失明的首要原因。由于青光眼造成的視神經(jīng)損傷和視力損失無(wú)法逆轉，青光眼的早期篩查和診斷對于保持視力至關(guān)重要。

臨床上，除視野檢測和眼壓測量外，另一種主要青光眼篩查技術(shù)是基于眼底照相的視盤(pán)（OD，舊稱(chēng)視神經(jīng)乳頭ONH）評估。該技術(shù)利用垂直杯盤(pán)比（CDR）、盤(pán)直徑（ODD）、盤(pán)沿（RIM）等青光眼危險因素，在青光眼患者和健康對象之間進(jìn)行二元分類(lèi)，適用于群體篩查。對于大規模篩查而言，人工評估不僅不能保證客觀(guān)，并且耗時(shí)、昂貴。

遵循臨床實(shí)踐設計具有醫學(xué)解釋的自動(dòng)評估方法，視盤(pán)（OD）和視杯（OC）的準確分割是關(guān)鍵之處。中國科學(xué)院寧波材料技術(shù)與工程研究所所屬的慈溪生物醫學(xué)工程研究所智能醫學(xué)圖像處理課題組（iMED中國）與新加坡科技研究局通訊研究院的研究員付華柱合作，提出了一種基于深度學(xué)習系統的視網(wǎng)膜圖像視盤(pán)與視杯區域的提取算法。此方法基于U型深度學(xué)習分割結構，增加了多尺度輸入、多標簽輸出等模塊，適用于多類(lèi)別區域分割任務(wù)。研究基于視杯與視盤(pán)的結構特殊性，引入了極坐標展開(kāi)操作，極大提高了分割算法的性能，在多個(gè)青光眼監測數據庫上，都獲得了當前最佳性能。

研究人員用極坐標變換（PT）來(lái)替代原始眼底圖像表達，將橢圓型分割轉化為通用的層級分割，增強了位置關(guān)系約束，并且將OD和OC分割作為多標簽任務(wù)。使用包含多尺度U形卷積網(wǎng)絡(luò )的新型端到端深度網(wǎng)絡(luò )（M-Net），解決了不平衡數據訓練的問(wèn)題，產(chǎn)生了多標簽概率分布圖。在深層模型中，多標簽損失函數被用來(lái)共同約束OD和OC的協(xié)同分割。采用M-Net結合PT的方法，研究人員在公開(kāi)數據集ORIGA（包含650張由專(zhuān)業(yè)醫生標注了OD和OC的眼底圖）上達到了目前最高的分割準確率，OD和OC分割的平均重疊率（IOU）分別為92.9%和77.0%。此外，僅根據分割結果計算的CDR直接用于青光眼分類(lèi)，新方法在公開(kāi)數據集ORIGA（650張）和SCES（1676張）上分別獲得了0.85和0.90的AUC（ROC曲線(xiàn)下面積），刷新了這兩個(gè)數據集上的青光眼分類(lèi)性能。以上研究表明，M-Net結合PT方法，在視盤(pán)視杯分割和青光眼篩查任務(wù)方面已優(yōu)于當前最先進(jìn)的方法。