基于裂隙灯图像区域图像块的角膜炎自动诊断方法

摘要

为解决角膜炎人工诊断存在费时、费力、主观性强等缺点以及基于裂隙灯原始图像自动诊断准确率普遍偏低的问题，提出一种融合角膜病灶与结膜充血样并发症图像块特征的自动诊断方法，即从角膜区和结膜区采样，利用基于代价敏感的卷积神经网络提取并级联高层特征，借助主成分分析方法降维后输入全连接层分类。经在宁波市眼科医院收集的6414张裂隙灯图像上训练评估，该方法在角膜炎、正常角膜、其他异常角膜上的准确率分别达97.8%、98.6%、97.0%，有效融合相关特征，为高准确率角膜炎诊断提供可行方案。

关键词

角膜炎 / 自动诊断 / 裂隙灯图像块 / 特征融合 / 卷积神经网络 / 代价敏感

基金资助

国家自然科学基金（62276210,82201148,62376215）; 陕西省重点研发计划项目（2025CY-YBXM-044）; 陕西省教育厅科学研究计划项目（24JK0651）; 浙江省自然科学基金（LQ22H120002）; 浙江省医药卫生科技项目（2022RC069,2023KY1140）; 宁波市自然科学基金（2023J390）; 宁波市医药卫生科技攻关项目（2023030716）