在医学实践中，如何使医生更能高效根本地医治患者眼疾成为亟待解决的问题。其中，眼底图像中的视盘检测，在眼底图像分析与计算机辅助眼病诊断中扮演着重要的角色。视盘检测相关研究成为解决该问题的关键，也吸引众多研究者投身该研究领域中。

       我们提出了一种基于结构学习的视盘检测算法，该算法利用结构学习对视盘的边缘进行检测，利用霍夫变换对视盘的区域进行定位，最后将两者结合对视盘区域进行提取。该方法的意义在于利用了视盘的边缘信息与区域信息对视盘进行检测，从而提高算法的性能。如图1所示为使用结构化森林检测视盘边缘图的过程，图2所示为算法最终的检测结果。

图1 使用结构化森林检测视盘边缘图的过程

图2 (a)-(j)分别为视盘提取结果，其中绿色圆圈为标注结果，红色圆圈为算法检测结果

目前成果：研究结果已经在《IEEE Journal of Biomedical and Health Informatics》上发表。

论文引用：Z. Fan, Y. Rong, X. Cai, J. Lu, W. Li, H. Lin, and X. Chen, “Optic disk detection in fundus image based on structured learning,” IEEE Journal of Biomedical and Health Informatics, vol. 22, no. 1, pp. 224–234, 2018. (SCI信息系统1区，IF：3.850)

论文下载：Download PDF