摘要：目的提出一種基于多尺度卷積神經(jīng)網(wǎng)絡(luò)(CNN)的眼底圖像病灶檢測(cè)算法,并探討其在糖尿病視網(wǎng)膜病變(DR)中的應(yīng)用。方法對(duì)比現(xiàn)有眼底病灶檢測(cè)方法,提出一種基于CNN的眼底圖像病灶檢測(cè)算法。本算法不僅克服了基于閾值分割和形態(tài)學(xué)分割方法魯棒性差的問(wèn)題,同時(shí)在不依賴人工逐像素標(biāo)注的前提下,采用多尺度圖像塊的檢測(cè)思路,顯著提升檢測(cè)器對(duì)小病灶目標(biāo)檢測(cè)的性能。此外,提出的新型損失函數(shù)在弱標(biāo)簽、小數(shù)據(jù)集的條件下,實(shí)現(xiàn)多類型、高準(zhǔn)確率的DR病灶檢測(cè)。結(jié)果從病灶水平來(lái)看,該算法對(duì)硬性滲出病灶檢測(cè)的敏感性和特異性分別為92.17%和97.17%;相較于單尺度方法,本研究中提出的多尺度方法的敏感性和準(zhǔn)確率分別提升了7.41%和5.02%;在公開數(shù)據(jù)集IDRiD上較其他檢測(cè)方法特異性提高了55.82%。本方法能夠?qū)⒀鄣讏D像中的病變有效地檢測(cè)出來(lái),且能夠給出病灶的基本范圍,對(duì)于有大量病灶眼底圖像的平均檢測(cè)時(shí)間為1.59s。結(jié)論基于多尺度CNN的眼底圖像病灶檢測(cè)算法能夠快速、可靠地識(shí)別出眼底圖像中的DR病灶并標(biāo)注出病灶的位置信息,降低主觀因素的影響,輔助臨床醫(yī)生更加高效、準(zhǔn)確地進(jìn)行DR病變篩查。