摘要：通过总结基于深度学习的视网膜血管分割方法并梳理现有方法存在的问题，为视网膜血管分割任务的进一步研究提供参考。检索2016年至2022年来基于深度学习的视网膜血管分割方法相关文献并总结归纳。首先，本文介绍了视网膜血管分割的背景。然后，从相关文献中总结了视网膜血管分割方法的数据集及数据预处理、评价指标、分割方法等。在数据集及数据预处理部分，介绍了视网膜图像数据集，总结了常用的特征增强技术、数据增强技术；在评价指标部分，介绍了视网膜血管分割方法常用的评价指标；在分割方法部分，本文将其归类为考虑网络特征提取能力的方法、考虑血管特性的方法及考虑实际应用的方法，其中考虑网络特征提取能力的方法可分为感受野受限的方法、感受野扩展的方法以及特征细化的方法，考虑血管特性的方法常利用多标签、损失函数等来改善粗细血管差异或类别不平衡的问题，考虑实际应用的方法更关注网络的轻量化和泛化能力。最后，整理归纳了视网膜血管分割方法存在的问题及未来可能的研究方向。基于深度学习的视网膜血管分割方法在未来一段时间仍是医学图像处理研究的重点和热点之一，本文对于了解视网膜血管分割任务的现状和解决实际应用问题都具有一定价值。
文章目录
1 数据集及数据预处理
1.1数据集
1.2 数据预处理
1.2.1 特征增强
1.2.2 数据增强
2 评价指标
3 视网膜血管分割方法
3.1 考虑网络特征提取能力的方法
3.1.1 感受野受限的方法
3.1.2 感受野扩展的方法
3.1.3 特征细化的方法
3.2 考虑血管特性的方法
3.3 考虑实际应用的方法
3.4 讨论
4 总结与展望
