计算机应用研究

作者：罗敏,曹路,曾军英,麦超云,黄秀清,赵菲菲,何锡权,

单位：1.五邑大学电子与信息工程学院,广东江门529020；2.江门市人民医院眼科,广东江门529000；

关键词：U-Net,视盘视杯分割,青光眼检测,深度学习,特征融合,

基金：广东普通高校重点领域专项(2025ZDZX1040,2024ZDZX1009,2022ZDZX1033)；江门市省科技创新战略专项项目计划资助项目(江科［2023］72号)；江门市医疗卫生科技计划资助项目(2025YL03026)；江门市基础理论科研科技计划资助项目(2023JC010039)；五邑大学大学生创新创业训练计划资助项目(X202511349050)；；

为了提升视盘和视杯分割精度，助力青光眼早期诊断，提出了一种基于U-Net架构的改进型深度可分离多尺度聚合网络（DSMA-Net）。首先，引入自适应可分离多尺度注意力模块，以增强特征表示能力并有效捕捉视盘和视杯的复杂结构，从而减少边界模糊现象；其次，将该网络的部分传统卷积替换为深度可分离卷积，降低计算复杂度，并提升模型效率；此外，采用改进的自适应加权Tversky损失函数，使网络聚焦于视盘和视杯像素，缓解背景像素占主导的问题，进一步提高分割精度。实验结果表明，在DRISHTI-GS、RIM-ONE-R3和ORIGA三个公开数据集上，DSMA-Net在视盘和视杯分割任务中具有显著优势，能够为青光眼早期诊断提供有力的技术支持。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期