摘要：眼底圖像血管分割問題是眼科及其他相關疾病計算機輔助診斷的基礎。通過分割和分析眼底圖像中的血管結構,可以對糖尿病視網膜病變、高血壓和動脈硬化等疾病進行早期診斷和監測。針對目前已有血管分割算法存在準確率不高和靈敏度較低的問題,基于深度學習基本理論,提出一種改進U型網絡的眼底圖像血管分割算法。首先,通過減少傳統U型網絡下采樣和上采樣操作次數,解決眼底圖像數據較少的問題;其次,通過將傳統卷積層串行連接方式改為殘差映射相疊加的方式,提高特征的使用效率;最后,在卷積層之間加入批量歸一化和PReLU激活函數對網絡進行優化,使網絡性能得到進一步的提升。在DRIVE和CHASE_DB1這兩個公開的眼底數據庫上進行實驗,每個數據庫隨機抽取160 000個圖像塊送入改進的網絡中進行訓練和測試,可以得到該算法在兩個數據庫上的靈敏度、準確率和AUC(ROC曲線下的面積)值,相比已有算法的最好結果平均分別提高2.47%、0.21%和0.35%。所提出的算法可改善眼底圖像細小血管分割準確率不高及靈敏度較低的問題,能夠較好地分割出低對比度的微細血管。