多微脉瘤的尺寸都非常小，而且与血管很接近，很难做到很好的分割效果；外来因素造成出血与病变造成出血特征还没能有具体的区别；5、现有研究多采用二维数据进行，缺乏立体信息。假如能利用二维图像，对眼球进行三维立体建模，对于眼球病变辅助诊断将非常有益。
32解决方案
针对上述问题，我们在预研的基础上提出了以下的解决方案及技术路线。
1、针对多类常见眼底病变，建立统一眼底模型；2、采用不同设备采集眼底信息，对多通道眼底信息进行融合分析；利用多种类眼底影
f像信息提升辅助诊断的准确新；
3、分析眼底相机成像机制，采用更适合处理眼底图像形变的图像预处理方法，增强特
征；
4、利用深度学习技术取代传统机器学习，构造针对多类病变的具有高分辨和泛化能力
的分类器；
5、尝试进行眼球病变的三维立体建模。采用合成模型生产样本的方式，增大深度学习
训练集样本数量，并用真实样本矫正的方式建立回归模型。或者考虑利用生成对抗
网络进行病变分类的训练和提升；
6、设计并实现眼底病变辅助诊断系统，以网站或者移动端APP的形式，构造一个眼底
病变远程诊断（预判）分级医疗预诊（咨询）平台。
图示如下：
不同建特立特征统征的一提整模取合型
多通道信息融合根据图像特征提取多维特征向量
图像均衡化（归一化）处理预处严重影响特征的图应舍弃理
掩模处理，去除边缘化等
对不同的眼底信息进行多通道融合
采用合适的预处理方法，增强图像的特征
不同的设备采集的眼底信息不同
眼底相机采集的眼底照片存在变形
建立统一的眼底模型
纹理合成三维建模
眼底病变种类繁多
数据集过少，数据不均衡
利用三维建模增加深度学习训练样本数据集
解决方案
眼底病变辅助诊断系统设计
用网站或APP构造一个眼底病变远程诊断平台
传统的分类器无法达到理想的效果
构造针对多类病变的具有高分辨和泛化能力的分类器
远分程级诊医断疗
预
诊
利用二维将三维模投影图像将融合的
数据抽象型从不同与不同的新图片作现流行的深度学习有传统分类器不可比拟的优
三维模型角度投影背景融合为训练集势，结合深度学习构造分辨能力更强的分类器
型
f4、期待获取的支持与协助
目前我们的预研实验离理想效果还存在着很大的提升空间，迫切的需要得到眼科专业人员的支持和协助。根据前期的工作分析，目前我们需要的协助主要有以下方面：1、需要采集更多的眼底图像；2、需要专业人员对图像上的特征区域进行标记，并建立图像类别标r