医学图像中的曲线结构体泛指二维医学图像中纵横交错并相互连接的线条状结构集合,在眼科医学图像中广泛存在。临床医学表明,眼科医学图像中的曲线结构如视网膜血管、角膜神经等通常与年龄相关的黄斑病变、糖尿病、青光眼、高血压、动脉硬化以及多发性硬化等疾病息息相关。此外视网膜血管分割也是后续动静脉血管分类的基础,在眼科疾病的诊断过程中起到了极大的辅助作用。曲线结构体研究有两大难点:1)多模态低信噪比图像中小尺度曲线结构体的分割;2)断裂曲线结构体的修复。完整的曲线结构为临床治疗提供更加精确的辅助信息,其连通性对建立曲线结构的拓扑结构、动静脉分类等至关重要。结合神经网络强大的特征提取能力和随机游走算法的群体趋势性、个体随机性的综合优势,本文提出一种面向眼科医学图像中的典型曲线结构体分割和断裂血管修复方法。本文主要贡献包括:1)提出一种基于密集空洞卷积神经网络的曲线结构体分割方法。利用神经网络优秀的分类能力,设计基于卷积神经网络的曲线结构体分割网络,分割眼科医学图像中的彩色眼底视网膜血管。相比传统方法,本文的方法优势在于减少了人工设计特征提取的大量工作,采用基于学习的方式让网络自主提取特征,弥补了人工设计算法提取特征不足的缺陷。本文方法通过增加神经网络感受野及融合多尺度特征,提高了小尺度弱曲线结构体的分割能力,同目前最先进的算法相比,本文方法有着更高的准确率。2)充分利用神经网络提取特征优势和随机游走算法的群体优势,提出概率正则化的游走算法进行断裂曲线结构的修复算法。在线型随机游走算法的启发下,加强游走者的约束条件,促使游走者在断裂修复过程中恢复更多细节信息。同时,神经网络在分割曲线结构时需要对图像中每一个像素点进行分类并输出每一个像素点被分类为曲线结构的概率。将概率值整合到随机游走算法中,利用像素点本身的概率来约束游走者的移动路径,极大地降低了游走者移动的不确定性,从而更加精准地修复局部曲线结构体的弯曲特性。本文通过概率正则化的游走算法,在曲线结构体分割的基础上,进一步提升了眼科图像中曲线结构体的连通性。3)提出一种改进的基于注意力机制的多模态低信噪比眼科医学图像曲线结构体分割算法。为弥补分割模型在训练时对多信噪比眼科图像中曲线结构体关注度不够、分割图像模式单一的缺陷,本文设计一种通用的多模态眼科医学图像分割算法,使得分割模型在训练和预测中偏向于提取曲线结构体的特征,即增加分割模型对多模态眼科图像中曲线结构体的关注度。相比于本文提出的基于密集空洞卷积神经网络分割算法,本方法分割图像种类更多,模态更广,且分割出的曲线结构体整体性、连通性更好。