視盤的快速定位與邊緣分割是計算機輔助診斷的重要研究課題。本研究提出了一種有效的視盤分割新方法，將人眼視覺特性引入眼底圖像的分析與處理。本文提出的這一方法充分考慮視盤在眼底圖像中的形態特征，通過快速定位感興趣區域，同時融合視盤的亮度、顏色和空間分布等視覺顯著性特征，生成了基于像素距離的顯著性圖，并應用自適應閾值分割視盤。在此基礎上，進一步提出旋轉掃描方法，以減少血管對視盤完整性的影響和干擾，最終獲得連續完整的邊緣輪廓。然后，本課題組在眼底圖像數據庫 Drishti-GS 中驗證提出的視盤邊緣分割方法是否有效。本文研究結果顯示，該方法簡單快捷，具有良好的性能指標，能達到眼科專家的分割水平，今后或有助于眼科疾病的計算機輔助診斷。
血涂片圖像中白細胞的計數和識別對診斷包括白血病在內的血液疾病起著至關重要的作用。傳統的人工檢測結果容易受到多種因素的干擾，有必要開發白細胞自動分析系統為醫生提供輔助診斷，而血液白細胞分割則是自動分析的基礎。本文改進U-Net模型，提出一種基于雙路徑和空洞空間金字塔池化的血液白細胞分割算法。首先在特征編碼器中引入雙路徑網絡提取圖像中白細胞的多尺度特征，并使用空洞空間金字塔池化模塊強化網絡的特征提取能力，再用卷積和反卷積組成特征解碼器將分割目標恢復到原始圖像大小，實現血液白細胞的像素級分割。最后在三個白細胞數據集上進行定性定量實驗，驗證本文算法的有效性。研究結果表明，提出的血液白細胞分割算法相對于其他典型方法具有更為優秀的分割結果，mIoU值能達到0.97以上，今后或有助于血液疾病的自動輔助診斷。