三、质量评估总结

前两小节分别介绍了使用分类网络与目标检测技术进行质量评估，并搭建了模型进行实验。分类网络的灵活性高，只要得到按照图像质量分好类的数据集，可以直接进行模型训练。除此之外，若提供更详细的图像标签，如是否模糊、是否过曝光或欠曝光、是否为眼底图像等可以得到更详细的分类结果，且模型搭建较为简便。然而此方式会让后端系统额外增加一级卷积神经网络，稍微降低了诊断的效率。目标检测技术在提取视盘区域的同时进行质量检测的效率更高，在提供诊断依据时也能得到更有说服力的结果，如无法发现视盘区或黄斑区等。但该方法需手动进行图像标注，训练前的数据处理上花费时间更多。根据以上优缺点，灵活地选取质量评估的方式可得到满足实际需求的质量评估模型。