随着年龄的增长以及生活方式的不同,患眼部疾病的人数逐渐增加,眼部的疾病的症状,直接影响人们的日常生活。基于眼底光学相干层析成像（OCT）技术在视网膜疾病诊断流程中,有着十分重要的作用。为了准确有效的帮助眼科医生完成诊断和分析,克服病灶区域小和对比度过低等技术难题,以及提高黄斑水肿分割的精度和加快模型处理图像的速度,本文对眼底黄斑水肿OCT图像的分割研究主要包括如下两部分:针对病灶区域小、对比度过低等难点,严重影响黄斑水肿病变分割准确度的问题,本文提出一个两级嵌套的U形结构的U~2-Net语义分割模型,来有效地分割黄斑水肿,采用U形残差块（Re Sidual U-block,RSU）捕捉阶段内的多尺度特征,把局部特征与多尺度特征进行加以融合,获得更强的黄斑水肿区域特征提取能力。将改进模型应用到公开数据集中,与其他方法进行对比,实验结果表明此优化模型能够准确地将图像的黄斑水肿区域分割出来,在一定程度上提高了水肿区域分割的精度。在保持分割精度不降的情况下,为了减少计算和降低空间冗余,本文提出了一种基于注意力机制的U~2-Net眼底OCT图像黄斑水肿分割。引入注意力机制加强对重要病变特征提取,采用八度卷积（Oct Conv）代替U型残差块中的普通卷积,充分利用八度卷积具有高效的高频和低频之间的信息交换特性,减少空间冗余,此外八度卷积利用响应的卷积处理低频信息,有效的扩大感受野获取深层病理特征,捕获图像的多尺度信息。在公开数据集,本文方法与近年来提出的几种分割方法进行对比,本文所提出的模型不仅获得了0.82的Dice分数,高于Re Lay Net,Res U-Net++等方法,而且单张图像分割平均时间比U~2-Net模型的65.1ms,减少了26.6ms。本文方法能够准确地对眼底黄班水肿区域进行快速分割,在临床诊断有一定的辅助意义。该论文有图36幅,表7个,参考文献65篇。