脉络膜新生血管（Choroidal Neovascularization,CNV）是年龄相关性黄斑变性（Age-related Macular Degeneration,AMD）的一种典型临床表现,也是导致全世界老年群体视力下降或失明的主要原因之一。光学相干断层扫描（Optical Coherence Tomography,OCT）是一种重要的眼底视网膜成像技术,由于其无创性、非接触式和高分辨率的成像特点,已成为研究人员和临床医生评估CNV病变的常用工具。CNV病变的分割和量化可以协助眼科医生了解CNV扩张或收缩的情况,估计CNV病变的发展趋势,对临床判断CNV的活动度、复发率和疗效具有重要的参考意义。为了获取CNV病变的量化结果,需要医生手工勾画出病变,然而人工标注是主观可变的,并且耗费了医生大量的时间和精力。因此,开发一种可靠的计算机辅助的分割方法显得尤为重要。然而对于边界模糊或不可见,形态、尺寸差异大,位置多变的CNV,现有的CNV分割算法很难满足临床精度的需求。因此,为了进一步提高CNV分割的准确率和鲁棒性,本文开展了以下研究工作:（1）提出基于混合多尺度特征融合和注意力的自动化CNV分割算法。该算法的网络架构基于“编码器-解码器”型结构,并提出了两项优化策略用于提升模型的分割性能:混合多尺度特征融合模块和门控注意力模块。混合多尺度特征融合模块分别利用多尺度空间信息融合结构和多尺度通道信息融合结构,充分融合了不同层次的互补信息。门控注意力模块用于细化多尺度层特征,进一步增强网络的识别能力,突出显著特征,抑制无关区域特征响应。实验结果表明了该算法可以有效地解决CNV分割的难点。（2）研究了一种极值点引导的交互式CNV分割算法。对于下边界模糊甚至消失、连续凸起的、细长的CNV区域,自动分割预测的分割结果会出现溢出、误分割或欠分割的问题。为了解决这一问题,在分割网络中加入了极值点引导,并根据极值点包围的矩形框剪裁出感兴趣区域,最后将剪裁后的OCT图像与引导信号通道连接输入到分割网络中。实验结果表明,人工干预有效地解决了自动化分割遇到的问题,极大地提高了分割的准确率和鲁棒性。（3）提出基于距离映射改进的交互式CNV分割算法。将4个极值点首尾连接形成的四边形框转化为欧式距离映射图,并与OCT图像、高斯热图通道连接起来形成网络的三通道输入,充分地利用了用户交互的上下文信息。实验表明改进的交互式CNV分割算法在有限的用户交互下获得了更高的分割精度。本文提出的算法在济南中心医院眼科中心联合山东大学齐鲁医学院提供的Spectralis OCT 仪器（Heidelberg Engineering,德国）扫描成像获得的 487 张SD-OCT（Spectral Domain Optical Coherence Tomography,SD-OCT）数据集上进行实验验证。通过数值分析和直观效果分析综合验证了本文提出的基于混合多尺度特征融合和注意力的自动化CNV分割算法、极值点引导的交互式CNV分割算法和基于距离映射改进的交互式CNV分割算法均优于现有的CNV分割算法和其它一些先进的分割算法。