视网膜是眼底一个菲薄但是具有精细层组织结构的重要构成部分,各层及层厚度变化是视网膜疾病的重要临床特征。无创的光学相干断层扫描(Optical Coherence Tomography,OCT)技术为视网膜层组织以及病变区域的自动分割与分析提供了保障。发生黄斑裂孔(Macular Hole,MH)疾病的视网膜通常伴有黄斑囊样水肿(Cystoid Macular Edema,CME),这两种病灶的精确分割可获得光密度、缺损长度等多种量化指标,以用作视觉灵敏度的预测标准。同时,由于MH和CME的形态、大小、位置各异,组织层结构发生极大改变,极大地增加了视网膜层组织自动分割的挑战性。本文主要基于二维视网膜OCT图像研究伴有黄斑裂孔和黄斑囊样水肿的视网膜层组织结构自动分割算法,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和二维动态约束图搜索(2D Dynamic Constraint Graph Search,2D-DCGS)的视网膜层分割算法。基于CNN分割网络实现MH和CME的分割,并利用分割结果引导2D-DCGS实现组织分层边缘检测。主要步骤包括:(1)由于MH的灰度值与背景接近,其上边界难以界定,为提升准确率,采用加入了残差模块的辅助网络用以定位MH的上边界开口处左、右顶点;(2)采用基于混合下采样模块(Mixed Downsampling Module,MDM)和自熵损失函数(Self-Entropy Loss,SE Loss)的多目标分割网络实现MH和CME的精确分割;(3)利用各向异性扩散滤波(Anisotropic Diffusion Filtering,ADF)算法对原始图像进行抑制散斑噪声预处理;(4)利用MH、CME的分割结果引导多尺度的2D-DCGS,实现视网膜主要组织层结构的分割。本文采用汕头国际眼科中心提供的患有特发性MH(伴有CME)视网膜OCT图像进行算法验证与性能评估,包含20个环形12线扫模式(Radial Scan)的三维图像,共计240张二维图像。MH和CME的分割平均Dice系数分别为94.59%,84.06%,其他区域的视网膜层分割Dice系数为89.87%平均位置绝对值误差(Mean Absolute Distance,MAD)为4.58μm。实验结果显示视网膜组织层分割以及MH、CME的分割性能相比于其他常见方法都有了较大的提升,表明本文所提出的方法是可行和有效的。