中心性浆液性脉络膜视网膜病变(Central Serous Chorioretinopathy,CSC),简称中浆,是后极神经感觉视网膜的特发性脱离,目前已成为中年男性视力威胁的主要原因。中浆病变的频域光学相干断层成像技术(SD-OCT)不仅能够显示病变区域所在的位置,还能可视化地显示病变区域的大小及类型,为临床上医生诊断和治疗中浆病变提供帮助,因此研究和定量分析中浆病变的SD-OCT图像具有十分重要的意义。本文利用图像处理和分析的方法来分割中浆病变的区域,并与其他算法进行比较,主要包括以下研究内容:(1)提出了一种基于三维限制区域生长的SD-OCT中浆神经上皮层脱离(NRD)病变区域分割方法。首先利用层分割方法得到外界膜(ILM)边界、感光层内外节(IS/OS)边界及视网膜色素上皮层(RPE)下边界的位置,在IS/OS边界及RPE下边界之间进行自适应阈值分割,得到三维区域生长的候选种子点;同时生成IS/OS层及RPE下边界之间的限制投影,通过分割投影图像得到病变区域的三维限制;接着对限制区域内的候选种子点进行K-均值聚类,得到种子点,最后在限制区域内进行三维区域生长,得到初始NRD病变区域分割结果,通过一些后处理方法得到最终的分割结果。实验结果表明,该方法能够准确分割NRD病变,与其他四种方法相比,不仅具有较高的分割精度,而且耗时较少,适用于临床诊断。(2)提出了一种基于随机森林的中浆病变区域分割方法。首先利用层分割方法得到ILM边界及BM边界,限制病变区域的范围。接着为限制区域内的每个像素构建一个49维的特征向量,使用随机森林分类器对限制区域内的每个像素进行分类,得到病变区域的初始分割结果,利用病变区域的先验知识去除分割结果中的误分割。最后,根据PED和NRD形态的病变区域上下的灰度差异,对病变区域所属的形态进行区分,得到不同形态的病变区域的分割结果。实验结果表明,该方法能够准确分割中浆病变区域,且能够对病变区域的形态进行区分,具有较强的鲁棒性和较高的准确性。