准确检测频域光学相干断层扫描（SDOCT）图像的解剖和病理结构对于眼部疾病的诊断和研究很重要。已经商用的OCT系统都有着自己特有的软件程序，以不同的成功率来有针对性的测定神经纤维层和视网膜的总厚度。至于眼镜其他部位的数据的测定，如RPE、GA、Drusen等，目前大多依靠人的手工分割完成[11-17]。手工分割不仅仅需要非常专业的知识背景，而且耗费着大量的时间，同时不同的人对于图像的认知不一样，也会产生很大的分割误差。63870

现有的文献中，已经有几种不同的方法不同程度的实现了分割眼睛各层的功能。大多数这些方法都是基于图像中各层间图像强度变化。眼内各层中ILM的分割最简单，因为玻璃体和视网膜之间通常有着很强的对比度，但是分割RPE，特别是在有眼部疾病的情况下同时分割出Drusen和GA却是一项很有挑战性的任务。Fernández提出了一种组合结构张量和复杂的扩散滤波的方法来代替传统的阈值法[29]；Ishikawa为各层分割提出了一种列智能的系统[30]；Fabritius介绍了另一种基于像素强度变化的基础上进行分割的方法[31]；动态规划则被Yazdanpanah和Farsiu用于各层分割包括RPE[32,33]。图像分割技术在医学上的应用已经比较成熟，但是对于SD-OCT图像的分割，论文网还处于起步阶段。Haeker / Garvin使用径向扫描后生成复合的3-D图像进行3-D图形搜索得出RPE[24-25]；Lee使用多尺度3-D图形搜索来分割视觉神经头[26]；Tolliver采用光谱的舍入的解决方案，在一个相当复杂的数学框架下实现了RPE的分割[27]。然而不管是基于图像的灰度和梯度分割[11-23]，还是动态规划的方法分割或者采用图论的方法，要么是三维数据集的处理时间比较长，就是分割得出的结论不够准确。理论研究还需要不断前进以达到速度与准确性同时得到保障的程度。