色素上皮层脱离(Pigment Epithelium Detachment,PED)是多种视网膜或脉络膜疾病的重要临床表现特征,如老年性黄斑变性、中心性浆液性脉络膜视网膜病变等。由于色素上皮层脱离最终将导致中心视力丧失,因此,色素上皮层脱离的自动分割和定量分析对相关视网膜疾病的诊断与治疗具有积极的临床意义。本文提出了一个在三维谱域光学相干断层扫描成像(Optical Coherence Tomography,OCT)中对视网膜浆液性色素上皮层脱离病变结构进行自动分割的框架。该框架主要包括四个步骤:第一,采用多尺度图搜索方法在三维OCT病变视网膜图像上进行自动分层,获得视网膜浆液性色素上皮层脱离结构的初始分割结果;第二,基于提取的62个形状、纹理和灰度值特征,采用Ada Boost分类算法优化初始分割结果;第三,基于优化后的初始分割结果自动获取前景和背景种子点,并采用形状约束的图割方法精细分割视网膜浆液性色素上皮层脱离结构;最后,基于自适应结构元素的数学形态学方法去除由第三步获得的分割结果中的假阳性分割区域。将本文提出的自动分割方法在25个三维谱域光学相干断层扫描图像上进行测试,所获得自动分割结果的平均真阳性体积分数(TPVF)、假阳性体积分数(FPVF)、戴斯系数(DSC)和正确预测值(PPV)分别为90.08%、0.22%、91.20%和92.62%。对视网膜浆液性色素上皮层脱离区域的自动分割结果和眼科医生手动分割的金标准进行线性回归分析,其结果显示这两者具有很强的相关性。基于本文提出的自动分割框架获得的分割结果可以为眼科医生提供准确的定量信息,包括视网膜浆液性色素上皮层脱离结构的形状、大小和位置,从而协助诊断和治疗相关视网膜疾病。