近年来电子产品日益普及,为人们带来便利的同时,因为长时间不规范用眼而导致患有眼科疾病的人数也在逐年增加。如果不能对眼科疾病进行早期的诊断和治疗,就可能会导致患者最终失明。医疗辅助诊断系统通过对视网膜图像中血管和中心线的形态特征进行分析,能够快速有效的解决眼科疾病的诊断问题。因此获取精准的视网膜血管和中心线分割结果对眼科临床医疗的辅助诊断具有重要意义。近年来已经有大量的研究工作来解决视网膜血管和中心线的精准分割问题。这些方法大多都是基于编码器-解码器结构,加入精心设计的模块来提升分割结果。但是这些方法并没有充分的利用网络的语义特征和多尺度特征。而高维语义特征和多尺度特征能够为血管和中心线提供定位和全局信息,弥补血管尺度变化大的缺点,因此对于提升分割精度至关重要。为了更好的利用网络的语义和多尺度特征,进一步提升血管和中心线的分割精度,本文提出了两种分割网络:（1）语义和多尺度融合网络。本网络主要解决视网膜血管的精准分割问题,设计语义融合模块将高维特征信息融入浅层,充分利用语义信息促进毛细血管识别;设计多尺度融合模块提取不同尺度的信息来解决血管粗细不一、尺度变化大的问题。（2）深度语义和多尺度跨任务融合网络。本网络主要解决视网膜血管和中心线的联合提取问题。其中前端网络利用参数共享的方式提取血管和中心线的共有特征,并融合了高维语义信息来初步进行血管和中心线的分割。末端网络通过提取两个任务的独有特征,并利用独有特征生成对另一个任务的多尺度互补信息,从而对初步的分割结果进一步优化。本文在多个公开的眼底数据集上对提出的两种算法进行了测试。结果显示,两种分割算法分别在血管分割和中心线提取两个任务上获得了较高精度的分割结果,超越了近年来的几种高精度分割算法,为构建基于视网膜图像的医疗辅助诊断系统奠定了良好的基础。