近年来,世界范围内不断增长的发病率使得高度近视成为眼科疾病的关注热点。条纹状损伤是高度近视向病理性近视发展过程中的一种重要眼底改变。吲哚菁绿血管造影（Indocyanine Green Angiography,ICGA）是临床诊断条纹状损伤的金标准,但ICGA是有创的,且部分患者会对造影剂产生不良反应,因此不适宜采用ICGA进行条纹状损伤大规模早期筛查。研究表明,在无创的光学相干断层扫描（Optical Coherence Tomography,OCT）图像中,条纹状损伤表现为色素上皮-Bruch’s 膜-脉络膜毛细血管复合体（Retinal pigment epithelium-Bruch’s membrane-Choriocapillaris Complex,RBCC）损伤,具体包括 RBCC 异常和近视牵引纹。基于OCT图像的RBCC损伤自动分割与分析是条纹状损伤无创检测与诊断的重要尝试。由于OCT图像中RBCC损伤存在目标小、边界模糊等问题,其自动分割与分析极具挑战性。本文的主要工作和创新点总结如下:提出了一种基于特征聚合下采样和密集语义流监督的特征融合分割网络（Feature Fusion Segmentation Network,FFS-Net）,实现 OCT 图像中 RBCC 损伤的自动分割。以U-Net为基准网络,设计并嵌入了两个新模块:特征聚合下采样模块（Feature Aggregation Pooling Module,FAPM）和密集语义流监督模块（Dense Semantic Flow Supervision Module,DSFSM）,其中 FAPM 主要解决小目标下采样信息丢失的问题,DSFSM实现了编码器和解码器隐藏层中的语义和细节信息的充分融合。本方法在上海市第一人民医院提供的751张二维OCT B扫描图像上进行验证与评估,RBCC异常和近视牵引纹分割的Dice系数分别为0.646和0.751,实验结果表明本文方法可有效实现RBCC异常和近视牵引纹的分割。OCT与ICGA图像的配准是评估OCT技术进行无创条纹状损伤检测可行性的关键,本文提出了一种基于眼底视盘和血管特征的配准方法实现OCT和ICGA图像的配准。采用FFS-Net在OCT图像中分割RBCC复合体,生成RBCC复合体投影图。由于RBCC复合体投影图与ICGA图像中可利用的配准特征点过少,借助与OCT同步采集、实时配准的红外（Infrared,IR）眼底图像,利用视盘与血管特征信息,基于SURF特征点匹配实现IR与ICGA图像的配准,通过相同的仿射变换,最终实现RBCC复合体投影图与ICGA图像的配准。本文方法在上海市第一人民医院提供的50对数据上进行验证与评估,平均均方根误差（Root Mean Square Error,RMSE）为13.61个像素,表明本方法可以较好实现OCT投影图与ICGA图像的配准。最后,基于ICGA条纹状损伤金标准,对OCT图像RBCC损伤自动分割结果进行了定量分析与评估。实验结果表明虽然OCT技术还不能作为条纹状损伤无创诊断的临床标准,但对于高度近视人群的大规模条纹状损伤筛查具有重要的指导意义。