深度学习(Deep Learning)目前被广泛应用在很多科研领域,并且在工业生产中也得到了很多的应用,都取的了很多不错的效果。最近几年,深度学习算法的研究非常热门,已经有研究人员将深度学习应用到医学图像分析领域,深度学习算法的出现,使得计算机在处理大批量的图像数据变得更加容易,处理数据的速度更快。深度学习模型也越来越多,根据实现功能的不同,学习模型又分为很多种。比如说,深度卷积神经网络(Convolutional Neural Networks,CNNs)应用于图像分类,全卷积神经网络(Fully Convolutional Networks,FCN)应用于深度学习算法图像分割,不同的网络模型有不同的结构参数。医学图像分割就是将医学图像中病变区域给划分出来,将这些区域进行定量或定性的疾病分析,医学图像分割在医学图像处理过程中地位十分重要,是实现目标区域提取和定量表示的基础,能够为医疗诊断提供有用信息。在本文中我们将着重研究深度学习算法在主动脉瘤CT(电子计算机断层扫描技术)影像分割和OCT(光学相干断层扫描技术)脉络膜分割中的应用,提出的方法介绍如下:(1)为了解决能将CT影像中主动脉瘤分割出来,我们设计出了基于深度学习算法的TJ-1模型,利用我们已有的数据集,结合我们自己搭建的深度学习算法运行平台Caffe,实现对TJ-1分割网络模型的学习过程,最后通过实验的方式,来证明我们所设计的网络模型对主动脉瘤分割是有效的。(2)基于TJ-1模型,我们设计了TJ-2模型,利用TJ-2模型学习得到的OCT图像边缘权重,再结合图搜索算法来完成OCT脉络膜分割实验。通过实验,我们发现我们所提的方法,具有很好的应用前景,值得我们继续去深入研究。我们设计的实验方案,分割效果好,时间效率高。