光学相干层析成像(OCT)广泛应用于眼科，用于观察视网膜的形态，对病变区域的检测和诊断评估具有重要意义。由于液体的积聚引发的一系列视网膜疾病，针对视网膜OCT图像中的液体检测和分割问题，设计了一种具有全局上下文特征信息的神经网络，利用多尺度的特征提取与融合的方法，提出了一种多尺度的并行提取与高度融合的U型网络模型PH-UNet

这是一种新的用于视网膜OCT图像液体区域分割的深度卷积神经网络。PH-UNet网络通过捕获多尺度的上下文信息，更好地利用信息提取和融合的方法对视网膜OCT图像中液体区域进行端到端的分割。将提出的模型对MICCAI RETOUCH数据集中三种视网膜液体视网膜内液体(IRF)、视网膜下液体(SRF)和色素上皮脱离(PED)进行分割并与其他经典的分割网络模型进行了比较，在precision精确率、dice相似系数、mIoU平均交并比三种指标上取得了最佳效果证明了其优越性。