本文介绍了一种新型OCTA分割方法（OCTA-MTL），通过多任务学习和自适应损失组合策略，在ROSE-2数据集上表现优异。此外，研究提出了基于VET的血管提取流程，能够快速生成高质量OCTA图像，提高诊断准确性。采用低秩适应技术的SAM-OCTA方法在局部血管分割上也取得了显著进展，展示了其在医学成像中的应用潜力。

本研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用Vasculature Extraction Transformer（VET）实现。VET提取的OCTA图像质量中等，对比度更高，数据采集时间缩短到2秒。VET在处理颈部和面部OCTA数据时优于SV和ED算法。该研究表明，VET能够从快速一次重复的OCT扫描中提取血管图像，有助于准确诊断患者。

该研究提出了一种利用一次重复OCT扫描生成OCTA图像的血管提取流程，使用VET实现。VET提取的OCTA图像具有更高的图像对比度和中等的质量，并将所需数据采集时间缩短到了大约2秒。