Choroidalyzer 是一个开源工具，专注于脉络膜的高效分割和参数提取。研究中应用了多种深度学习技术，如 DeepGPET 和 ReLayNet，以提高 OCTA 图像的分割精度，减少手动干预，并构建新的数据集以支持自动注释。这些方法在视网膜疾病的识别和分割中表现出色，具有高准确性和效率。

本研究提出了一种准确高效的神经网络，用于光相干断层扫描血管成像（OCTA）中视网膜血管的分割。该网络具有更少的参数和更快的推理速度，适合工业应用。同时构建了一个包含918个OCTA图像及其相应血管注释的新数据集，研究代码和数据集可从给出的URL获取。