光学相干断层扫描（OCT）已成为诊断眼科疾病的金标准，它通过无创测量获取眼底视网膜结构。然而，血管中血流对入射光的吸收会使B-Scan图像在血管位置出现阴影区域，严重影响视网膜层分割的准确性以及微小病灶的观察。本研究提出一种两阶段神经网络，通过辅助训练头和阴影区与非阴影区之间的全局注意力机制构建。在阴影区域分割任务中，本工作在视网膜B-Scan图像上取得了79.07%的分割mIoU。基于分割掩膜，阴影区域被精确恢复。采用Sobel边缘图像的SSIM评估恢复区域的效果。所提方法在恢复前后阴影区域之间取得98.2%的SSIM_area，平均像素亮度提高36.7。与所有现有方法相比，本工作首次引入模型约束以保证原始图像的结构不变性，使SSIM_total从47%提升至99.9%。最后，通过比较四类视网膜B-Scan图像的RPE-脉络膜层分割效果，所提方法提升了临床视网膜层分割精度。
