في هذا البحث، نقدم نموذجًا يستند إلى التعلم العميق البيزي لتقسيم طبقة الفوتوريسبتور في صور OCT المرضية. يوفر تصميمنا تقسيمات دقيقة لطبقة الفوتوريسبتور وينتج خرائط عدم اليقين البكسلية التي تبرز المناطق المحتملة للمرض أو أخطاء التقسيم. قمنا بتقييم هذه الطريقة تجريبيًا في مجموعتين من صور OCT المرضية للمرضى الذين يعانون من التنكس البقعي المرتبط بالعمر (Age-related Macular Degeneration)، وانسداد العرق الشرياني الشبكي (Retinal Vein Occlusion) والوذمة البقعية السكرية (Diabetic Macular Edema)، مما أدى إلى تحسين أداء النموذج الأساسي U-Net من حيث مؤشر Dice ومقدار المساحة تحت منحنى الدقة/الاستدلال. كما لاحظنا أن تقديرات عدم اليقين كانت معكوسة الارتباط مع أداء النموذج، مما يؤكد فائدتها في تحديد المناطق التي قد تحتاج إلى فحص/تصحيح يدوي.