现今眼科疾病已经成为一个世界性的话题,中国作为一个14亿人口的大国,60岁以上人群的眼底检查异常率均高于21.39%。日常生活中,人们意识到眼部患有疾病是非常困难的,因为在疾病的早期阶段很少见到明显症状。而人们对于眼睛的关心和保护也不充足,除了每年体检查看检测报告,没有明显病症的时候很少有人单独去检测眼睛情况。同时,我国眼科医生偏少,根据卫健委统计,我国目前只有3.2万名眼科医生,眼科医患比例低导致患者得不到及时的诊断和治疗,因此,通过眼底图像分析来实现对眼科疾病的快速筛查,迫切且必要。随着科学技术的发展,无创拍摄眼底图像眼底照相机的发明,给眼科病人的早期诊断带来了便利。而计算机技术以及各种图像处理技术的发展,运用卷积神经网络来辅助诊断眼科疾病也成为一种有效手段,如眼底图像筛查技术等现已成功运用于临床。但是这些眼科疾病诊断技术还只能运用在对单一眼科疾病的诊断上,例如单一的青光眼、糖尿病网膜病变以及先天性白内障的诊断,对于大规模的包含各种疾病的体检眼底图像,还缺乏相应的诊断技术以区分所有种类的眼底图像,未能实现快速筛查。本研究从大量体检眼底图像筛查问题出发,以疾病筛查精度与速度作为研究目标,使用卷积神经网络训练眼底图像数据集,获得了一个高精度的眼底图像疾病预测模型。首先对原始图像进行统一处理,把所有图像去除多余边框,标准化图像分辨率,对疾病图像进行增强处理;其次,运用处理后的图像在不同的卷积神经网络以及函数中,获得不同的预测结果,最终选取Inception V3模型为网络主体搭建程序;随后,深入分析眼底图像的结构特征,以及各种眼科疾病的临床症状,提出优化了增强图像的方法以及优化增强数据集的组成,提高了模型的训练速度;最后,使用医院采集的体检眼底图像来验证网络模型的实用性。眼底图像预测模型把所有眼科疾病分为正常、糖尿病视网膜病变、青光眼、白内障、年龄相关性黄斑、高血压视网膜病变、近视和其他疾病/异常8个类别。最终实验结果表明,眼底图像预测模型在实验中准确率为93.23%,经过体检眼底图像验证,模型的准确率为90.73%。而400幅眼底图像获得检测结果只需要3分20秒的时间,预测模型可有效的用于大规模体检眼底图像的快速筛选。与其它人的模型预测结果相比,本研究模型整体预测模型精准度比较稳定,单一眼科疾病的预测结果能接近临床使用结果。预测模型可以很好地利用眼底图像中的信息,可以在大规模体检眼底图像筛选中使用,可以给出每张图像各类疾病的预测概率。本研究模型可以提早发现眼底图像中存在疾病信息,辅助医生诊断眼科疾病,帮助病人及时接受治疗。