在国家大力发展人工智能和“健康中国”的时代背景下,以人工智能为核心的智能医学被看作是未来医学的重要发展方向之一,同时也是多学科交叉的高尖科技。医学图像的精准分析是智能医学在科学研究、临床诊断和治疗中关键所在。丰富的影像资源使眼科成为了最适合开展人工智能诊断的一个研究领域,展现出广阔的临床应用前景。本文响应“十三五”眼健康规划,研究了眼底病变智能诊断的深度卷积神经网络方法,建立了糖尿病视网膜病变识别和分级神经网络模型、眼底筛查神经网络模型、眼底异常体征部位识别及眼底多病种诊断神经网络模型,研发了相应的眼底病变检查智能辅助检测系统,在四川省人民医院等多家医院投入试用,展现出良好的临床适用性。本文的创新点和主要贡献包括:1.提出了糖尿病视网膜病变筛查与分级的神经网络方法,缓解了成像噪声高、医学数据规模有限和集成模型的时空开销过大的问题,获得了较好的模型预测性能,有效地减轻了眼科医生的工作负担,提高了眼科医生的工作效率。糖尿病视网膜病变（Diabetic Retinopathy,DR）是工作组人群中主要的致盲眼病,同时也是糖尿病的严重并发症之一。我国有1亿以上的糖尿病患者,其中DR患病率高达30%左右。眼科资源的匮乏等原因使得我国DR筛查面临严峻挑战。针对这一现状,本文研究了用于DR智能筛查与分级的深度神经网络方法。首先,建立了多中心DR数据集,采用多种图像预处理方法提升眼底彩照图像质量,有效缓解图像噪声过高问题。然后,针对研究中数据规模受限问题,利用迁移学习技术,构建了多个两阶段的深度神经网络级联学习器。随后,针对集成模型的训练和存储中往往存在时空开销过大的问题,在减少训练成本的前提下,以构建最优集成模型为目标,实证性地探讨了集成模型的理想规模（组件分类器的数量）和类别数量之间的关系、集成模型的最佳宽度（组件分类器的组合方法）和类别数量之间的关系。最后,提出了用于DR筛查和分级的神经网络模型,开发了DR智能筛查与诊断辅助系统。临床试用结果表明,该系统有效地减轻了眼科医生的工作负担,提高了眼科医生的工作效率。2.提出了超广角图像质量增强下的眼底筛查神经网络方法,缓解了图像对比度低导致的模型高漏诊率问题,降低了模型过拟合程度,获得了良好的模型预测准确性,提高了在超广角图像中开展眼底病变风险评估的可行性。周边部视网膜是多种眼底病产生病理性改变的高发部位。传统的眼底彩照因有限的成像视野而无法提供视网膜周边信息,潜在地导致了漏诊率的上升,且检查过程需散瞳。针对这一问题,本文利用新型的超广角眼底（Ultrawide-field,UWF）图像能够对周边部视网膜快捷、免散瞳、全景成像的技术优势,建立了UWF眼底图像数据集,研究了眼底异常智能筛查深度神经网络方法和用于多种致盲眼底病（视网膜裂孔&视网膜脱落、DR和高度近视病理性病变）的诊断深度神经网络方法。针对图像的低对比度导致眼底病变筛查神经网络的高特异性和低灵敏度问题,以及在此基础上有限的疾病数据规模导致诊断模型严重过拟合问题,采用多种图像处理方法用以提高UWF图像质量,然后具体分析了不同的图像质量增强方法对提升网络预测性能的有效性。最后,结合迁移学习技术和集成学习技术,开发了眼底智能筛查模型和疾病诊断模型。丰富的实验结果表明这些图像处理方法能够有效提升神经网络模型对眼底不同病理特征的学习能力,使其获得良好的预测性能。眼底智能筛查模型和疾病诊断诊断模型对于开展眼底健康筛查具有潜在的应用价值,有助于提高临床医师对患者眼底病变风险评估的可行性。3.提出了眼底异常体征部位检测和多病种诊断的神经网络方法,缓解了类别不平衡问题和类间特征高相似性问题,提高了模型对不同体征部位或眼底疾病的诊断准确性,为眼健康评估提供了更全面、更深入的临床参考信息。本文首先建立了一个多中心、大规模的UWF眼底图像数据集,开发了早期眼底自动筛查神经网络模型,数据集中视网膜病变的多样性有助于将异质人群纳入眼底健康筛查工作。然后,鉴于及时识别位于玻璃体、视网膜、黄斑和视神经部位的眼底病变对于许多视网膜疾病和系统性疾病的诊疗具有不可或缺的参考价值,进一步建立了这四种眼底部位的UWF图像数据集。同时,针对真实场景中眼底疾病的多样性和转诊的迫切性问题,根据视网膜撕裂和视网膜脱落的病程关系和它们不同的治疗指南,对两种疾病做了进一步的区分,并结合其他两种疾病（DR与高度近视病理病变）,在前期工作的基础上建立了一个更大规模的UWF图像眼底疾病数据集,开发了面向眼底异常体征部位识别的深度神经网络模型和用于上述病种诊断的深度神经网络模型。此外,类别不平衡问题和类间特征相似性问题是本项研究的难点所在,也是造成模型高漏诊率和高误诊率的主要原因。针对这些问题,本文首先采用类别权重的方法,帮助模型自动关注来自代表性不足的类别的样本。然后,提出了两步分类策略,使得模型在保持较高特异度的同时,能够着重学习不同眼底病变部位或疾病的病理特征,从而提高了模型在每一个部位或疾病上的诊断灵敏度。最后,研发了眼底异常体征部位智能检测和多病种智能诊断系统。该系统有助于为眼科医生评估眼底健康提供更全面的参考信息。