糖尿病视网膜病变(简称“糖网病”)是糖尿病的一种慢性并发症,目前它已是劳动力人口中主要的致盲因素。临床实践表明及时地诊断和治疗糖网病能极大地降低患者丧失视力的风险,因此在众多糖尿病患者中开展定期的糖网病筛查工作有着非常重要的现实意义。而针对当前医患供需关系极度不平衡的矛盾,利用计算机视觉和计算机辅助诊断的技术来提高眼科医生的诊断效率是最为有效的解决方案。在这些技术当中,深度学习便是目前最为活跃的研究方向之一。本文根据上海市第一人民医院的糖网病诊断需求,研究和分析了辅助诊断系统开发中多个关键任务,同时结合深度学习所面临的实际问题,提出了相对应的解决方案。本文的主要内容和创新点如下:(1)针对大规模筛查中眼底图像质量评价的任务,提出了一种基于多级注意力模型的自动化评价算法。该方法在卷积神经网络多尺度的特征图上引入注意力机制用于提升质量分类的效果。此外,该方法还能前向生成网络重点关注的图像区域,为眼科医生提供可视化的分类依据,也能提示采集人员有针对性地提升成像质量。(2)针对眼底图像血管分割的任务,提出了一种基于特征学习与稠密条件随机场的分割算法。该方法利用线性可判别特征学习构建了稠密条件随机场的一元特征,同时应用一种新的细血管增强方式改进了稠密条件随机场的二元势能函数,进一步提升了血管分割的效果。(3)针对眼底图像糖网病检测的任务,提出了一种基于深度多示例学习的糖网病及其病灶联合检测的算法。该方法结合深度学习与多示例学习的互补优势,仅利用图像级别的标记信息就能实现糖网病病灶的定位,消除了病灶标注的代价,也为糖网病筛查提供了可视化的判断依据。此外,该方法还应用了一种端到端的多尺度框架,能更好地处理不规则的糖网病病灶。(4)针对眼底图像糖网病病灶精确分割的任务,提出了一种基于深度混合学习的眼底图像多类目标分割算法。该方法利用三种分别包含糖网病病变等级、血管精细标记以及病灶弱标记的数据集,结合全监督、弱监督以及主动学习等方法,训练出了一个统一了血管、渗出、出血以及微动脉瘤分割的网络模型。该方法能有效减少精细标记的开销,具有很强的实用性。(5)设计并开发了一个用于糖网病辅助诊断的系统。该系统整合了眼底图像质量评价、正常结构分割、糖网病病灶分割、病变评级以及血管分析等功能,并且成功为上海市第一人民医院的眼科医生提供了诊断和科研上的帮助。