近年来,糖尿病已经成为损害人类健康的主要疾病之一。中国已经超越印度成为世界上糖尿病患者最多的国家。糖尿病在早期没有明显的症状,故不易被发觉。而作为糖尿病的严重并发症之一,糖尿病视网膜病变中的出血、微动脉瘤和渗出等症状则可以较早的被发现并确诊糖尿病。所以,研究并设计一套基于计算机视觉的糖尿病视网膜病变自动诊断系统具有十分重大的意义。出血病变与微动脉瘤是最早期的能够观测到的糖尿病视网膜病变类型,对这些病变进行检测和研究具有重要的临床诊断意义。本文设计了一种基于U-net结构的卷积神经网络来检测出血和微动脉瘤。针对实验样本过少,提出了针对图像块进行的训练模式。该网络在我们和眼科医生合作标注的数据集AI_HE1和AI_HE2上测试得到的ROC曲线下面积AUC分别是0.919和0.900。我们还对出血块进行了计数和面积计算以便提供更加量化的病变信息。血管分割是眼科计算机辅助诊断和疾病筛查的基础。我们设计了一种基于生成对抗网络的深度学习方法来对血管进行分割。我们使用U-net结构的生成器,并采用了多尺度融合的马尔科夫链判别器。我们在公开数据集DRIVE和STARE上测试了我们的方法,得到的ROC曲线下面积AUC分别是0.982和0.984。我们还在血管分割的基础之上进行了新生血管和血管弓的检测。前者是为了区分患者是非增殖性糖尿病视网膜病变还是增殖性糖尿病视网膜病变,后者则是为了判断各种病变的严重程度。