摘要目的建立基于深度学习光相干断层扫描（OCT）图像眼底病变的眼底智能辅助诊断系统，初步评估其应用价值。方法诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中，黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管（CNV）、老年性黄斑变性（AMD）各5 000张。训练集、验证集分别为18 124、6 876张。通过迁移学习Attention ResNet结构算法，对OCT图像进行特征性病变识别，通过特定程序提取疾病特征，根据目标病变的统计特征，将给定的图像与其他类型的疾病进行区分。初步形成黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的模型算法，建立5种模型的眼底智能辅助诊断系统。应用受试者工作特征曲线及曲线下面积（AUC）、灵敏度、特异性评估眼底智能辅助诊断系统中各模型辅助诊断的性能。结果眼底智能辅助诊断系统中，黄斑前膜模型辅助诊断的灵敏度、特异性分别为93.5%、99.23%，AUC为0.983 7；黄斑水肿辅助诊断的灵敏度、特异性分别为99.02%、98.17%，AUC为0.994 6；黄斑裂孔模型辅助诊断的灵敏度、特异性分别为98.91%、99.91%，AUC为0.996 2；CNV模型辅助诊断的灵敏度、特异性分别为97.54%、94.71%，AUC为0.987 5；AMD模型辅助诊断的灵敏度、特异性分别为95.12%、97.09%，AUC为0.985 3。结论基于深度学习OCT图像眼底病变的眼底智能辅助诊断系统对于辅助诊断黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的诊断性能较高。
