·该项目具备论文和软著支持，在西安市第九医院应用。技术核心：使用 PyTorch 深度学习框架， 基于 EfficientNet 构建了眼底病变非增生型病变分期（国际分期分为五个不同严重程度，0 期为无明 显病变 4 期为严重病变）模型接近国际先进水平。 基于 Faster RCNN 两阶段检测网络基本架构使用新的训练方式对低分辨率的图片进行超分 以及改进的特征金字塔结构构建了最终的模型。我们提出的检测模型在没有使用预先分割 mini patches 进行训练 CNN 网络的情况下 , 在 E_ophtha_MA 数据集上在 (False Positives per Image)FPI>6 时 sensitivity 大于 0.8, 超过了目前已知的算法和医生的表现。