目的觀察分析基于深度學習的眼底圖像視盤定位與分割方法的準確性。方法在ORIGA數據集上訓練和評估基于深度學習的視盤定位和分割方法。在深度學習的Caffe框架上構建深度卷積神經網絡（CNN）。采用滑動窗口將ORIGA數據集的原圖切割成許多小塊圖片，通過深度CNN判別各個小塊圖片是否包含完整視盤結構，從而找到視盤所在區域。為避免血管對視盤分割產生影響，在分割視盤邊界之前去除視盤區域的血管。采用基于圖像像素點分類的視盤分割深度網絡，實現眼底圖像視盤的分割。計算基于深度學習的眼底圖像視盤定位與分割方法的準確性。定位準確率=T/N，T代表視盤定位正確的眼底圖像數量，N代表總共用于定位的眼底圖像數量。采用重疊誤差（overlap error）比較視盤分割結果與實際視盤邊界的誤差大小。結果基于深度學習的眼底圖像視盤定位方法其定位準確率為99.6%；視盤分割平均重疊誤差為7.1%；對青光眼圖像和正常圖像的平均杯盤比的計算誤差分別為0.066和0.049；每幅圖像的視盤分割平均花費10 ms。結論基于深度學習的眼底圖像視盤定位方法能快速并準確地定位視盤區域，同時也能夠較為精準地分割出視盤邊界。