目的建立基于深度學習光相干斷層掃描（OCT）圖像眼底病變的眼底智能輔助診斷系統，初步評估其應用價值。方法診斷性試驗研究。2016年至2019年期間于浙江大學醫學院附屬第二醫院眼科中心就診的25 000例患者的25 000張OCT圖像作為眼底智能輔助診斷系統的訓練集和驗證集。其中，黃斑前膜、黃斑水腫、黃斑裂孔、脈絡膜新生血管（CNV）、老年性黃斑變性（AMD）各5 000張。訓練集、驗證集分別為18 124、6 876張。通過遷移學習Attention ResNet結構算法，對OCT圖像進行特征性病變識別，通過特定程序提取疾病特征，根據目標病變的統計特征，將給定的圖像與其他類型的疾病進行區分。初步形成黃斑前膜、黃斑水腫、黃斑裂孔、CNV、AMD的模型算法，建立5種模型的眼底智能輔助診斷系統。應用受試者工作特征曲線及曲線下面積（AUC）、靈敏度、特異性評估眼底智能輔助診斷系統中各模型輔助診斷的性能。結果眼底智能輔助診斷系統中，黃斑前膜模型輔助診斷的靈敏度、特異性分別為93.5%、99.23%，AUC為0.983 7；黃斑水腫輔助診斷的靈敏度、特異性分別為99.02%、98.17%，AUC為0.994 6；黃斑裂孔模型輔助診斷的靈敏度、特異性分別為98.91%、99.91%，AUC為0.996 2；CNV模型輔助診斷的靈敏度、特異性分別為97.54%、94.71%，AUC為0.987 5；AMD模型輔助診斷的靈敏度、特異性分別為95.12%、97.09%，AUC為0.985 3。結論基于深度學習OCT圖像眼底病變的眼底智能輔助診斷系統對于輔助診斷黃斑前膜、黃斑水腫、黃斑裂孔、CNV、AMD的診斷性能較高。