人的眼睛是获取外界信息的十分重要的部位,眼部疾病的治疗刻不容缓。黄斑区是视网膜上一个重要区域,一旦出现病变常常导致视力下降,甚至致盲,因此黄斑病变是眼部疾病中相当棘手的病症。近年来,随着医疗器械不断的发展和进步,一种叫做光学相干断层扫描（optical coherence tomography,OCT）的非入侵式成像技术颇受关注,其高分辨率十分有助于眼部的成像,现已成为包括年龄性黄斑变性（age-related macular degeneration,AMD）和糖尿病性黄斑水肿（diabetic macular edema,DME）在内的眼部疾病的重要分析方式。为了减轻医生的工作负担,并且辅助医生对病人做好早期预防、早期治疗、病情反馈等工作,本文借助先进的OCT成像设备,利用其做好标签的数据集,对包括AMD和DME在内的两种黄斑病变进行识别,以达到辅助医生诊断视网膜黄斑病变的目的。深度学习是近年来人工智能领域一个热门焦点,其通过对目标从低维到高维的抽象表达和大量深层次的计算,对实际复杂问题进行自动最优求解,本文因此开创性的采用深度学习技术实现对黄斑病变的识别。本文的主要工作有如下几点:（1）深度学习离不开大数据,模型的好坏与数据质量息息相关。因此本文在原有的预处理方法基础上,利用对图像编码解码的方式对图像像素的分布进行重构,提高网络提取到的特征的质量,从而提高网络的识别性能。（2）网络的拟合能力和待解决问题的复杂度要匹配,网络拟合能力过高或过低会引起过拟合或欠拟合。因此本文调整了网络的卷积层数,并结合重构图像的特点,增强了网络对图像高级特征的表达能力,使网络识别能力进一步提高。（3）医学图像中一个病例往往对应一组序列,而本文的深度学习网络是二维的,因此本文通过传统机器学习分类器实现从二维到三维识别的转化,并将二维和三维识别的结果与相关工作进行比较和分析。