本研究提出了FGR-Net框架，结合自编码器网络和分类器网络，实现了对糖网膜图像质量的自动评估和可视化解读。实验结果显示，FGR-Net在图像质量评估方面准确率达89%，能有效帮助眼科医生理解评估结果。

根据《四百万体检人群健康蓝皮书》，眼底异常的检出率连年上升，已成为全球最常见的致盲因素。北京协和医院等单位合作开发了深度学习系统(DLS)，提高了初级眼科医生的诊断一致性约12%，为13种主要眼底疾病的自动检测提供了新方法。研究结果显示，DLS的总体疾病诊断敏感性和特异性分别达到96.6%和81.8%。该研究为初级眼科医生提供了有效的临床方法，但仍需要人类医生的参与。

研究团队开发了一个创新的三维分割网络 DEFN，结合多个创新模块，能够精确地重建和定量指标，为眼科医生带来革命性的诊断和治疗决策工具，预计彻底改变难治性黄斑变性的诊断和治疗模式。