糖尿病视网膜病变作为糖尿病常见并发症,其早期检测可使患者得到及时诊治,避免视力损伤乃至失明的严重后果。当下,筛查糖尿病视网膜病变主要依赖专业眼科医生根据临床经验以及结合患者眼底图像中的典型病变特征对其进行诊疗分类,然而逐年增长的糖尿病患者数量,以及医师建议的糖尿病视网膜病变患者一年两次复诊安排,庞大工作量远超现有医疗体系承受范围,与此同时各级医疗中心医疗条件以及眼科医生数量,水平不一,患者复诊意识不足等因素,导致基层防控糖尿病视网膜病变恶化收效甚微,因此,本文提出一种基于改进卷积神经网络的糖尿病视网膜病变自动检测算法,用以协助临床眼科医生诊断患者是否患有糖尿病视网膜病变以及相应程度。糖尿病视网膜病变眼底图像中,硬性渗出物是区别其病变程度的重要特征,因此,本文首先对眼底图像中硬性渗出物进行分割,其次对糖尿病视网膜病变程度进行分类,具体工作如下:（1）针对现有眼底硬性渗出物分割模型参数量大,特征提取能力不足以及分割效果欠佳的问题,提出一种利用改进交错组卷积以及融合双重注意力机制的眼底硬性渗出物自动分割算法,相比其他先进算法,所提分割模型网络宽度更宽、参数更少、采用的更广泛感受野以及增加重要特征的可识别性,使模型提取病灶特征能力更佳。（2）针对现有糖尿病视网膜病变分类网络模型复杂,参数量、计算量大,耗费计算资源多,但其诊断结果反而陷入次优的问题,提出一种利用改进高效网络模型结合半监督伪标签技术的糖尿病视网膜病变分类算法,所提分类模型中采用坐标注意力等优化措施,有效解决了糖尿病视网膜病变不同等级之间特征差异小,诊断效率欠佳的问题。此外,半监督伪标签技术有效抑制模型过拟合的同时提高了高质量彩色眼底图像的利用率。