目前,糖尿病已经成为社会上的高发疾病,糖尿病性视网膜病变(Diabetic retinopathy,DR)是糖尿病常见的并发症,常导致患者的失明。诊断糖尿病性视网膜病变的过程耗时费力,导致大部分患者无法得到及时的诊断。近年来,随着深度学习的发展,使得其应用在糖尿病性视网膜病变的辅助诊断中成为可能。本文以糖尿病性视网膜病变作为研究对象,建立对其病变等级分类的算法模型。首先,根据患者眼底图像的噪声问题,提出了一系列预处理与图像增强的方式,同时采用对损失函数加权的方式处理数据集不平衡的问题。然后,分别利用Inception结构增加卷积网络宽度提取特征的能力;DenseNet在深层卷积网络中复用特征的能力以及MobileNet轻量化卷积网络的优势,重新训练以上三个卷积神经网络模型,对糖尿病性视网膜病变严重程度进行分类,并利用不同模型对不同病变特征的敏感性,集成上述模型以提高最终的准确率。最后,本文针对糖尿病性视网膜病变基层筛查困难,云服务租借费用高等情况,利用移动端轻便、操作简单的优势,设计了一个简易的辅助诊断系统,将算法模型部署在系统上,给予糖尿病患者以及医护人员辅助诊断建议。本文借助传统图像处理方法对眼底图像进行预处理提高模型学习效率,通过损失函数加权的方式解决了数据集不平衡的问题。并集成多种模型,较集成前的最佳模型准确率提高了2.91%,特异性提高了4.37%。最后,将算法模型和图像处理方法部署在移动端,提高糖尿病性视网膜病变筛查效率,让研究结果富有实用化意义。