針對傳統(tǒng)的視網膜圖像處理步驟復雜、泛化性差、缺少完整的自動識別系統(tǒng)等問題，提出了一套完整的基于深度神經網絡的視網膜圖像自動識別系統(tǒng)。首先，對圖像進行去噪、歸一化、數據擴增等預處理；然后，設計了緊湊的神經網絡模型-CompactNet，CompactNet繼承了AlexNet的淺層結構參數，深層網絡參數則根據訓練數據進行自適應調整；最后，針對不同的訓練方法和不同的網絡結構進行了性能測試。實驗結果表明，CompactNet網絡的微調方法要優(yōu)于傳統(tǒng)的網絡訓練方法，其分類指標可以達到0. 87，與傳統(tǒng)直接訓練相比高出0.27；對于LeNet，AlexNet和CompactNet三種網絡模型，CompactNet網絡模型的分類準確率最高；并且通過實驗證實了數據擴增等預處理方法的必要性。