目的设计并实现基于深度神经网络的糖尿病眼底图像自动分析系统，以提升临床筛查效率。方法采用前后端分离与微服务架构，集成医院信息系统（HIS）数据，形成从数据采集、人工智能分析到辅助诊断的全链条闭环；设计临床业务流程，由技师设定规则筛选患者，系统自动生成眼底报告，并经人工复核后供医生参考，除此以外，创新性地采用级联式双阶段人工智能模型，先通过图像质量评估模块过滤低质量眼底像，再通过核心的糖尿病视网膜病变分级与量化模型进行分析。结果在3 134份临床数据验证中，系统图像质量分类准确率达98.2%，糖尿病视网膜病变分级灵敏度为96.5%，特异度达97.8%，平均报告生成时间缩短至每份3.2 s。结论该系统通过创新的双阶段深度学习架构，提升了糖尿病视网膜病变筛查的准确性和效率，可为临床科室提供可靠的辅助诊断工具。