本系統可利用眼底照相，針對正常/老年性黃斑部病變(ARMD)/多囊性脈絡膜蟹管病變(PCV)做診斷區分，利用本院與合作之醫療院區所蒐集之正常眼底圖/ AMD眼底照相/ PCV之眼底照相, 來建置CNN模型，並利用Efficient Net測試及校正，再經過其他外部合作院區的影像測試，以提升診斷率。

本研究開發的深度學習模型，僅利用眼底照相可迅速區分出AＲMD與PCV，省去傳統侵入性且耗時的各項檢查。目前利用EfficientNet algorhithm可達約94.52之正確率，修正模組後的熱度圖表現更準確 (GradCAM)。

本技術的應用價值在於利用眼科重要的常規眼底照相檢查，以更快速更簡易的方式來做ARMD/PCV兩種疾病的區分，一方面能提升醫師診斷速度，另一方面對於資源不充裕的偏鄉地區能夠更有助益。未來若能結合硬體(例如手持式照相機)或軟體(結合影像瀏覽平台)，更能結合數位醫療產業，提升醫療品質，降低城鄉差距。