早产儿视网膜病变(retinopathy of prematurity,ROP)是早产儿和低体重儿的一种病理性血管增生性疾病，且是儿童致盲的首位因素。因此，对早产儿进行视网膜病变筛查并及时干预至关重要。目前，深度学习在医学图像分析领域逐渐取得新的突破，展现出其巨大的应用潜力，为提高早产儿视网膜病变的诊断效率和准确性提供了新的可能性。深度学习通过端对端的方式可有效地提高对医学图像分类性能，从而辅助儿科医师对早产儿视网膜病变进行精准高效的诊断。在早产儿视网膜病变的诊断中，深度学习可应用于疾病的诊断和严重程度的定量评估，通过训练深度学习模型可实现对病变的精准识别和定位，为临床医生提供更全面的诊断信息，提高诊疗水平。这种技术不仅可以减轻儿科医师的工作压力，还可提高诊断的准确性和效率，为患儿提供更好的治疗方案。深度学习与早产儿视网膜病变图像分析相结合，能在保障一定准确性的同时提高此病的筛查效率，降低筛查成本。本文就深度学习在早产儿视网膜附加病变诊断、分期检测、分区检测和严重程度定量评估等方面的应用进行综述，旨在为早产儿视网膜病变的智能诊断与治疗提供参考，为后续进一步的应用研究提供思路。