如前所述，深度学习是数据驱动的。自然图像处理领域有很多大规模的数据集。例如，Image Net拥有超过1 400万张图片。然而，与其他医学领域一样，眼底图像数据集十分有限。与自然图像不同，眼底图像的标注需要专家来完成，难度很大。例如，由于缺乏深度信息，专家通常需要8分钟来标注眼底图像以进行OD/OC分割和青光眼诊断，这些限制导致缺乏高质量标注的眼底图像。而数据集越小，就越有可能导致准确率较低和过拟合。
