The present disclosure provides method and system for generating a structure map for retinal images. The system receives one or more retinal images and extracts or more structures in the retinal images. The system identifies one or more gradable retinal images among the one the retinal images. The system identifies one or more structure types and condition states in each of identified gradable retinal images based on extracted one or more structures and information associated with pre-learnt structures in pre-stored gradable retinal images using a Convolution Neural Network (CNN). The CNN is trained using information associated with pre-learnt structures in pre-stored gradable retinal images. The system generates structure map indicating one or more structure types for the gradable retinal images. The present disclosure provides accurate way of identifying structure types and condition states and hence avoids Inter-Observer Variability (IOV) between ophthalmologists in annotating structure types and condition states.La présente invention concerne un procédé et un système pour générer une carte de structure pour des images rétiniennes. Le système reçoit une ou plusieurs images rétiniennes et extrait une ou plusieurs structures dans les images rétiniennes. Le système identifie une ou plusieurs images rétiniennes classables parmi la ou les images rétiniennes. Le système identifie un ou plusieurs types de structures et des états de condition dans chacune des images rétiniennes classables identifiées sur la base d'une ou plusieurs structures extraites et d'informations associées à des structures pré-apprises dans des images rétiniennes classables pré-stockées à l'aide d'un réseau neuronal à convolution (CNN). Le CNN est entraîné à l'aide d'informations associées à des structures pré-apprises dans des images rétiniennes classables pré-stockées. Le système génère une carte de structure indiquant un ou plusieurs types de structures pour les images rétiniennes classables. La
