The present invention relates to an algorithm for automatic reading of the fundus image, a dip for the automatic reading of the fundus image that can minimize the amount of data required for learning by training and reading artificial intelligence in a manner similar to that of an ophthalmologist acquiring medical knowledge. It's about running architecture. The deep learning architecture system for automatic reading of the fundus image according to the present invention is composed of a plurality of convolutional layers performing feature extraction of the fundus image and one fulling layer performing subsampling to reduce computation amount A trunk module 100 in which a common part is combined in a plurality of convolutional neural network (CNN) architectures in which at least one extraction layer set is arranged in series； A branch module 200 configured to generate a plurality of architectures in the trunk module 100 and receiving the output of the trunk module 100 to identify lesions of the fundus image and diagnose a corresponding disease name； A section 110 which is an architecture in which any one of the branch modules 200 and the trunk module 100 are connected； A root layer 120 for transmitting the output of a specific layer among the trunk modules 100 to the branch module 200 to connect the trunk module 100 and the branch module 200； And a final diagnosis unit 300 for integrating data diagnosed from the branch module 200 and determining and outputting a final disease name.본 발명은 안저영상 자동판독을 위한 알고리즘에 관한 것으로, 안과 의사가 의학지식을 습득하는 것과 유사한 방식으로 인공지능을 훈련하고 판독하여 학습을 위한 데이터 요구량을 최소화할 수 있는 안저영상 자동판독을 위한 딥러닝 아키텍처에 관한 것이다. 본 발명에 따른 안저영상 자동판독을 위한 딥러닝 아키텍처 시스템은 안저이미지의 특징 추출(feature extraction)을 수행하는 다수 개의 콘볼루션레이어와 연산량을 줄이기 위해 서브샘플링을 수행하는 한 개의 풀링레이어로 구성되는 특징추출레이어 세트가 적어도 한 개 이상 직렬로 배치한 다수개의 합성곱신경망(convolutional neural network, CNN) 아키텍처에서 공통 부분을 하나로 묶은 트렁크모듈(100)； 다수개로 마련되어 상기 트렁크모듈(100)에서 각각의 아키텍처를 생성하여 상기 트렁크모듈(100)의 아웃풋을 전달받아 상기 안저이미지에 대한 병변을 식별하여 해당하는 병명을 진단하는 브랜치모듈(200)
