用于檢測糖尿病性視網膜病和年齡相關性黃斑變性。該算法的迭代方法比非迭代方法識別出更大的病變，并且將特異性提高了約10%，診斷準確性約為80%。該算法對圖像進行注釋，以描述發現的病變，幫助指導醫師做出決策。

已經開發了機器學習系統，以幫助發現各種癌癥，檢測眼部病變并設計生物分子。然而，醫生對此的主要批評是它們充當黑匣子，得出結論而沒有解釋如何做。當需要某些細微的特征和觀察結果以得出有力的醫學結論時，解釋特別重要。為了解決這個問題，Radboud的研究人員開發了一種新方法，可以識別眼睛中的病變并形成更全面的視網膜疾病注釋。

該算法的工作原理如下：拍攝眼底的眼底照片。該算法對圖像進行處理以建議是否應將案件轉介給專家。然后，該算法識別出與視網膜病變有關的病變，并用一種??稱為選擇性修補的技術填充這些病變，以模仿健康的視網膜組織。修改后的圖像再次輸入到算法中，對算法進行重新評分，識別其發現的其他病變，并重復識別和修復過程，直到視網膜圖像被評為健康為止。

通過這種方式，可以在進一步的迭代中識別出在第一次迭代中可能未發現的更中等或更小的病變，從而為醫生提供了更全面的可疑眼部病變圖片。該技術是軟件，一旦完善并獲得監管機構的批準，應易于廣泛使用。