目的:评估基于注意力机制的深度学习网络模型——“慧眼糖网”模型在自然人群和糖尿病人群中筛查糖尿病视网膜病变（DR）的效能，以及分别应用单方位及两方位眼底照相的筛查效能。方法:为横断面调查。自2016年12月至2017年6月，采取分层多阶段整群抽样的方法从全国8省共10个地区6个不同民族的18至70岁常住居民中选择代表性样本作为研究对象，共纳入8 948名参与者的17 118张眼底图像至“慧眼糖网”系统进行评分。以DR早期治疗研究（ETDRS）评分系统作为诊断DR的金标准对眼底图像进行分级。以“需转诊的DR（ETDRS)31）”作为参考变量，绘制受试者工作特征（ROC）曲线，评价“慧眼糖网”的曲线下面积（AUC）、灵敏度、特异度，确定该系统的筛查效能。结果:基于每位受试者，在自然人群中，使用“慧眼糖网”单方位眼底照相筛查“需转诊的DR”的AUC为0.941，灵敏度和特异度分别为98.15%、90.08%；两方位眼底照相筛查灵敏度为100%，特异度为86.91%。在糖尿病人群中，“慧眼糖网”单方位眼底照相筛查“需转诊的DR”时，AUC、灵敏度和特异度分别为0.901、98.08%和82.10%。结论:在自然人群和糖尿病人群中，“慧眼糖网”系统均表现出较高的灵敏度和特异度，可以作为DR筛查的一种辅助手段。