Táto práca sa zaoberá porovnaním metód hlbokého učenia za účelom detekcie poškodení očnej sietnice spôsobených diabetickou retinopatiou. V prvej časti práce sú uvedené bližšie informácie o spomínanom ochorení, ako napríklad jeho príčina vzniku a rôzne typy, ktoré sú charakteristické rozličnými príznakmi. Ďalej uvádza možnú liečbu a prevenciu s dôrazom na včasnú diagnostiku, ktorej proces môže byť zjednodušený vytvorením efektívneho modelu neurónovej siete na hľadanie výskytu príznakov diabetickej retinopatie na snímkach očného pozadia. Druhá časť práce približuje teoretický úvod do hlbokých neurónových sietí a opisuje rôzne metódy detekcie objektov na obraze. V práci sa taktiež nachádza kapitola o databáze použitých snímok očného pozadia, ktoré sú použité na trénovanie, validáciu a testovanie navrhnutých detektorov. V ďalšej časti je navrhnutý postup detekcie príznakov ochorenia a vyhodnotenie dosiahnutých výsledkov. Tie sú analyzované a porovnávané v poslednej časti, v ktorej sú vybrané najlepšie prístupy k detekcii tvrdých exudátov, optického disku a makuly. Tvrdé exudáty sa podarilo najlepšie detegovať pomocou dvojstupňovej detekcie Faster R-CNN detektora a optický disk aj makulu použitím jednostupňovej detekcie YOLO detektora. Navrhnutý postup detekcie a výsledky, ktoré sme ním dosiahli potvrdzujú, že detekcia príznakov diabetickej retinopatie vyžitím metód hlbokého učenia má priaznivý vplyv na efektivitu automatizovanej diagnostiky tohto ochorenia.