本研究は、60歳以上の人々における不可逆的な視覚障害の主要な原因である加齢黄斑変性（AMD）の検出に焦点を当てています。RGB眼底画像を用いたセマンティックセグメンテーション技術を利用し、既存のAMD検出のベンチマークであるADAMチャレンジを参考に、さまざまなU-Netアーキテクチャや損失関数を用いてセグメンテーションモデルの性能を向上させる方法を検討しました。前処理技術や異なる複雑さを持つエンコーダー深層ニューラルネットワーク、画像およびピクセルレベルでのクラス不均衡を緩和するための特化した損失関数を評価しました。その結果、提案するAMD検出フレームワークは、ADAMチャレンジのすべての以前の提出を上回り、非侵襲的なRGB眼底画像における異なるAMD病変タイプの多クラスセグメンテーションで優れた性能を示しました。