糖尿病视网膜病变（DR）是糖尿病的常见并发症，是目前世界范围内导致失明的主要疾病之一。临床的早期阶段很难检测到DR。本文提出一种基于卷积神经网络的计算机辅助诊断方法，根据眼底的图像自动分类DR的严重程度。采用多种预处理方法提高输入图像的质量，并且采用多种数据增强的方法来提高数据集的均衡性。使用代价敏感正则化扩展标准分类损失函数，根据预测等级和真实等级相差程度的不同，对其施加不同的惩罚。在ImageNet数据集上进行预训练，从而引入迁移学习，并且使用Softmax激活函数的全连接层使模型获得更好的性能。基于两个数据集的实验结果表明，相较于近期学者的研究结果，该模型能够实现二次加权kappa分数约5%的改善，AUC约3%的改善。将代价敏感正则化引入到EfficientNet网络模型可以提高糖尿病视网膜病变分类任务的准确率，能够得到很好的模型性能。