Ảnh hưởng của kích thước ảnh võng mạc đầu vào, quá trình gán nhãn bệnh, số lượng nhãn bệnh, dấu hiệu nhận biết bệnh trên ảnh võng mạc mắt trái và mắt phải tới độ chính xác của việc chẩn đoán các bệnh về mắt được nghiên cứu và đánh giá trên mô hình học sâu ResNet với 101 lớp nơ-ron ẩn, 2048 kênh. Bảy bộ dữ liệu từ Set-1 đến Set-7 được tạo ra từ bộ dữ liệu gốc gồm 5000 ảnh chụp đáy mắt với cách gán nhãn và tiền xử lý ảnh đầu vào khác nhau. Kết quả cho thấy rằng, ảnh đầu vào càng lớn thì cho kết quả càng chính xác và các dấu hiệu nhận diện các bệnh mắt ở hai bên mắt là như nhau, hay nói cách khác có thể dùng bộ dữ liệu huấn luyện của mắt trái để phân loại bệnh ở mắt phải. Kết quả cũng cho thấy rằng, bộ dữ liệu có độ cân bằng nhất (Set-6) với 12 loại nhãn cho kết quả phân loại chính xác nhất là 98,08%.The difference in the input retinal image size, the influence of the disease labelling process, the number of disease labels, and the disease recognition signs of the left and right retinal images are evaluated based on the ResNet model which has a depth of 101, 2048 channels. The seven datasets from Set-1 to Set-7 are created from the original dataset of 5000 fundus images with different labelling and preprocessing of the input images. The results show that the larger the input image is, the more accurate the results are and the signs of eye disease identification in both eyes are the same. In other words, the training dataset of the left eye can be used to classify diseases of the right eye. The results also show that the data set (Set-6), which contains 12 types of labels, is the most balanced and gives the most accurate classification results at 98.08%.