Celem pracy jest przedstawienie możliwości zastosowania technik sztucznej inteligencji do klasyfikacji zmian chorobowych tylnego odcinka oka, które są widoczne na przekrojach typu B OCT. Omówiono dostępne w sieci Internet bazy danych obrazów siatkówki, ze szczególnym uwzględnieniem baz przydatnych do nauki sztucznych sieci neuronowych, pozwalających dokonywać automatycznego procesu klasyfikacji. Przygotowano proste a jednocześnie przyjazne dla użytkownika oprogramowanie o nazwie „RePatClas”, które pozwala na samodzielne testowanie procesu klasyfikacji dla własnych zdjęć. Do wytrenowania modeli klasyfikacyjnych wykorzystano obrazy z ogólnodostępnej bazy LOCT (w wersji drugiej), która zawiera 84 485 obrazów czterech klas: CNV, DME, DRUSEN i NORMAL. Korzystanie z oprogramowania „RePatClas” zilustrowano przykładami. Przygotowane oprogramowanie pozwala zaznajomić się z tematyką aktualnych rozwiązań sztucznych sieci neuronowych.