本公开实施例涉及一种基于自监督学习的OCTA图像分类结构训练方法，包括：基于无标签信息的B‑scan　OCTA图像序列对模型进行自监督学习，直至重建的B‑scan　OCTA图像序列与给定的B‑scan　OCTA图像序列之间的重构误差、重建OCTA特征图像与融合OCTA特征图像的重构误差满足预设条件；将给定的带标签信息的en‑face　OCTA图像对自监督学习后的模型中的二维随机掩码特征编码模块、全连接层、softmax层进行微调式训练，获得用于对任一用户的OCTA图像进行分类的二维随机掩码特征编码模块，该二维随机掩码特征编码模块作为OCTA图像分类结构。本发明对基于人体视网膜en‑face　OCTA图像的疾病分析提供依据，使分类结果更准确，分类准确率更高。