的临床试验，其中
有关的异常（微动脉瘤，硬36例正常，33例
软渗出物和出血等），若有则轻度，23例中度，
记录并保存并同时向专家和9例重度，3例PDR，
患者发出反馈
15例黄斑水肿
预处理（增强图像、去燥）数据集为STARE的
后的第一阶段检测图像中的公开可用数据集，
所有亮像素。从检测到的区包含大小为
域中删除可疑像素；在第二700X605的123张
阶段，明亮区域通过支持向图像，60幅图像与
量机（SVM）分类出玻璃疣和黄斑病变相关，63
渗出物
幅图像为糖尿病
性视网膜病变。
在增强图像去除边界干扰及5084名糖尿病患
噪声后使用监测工具对各特者的40542张图像
征像素点进行监测并进行标的数据集，像素从
记和排定，利用一组特征描200万到1500万
述符来描述由各个特征区域
检测器识别的像素使用综合
监督学习分类器对所计算的
像素描述符进行分类
用MATLAB预处理眼底图像，100名患者组成，
提取出渗出液或微脉瘤等用包括四类（健康，
于检测异常阶段，使用统计轻度，中度和重
模型将这些提取的特征转化度）患者的眼底图
为基于区域的统计数据，并像
将输出值发送给ANN
用图像处理技术增强图像并从数据集
在视网膜中定位出中心凹，DIARETDB1获得的
f201620162017
20172017
RadimBurget和VaclavUher
红色病变（也叫出血）
视网膜红色病变（微动脉瘤和出血）
平均特异性：9253平均准确率：8923平均灵敏度：891平均特异性：914
MayPhu
病性视网
Pai
g
膜病变的
严重程度
（血管，
渗出液和
微动脉
瘤）
WeiZhou和红色病变
Che
gdo
（出血、
gWu
微脉瘤）
平均准确率：96
平均灵敏度：9189平均特异性：9167
谷歌公司
诊断、预防眼病和失明
NorhasmiraMohammad
微脉瘤
平均准确率：8415
平滑图像并找出候选区，运用形态运算和随机森林的组合分类方法来进行评估
50个视网膜图像
采用基于形状的提取算法，策略性地选择三种基于形状的参数（面积，偏心度，周长），基于这些参数，可以从视网膜图像中提取红色损伤，有效并且独立于图像质量通过应用人工神经网络（ANN），将糖尿病视网膜病变（血管，渗出液和微动脉瘤等）的面积，周长和数量等特征用于分类疾病阶段
数据集120张眼底图像，其中89张图像从DIARETDB1数据库中获取其余图像从当地医院的数据库中取出数据集是来自DIARECTDB1和本地数据库的214张眼底图像
对图像进行预处理（增强图像、去除噪声）并将膜图像调整为归一化照明和对比度条件，然后采用超像素分割获得红色结r