成像和计算机视觉系统提供了对人体生理学进行定量研究的能力。 相反，人工解释需要大量的工作，专业知识和过多的处理时间。 这项工作提出了一种将图像处理和机器学习相结合的算法，可以从视网膜眼底图像诊断出糖尿病性视网膜病变。 该自动化方法基于从一些公共可用数据库（如DRIDB0，DRIDB1，MESSIDOR，STARE和HRF）收集的数据集对糖尿病性视网膜病变（或无糖尿病）进行分类。 我们的方法利用具有快速鲁棒性功能的单词袋模型，演示了包含病变（硬性渗出物，软性渗出物，微动脉瘤和出血）和非病变的180
