Doenças associados ao diabetes são recorrentes. A retinopatia diabética interfere na visão do paciente e pode ocasionar o rompimento de vasos sanguíneos dos olhos, levando a cegueira caso não seja diagnosticada e tratada em tempo hábil. O diagnóstico pode ser feito através da análise de imagens de fundo de olho. A classificação entre imagens com lesão e não lesão pode auxiliar nesse processo. Foram extraídos dessas imagens os descritores de Histograma (H), Comprimento de Corrida (CC) e Matriz de Co-ocorrência (CO) e analisados os métodos K- vizinhos Próximos (K-NN), Máquinas de Vetores de Suporte (SVM) Linear e Radial, Árvore de Decisão (DT), Florestas Aleatórias (RF), Redes Neurais Artificiais (RNA), Análise de discriminante linear (LDA) e AdaBoost DT. O método LDA apresentou o melhor resultado nos experimentos realizado com 77,67% de acurácia.

Image data and labels were collected from Kaggle contest: https://www.kaggle.com/c/diabetic-retinopathy-detection/. After, 600 high resolution images were processed to extract Histogram, Co-occurence matrix and run length image descriptors and stored as CSV file available in this document.

The last column in CSV file is the image label:

- 0 means no presence of