رتینوپاتی دیابتی یا بیماری شبکیه در افراد دیابتی که به دنبال تغییرات روی ساختار عروقی و نشت خون و مایع از رگ ها ایجاد می شود از علل اصلی نابینایی در افراد می باشد. از این رو با توجه به اهمیت تشخیص این بیماری در مراحل اولیه، طراحی سیستمی که بتواند در تشخیص این بیماری به پزشک کمک کند دارای اهمیت حیاتی می-باشد. این بیماری به بافت شبکیه آسیب زیادی وارد می کند، اما بر اساس جستجوی انجام شده در این پژوهش مشاهده می شود که تاکنون تحقیقی برای شناسایی اتوماتیک رتینوپاتی دیابتی مبتنی بر تغییرات بافت شبکیه انجام نشده است. برای بررسی بافت شبکیه باید از تصاویر مقطع نگاری همدوسی نوری (oct) استفاده کنیم. هدف از این تحقیق، شناسایی آسیب های شبکیه در مراحل اولیه بیماری رتینوپاتی در تصاویر oct می باشد. در این تحقیق برای تعیین محدوده شبکیه روشی مبتنی بر ویژگی های ساختاری شبکیه ارائه شده است. از آنجا که اجرای این روش ملزم به حذف نویز تصاویر oct می باشد، پس از بررسی چند روش حذف نویز، روش معادله انتشار برای حذف نویز این تصاویر پیشنهاد می شود. نتایج با دو معیار ارزیابی کیفی و کمی مورد ارزیابی قرار گرفته اند. در مرحله بعد برای بررسی تغییرات شبکیه در بیماری رتینوپاتی، تصاویرoct شبکیه مطابق با نظر پزشک از سه دیدگاه مختلف مورد بررسی قرارگرفته اند. دیدگاه اول، بررسی تغییرات ضخامت شبکیه پس از ابتلا به رتینوپاتی می باشد. تعیین ضخامت شبکیه در قسمت های مختلف آن در واقع به دنبال مشخص کردن محدوده ی شبکیه به طور دقیق انجام پذیر می باشد. در مرحله بعد، روشی برای شناسایی مکان و مقدار نشت مایع که از آسیب های اولیه ی بیماری رتینوپاتی می باشد ارائه شده است. الگوریتم پیشنهادی مبتنی بر مشخصه های بافت تصویر می باشد، بدین منظور پس از بررسی های انجام شده از ویژگی-های ماتریس هم رخداد تصویر و هم چنین روش کلاس بندی ماشین بردار پشتیبان استفاده شده است. با توجه به نتایج آماری به دست آمده و مهم تر از آن، تائید میزان دقت روش توسط پزشک متخصص می توان روش مذکور را به عنوان روشی مناسب برای یافتن آسیب های بافت شبکیه در مراحل اولیه بیماری مطرح کرد. ایده ی دیگری که در این تحقیق مورد بررسی قرارگرفت مبتنی بر تفاوت لایه های شبکیه در فرد سالم و دیابتی می باشد. در این روش نیز از ویژگی های بافت تصویراستفاده شده است. نتیجه حاصل از این روش به خوبی بیان می کند که روش به کار گرفته شده برای تفکیک و تشخیص دو مجموعه لایه ی اصلی شبکیه در تصاویر شبکیه ی سالم مناسب و مفید می باشد ولی به کاربردن این روش بر روی تصاویر شبکیه بیمار نتایج قابل قبولی را به ما نمی دهد. در نهایت با ارزیابی نتایج حاصل از روش های به کار گرفته شده می توان گفت که روش های پیشنهادی که برای بررسی تغییرات ضخامت شبکیه و جزئیات آسیب های بافت ارائه شده است می تواند ابتلا به رتینوپاتی و میزان آن را در مراحل اولیه بیماری تشخیص داده و اطلاعات دقیق تری از بیماری را برای ادامه مسیر درمان فراهم کند.