Iraqi Retinal Fundus Diabetic Retinopathy Dataset (IRFDRD)

Prof.Dr.Ziad Tarik Al-dahan
Department of Biomedical Engineering
 Al-Bayan University, Baghdad, Iraq
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.

Noor Ali Sadek
Department of Biomedical Engineering
Al-Narain University, Baghdad, Iraq
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.
ORCID: http://orcid.org/0009-0004-4013-0544

Suzan Amana Rattan
AlKindy College of Medicine
University of Baghdad, Baghdad, Iraq
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته. 

 Ahmed F
Department of Artificial Intelligence
and Robotics Engineering
Al-Narain University
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.
ORCID: https://orcid.org/0000-0003-2483-0028

Brendan Geraghty
Department of Musculoskeletal Biology
Institute of Ageing and Chronic Disease
University of Liverpool, L7 8TX, UK
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.
ORCID: https://orcid.org/0000-0003-0561-66674

Ahmed Kazaili
Department of Biochemistry & Systems Biology
Institute of Systems, Molecular and
Integrative Biology, University of Liverpool
Liverpool, L69 3GH, UK
عنوان البريد الإلكتروني هذا محمي من روبوتات السبام. يجب عليك تفعيل الجافاسكربت لرؤيته.
ORCID: https://orcid.org/0000-0002-0400-7432 

Keywords: DR, IRFDRD, deep learning, DR classification, DR detection

Abstract
Diabetic Retinopathy (DR) is a leading cause of vision loss globally. Early diagnosis is crucial for preventing blindness. This research utilizes fundus camera images of the retina to analyze DR. The dataset is classified into five categories: healthy, mild, moderate, severe, and proliferative DR. Infrared fundus reflectance (IRFDR) images have shown promising outcomes when employed with deep learning algorithms