فهرست نشریات علمی دسترسی آزاد ایران

تشخیص دقیق و زودهنگام نشانه‌های بیماری، از گذشته‌های دور تا به امروز مورد توجه همگانی بوده است. در همین راستا استفاده از علم عنبیه‌شناسی با توجه به سرعت بالا در تشخیص اولیه بیماری‌های احتمالی، مورد توجه پزشکان و متخصصان قرار گرفته است. در علم عنبیه‌شناسی، عنبیه چشم به قسمت‌های مختلفی تقسیم شده و هر قسمت به ارگان خاصی نسبت داده می‌شود. وجود یکسری مشخصات در هر یک از این قسمت‌ها بیانگر وجود بیماری احتمالی در ارگان مربوطه است. از طرفی پزشکی هوشمند و مدرن با توجه به سهولت، سرعت و دقت بالاتر نسبت به پزشکی سنتی گسترش روز افزونی را تجربه می‌کند. امروز با پیشرفت روز افزون الگوریتم‌های هوش مصنوعی و یادگیری ماشین و افزایش کاربردهای عمومی آن، استفاده از هوش مصنوعی در زمینه‌های پزشکی در صدر توجه محققان قرار گرفته است. در راستای تشخیص خودکار بیماری‎ها و پزشکی هوشمند، در کار حاضر روش جدیدی با استفاده از شبکه‌های عمیق و پردازش تصویر برای تشخیص بیماری‌ها از روی تصاویر و بر مبنای علم عنبیه‌شناسی ارائه شده است. در روش پیشنهادی تصاویر چشم انسان وارد یک شبکه عصبی کانولوشنی شده که این شبکه با ساختار شبکه‌های رمزنگار و رمزگشا طراحی شده و پیسکل‌هایی از تصویر ورودی که بیانگیر عنبیه هستند را از پیکسل‌هایی که بیانگر عنبیه نیستند طبقه‌بندی می‌کند. سپس با ماسک پیسکل‌های شناسایی شده با تصویر ورودی، ناحیه مربوط به عنبیه از تصویر چشم استخراج می‌شود. پس از استخراج عنبیه، مشخصه‌های بیماری با اعمال یک روش حد آستانه تطیبقی تشخیص داده شده و سپس بر حسب چارت عنبیه‌شناسی برش داده می‌شود. در نهایت با توجه به این‌که مشخصه‌های بیماری در قسمت مربوط به کدام ارگان قرار دارند، در مورد نوع بیماری احتمالی تصمیم‌گیری می‌شود. روش پیشنهادی با استفاده از چند مجموعه داده پرکاربرد در زمینه پردازش تصاویر عنبیه ارزیابی شده و در بخش نتایج، کارایی و دقت روش پیشنهادی در استخراج عنبیه و شناسایی بیماری‌ها در مقایسه با چند روش معروف پردازش عنبیه نشان داده شده است. دقت روش پیشنهادی در مکان‌یابی عنبیه تقریباً 99% بدست آمده است که از روش‌های موجود و معروف در این زمینه بالاتر است.