arrow-right-square Created with Sketch Beta.
کد خبر: ۴۵۶۸۵۴
تاریخ انتشار: ۱۴ : ۱۵ - ۱۲ بهمن ۱۳۹۷

تشخیص بیماری چشمی ناشی از دیابت با هوش مصنوعی

"شبکیه‌رنجوری" یا "رتینوپاتی"(retinopathy)، به اختلالاتی گفته می‌شود که به آسیب شبکیه چشم می‌انجامند. شبکیه رنجوری دیابتی، از انواع این بیماری و یکی از دلایل مهم فقدان بینایی در بزرگسالان است. شبکیه، محل تشکیل تصویر چشم و انتقال داده‌ها به مغز است؛ در نتیجه شبکیه رنجوری بسته به شدت آن می‌تواند موجب تاری دید و یا نابینایی شود.
پایگاه خبری تحلیلی انتخاب (Entekhab.ir) :

تشخیص بیماری چشمی ناشی از دیابت با هوش مصنوعی

محققان دانشگاه پیام نور مرکز نجف آباد اصفهان با کمک روشی مبتنی بر هوش مصنوعی موفق به تشخیص نوعی بیماری چشمی ناشی از دیابت شدند.

سید سعید آیت، از محققان طرح و رئیس دانشگاه پیام نور مرکز نجف آباد گفت‌: "شبکیه‌رنجوری" یا "رتینوپاتی"(retinopathy)، به اختلالاتی گفته می‌شود که به آسیب شبکیه چشم می‌انجامند. شبکیه رنجوری دیابتی، از انواع این بیماری و یکی از دلایل مهم فقدان بینایی در بزرگسالان است. شبکیه، محل تشکیل تصویر چشم و انتقال داده‌ها به مغز است؛ در نتیجه شبکیه رنجوری بسته به شدت آن می‌تواند موجب تاری دید و یا نابینایی شود.

رئیس دانشگاه پیام نور مرکز نجف آباد با بیان اینکه این بیماری در مراحل ابتدایی، نشانه‌های زیادی ندارد و ممکن است افراد مبتلا تنها با آغاز از دست دادن بینایی، متوجه آن شوند، اظهار کرد: تشخیص ابتدایی و درمان به موقع می‌تواند تفاوت چشمگیری در میزان بینایی بیماران ایجاد کند.

وی با تاکید بر اینکه این سیستم می‌تواند دستاورد بسیار خوبی در درمان بیماران باشد، تصریح کرد: در این روش از تصاویر فوندوس شبکیه چشم استفاده می‌شود و با استفاده از هوش مصنوعی عروق شبکیه چشم بررسی و میزان آسیب به آنها ارزیابی می‌شود.

آیت با بیان این‌که این طرح در قالب پایان‌نامه کارشناسی ارشد مائده تاجی دانش آموخته رشته مهندسی کامپیوتر- گرایش هوش مصنوعی و رباتیک با عنوان "تشخیص بیماری رتینوپاتی دیابت با استفاده از پردازش تصاویر فوندوس شبکیه و تکنیک‌های مورفولوژیک" اجرایی شده است، ادامه داد: در روش پیشنهادی، از ترکیبی با هوش مصنوعی استفاده شد، به طوری که بتواند به متخصصان چشم در فرآیند غربالگری رتینوپاتی دیابت کمک کند تا علائم این بیماری را سریع‌تر، آسان‌تر و با هزینه کمتر تشخیص دهند.

وی افزود: نواحی مشخصی برای میکروآنوریسم‌ها، با استفاده از ترکیبی از معیارها و عملگرهای مورفولوژیک تعیین و سپس برای افزایش پارامترهای مورد نظر، با استفاده از ابزارهایی نظیر تجزیه و تحلیل مؤلفه اصلی و تبدیل رادون، تشخیص میکروآنوریسم‌های واقعی انجام می‌شود.

وی ادامه داد: برای ارزیابی، از پایگاه داده‌های بین‌المللی مطرح در این زمینه استفاده شده تا بتواند این دستاورد را به طور منصفانه مورد مقایسه قرار دهد.

آیت توضیح داد: این پایگاه داده با نام DiaRetDB1 شامل ۸۹ تصویر است و تصاویر این پایگاه داده به وسیله متخصصان چشم پزشکی مورد بررسی قرار گرفته و نقاط مربوط به میکروآنوریسم‌ها به صورت دستی علامت‌گذاری شده است.

وی خاطرنشان کرد: این طرح می‌تواند کمک بسیار خوبی در تشخیص به موقع این بیماری داشته باشد و عوارض نابینایی ناشی از دیابت را با تشخیص به موقع تا حد قابل توجهی کاهش می‌دهد.

رئیس دانشگاه پیام نور مرکز نجف آباد، با اشاره به اینکه محققان استرالیایی در طرحی مشابه نیز همچنین روشی ارائه داده‌اند، اظهار کرد: طرح پیاده شده در دانشگاه پیام نور نجف آباد کاملاً مشابه طرح محققان استرالیایی است، با این تفاوت که در روش‌های تجزیه و تحلیل روش‌های متفاوتی استفاده شده است. با این وجود در مقایسه دو روش نتایج برابر است و گاهی دقت داده‌های طرح ما بالاتر است.

منبع: ایسنا
نظرات بینندگان