لیلا ابراهیمی - دانشجوی کارشناسی ارشد، گروه بین رشته ای فناوری دانشکده علوم و فنون نوین، دانشگاه تهران، تهران،
هادی ویسی - استادیار، گروه بین رشته ای فناوری دانشکده علوم و فنون نوین، دانشگاه تهران ، تهران،
سارا هاشمی - پژوهشگر، گروه بین رشته ای فناوری دانشکده علوم و فنون نوین، دانشگاه تهران ، تهران،
ابراهیم جعفرزاده پور - استاد، دانشکده علوم توانبخشی، دانشگاه علوم پزشکی ایران ، تهران،

یکی از موثرترین روش های درمان بیماران مبتلا به آستیگماتیزم نامنظم قرنیه، استفاده از لنز سخت است. متخصصین حوزه ی بینایی سنجی تعیین مشخصات لنز مناسب فرد را بر اساس آزمایش و خطاهای متعدد انجام می دهند. در حال حاضر شرکتهای گوناگون با دریافت هزینه های زیاد و پس از مدت نسبتا طولانی قادر است لنز پیشنهادی را در اختیار قرار دهد. در این مقاله پیشنهاد می شود تعیین انحنای پایه لنز بدون دخالت انسانی و مبتنی بر شرایط سطح چشم، صورت گیرد. در این مقاله از شبکه عصبی عمیق خود رمزگذار برای نخستین بار به منظور تجمیع اطلاعات حاصل از نگاشت های مختلف تصاویر چهارگانه پنتاکم برای تشخیص انحنای لنز سخت استفاده شده است. در این روش پیشنهادی از دو شبکه عصبی استفاده شده است؛ یکی شبکه عصبی خودر مزگذار پیچشی و دیگری شبکه عصبی پرسپترون رگرسیونی از شبکه عصبی خودر مزگذار پیچشی به منظور تجمیع ویژگی های نگاشتهای چهارگانه تصاویر پنتاکم استفاده شده است؛ زیرا این شبکه ها قادر هستند ساختار غیر خطی موجود در نماها را تشخیص دهند. از شبکه عصبی پرسپترون رگرسیونی هم به منظور دستیابی به مقدار انحنای پایه لنز استفاده شده است. ورودی شبکه عصبی پرسپترون رگرسیونی هم بردار ویزگی حاصل از شبکه عصبی خودر مزگذار پیچشی است. این پژوهش قادر بوده است میانگین مربعات خطا را از ۱۰۵۳ به ۰/ ۰۰۹ برساند که تغییر قابل توجهی در راستای تشخیص دقیق تر مقدار انحنای پایه لنز برای متخصصین این حوزه است. همچنین با توجه به تمرکز مطالعات بر روی روش های متکی به تشخیص دستی با دستگاهی این روش می تواند تحول قابل توجهی در راستای تشخیص مشخصات لنز سخت ایجاد کند.

تصاویر چهارگانه پنتاکم، مشخصات لنز سخت، تشخیص انحنای پایه لنز، تجمیع ویژگی ها، شبکه های عصبی خودرمزگذاری خود رمزگذار پیچشی، شبکه های عصبی عمیق