معصومه صادقی اصل - کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد تهران جنوب ، ایران
سوزان قلعه باغی - دکترای مدیریت تجهیزات پزشکی . استاد دانشگاه آزاد اسلامی واحدتهران جنوب، ایران

رتینوپاتی دیابتی یکی از دلایل شایع نابینایی قابلپیشگیری در جهان محسوب می شود. تشخیص و درمانبموقع این بیماری میتواند تا % 09 از نابینایی جلوگیریکند. افزایش روزافزون بیماران مبتلا به دیابت و کمبودپزشکان متخصص و همچنین به دلیل کیفیت نامناسبتصاویر دریافتی از B- اسکن ، مانع از تشخیص به موقع عوارض شدید رتینوپاتی دیابتی شده است. معمولا درمرحله رتینوپاتی زمینه ای علامتی وجود ندارد اگرچهممکن است در صورت ایجاد تورم مرکز دید، تاری دیدبصورت تدریجی ایجاد شود ولی بیمار به تغییر میزان دیدخود پی نمی برد. به همین دلیل یکی از اقدامات معاینهچشم به کمک B- اسکن است. دستگاه های اسکن B- قابلیت این را دارند که آناتومی و شکل داخلی چشم را بادقت مشخص کنند، بنابراین در مواردی که مانعی برایارزیابی شبکیه وجود دارد مانند زمانی که آب مرواریدشدید یا خونریزی زجاجیه وجود دارد ٬ با این تکنیک میتوان اطلاعات دقیقی ازشبکیه به دست آورد. هدف از اینپژوهش استفاده ازالگوریتم ماشین بردار پشتیبان جهتبهبود کارایی روش تصویربرداری B- اسکن در تشخیص موثر بیماری رتینوپاتی است. از جمله اهداف جزئی آنتعیین مقدار آستانه ،سنجش درصد خطا و درستیالگوریتم،انجام پیش پردازش و شمارش میکرو آنوریسم هابوده است.از جمله فرضیات پژوهش این بوده است کهتصویر چشم بیمار مبتلا به رتینوپاتی دیابتی در مراحلخفیف و متوسط ٬ حتما دارای میکروآنوریسم است و درشمارش آنها ، از الگوریتم ماشین بردار پشتیبان استفادهشد. با انجام مرحله پیش پردازش بروی تصاویر B- اسکن،توانستیم عملکرد الگوریتم در شناسایی بیماریرتینوپاتی دیابتی را بهبود بخشیم.متغیرهای تحقیق شامل شمارش میکروآنوریسم، تعیینمقدارآستانه وتعدادکلاس های تصاویر بوده است. روش اجرا ونتیجه گیری بدین صورت بوده است که ما در ابتدا، ازروش های پیش پردازش و پیدا کردن و شمارشمیکروآنوریسم ها تصویر مناسبی را بدست آوردیم. سپسویژگی های محلی پیکسل ها را استخراج نموده و از آنویژگی در روش آموزش تحت نظارت با استفاده از ماشینبردار پشتیبان استفاده کرده و عمل دسته بندی بر اساسناحیه صورت پذیرفت. درنهایت تصویر از لحاظ دارا بودنبیماری مورد ارزیابی قرار گرفت. همچنین ما می توانیم ازاین الگوریتم واسکن چشم برای تشخیص بیماری هایدیگر از قبیل بیماری ام اس که اخیرا مورد توجهپژوهشگران قرارگرفته است استفاده نماییم.

الگوریتم ماشین بردار پشتیبان، -B اسکن، رتینوپاتی دیابتی