باحثون بجامعة ايرانية يتوصلون الى حلول للتشخيص المبكر لأمراض القرنية

ووفقا لوكالة أنباء آنا، لم لا يعلم تعتبر القرنية المخروطية مرضا تفقد فيه العين شكلها الطبيعي وتصبح مخروطية الشكل. حيث يقتصر تشخيص هذا المرض في مراحله المبكرة على أعراض من قبيل كثرة زيارات طبيب العيون، وتغيرات في عدد عيون المريض، وعدم تصحيح النظر بالنظارات. 

ولا تتمتع أجهزة تشخيص القرنية، من قبيل مراجعة طبيب العيون بشكل متكرر او تعديل رقم قدرة الرؤية عبر التدخل الجراحي او عبر ارتداء النظارات الطبية، بالقدرة على التشخيص التلقائي للأشخاص المعرضين للإصابة بالمرض.

في السياق تقول الدكتورة شكوفة يراقي، التي أجرت هذا البحث كجزء من أطروحتها للدكتوراه في هندسة تكنولوجيا المعلومات (إدارة نظم المعلومات)، خلال طرح هذه المقدمة: نظرًا لأنه من الصعب على الأطباء تشخيص الأفراد المعرضين للإصابة، ومعظم هؤلاء الأفراد يعانون أيضا من أمراض أخرى من قبيل قصر النظر أو طول النظر أو اللابؤرية، وقد ينوون الخضوع لجراحة الليزك للتخلص من النظارات، إذا لم يتم تشخيص المرض ولم يتم إجراء الجراحة، فقد يضطرون إلى ارتداء النظارات مدى الحياة، أو قد تصبح قرنيتهم ​​رقيقة جدًا وقد يتم تضمينهم في مجموعة الأشخاص المصابين بالقرنية المخروطية المتقدمة، والتي تكون مضاعفاتها خطيرة للغاية بالنسبة للمرضى.

ولفتت الى اهداف هذا المشروع موضحة: إن هدف هذا البحث هو توفير نموذج للكشف المبكر عن الأشخاص المعرضين للإصابة بالقرنية المخروطية وتصنيف مرضى القرنية المخروطية بمساعدة البيانات العينية.

لتقديم النموذج المقترح، تم النظر في ثلاثة سيناريوهات مختلفة لتحديد الأفراد المعرضين للخطر وتصنيف المرضى. يعتمد النموذج المقترح لهذا البحث على دمج عدة مفاهيم.

تم تصميم النهج الأول على أساس مزيج من استخراج الميزات من المشفر التلقائي والتصنيف باستخدام نموذج المكدس الهجين. الفكرة الثانية تعتمد على استخدام صور خريطة السُمك من مجموعة بيانات شهرود لتصنيف الأمراض. النهج الثالث مخصص لاستخدام سبع خرائط بنتاكام لتشخيص الأمراض ويستخدم نماذج مدربة مسبقًا ومحول رؤية كنموذج هجين.

وتابعت مردفة: إن الرأي الثالث هو وجود ثلاث طرق مختلفة لتشخيص المرض؛ النهج الأول هو تغيير المحول إلى شبكة ملتوية ونقل المعرفة من النماذج المدربة مسبقًا.

النهج الثاني هو استخراج الميزات من نموذجين مدربين مسبقًا ومحول الرؤية ودمجها باستخدام تقنية دمج الميزات كمدخلات لشبكة عصبية للتصنيف. النهج الثالث هو استخدام نموذج هجين يعتمد على تصويت الأغلبية باستخدام نماذج مدربة مسبقًا ومحول رؤية.

واوضحت: إن الفرضية الأولى حققت دقة 0.96 لأربع فئات و0.98 للتمييز بين فئتين طبيعيتين وشكل خفي من القرنية المخروطية. وأظهر الافتراض الثاني أيضًا دقة قدرها 0.96 لفئتي القرنية الطبيعية والقرنية المخروطية. وفي الافتراض الثالث، توصل النهج الثالث إلى دقة قدرها 0.88 للطبقتين الطبيعيتين والشكل الخفي للقرنية.

وتابعت كلامها بالقول: نستطيع استعمال نتائج هذا البحث كنظام دعم للقرار إلى جانب الأطباء لتأكيد تشخيصاتهم". كما أن تصنيف المرض قد يؤدي إلى عملية علاج مختلفة لكل مريض. إن الكشف المبكر عن الأفراد المعرضين للخطر قبل الجراحة يمكن أن يقلل من المضاعفات الناجمة عن العمليات الجراحية غير المناسبة مثل الليزك. وسوف يساعد هذا على تحسين نتائج العلاج وتقليل المخاطر المرتبطة بالجراحة.