به گزارش گروه دانشگاه خبرگزاری دانشجو، پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران به سرپرستی حمید سلطانیانزاده، رئیس آزمایشگاه مهندسی پزشکی، برای طبقهبندی خودکار تصاویر مقطعنگاری همدوسی اپتیکی در بیماران مبتلا به دژنراسیون وابسته به سن ماکولا Age-related Macular Degeneration (AMD) روشی خودکار توسعه دادهاند.
حمید سلطانیانزاده در توضیح اهمیت این یافته پزشکی گفت: تشخیص خودکار بیماریهای چشمی یکی از حوزههای فعال تحقیقات در آنالیز تصاویر پزشکی است و دژنراسیون وابسته به سن ماکولا یکی از انواع بیماریهای چشمی و متداولترین دلیل نابینایی در کشورهای توسعهیافته به خصوص در افراد بالای ۶۰ سال است. استفاده گسترده از تصویربرداری در سالهای اخیر، افزایش جمعیت سالخورده، و همچنین ماهیت مزمن این بیماری بار کاری متخصصین چشمپزشکی و سیستم سلامت را افزایش داده است. از طرف دیگر، توسعهه کردیم و ساختاری چند مقیاسه طراحی شد تا دقت دستهبندی بالاتری نسبت به مدل پایه داشته باشد. همچنین با تنظیم تعداد هرمهای ویژگی ترکیبشده، دقت را افزایش دادیم. از تأثیر مثبت پیش آموزش تدریجی بر عملکرد بهترین مدل هم استفاده کردیم و در نهایت به دقت بالای ۹۳% رسیدیم.
وی افزود: به منظور ایجاد تفسیرپذیری نتایج، نقشههای گرمایی را رسم کردیم. رسم نقشههای گرمایی باعث مشخص شدن ناحیه تصمیم شبکه شده و اعتماد بیمار و پزشک متخصص را به روشهای مبتنی بر هوش مصنوعی افزایش میدهد.
سلطانیانزاده گفت: سامان ستودهپیما و عطاالله جدیری از دانشجویان همکار در این طرح بودند.