جرت المناقشة العلنية لطالبة (الماجستير زهراء مالك موسى الخفاجي )في قسم الفيزياء عن رسالتها الموسومة التشخيص الذكي للتغيرات في الخرائط الطبوغرافية لقرنية العين المخروطية يوم الخميس المصادف14-6-2018 على قاعة الفيزياء
يهدف البحث الى تحديد وتشخيص القرنية المخروطية بالاستعانة بالخرائط الطبوغرافية للعين والمأخوذة من جهاز البنتاكام بمساعدة معالجة الصور الرقمية وطرائق التصنيف والمستخدمة هنا support vector machine (SVM), ممكن اعتبار هذه الطريقة بانها نظام تشخيص مدعم كون هذه الطريقة قائمة على استخلاص خصائص اضافية من الخرائط الطبوغرافية بالاضافة الى قراءات جهازPentacam البنتاكام, وعليه فان تشخيص الطبيب سيكون اكثر دقة لتحديد القرنية المصابة وبالتالي اعطاء الاجراءات العلاجية الملائمة له.
استخدمت اربع خرائط لتشخيص القرنية المخروطية و هي الخرائط الانكسارية الاربعة ( (Sagittal, Pachymetry, Elevation front,Elevation back maps وقد استخدمت طرق التقسيم بالاضافة الى طرق معالجة الصور مثل طريقة حد العتبة, حساب المساحة , ايجاد النقاط المميزة بالاضافة الى بعض قراءات جهاز البنتاكام مثل ومحورK1, K2,K1, بعدها استخدمت طريقة التصنيفSVM للحصول على القرار النهائي.انقسم العمل الى خمس خطوات اعتمادا على الخرائط المستخدمة لتحديد مرض القرنية المخروطية .وبهذا سوف تكون عملية الفحص والتشخيص للطبيب ليصبح اكثر دقة و سهولة و ستصبح عملية الفحص للمريض اقل اجهادا.
تم تطبيق العمل وتنفيذه بالاستعانة ببرنامج Matlab .الخرائط التي تم الحصول عليها هي 40 خريطة من الخرائط الانكسارية الاربعة لحالتي القرنية الطبيعية والمصابة. وقد تم تنفيذ العديد من العمليات الحسابية على خرائط القرنية, من ضمنها حساب المساحة والزوايا , وقد استخدمت طريقة حقيبة الخصائص باعتبارها طريقة جديدة لاستخلاص الخصائص من الخرائط وتستخدم هذه الطريقة مبدأ k-Mean clustering مع speed up robust feature كطريقة لاستخلاص الخصائص. جميع الخصائص المستخرجة استدخدمت كمدخلات لطريقة التصنيف SVM وكانت دقة النتائج النهائية لجميع الخصائص المستخرجة بنسبة 90%. اما نسبة مطابقة النتائج بين SVM و تشخيص الطبيب كانت بنسبة 92.3% للحالات المصابة بمرض القرنية المخروطية و نسبة 88.9 % للحالات الغير مصابة. وتم الاستعانة بالخصائص الاحصائية من التباين والانحراف المعياري في البحث.
.