scientific magazine yafte

fa پیش بینی وضعیت قرنیه در بیماران قوز قرنیه پس از عمل جراحی کاشت حلقه Prediction of Corneal Condition After Corneal Ring Implantation in Keratoconus Patients چشم چشم پژوهشي اصیل Original Research <div style="text-align: justify;">مقدمه: یکی از عارضه های شایع در عیوب قرنیه بیماری قوز قرنیه است. در نتیجه پیشرفت سریع و گسترده علم در دهه های اخیر، عمل کاشت حلقه به روشی موفق برای درمان بیماری قوز قرنیه (کراتوکونوس) تبدیل شده ولی انتخاب بیمار در موفقیت این عمل بسیار حائز اهمیت است. در پژوهش حاضر پیش بینی وضعیت قرنیه و یا به عبارت دقیق تر، پیش بینی اندیس های توپوگرافی قرنیه پس از عمل جراحی کاشت حلقه مورد توجه قرار گرفته است.   مواد و روش‌ها: شبکه های عصبی مصنوعی روشی بهینه برای الگوسازی و پیش بینی هستند. در این پژوهش برای نخستین بار به پیش بینی اندیس های توپوگرافی قرنیه بیماران، شش و دوازده ماه پس از عمل جراحی کاشت حلقه با استفاده از شبکه عصبی جلوسوی چندلایه پرداخته شده است. در این پژوهش با بهره گیری از نرم افزار متلب بر پیش بینی اندیس‌هایی از توپوگرافی قرنیه تمرکز شده است که مستقیماً در تشخیص و پیشروی بیماری قوز قرنیه مؤثر هستند. از این‌ رو داده‌های آماری تعدادی از بیماران، شامل اندیس های مؤثر توپوگرافی قرنیه پیش و پس از عمل کاشت حلقه جمع‌آوری شدند. یافته ها: با استفاده از داده‌های جمع‌آوری‌شده، الگوهایی از شبکه عصبی ایجاد شدند و اندیس‌های مؤثر توپوگرافی قرنیه بیماران شش و دوازده ماه پس از عمل کاشت حلقه‌های کرارینگ و مایورینگ پیش‌بینی شدند. از چهار الگوی شبکه عصبی آموزش یافته، خطای میانگین 7/22% حاصل شد. بحث و نتیجه گیری: انتخاب کاندیدای مناسب برای انجام عمل جراحی کاشت حلقه یکی از دغدغه های مهم چشم پزشکان است. بر مبنای نتایج حاصل شده، به منظور کمک به چشم پزشکان در انتخاب کاندیدای مناسب میتوان از قابلیت و توانایی بالای شبکه های عصبی در پیش بینی اندیس های توپوگرافی قرنیه پس از جراحی کاشت حلقه بهره برد.</div> <div style="text-align: justify;">Background: Keratoconus is a common complication among corneal defects. As a result of expeditious and extensive progress of medical science in recent decades, corneal ring implantation has turned into a successful surgical procedure to correct the vision of Keratoconus patients; however, selecting the right patient is essential in the success of the operation. The prediction of corneal condition or, more precisely, the prediction of corneal topographic indices after implanting the ring has been taken into consideration in the present study. Materials and Methods: Neural network framework is one of the optimal methods for the modeling and prediction. In this study, corneal topographic indices of patients have been predicted 6 and 12 months after the ring implantation for the first time using the multilayer feed forward neural network. The study has focused on predicting corneal topographic indices that are applicable to Keratoconus diagnosis and progression using MATLAB software. Therefore, the statistical data of a number of patients, including the effective indices of the cornea topography before and after implanting the ring, were collected. Results: Using the collected data, neural network models have been developed and the corneal topographic indices have been predicted 6 and 12 months after the implantation of keraring and myoring rings. The mean error of 7.22% is achieved for the four trained neural network models.  Conclusion: Choosing the right surgical candidate is one of the primary concerns of ophthalmologists. The results indicate the great capability of neural networks in assisting ophthalmologists to select right surgical candidates through predicting corneal topographic indices after the ring implantation.</div> <div style="text-align: justify;"></div> قوز قرنیه (کراتوکونوس), توپوگرافی قرنیه, جراحی کاشت حلقه, پیش بینی اندیس ها, شبکه های عصبی Keratoconus, Corneal topography, Ring implantation, Indices prediction, Neural networks 118 129 http://yafte.lums.ac.ir/browse.php?a_code=A-10-2515-2&slc_lang=fa&sid=1 Marjan Bakhtiarnia مرجان بختیارنیا bakhtiarniaa.marjan@gmail.com 7200319475328460020407 7200319475328460020407 No Department of Biomedical Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Keyvan Maghooli کیوان معقولی k_maghooli@srbiau.ac.ir 7200319475328460020408 7200319475328460020408 Yes Department of Biomedical Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Fardad Farokhi فرداد فرخی f_farokhi@iauctb.ac.ir 7200319475328460020409 7200319475328460020409 No Department of Biomedical Engineering, Central Tehran Branch, Islamic Azad University, Tehran, Iran گروه مهندسی پزشکی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران Khosrow Jadidi خسرو جدیدی Kh.jadidi@semums.ac.ir 7200319475328460020410 7200319475328460020410 No Vision Health Research Center, Semnan University of Medical Sciences, Semnan, Iran مرکز تحقیقات سلامت بینایی، دانشگاه علوم پزشکی سمنان، سمنان، ایران