دانشگاه نبی اکرم(ص) مدیریت بازاریابی هوشمند 2783-5405 6 3 2025 09 23 Presenting an intelligent, machine learning-based method with commercialization capabilities for identifying diseases from human eye iris images ارائه یک روش هوشمند مبتنی بر یادگیری ماشین با قابلیت تجاری‌سازی برای تشخیص بیماری‌ها از روی تصاویر عنبیه چشم انسان 188 205 726191 JABM.3.2.15564.351256.326968 FA عوض نقی‌پور گروه مهندسی کامپیوتر، مؤسسه آموزش عالی نبی اکرم(ص)، تبریز، ایران. 0000-0001-5176-0489 رامین شاهی گروه مهندسی کامپیوتر، مؤسسه آموزش عالی نبی اکرم(ص)، تبریز، ایران. Journal Article 2025 05 26 From the past until today, accurate and early diagnosis of disease symptoms has been of interest to everyone. In this regard, the iridology has attracted the attention of doctors and experts due to its high speed in the early diagnosis of possible diseases. In iridology, the iris of the eye is divided into different parts and each part is assigned to a specific organ. The presence of some characteristics in each of these parts indicates the presence of a possible disease in the relevant organ. On the other hand, smart and modern medicine is expanding more and more due to its ease, speed and accuracy compared to traditional medicine. Nowadays, with the increasing progress of artificial intelligence algorithms and machine learning and the increase of its general applications, the use of artificial intelligence in medical fields has become the top of researchers' attention. In line with the automatic diagnosis of diseases and smart medicine, in this work, a new method using deep neural networks and image processing methods is presented to diseases detection from images based on iridology science. In the proposed method, human eye images are fed into a convolutional neural network. This network, which is designed with the structure of encoder/decoder networks, classifies the pixels of the input image that represent the iris from non-iris pixels. Then, with the mask of iris pixels with the input image, the area related to the iris is extracted from the eye image. After extracting the iris, the characteristics of the disease are detected by applying an adaptive thresholding method and then cropping the image according to the iridology chart. Finally, according to the characteristics of the disease in the part related to which organ, a decision is made about the type of possible disease. The proposed method has been evaluated by several widely used datasets in the field of iris image processing. The datasets include pictures taken with special cameras and also pictures taken with cellphones. The accuracy of the proposed method in locating the iris is almost 99%. تشخیص دقیق و زودهنگام نشانه‌های بیماری، از گذشته‌های دور تا به امروز مورد توجه همگانی بوده است. در همین راستا استفاده از علم عنبیه‌شناسی با توجه به سرعت بالا در تشخیص اولیه بیماری‌های احتمالی، مورد توجه پزشکان و متخصصان قرار گرفته است. در علم عنبیه‌شناسی، عنبیه چشم به قسمت‌های مختلفی تقسیم شده و هر قسمت به ارگان خاصی نسبت داده می‌شود. وجود یکسری مشخصات در هر یک از این قسمت‌ها بیانگر وجود بیماری احتمالی در ارگان مربوطه است. از طرفی پزشکی هوشمند و مدرن با توجه به سهولت، سرعت و دقت بالاتر نسبت به پزشکی سنتی گسترش روز افزونی را تجربه می‌کند. امروز با پیشرفت روز افزون الگوریتم‌های هوش مصنوعی و یادگیری ماشین و افزایش کاربردهای عمومی آن، استفاده از هوش مصنوعی در زمینه‌های پزشکی در صدر توجه محققان قرار گرفته است. در راستای تشخیص خودکار بیماری‎ها و پزشکی هوشمند، در کار حاضر روش جدیدی با استفاده از شبکه‌های عمیق و پردازش تصویر برای تشخیص بیماری‌ها از روی تصاویر و بر مبنای علم عنبیه‌شناسی ارائه شده است. در روش پیشنهادی تصاویر چشم انسان وارد یک شبکه عصبی کانولوشنی شده که این شبکه با ساختار شبکه‌های رمزنگار و رمزگشا طراحی شده و پیسکل‌هایی از تصویر ورودی که بیانگیر عنبیه هستند را از پیکسل‌هایی که بیانگر عنبیه نیستند طبقه‌بندی می‌کند. سپس با ماسک پیسکل‌های شناسایی شده با تصویر ورودی، ناحیه مربوط به عنبیه از تصویر چشم استخراج می‌شود. پس از استخراج عنبیه، مشخصه‌های بیماری با اعمال یک روش حد آستانه تطیبقی تشخیص داده شده و سپس بر حسب چارت عنبیه‌شناسی برش داده می‌شود. در نهایت با توجه به این‌که مشخصه‌های بیماری در قسمت مربوط به کدام ارگان قرار دارند، در مورد نوع بیماری احتمالی تصمیم‌گیری می‌شود. روش پیشنهادی با استفاده از چند مجموعه داده پرکاربرد در زمینه پردازش تصاویر عنبیه ارزیابی شده و در بخش نتایج، کارایی و دقت روش پیشنهادی در استخراج عنبیه و شناسایی بیماری‌ها در مقایسه با چند روش معروف پردازش عنبیه نشان داده شده است. دقت روش پیشنهادی در مکان‌یابی عنبیه تقریباً 99% بدست آمده است که از روش‌های موجود و معروف در این زمینه بالاتر است. https://www.jnabm.ir/article_726191_a8a1442cfc577ff5f7c533a2b3ee8049.pdf