مسئول یا سرپرست هسته: دکتر مریم منعمیان

زمینه فعالیت‌های هسته:

پردازش انواع تصاویر چشم، شامل فلورسین آنژیوگرافی، OCT angiography، OCT، Fundus به منظور 

• تشخیص انواع ناهنجاریها

• طبقه بندی تصاویر بر اساس نوع بیماری

• محلی سازی و بخش بندی ناهنجاریها

• بهبود کیفیت تصاویر

• کنترل کیفیت تصاویر

• پیش بینی میزان پیشرفت بیماری

• رجیستریشن

• همتراز کردن

پردازش داده از بخش های مختلف چشم مثل شبکیه و قرنیه

اعضای هسته و معرفی اجمالی از فعالیت‌های انجام شده

اعضای هسته: دکتر فرناز صدیقین، دکتر حسین ربانی، دکتر علیرضا ورد، دکتر علیرضا پیمان، دکتر علیرضا دهقانی، دکتر محمدرضا اخلاقی، دکتر علیرضا مهری دهنوی، دکتر مهنوش تاجمیرریاحی، دکتر الهه موسوی، مهندس فاطمه رضایی، مهندس بهاره صادقیان، مهندس ساجد رخشانی، مهندس مجتبی بنی فخر، مهندس پریسا رشیدی، مهندس زهرا اسماعیلیان، مهندس رضوان رازقی زاده، مهندس مرضیه مختاری، مهندس نرگس سعیدی زاده، دکتر محسن پورعزیزی، دکتر رضا راستی، دکتر رویا آرین، دکتر محمدرضا مومن زاده، دکتر پریسا قادری دانشمند

برخی از فعالیتهای انجام شده توسط اعضای هسته عبارتند از:

• جمع آوری تصاویر OCT angiography از بیمارستان فیض و کلینیک دیدآوران با هدف دسته بندی بیماران مبتلا به diabetic retinopathy و نیز گریدینگ بیماران مبتلا به گرفتگی شریان کاروتید.

• توسعه متد هوش مصنوعی مبتنی بر یادگیری ماشین برای گریدینگ بیماران مبتلا  به Diabetic retinopathy

• توسعه متد هوش مصنوعی مبتنی بر یادگیری ماشین برای گریدینگ بیماران مبتلا  به گرفتگی شریان کاروتید

• برچسب گذاری بر روی تصاویر oct angiography دیتای پابلیک برای تعیین محل میکروآنوریسم ها

• توسعه متد هوش مصنوعی به منظور محلی سازی میکروآنوریسم در تصاویر فلورسین آنژیوگرافی

• توسعه متد هوش مصنوعی به منظور بخش بندی ناحیه FAZ در تصاویر oct angiography

• توسعه متد هوش مصنوعی به منظور تفکیک بیماران دیابت از افراد سالم با استفاده از تصاویر oct angiography

• ارائه پکیج کامل هوش مصنوعی در چشم پزشکی در سه فاز با همکاری متخصصان هوش مصنوعی مرکز تحقیقات و متخصصین چشم پزشکی

• توسعه متد هوش مصنوعی به منظور محلی سازی ناهنجاری hyper reflective foci از تصاویر oct شبکیه

• توسعه متد هوش مصنوعی به منظور محلی سازی ناهنجاری exudate از تصاویر fundus شبکیه

• توسعه متدهای هوش مصنوعی به منظور تحلیل تصاویر oct قرنیه

• توسعه متد هوش مصنوعی مبتنی بر یادگیری عمیق برای سنتز تصاویر OCT شبکیه سالم و مبتلا به ورم دیابتی ماکولا

• توسعه متد هوش مصنوعی مبتنی بر مدلسازی و یادگیری عمیق برای حذف نویز تصاویر OCT

• توسعه متد هوش مصنوعی مبتنی بر مدلسازی و یادگیری ماشین برای کنترل کیفیت تصاویر OCT

• توسعه متد هوش مصنوعی مبتنی بر فراکتال به منظور محلی سازی ناهنجاریهای کیستی در تصاویر OCT شبکیه مبتلا به ورم دیابتی ماکولا

• توسعه متد هوش مصنوعی مبتنی بر یادگیری عمیق برای همتراز کردن لایه های شبکیه در تصاویر OCT