Detecting Keratoconus by Using SVM and Decision Tree Classifiers with the Aid of Image Processing

استخدم العديد من الباحثين طرق متعدده بالأضافة الى معدات طبية للمساعدة على تشخيص الامراض المتعدده التي تصيب العين. هدف بحثنا هو تحديد نوع من الامراض التي تصيب القرنية, وهي القرنية المخروطية و تم ذلك باستخدام تقنيات معالجة الصور و طرق التصنيف . جهاز البنتاكام هو الجهاز المستخدم لتشخيص صحة القرنية والذي هو عبارة عن جهاز يعطي خرائط والتي تكشف عن تغيرات القرنية و الخرائط الانكسارية الاربعة هي الخرائط المستخدمه للكشف ولتشخيص مرض القرنية المخروطية . في بحثنا استخرجت ستة عشر خصيصة من الخرائط الانكسارية الاربعة بالاضافة الى خمس قراءات مأخوذة من جهاز البنتاكام. وقد اظهرت نتائج طريقتي التصنيق  نتائج جيده بنسب87,5 و  90 بالمئة على التوالي لتشخيص القرنية المخروطية.  SVM وDecision Tree Researchers used different methods such as image processing and machine learning techniques in addition to medical instruments such as Placido disc, Keratoscopy, Pentacam;to help diagnosing variety of diseases that affect the eye. Our paper aims to detect one of these diseases that affect the cornea, which is Keratoconus. This is done by using image processing techniques and pattern classification methods. Pentacam is the device that is used to detect the cornea’s health; it provides four maps that can distinguish the changes on the surface of the cornea which can be used for Keratoconus detection. In this study, sixteen features were extracted from the four refractive maps along with five readings from the Pentacam software. The classifiers utilized in our study are Support Vector Machine (SVM) and Decision Trees classification accuracy was achieved 90% and 87.5%, respectively of detecting Keratoconus corneas. The features were extracted by using the Matlab (R2011 and R 2017) and Orange canvas (Pythonw).      &nbsp