بیماری گلوکوم (آب سیاه) از بیماریهای شایع و خطرناک می باشد که عدم توجه کافی به وضعیت میدان بینایی و کنترل فشار داخل چشمی (iop) از اصلی ترین عوامل بروز آن به حساب می آید. عمده افراد مبتلا به این بیماری، دارای فشار داخل چشمی بالایی می باشند این بیماری در هر سنی ممکن است رخ دهد اما در میان بزرگسالان شایع تر می باشد در نتیجه این بیماری، میدان بینایی مختل شده و باعث وارد شدن صدماتی به لایه گانگلیون شبکیه و عصب بینایی می گردد. متأسفانه پس از مدتی و با از دست رفتن حدود 30 درصد سلولهای شبکیه بیمار به مشکل ایجاد شده پی می برد. که این مسیله ممکن است در نهایت منجر به از بین رفتن دید مرکزی و کوری کامل وی گردد. در ایالات متحده آمریکا، حدود 2 میلیون نفر به گلوکوم دچار بوده بی آنکه از بیماری خود آگاهی داشته باشند. شیوع این بیماری در مناطق گرمسیری و در بین آسیاییها و نژاد سپاه بیشتر می باشد. سابقه فامیلی و عوارض دیگری نیز برای بروز آن شناخته شده است. دستگاههای الکتروفیزیولوژی و آزمایشات مختلفی برای تشخیص زود هنگام این بیماری ایجاد شده که هر کدام از اهمیت بالایی برخوردار می باشد. در این پایان نامه در آغاز با استفاده از نتایج آزمون سنجش میدان بینایی (پریمتری) که از بیماران بخش گلوکوم در بیمارستان فارابی تهران و با دستگاههای موجود در بخش الکتروفیزیولوژی چشم بدست آمده، برنامه ای در محیط برنامه نویسی matlab نوشته شده است که بوسیله آن می توان میزان عمق ضایعه در میدان بینایی را توسط نمودار مورد نظر تعیین و همچنین مقادیر تقریبی md,psd را که معیارهای جهانیی برای تعیین میزان شدت بیماری گلوکوم می باشند را محاسبه نمود. دربخش بعدی با دریافت سیگنال پتانسیل برانگیخته بینایی vep از بیماران یاد شده، استخراج ویژگیها و پردازش آنها با استفاده از الگوریتم های شبکه عصبی، تفکیک موارد طبیعی و غیر طبیعی از نقطه نظر ابتلا به بیماری گلوکوم توسط شبکه عصبی تعلیم داده شده انجام گردید.ضمن آنکه مشاهده گردید که چه ویژگیها و یا ترکیباتی از آنها بهترین درصد بازشناسی را در طبقه بندی انجام می دهند. با مقایسه نتایج و همچنین وضعیت بالینی بیماران، ارزش تشخیصی این دو آزمون، بررسی شده تا نشان داده شود که پاسخ کدامیک از دو آزمون انجام شده با شرایط بالینی بیمار تطابق بهتری داشته است با افزایش تعداد جمعیت مورد مطالعه، دقت تشخیص و میزان صحت بازشناسی افزایش یافته و در حالت کلی می توان با تعلیم شبکه عصبی از منظر بیماریهای نورو آفتالمولوژی همچون ms و میگرن، و افزایش داده های این بانک اطلاعاتی به تشخیص بیماری ها و میزان شدت آنها با استفده از سیگنال vep فرد پی برد.با تعریف میزانهای مختلف آستانه ای برای md,psd متناظر با مراحل مختلف گلوکوم و تعلیم آن به شبکه عصبی، می توان میزان شدت بیماری را نیز تعیین نمود. روش خودکار تشخیص گلوکوم با استفاده از سیگنال vep بی تردید با توجه به ماهیت آزمایش که نیاز به همکاری فرد مورد آزمایش ندارد، از دقت و ارزش تشخیصی بالایی برخوردار است. گفتنی است که بیان وضعیت سیگنال vep با یک شاخص ویژه می تواند شرایط را برای مقایسه ارزش هرسیگنال آسانتر نماید که در این پایان نامه این شاخص محاسبه شده است یادآوری می شود که در تمام مراحل محاسباتی و تحلیل آسانتر نماید که در این پایان نامه این شاخص محاسبه شده است یادآوری می شود که در تمام مراحل محاسباتی و تحلیل پاسخها، ملاک و معیار سنجش نظریه چشم پزشک متخصص بوده است.