rop یک بیماری چشمی در نوزادان نارس است. در نوزادانی که زودتر از زمان طبیعی به دنیا می آیند رشد عروق شبکیه متوقف می شود و اگر تشخیص به موقع صورت نگیرد، در مدت کوتاهی منجر به نابینایی می شود. علت اصلی نقص بینایی و کوری در rop جداشدگی پرده ی شبکیه است. به عبارتی به دلیل انقباض زخم های ناشی از رشد عروق غیر طبیعی، جداشدگی پرده ی شبکیه از پرده ی صلبیه، در اثر کشیده شدن شبکیه اتفاق می افتد. از این رو طراحی سیستمی خودکار و هوشمند برای تشخیص زود هنگام این بیماری در مراحل اولیه می تواند در جلوگیری از نابینا شدن این دسته از نوزادان بسیار مفید باشد. این روش به غربالگری نوزادانی که هنوز به رشد کامل عروقی نرسیده اند و نیازمند معاینات در بازه های زمانی منظم می باشند، کمک می کند. اگر رشد عروق نوزاد نارس در بازه ی زمانی مشخصی کامل نشود، خون رسانی به قسمت های بدون عروق صورت نمی گیرد و rop اتفاق می افتد. اهمیت مسئله ی بینایی و همچنین امکان شناسایی این بیماری در نوزادان نارس در حال حاضر، ما را بر آن داشت تا روش خودکاری برای تشخیص این بیماری به کمک تکنیک های پردازش تصویر ارائه دهیم. به دلیل شیوع و اهمیت بیماری های چشمی در نوزادان، در این پژوهش روشی برای پیگیری نوزادان نارس، تا مرحله ی اطمینان از رشد عروق و عدم بروز rop انجام می شود. در این پژوهش سه روش به منظور شناسایی و ردیابی رگ های موجود در تصاویر استفاده شده و نتایج آن ها با هم مقایسه شده است. در رویکرد اول از فیلتر بالا گذر باترورث برای شناسایی رگ ها استفاده شده است و سپس از ویژگی انرژی هر تصویر استفاده کرده، نتایج را برای کلاس بندی به یک ماشین بردار پشتیبان داده ایم. در رویکرد دوم از فیلتر بالا گذر گابور برای شناسایی رگ ها استفاده شده و برای هر تصویر هشت تصویر فیلتر شده (در دو مقیاس 2 و 5/0 دو زاویه ی 2/? و 4/? و دو فرکانس 5/0 و 2) را به دست آورده و انرژی تصاویر را برای کلاس بندی به یک پرسپترون دو لایه داده ایم. در رویکرد سوم ابتدا در فاز پیش پردازش، با یک فیلتر گوسی نویز و جزئیات ریز تصویر را حذف کردیم. علاوه بر دو روش مذکور، به منظور دست یابی به بهترین فیلتر بالا گذر در استخراج رگ های شبکیه، فیلترهای لاپلاسین، سوبل، کنی و باترورث به کار رفته و پس از مقایسه ی نحوه ی عملکرد آن ها در جداسازی رگ ها، فیلتر لاپلاسین و باترورث در دو روش اصلی به کار رفت. هدف از عملیات پیش پردازش، بهبود تصاویر است به نحوی که اطلاعات مورد نظر با کم ترین میزان خطا حاصل شود. سپس از پنجره هایی با ابعاد [32×32] و [16×16] برای تقسیم فضای تصویر استفاده کردیم و نتایج اعمال فیلتر لاپلاسین روی هر پنجره را توسط یک آستانه ی شهودی به دو کلاس تفکیک نمودیم. نتایج این بررسی نشان دهنده ی برتری روش سوم به دلیل استفاده از خاصیت محلی در تشخیص رگ های شبکیه در تصاویر است. در این روش میانگین حساسیت 73%، میانگین ویژگی 80% روی مجموعه تصاویری از دو گروه که توسط پزشک متخصص دسته بندی شده اند، به دست آمده است.