KOBELCO的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

深度學習(LRCN)應用於眼表螢光淚膜破裂型態分析

為了解決KOBELCO的問題，作者陳秉青 這樣論述：

本研究為「深度學習演算法應用於眼表螢光淚膜破裂型態分析」，乾眼症為臨床眼科最為常見的疾病，並根據先前的研究，螢光淚膜破裂影像可分為五個類別(AREA BREAK(AB)、SPOT BREAK(SB)、LINE BREAK(LB)、DIMPLE BREAK(DB)、RANDOM BREAK(RB))，這五項類別的臨床特性有些微的不同，它們可作為乾眼症分類的依據，但是目前的分類方法都是靠醫生的直覺去判斷，而且這項經驗比較不容易傳承，重複性不高，不容易掌握，因此本研究使用深度學習(Deep Learning,DL)跟相關的演算法，並試圖利用人工智慧分類這五類別，過程中我們使用來自亞東醫院

的246位受試者(男性:86位,女性:160位)螢光淚膜影片的資料，將其中58位受試者資料整理為五個類別，並利用卷積神經網絡(Convolutional Neural Network, CNN)，將影片的閉眼片段去除，利用長期循環卷積網絡(Long-term Recurrent Convolutional Network，LRCN)去辨識淚膜破裂時間(Fluorescein BreakUp Time, FBUT)和螢光素移動(Upward Movement of Fluorescein,UMF)，最後將FBUT跟UMF的特徵合併到影像裡成為新的訓練集，最後再利用另一個LRCN去訓練該訓練集來分

類五個類別。 將訓練好的神經網路去測試246位測試者(右眼)，根據統計各種指標發現到這五種類別的淚膜破裂時間(FBUT)之間有顯著差距(AB-RB,SB-RB,LB-RB,DB-RB)、淚河寬度(Tear Meniscus Height, TMH)與醫生統計的淚河弧長(Tear Meniscus Radius, TMR)之間有顯著差距(AB-SB,AB-RB)、希默氏淚水測試(Schirmer 1 test, ST1)之間無顯著差距、眼表疾病指數量表(Ocular Surface Disease Index, OSDI)之間有顯著差異(AB-LB)、表層點狀角膜病分數（Superfic

ial Punctate Keratitis-grade , SPK-grade）之間有顯著差距(AB-SB,AB-LB,AB-DB,AB-RB)，與先前研究結果比較，結果發現到神經網路與醫師判出來的類別，具有高度的相似性，代表這個系統可以將淚膜破裂影像分類為五個類別，並且使用雷達圖的方式來輔助醫生進行有效地、客觀地去判斷類別。