BlinkNet-Q: برنامج يستخدم دراسة عميقة لقياس معدلات الحيوانات الأجنبية في الوقت الفعلي مع التعرف على

أدت دراسة طبية دولية إلى اكتشاف جديد أن النتائج ذات الصلة لها قيمة مرجعية مهمة في كوب مكافحة الأمراض. تطوير وتحقق من النماذج المزدوجة للتعلم العميق على أساس DLM-1 وDLM-2 (BlinkNet-Q) ، البرمجيات القياسية القياسية في الوقت الحالي الحديثة لعدد الغمض والغمض غير الكامل. BlinkNet-Q تضمنت اثنين من البرمجيات: DLM-1 تمييز بين العين المفتوحة والغمض الكامل، بينما DLM-2 تمييز تماما من البرمجيات غير الكاملة للغمض.

تم تطوير المجموعة التي يحتوي على 15 مشاركًا (30) عيونًا) ، والتي تم إنشاؤها من 29,53 مجموعة بيانات تدريبية ومثبتة داخلية تم تسجيلها على مستوى المشاركين. تم تطوير المجموعة الاختبارية التي يحتوي على 39 مشاركًا (39 عيونًا) ويتم استخدامها في التقييم النهائي لـ BlinkNet-Q. استخدمت المؤشرات التقييمية مؤشرات التصنيف C، والعودة القائمة على مؤشرات R، والمعاملات ذات الصلة الداخلية ICC، وتحليل Bland-Altman، والتي تصل قيمة AUC النظام DLM-1 إلى 0.

989، والتي تصل قيمة AUC النظام DLM-2 إلى 0. 884، والتي تصل قيمة AUC النظام DLM-2 إلى 0. 884، والتي تصل قيمة BlinkNet-Q إلى 0.

854-0. 963. معدل خطأ مطلق [MAE] = 1.

262 بلينك/دقيقة) وبين نسبة اللمس غير كاملة (ICC=0. 937; R^2=0. 876; MAE = 0.

059) يتوافق بشكل جيد، ويتميز متوسطًا بسيطًا في ظروف تسجيل قياسية. بلينكنت-ق يثبت إمكانية التطبيق التكنولوجي لعدد اللمسات الذاتية واللماسات غير الكاملة في ظروف تسجيل قياسية، مما يدعم إمكانيتها كنموذج من برامج تقييم اللمسات القائمة على الكاميرا. قد يكون من الضروري إجراء التنفيذ السريري قبل التحقق الخارجي للمجموعات السريرية المختلفة.

بلينك نت-ق قد تساعد في تطوير أدوات تقييم العين القائمة على الكاميرا التي يمكن الوصول إليها في المستقبل لتقييم سطح العين. من الضروري أن يوضح أن المحتويات المذكورة تتم استناداً إلى نتائج البحوث الدولية العامة التي تم تحديدها للمراجع الصحية والتي لا تشكل توصيات علاجية. إذا كان هناك شكوك صحية، فيرجى التواصل مع أطباء متخصصين.