BlinkNet-Q: 깊이 학습에 기반한 실시간 유순률 측정과 미완전 유순 모형을 식별하는 소프트웨어.

국제 의학 연구는 새로운 발견을 가져왔으며, 관련 성과들은 질병예방 코프에 중요한 참고 가치를 가지고 있다. DLM-1와 DLM-2를 기반으로 한 이중 심도 학습 모델을 개발하고 검증하기 위한 최근 실시간 정량 컴퓨팅 블링크율과 불완전한 블링크 소프트웨어 (BlinkNet-Q) 를 개발하고 검증한다. 코호트를 개발하여 15명의 참가자 (30명의 눈) 를 포함하고, 29,53개의 을 표시한 훈련 및 내부 검증 데이터 세트를 생성하고, 참가자 수준의 데이터 세트를 나눌 수 있다.

테스트 코호트는 39명의 참가자 (39명의 눈) 를 포함하고, 최종적으로 BlinkNet-Q를 평가하는데 사용된다. 평가 지표는 분류 지표를 C (C) 를 사용하여, R (R) 를 기반으로 복귀, 내생물 관련 계수를 ICC (ICC) 및 블랜드-알트먼 분석. DLM-1 시스템에서 얻은 AUC 값은 95% 신뢰 interval [CI], 0.

932-0. 993) 와 DLM-2 시스템에서 얻은 AUC 값은 0. 884 (955% 신뢰 interval [CI], 0.

854-0. 963 사이의 사이에 있습니다. 결과는 BlinkNet-Q와 수동 계산의 블링크율을 나타냅니다.

mean absolute error [MAE]=1. 262 blinks/minute) 와 불완전-blink 비율 (ICC=0. 937; R^2=0.

876; MAE = 0. 059) 사이에는 좋은 일관성이 있고, 표준화된 기록 조건에서 아주 작은 평균 오차가 있다. 다른 임상 집단에 대한 외부 검증이 이루어지기 전에 임상 구현이 필요할 수 있습니다.

BlinkNet-Q는 향후 접근 가능한 카메라 기반의 눈의 표면을 평가하는 도구의 개발에 도움이 될 수 있습니다.