BlinkNet-Q: နက်ရှိုင်းစွာသင်ယူမှုအပေါ် အခြေခံပြီး မှန်ဘီလူးနှုန်းကို အချိန်နဲ့တပြေးညီ တိုင်းတာခြင်းန
နိုင်ငံတကာ ဆေးပညာ လေ့လာမှုတစ်ခုက တွေ့ရှိချက်သစ်ကို ထုတ်ပြန်ခဲ့ပြီး ဒီရလဒ်တွေဟာ ရောဂါထိန်းချုပ်ရေး ကော့ပ်အတွက် အရေးပါတဲ့ စံနမူနာအဖြစ် သတ်မှတ်ထားတယ်။ BlinkNet-Q) ကို DLM-1 နဲ့ DLM-2 အခြေခံထားတဲ့ နှစ်ထပ် နက်ရှိုင်းစွာသင်ယူခြင်း ပုံစံ (၂) တွေနဲ့ မပြည့်စုံမွမ်းမံနေတဲ့ blink rate များကို မကြာသေးခင်ကာလအတွင်းမှာ တိုင်းတာနိုင်စွမ်းဖြင့် တွက်ချက်ပြီး အတည်ပြုပါတယ်။ စမ်းသပ်မှု cohort တွင် ပါဝင်သူ ၁၅ ဦး (မျက်လုံး ၃၀) ပါရှိပြီး ကွန်ပျူတာဗီဇကို အသုံးပြု၍ BlinkNet-Q ကို နောက်ဆုံး အကဲဖြတ်နိုင်ရန် သုံးသည်။ DLM-1 စနစ်၏ AUC တန်ဖိုးသည် ၉၅. ၉၈၉% confidence interval [CI], 0. 932-0.
993) နှင့်DLM-2စနစ်မှ ရရှိထားသော AUC တန်ချိန်က ၀. ၈၈၄% confidence interval[CI], 0. 854-0.
963 ကြားရှိသည်။ ရလဒ်များအရ BlinkNet-Q သည် လက်ကိုင်တွက်ချက်မှုနှင့် blink rate ကို ပြသခဲ့သည်။ mean absolute error [MAE] =1. 262 blinks/minute) နှင့် incomplete-blink ratio (ICC=0. 937; R^2=0.
876; MAE = 0. 059) တို့ကြားမှာ ကောင်းမွန်သော ညီညွတ်မှုရှိပြီး စံသတ်မှတ်ထားသည့် အခြေအနေများတွင် ပျမ်းမျှ ကွာဟချက် နည်းပါးသည်။ BlinkNet-Q ဟာ ကင်မရာအခြေခံ မျက်စိမျက်နှာပြင်ဆိုင်ရာ အကဲဖြတ်ရေး ကိရိယာများကို အနာဂတ်တွင် အသုံးပြုနိုင်ရန် ကူညီပေးနိုင်ပါသည်၊ ၎င်းတို့ဟာ နိုင်ငံတကာ ပွင့်လင်းမြင်သာသော သုတေသန ရလဒ်များအပေါ် အခြေခံ၍ HealthCop ကို ရည်ညွှန်းထားပြီး ဆေးကုသမှု အကြံပြုချက် မဟုတ်ကြောင်း ရှင်းပြလိုပါသည်။ ကျန်းမာရေး မေးခွန်းရှိလျှင် ကျွမ်းကျင်သည့် ဆရာဝန်ကို တိုင်ပင်ပါ။
















