BlinkNet-Q: программное обеспечение для распознавания неполных моделей в режиме реального времени на
Международное медицинское исследование приводит к новым открытиям, связанные с ними результаты имеют важное значение для профилактики заболеваний. Развитие и проверка недавнего времени количественного вычисления уровня блинков и неполного блинка программного обеспечения на основе двойной модели глубокого обучения DLM-1 и DLM-2 (BlinkNet-Q). Развитие cohort содержит 15 участников (30 глаз) и производит 29,53 обученных и внутренне проверяемых сборников данных, которые обозначены как зонтики, и делит на уровне участников.
Тест cohort содержит 39 участников (39 глаз) и предназначен для окончательной оценки BlinkNet-Q. Оценка показателей использует классификационные показатели C, возвращение на основе показателей R, внутренних коэффициентов ICC и анализа Bland-Altman. AUC полученных в системе DLM-1 составляет 0,989 между AUC полученных в 95% доверительных диапазонах [CI], 0,932-0,993) и AUC полученных в системе DLM-2 составляет 0,884 между AUC полученных в 95% доверительных диапазонах [CI], 0,854-0,963.
mean absolute error [MAE]=1. 262 blinks/minute) и неполный блинк-ratio (ICC=0. 937; R^2=0.
876; MAE = 0. 059) имеют хорошую согласованность и имеют небольшие средние отклонения при стандартизированных условиях. Клиническая реализация может потребоваться до внешней проверки в различных клинических группах.
BlinkNet-Q может способствовать разработке в будущем доступных, на основе камеры инструментов оценки глаз для оценки поверхности глаз. Необходимо указать, что это содержится в соответствии с международными публичными исследованиями, сделанными для ссылки на HealthyCop, и не составляет рекомендаций по клинической терапии.
