###### tags: `陳`

# 專題摘要&動機 v1

## (一)摘要

- 卷積神經網路的研究常會專注在分類識別，並運用所產生出的模型進行預測，這些模型多用於投入提供農業及工商業應用，只聚焦在如何快速建立適用的改善方案及商業模式，少有研究針對醫療進行進一步的應用，但醫療需求在今日仍然具有其必要性。目前有關白內障之研究，多以眼底照片作為機器學習之素材，常有取得不易、需要精密儀器等困擾，無法提供即時之決策輔助。本研究將針對白內障預測，利用卷積神經網路產生模型，並探討參數調整與結果之相關性，提供更有效的參數優化參考。本研究成果並將以網站型式呈現，提供使用者上傳眼球外觀照片，透過輸出結果，將可作為平時及遠距醫療之決策輔助，並達成早期治療之目標。

- 關鍵字: 卷積神經網路、模型預測、機器學習、白內障、參數優化、決策輔助

## (二)研究動機

- 白內障的常見原因包含老化、疾病、先天等因素，沉積於水晶體的蛋白質團塊及色素導致眼球呈現霧化狀態，阻止光線通透而干擾視力，導致無法清晰識別。罹患白內障可能導致閱讀障礙、識別能力降低等生活上的不便，更提升了發生危險及憂鬱的機率及失明的可能。全球罹患白內障之人數，因科技發展、螢幕使用的提升而隨之升高，至今已達近七千萬人。然而，目前白內障之處理方式仍然只有手術治療，且有復發可能，並無其他痊癒方式，白內障共有三個階段，初期難以被發現，因此早期預防成為人們重要的議題。

- 現行白內障之檢測方式是透過裂隙燈，經由調整顯微鏡之倍率、照明光源及對焦角度，使用「光刀」判斷患者眼睛狀況，透過經驗人工判斷眼睛的不透明度及混濁區域，再做出診療判斷。然而，裂隙燈等精密設備昂貴且取得不易，造成醫療資源分配不均，偏鄉醫療需求更因醫師的退休或移動，導致居民就醫不易且無法獲得良好資源。根據衛生福利部統計，台灣醫師集中於西部地區，原住民、離島及偏遠地區之範圍內高達87.5% 區域，醫師人數未達世界衛生組織標準，更有鄉鎮無任何醫師進駐。然而，醫師在診斷過程中，人為之判斷可能會因個人背景、經驗累積及疲勞有所影響；與之相對，機器在經過訓練後，較能維持相同水準之判斷。研究將以不同參數進行調整及測試，並整理其與結果之相關性與影響，提供更有效的參數優化參考。過去研究多以眼底照片進行機器學習，考量專業眼底攝影機之成本、方便性及易取性不盡理想，本研究以方便性、初步診療為目標，利用網站提供普通使用者初步診斷，更期許將預測系統作為醫療輔助，提升偏鄉、遠距醫療之便利性，達到早期預防之目標。

- 具體而言，本研究具有以下四項動機:(1)提供白內障之早期預防管道(2)提升偏鄉醫療服務水準(3)參數調整與結果之影響(4)提供醫師做為診斷輔助。

## 參考資料
- 白內障https://kb.commonhealth.com.tw/library/103.html#data-7-collapse
https://www.commonhealth.com.tw/article/82601
https://zh.wikipedia.org/zh-tw/%E7%99%BD%E5%86%85%E9%9A%9C
https://www.mohw.gov.tw/cp-3558-37641-1.html

- 裂隙燈
https://wttsoul.com/slit-lamp/
http://cht.a-hospital.com/w/%E8%A3%82%E9%9A%99%E7%81%AF%E6%98%BE%E5%BE%AE%E9%95%9C

- 衛生福利部「我國解決健康不平等、原鄉醫療資源之現況與展望」專題報告
(87.5%的部分找不到在哪，但確定有看過)
https://www.mohw.gov.tw/dl-45845-85d149f8-05d0-411f-96e7-fc9f0ebad7ca.html