摘要或動機

全球貧血人口普遍，然許多人並不了解自身是否罹患貧血；長期患有貧血的病人，亦需定期抽血檢驗追蹤是否有貧血惡化達到需接受輸血的程度。研究顯示，結膜之顏色與貧血有絕對關係，結膜越白則貧血越嚴重，醫師也常使用結膜顏色推測是否有貧血情形。若能設計手機軟體自動分割結膜影像並分析其顏色，將有機會推測受試者是否罹患貧血。本研究收集22位無貧血者及8位貧血病人，並獲得其近期血紅素數值。以手機取得受試者之眼睛影像後，成功設計程式以深度學習完成結膜自動影像分割，對於分割影像以面積大小進行後期處理後，依其取得下眼瞼結膜之三原色平均，再利用kNN與SVM演算法判斷預測出該受試者是否具有貧血之症狀。本研究主要分為兩階段，其一為進行下眼瞼結膜分割模型訓練；其二為製作有無貧血之判斷模型。整合上述眼瞼分割模型(IoU=89.8%±0.02%)與貧血判斷模型(SVM以polynomial核函數測出 準確值93.3%±24.3%)後，可得貧血診斷準確率為80%。此結果代表AI技術有機會透過結膜影像，判斷被拍攝者是否有貧血情形，未來若能增加研究人數，將可設計網頁版或手機APP加以推測血紅素值，供大眾居家篩檢。