FVeinLite: 輕量化CNN手指靜脈辨識模型與醫療領域之應用
台灣少子化、老齡化問題迫切,醫療資源入不敷出,使得遠距醫療成為潛在的解決方案與趨勢。然而,遠距醫療的身份驗證安全性尚未完善。指靜脈辨識有非接觸、體內生物特徵等特性,其在衛生性和高安全性的優勢在醫學相關領域與醫療院所備受關注。若能夠開發出遠距醫療可用的指靜脈辨識,將有機會為遠距醫療產業的安全性貢獻一份心力。本研究主要分為兩階段:其一旨在優化指靜脈辨識技術,利用輕量化 CNN 指靜脈辨識模型,結合 Mini-RoI 技術, 使用 FV-USM 以及 PLUSVein-FV3 兩個資料集訓練我們開發的 FVeinLite 指靜脈辨識模型,並使用不同的 epoch 值訓練出最好的模型。而我們訓練的模型相較於其他指靜脈技術具有高辨識正確率、參數量更少、運算速度快等優勢。其二,我們將模型結合自製的低成本嵌入式裝置, 並製作 API 與並使用模擬的病患資料完整打造一個可使用於遠距醫療及醫療院所的指靜脈身分辨識系統。