運用深度學習色彩校正模型之黃疸偵測
Jaundice Detection Using Deep Learning-Based Color Correction Models
現今醫療中,黃疸的早期偵測對肝臟疾病的預防與治療至關重要,但多數人難以在症狀輕微時察覺。我們希望藉由智慧手機影像結合機器學習進行黃疸檢測,提升民眾自我監測的能力。Su 等人(2021)曾使用深度學習和機器學習進行黃疸預測,但其方法依賴專業色卡進行色彩校正,成本高且限制應用範圍。本研究提出以白平衡演算法中的白色補丁法與灰界演算法,搭配深度學習模型 DCCNM1和2 取代色卡,提升黃疸檢測的普及性與便利性。經黃疸偵測效果評估顯示,DCCNM2 在無色卡模型中表現最佳,雖然各指標略低於色卡校正,但其展現出優異的穩定性和準確性,證明其作為無色卡黃疸篩檢方案的可行性。本方法將能提供便捷的居家黃疸檢測途徑,尤其對偏鄉地區居民而言,不僅提升早期發現的機會,還能有效減輕醫護人員的負擔,推動大眾健康管理。