chrome無法選取文字的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

以無顯影劑的CT/MRI影像判讀 帕金森氏症分期之網頁平台開發

為了解決chrome無法選取文字的問題，作者何佳蓉 這樣論述：

帕金森氏症是種無法停止神經持續退化的疾病，平均在55歲左右發病並盛行率逐年上升，目前透過藥物使患者維持日常活動能力其延緩腦幹的黑質退化。臨床上診斷是利用H&Y臨床量表和帕金森症狀衡量表（UPDRS）做為初步評估後，對已知病患做多巴胺掃描（TRODAT SPECT），先前研究室已初步開發用電腦輔助偵測系統來計算對帕金森氏症患者之分期，探討減少病患對輻射劑量的吸收和取代TRODAT影像對早期的帕金森氏症診斷之可行性。本論文在於整合並強化本研究室初步成果結合為一套以無顯影劑的CT/MRI影像判讀帕金森氏症分期之網頁平台。透過網頁伺服器架構Python Flask框架進行，使平台系統呈現出其介面提供

使用，並以 Microsoft SQL server 進行帕金森氏症資料庫的建立，使用介面將會以網頁來做呈現，並且收集相關問題回報與建議和臨床影像，以擴大資料庫之資訊量。利用電腦輔助偵測系統計算大腦灰質及白質比例與紋狀體容積，透過影像處理技術分析PD初步研究並分期，研究步驟包含：（1）以區域成長法及濾波器，去除雜訊並分割出完整的腦組織；（2）設定閥值，區分灰白質與紋狀體；（3）CT使用區域成長法圈選特定紋狀體，MRI使用主動式輪廓圈選特定紋狀體；（4）藉由特徵之選取計算白質灰質及紋狀體體積；（5）分析紋狀體與灰白質比例與H&Y相關性;（6）分析結果提供醫生作為參考。使用80組病例進行訓練及驗證

。初步結果顯示：第一階段，利用臨界值法找出CT影像中之右、左側紋狀體特定面積比(SARR、SARL)與HY分數之相關性找出HY 0.0~HY 1.0、HY 1.0 ~ HY 2.0、HY 2.0 ~ HY 3.0間的臨界值分別為0.58/0.65、0.41/0.45、0.25/0.3。第二階段藉由混淆矩陣換算，進一步可得到之系統效能在CT影像判讀PD各分期之表現。以SARR/SARL之特徵對HY0.0、HY1.0、HY2.0與HY3.0分期之準確度及Kappa值分別0.85/0.83及0.798/0.766，而靈敏度與特異性則分別為0.875/0.889與0.938/0.935(針對HY0.0

)，0.75/0.636與0.89/0.87 (針對HY1.0)， 0.8/0.8與0.94/0.93(針對HY2.0)，1.0/1.0與1.0/1.0 (針對HY3.0)。其結果顯示針對無顯影劑之CT影像，系統具有PD分期之能力。藉由使用情況、網頁介面、平台穩定性之評估並予以調整，系統可提供客觀的資訊，評估帕金森氏症之嚴重程度。期望藉由提供之量化參數可幫助醫師更快速及準確的對病情判斷，並可作為後續深度學習之基礎。關鍵字：帕金森氏症、影像處理、電腦輔助偵測系統、腦萎縮

機器學習應用於急性冠心症之鑑別診斷研究

為了解決chrome無法選取文字的問題，作者張浚誠 這樣論述：

目錄標題 i審定書 ii學位論文延後公開申請書 iii致謝 iv目錄 v表目錄 viii圖目錄 x摘要 xiiAbstract xiv第一章 緒論 11-1 研究背景 11-2 研究目的 21-3 研究問題 31-4 研究範圍 4第二章 文獻探討 52-1 急性冠心症相關研究 52-1-1 急性冠心症近況研究 52-1-2 急性冠心症症狀與診斷研究 52-1-3 心電圖建立原理 62-2 機器學習 102-2-1 機器學習與深度學習 102-2-2 機器學習於心電圖研究 16第三章 研究方法 213-1 資料收集與預處理 213-1-1 資料來

源 213-1-2 研究環境與程式工具 223-1-3 資料預處理 253-2 研究模型及模型評估 323-2-1 研究模型 323-2-2 模型訓練方法 323-2-3 模型評估 33第四章 研究成果 364-1 12個導極與分組心電圖評估模型成效 364-1-1 深度學習模型對不同導極的評估結果 364-1-2 深度學習模型對心電圖導極分成三組的評估結果 464-1-3 單一導極與多導極組合差異 494-2 研究模型能否快速診斷病患患有急性冠心症 504-2-1 資料預處理時間與模型預測時間 504-2-2 病人到急診後能在10分鐘內確診病患是否患有急性冠心症

504-3 深度學習模型結構與參數調整對模型表現的影響 514-3-1 模型訓練結果差異大 524-3-2 未達預期效果的模型評估結果 524-3-3 無法用於評估病患是否患有急性冠心症的模型 53第五章 討論 555-1 單一導極和分組導極判斷病患是否患有急性冠心症差異探討 555-1-1 十二導極的評估 555-1-2 導極分組的評估 575-2 模型應用方法於臨床診斷評估探討 585-2-1 深度學習模型應用於臨床之應用價值探討 585-2-2 部署深度學習模型並應用於臨床方法探討 595-3 深度學習模型訓練失敗因素及臨床因素探討 615-3-1 模型建立失敗

與模型判斷錯誤因素探討 615-3-2 臨床診斷中，導極難以判讀因素探討 655-4 判斷錯誤之心電圖討論 665-4-1 判斷錯誤之心電圖整理 665-4-2 判斷錯誤之心電圖原因探討 675-4-3 導極-V1至V4之臨床探討 69第六章 結論 716-1 結論 716-1-1 模型可以有效評估病患是否患有急性冠心症 716-1-2 研究模型能快速診斷病患患有急性冠心症 726-1-3 影響模型訓練的重要關鍵 726-2 研究限制與未來展望 736-2-1 研究限制 736-2-2 未來展望 74參考文獻 76英文參考文獻 76中文參考文獻 82 表目錄表

2 1、導極、特徵與發病位置關係表 8表 2 2、機器學習演算法於心電圖研究整理 17表 4 1、訓練及測試資料數 36表 4 2、Lead-I測試集預測混淆矩陣 37表 4 3、Lead-I測試集預測評分 37表 4 4、Lead-II測試集預測混淆矩陣 38表 4 5、Lead-II測試集預測評分 38表 4 6、Lead-III測試集預測混淆矩陣 39表 4 7、Lead-III測試集預測評分 39表 4 8、Lead-aVR測試集預測混淆矩陣 40表 4 9、Lead-aVR測試集預測評分 40表 4 10、Lead-aVL測試集預測混淆矩陣 41表 4 11

、Lead-aVL測試集預測評分 41表 4 12、Lead-aVF測試集預測混淆矩陣 42表 4 13、Lead-aVF測試集預測評分 42表 4 14、Lead-V4測試集預測混淆矩陣 43表 4 15、Lead-V4測試集預測評分 43表 4 16、Lead-V5測試集預測混淆矩陣 44表 4 17、Lead-V5測試集預測評分 44表 4 18、Lead-V6測試集預測混淆矩陣 45表 4 19、Lead-V6測試集預測評分 45表 4 20、第一組測試集預測混淆矩陣 46表 4 21、第一組測試集預測評分 46表 4 22、第二組測試集預測混淆矩陣 47表 4

23、第二組測試集預測評分 47表 4 24、第三組測試集預測混淆矩陣 48表 4 25、第三組測試集預測評分 48表 4 26、影像預處理時間敘述統計表 50表 4 27、深度學習模型訓練次數與成功訓練次數比例表 52表 4 28、未訓練成功之模型評估結果 53表 5 1、各導極模型評估錯誤數量表 66表 5 2、模型判斷錯誤之導極數與心電圖數 66表 6 1、研究模型成果評估表 71圖目錄圖 2 1、心臟傳導系統與心電圖 7圖 2 2、12導極紀錄位置 7圖 2 3、12導極心電圖 8圖 2 4、基礎深度學習模型圖 11圖 2 5、線性函數圖 11圖 2 6、

Relu函數圖 12圖 2 7、Leaky relu函數圖 12圖 2 8、深度學習模型 13圖 2 9、3x3核心圖 14圖 2 10、2x2區塊最大值運算 15圖 2 11、循環式神經網路架構示意圖 15圖 3 1、急性冠心症心電圖資料與正常心電圖資料篩選流程圖 21圖 3 2、心電圖轉為RGB矩陣 25圖 3 3、選取心電圖中12導極 26圖 3 4、去除背景後的12-lead心電圖 27圖 3 5、導極過濾圖 28圖 3 6、去除導極名稱 28圖 3 7、12導極心電圖壓縮 29圖 3 8、預處理後12導極心電圖 30圖 3 9、12導極心電圖分組診斷 3

1圖 3 10、卷積神經網路模型結構 32圖 3 11、資料分割方法 33圖 3 12、混淆矩陣 33圖 3 13、ROC curve示意圖 35圖 4 1、Lead-I ROC-curve 37圖 4 2、Lead-II ROC-curve 38圖 4 3、Lead-III ROC-curve 39圖 4 4、Lead-aVR ROC-curve 40圖 4 5、Lead-aVL ROC-curve 41圖 4 6、Lead-aVF ROC-curve 42圖 4 7、Lead-V4 ROC-curve 43圖 4 8、Lead-V5 ROC-curve 44圖 4

9、Lead-I ROC-curve 45圖 4 10、第一組 ROC-curve 46圖 4 11、第二組ROC-curve 47圖 4 12、第三組ROC-curve 48圖 5 1、過去研究判斷心律不整之模型準確率 56圖 5 2、過去研究判斷急性冠心症之模型準確率 56圖 5 3、心電圖原始影像 62圖 5 4、預處理後的心電圖影像 63圖 5 5、最佳化演算法差異示意圖 64圖 5 6、人為操作不當圖例 (a) 67圖 5 7、人為操作不當圖例 (b) 68圖 5 8、模型可能對波型誤判圖例 (a) 68圖 5 9、模型可能對波型誤判圖例 (b) 69圖 5

10、胸部導極位置圖 70圖 5 11、心臟切片導極位置圖 70