智能手機結合人工智慧深度學習軟體,預測上眼瞼下垂程度,下眼瞼緣退縮程度,與提眼瞼肌功能（中文）

 

Smartphone- Based, Deep Learning Prediction of Margin Reflex

Distance 1, Margin Reflex Distance 2 and Levator muscle function

measurements（英文）

 

新聞稿

雙眼皮手術一直是前三名最熱門整型手術之一, 上眼瞼緣至瞳孔中心亮點(MRD1), 下眼瞼緣至瞳孔中心亮點(MRD2)和提眼瞼肌功能(LF)對於雙眼皮手術評估與治療非常重要。傳統手動測量上眼瞼緣至瞳孔中心亮點(MRD1), 下眼瞼緣至瞳孔中心亮點(MRD2)和 提眼瞼肌功能(LF) 非常耗時,不客觀而且有人為測量失誤的風險。目前運用影像分析技術測量眼瞼相關位置的研究不多,而且沒有測量LF相關研究發表,大多只研究MRD1, MRD2,而且運用的是邊緣運算技術, 需要在固定標準環境像照相, 所以病患需要再移動至標準照相室照相, 無法在門診直接評估。陳宏彰醫師指出, 藉由深度學習影像分析技術,有潛力解決傳統手動測量MRD1,MRD2和LF的缺點與限制。

陳宏彰醫師團隊開發出使用智能手機照相, 結合人工智能深度學習技術, 準確預測MRD1, MRD2 與 LF 的模型, 不受環境限制, 仍可達到相當的準確度。最終希望醫師們不再需要拿著尺反覆測量病患兩側眼瞼位置,或是請病人移動至標準照相室, 只要使用手機或相機,讓醫師幫病人照相片,就可以得到MRD1, MRD2 與 LF 的重要數據, 省時且避免人為誤差;而且可以方便記錄病患眼瞼位置數據,相信可以改變目前術前評估與術後追蹤眼瞼位置下垂的生態。

  陳宏彰醫師團隊未來更計畫能夠將此模型發展為手機軟體APP, 推廣在智慧型手機上使用, 更方便醫師在任何時間任何地點,術前準確評估病人, 與方便術後追蹤。這項技術成功推廣, 可加速醫師評估眼瞼下垂病患的時間, 減少人為測量失誤的風險。甚至病人也可以下載此APP, 觀察診斷自己眼瞼位置是否正常, 記錄自己眼瞼位置變化, 所以未來商業應用機會無限。在COVID-19疫情肆虐的當下, 有了這項技術, 也可以遠距醫療評估病患眼瞼位置。

團隊簡介

參賽代表人為李光申教授與陳宏彰醫師, 李光申教授為國立陽明大學臨床醫學研究所教授, 陳宏彰醫師隸屬林口長庚醫院一般整形外科助理教授級主治醫師, 目前就讀陽明交通大學臨床醫學研究所博士班, 接受李光申教授的指導。

國立陽明大學臨床醫學研究所博士班成立於民國七十五年三月，於民國八十九年成立碩士在職進修專班，提供臨床醫師進修研究的機會， 宗旨為培育能以疾病研究為導向從事轉譯醫學研究的科學家。

    長庚醫院於1976年創立之初，整形外科即在前院長羅慧夫醫師領導之下與本院同時誕生。民國81年整形外科已發展至相當規模，故按其功能細分科為：顱顏中心，肢體重建及顯微手術中心、燙傷中心以及一般整形美容外科。民國92年因整形外科系組織調整，整合燙傷中心及一般整形美容外科為一般整形外科迄今。過去40年來,本科有穩定的成長茁壯,並以卓越的專業服務,創新的醫療技術,以及傑出的教育貢獻聞名於國際。

陳宏彰醫師於2016年8月至2018年1月在美國約翰·霍普金斯醫院（The Johns Hopkins Hospital）Wilmer Eye Institute 進修眼整形, 回國後致力於眼周整形與重建, 特別是眼瞼重建領域,開展各項研究。 於2019年8月開始就讀陽明交通大學臨床醫學研究所博士班, 在李光申教授指導下, 進行人工智慧與醫學相關研究。未來希望能夠結合最新科技(例如本次參展的人工智能技術), 不斷發揮創新與創意, 開發出對人類眼周整形重建有重大貢獻的技術。

 

    李光申教授，畢業於國立陽明大學醫學系。畢業後於台北榮民總醫院骨科部接受住  院醫師訓練，1997年取得骨科及外科專科醫師資格。1998年，李教授通過教育部醫學工程學門公費留學獎學金考試，前往英國倫敦大學學院(University College London)深造，研究主題為「以組織工程技術重建骨骼(Tissue Engineering in Bone Regeneration)」，2002年取得博士學位，返國服務。2003-2005年輪調台東榮民醫院，服務偏鄉民眾。2005-2014年在台北榮民總醫院擔任主治醫師，2014-2018擔任台北市立聯合醫院副總院長。在臨床醫療的部分，李教授的手術專長為微創膝髖關節手術及微創骨折手術，特別是微創全膝手術，頗負盛名，曾多次應國內外邀請前往進行手術教學。在研究工作方面，李教授於台灣幹細胞生物學及組織工程及再生醫學及人工智慧在醫療的應用，貢獻良多，並於2004年獲得美國骨科研究會新進研究者成就獎、2008年獲國家科學委員會傑出研究獎2008年台灣十大傑出青年與台灣十大潛力人物(醫學公衛類) ，2014年科技部傑出研究獎，以及2019年科技部未來科技突破獎等多項殊榮。李教授在生醫人工智慧相關研究領域，亦多有建樹。李教授現任台灣生醫人工智慧研究發展協會理事長。

 

商轉策略

說明技術商化應用策略與模式。

未來將此MRD1, MRD2 與 LF模型發展為手機軟體APP,推廣在智慧型手機上使用, 或是建立雲端平台,拍照上傳雲端在回傳數值, 更方便醫師在任何時間任何地點,術前準確評估病人, 與方便術後追蹤。這項技術成功推廣, 可加速醫師評估眼瞼下垂病患的時間, 減少人為測量失誤的風險。甚至病人也可以下載此APP, 觀察診斷自己眼瞼位置是否正常, 記錄自己眼瞼位置變化。 

無論是開發APP或是建立雲端平台, 都應該會有很好的商業化應用, 可以按測量次數收費或是搭配網站廣告獲取商業化收益。

 

二、商化收益模式與可行性評估

說明商業應用收益模式、市場發展潛力。

雙眼皮手術一直是最熱門整型美容手術的前三名, 無論醫師,病患和民眾都希望能有一個方便可隨時使用而且準確的工具可以觀察測量眼瞼位置, 相信此APP可以大受歡迎。無論APP下載收費或是APP免費但是搭配商業廣告,未來商機應用無限。 

若開發雲端網站, 網站也可以按測量次數收費或是搭配網站廣告獲取商業化收益。

 

中文摘要:

眼瞼緣-光點反射距離(Margin reflex distance1, MRD1)與提眼瞼肌功能(levator muscle function,LF)對眼瞼下垂程度的評估與後續治療方式的選擇非常重要1。MRD1的定義:上眼瞼緣與瞳孔中心光反射的距離; MRD2的定義:下眼瞼緣與瞳孔中心光反射的距離; LF的定義: 在眉毛不動的狀態下,上眼瞼緣在眼睛往最下方看與最上方看的移動距離。正常的MRD 1是 4–5 mm。眼瞼下垂的程度,可以依照MRD1的距離分類為輕度(MRD1: 3–4 mm),中度(MRD1: 2–3 mm), 與重度(MRD1: 0–2mm)。

 

傳統手動測量MRD1, MRD2 和 LF 非常耗時,不客觀而且有人為測量失誤的風險。深度學習又稱作深度神經網路學習，是一個熱門的研究領域，整個神經網路會藉由評估損失函數並不斷地反向傳播來更新神經元，以得到最終模型中所有神經元的權重。藉由深度學習影像分析技術,有潛力解決傳統手動測量MRD1,MRD2和LF的缺點與限制。

 

目前深度學習眼瞼位置測量相關的研究不多,而且沒有測量LF相關研究發表,大多只研究MRD1, MRD2,而且運用的是邊緣運算技術, 需要在固定標準環境像照相, 所以病患需要再移動至標準照相室照相, 無法在門診直接評估。

 

我們開發出使用智能手機照相, 結合人工智能深度學習技術, 準確預測MRD1, MRD2 與 LF 的模型, 不受環境限制, 仍可達到相當的準確度。最終希望醫師們不再需要拿著尺反覆測量病患兩側眼瞼位置,只要使用手機或相機,讓醫師幫病人照照片,就可以得到MRD1, MRD2 與 LF 的重要數據, 省時且避免人為誤差;而且可以方便記錄病患眼瞼位置數據,相信可以改變目前術前評估,與術後追蹤眼瞼位置下垂的生態。

 

未來更計畫能夠將此模型發展為手機軟體APP, 推廣在智慧型手機上使用,或是建立雲端平台,拍照上傳雲端再回傳數值,更方便醫師在任何時間任何地點,術前準確評估病人, 與方便術後追蹤。這項技術成功推廣, 可加速醫師評估眼瞼下垂病患的時間, 減少人為測量失誤的風險。在疫情肆虐的當下, 有了這項技術, 也可以遠距醫療評估病患眼瞼位置