| 作品介紹 |
在台灣地區，大腸癌的罹癌與死亡人數，逐年快速攀升，位居所有癌症發生率及死亡率的第 2 位及第 3 位，根據統計，早期的大腸癌如果妥善治療，存活率高達90％以上，且糞便潛血篩檢是可以下降18％至33％的大腸癌死亡率，由此可知，及早治療可以減少大腸癌的死亡率。
針對這個現象，本團隊開發一個基於深度學習與影像辨識的居家腸道疾病健檢系統，讓使用者在居家生活中，觀測自身腸道健康狀況。遇到異狀時可以盡速就醫，於早期出現病徵的時候就能得到治療。
本系統分成四個子系統：前端系統、光譜相機及分析系統、後端資料儲存系統以及影像分析系統。
影像分析系統：使用OpenCV、CNN與YOLOv5進行的糞便影像特徵分析。
光譜相機系統：基於ESP32採集光譜影像的專門設備，並將影像傳輸回光譜分析系統。
光譜分析系統：將光譜數據透過一維卷積神經網路分析是否含有潛血。
後端資料儲存系統：主要採用Python RESTful Flask API進行開發，並且配合MongoDB儲存資料。
前端系統：使用Flutter建構，讓使用者以圖像化方式上傳資料及查看自身健康數據。
本團隊針對糞便影像與反射光譜進行數個不同演算法以及模型的分析，最終達到91％以上的準確率。透過複合特徵進行健康狀況分析以及科學的健康分數計算，力求用準確而人性化的方式建立一套讓使用者在日常就能分析自身腸道健康狀況的系統。 |