詹毓哲、楊朝棟、張棨翔、謝佾均、宋元心

此研究為東海大學資訊工程學系與臺中榮民總醫院急診部共同合作，運用深度學習技術針對心臟疾病建立病患胸痛表情辨識系統，透過病人表情分析，初步判斷胸痛症狀，以優化急診檢傷流程並縮減患者的等候及問診時間。在疫情背景下，所有進入醫院的患者都需佩戴口罩，該系統特別設計識別戴口罩患者的臉部表情，並且分析病患的生理資料(像是心律、血壓和血氧等)，以評估胸痛嚴重程度。利用YOLO (You Only Look Once)系列的模型進行表情分析，結合卷積神經網絡（CNN, Convolutional Neural Network）和OpenCV(Open Computer Vision)技術，與臺中榮民總院所收集之胸痛病患資料，建立疼痛表情等級辨識模型，並藉由架設串流系統於急診檢傷處即時分析影像，以便協助醫護人員迅速提供適切醫療援助，有效解決急診處擁擠及人力不足問題，確保重症胸痛患者得到及時治療，並且能更好的運用到實際的場域。 系統目前已在台中榮總急診檢傷區進行實裝測試，僅需利用院內既有監視器與串流伺服器即可運作，不需額外設備，能在 1–3 分鐘內自動完成胸痛風險初篩與嚴重度分類。此機制可望縮短人工檢傷約三成時間，降低急診人力負荷，減少胸痛重症因壅塞而延誤處置的機率，對急診流程優化具有明顯助益。