cdr計分規則的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

利用機器學習進行青光眼預測

為了解決cdr計分規則的問題，作者黃馨儀 這樣論述：

青光眼 (Glaucoma) 為不可逆的疾病，會慢慢地喪失視力且不易察覺，嚴重會導致失明，又被稱為眼睛的隱形殺手。青光眼不能只以單一種類資料進行診斷，而目前青光眼的預測多是以眼底圖 (Fundus) 使用影像處理、形態辨識及深度學習 (Deep Learning, DL) 的方法為主，未見有學者以影像及文字資料運用於青光眼預測。針對文獻的不足，我們提出多元卷積學習網路 (Multi-Modal Convolutional Learning Network, MMCLN) 透過眼底圖及文字醫令結合卷積神經網路 (Convolutional Neural Network, CNN) 與機器學習法

(Machine Learning, ML)，如邏輯斯回歸 (Logistic Regression)、支援向量機 (Support Vector Machine, SVM)、決策樹 (Decision Tree)，發展出新的預測模型。實驗設計分四個部分，實驗一為使用純文字建立的機器學習 (ML) 模型，實驗二為使用純影像建立的深度學習 CNN 架構模型，實驗三及實驗四為結合文字 (醫令) 與影像 (眼底圖) 建立的多元卷積學習網路 (MMCLN) 模型。經過實驗，其結果顯示 MMCLN 與純文字的 ML 或純影像的 CNN 相比，其正確率 (Accuracy) 皆提升了約 10%，因此本研

究所提出的 MMCLN 模型除了可以運用於多種類資料外，也展現了結合深度學習與機器學習，並運用於青光眼預測的潛力。

駕駛與失智症患者及其家屬心理健康之探討

為了解決cdr計分規則的問題，作者劉淑慧 這樣論述：

失智症安全駕駛是全球公共衛生關心的主要議題，駕駛與個人自主性、自尊及獨立性有密切相關，一旦失去駕駛權利，則可能產生心理健康的負面效應，而且也可能增加照顧負荷及影響照顧者心理情緒壓力，因此如何在安全駕駛與失智症患及其主要照顧者心理健康之間取得平衡是很重要的議題，本研究目的旨在探討駕駛與失智症患者及其家屬心理健康之關係。研究為橫斷式描述性研究，採方便取樣，使用問卷調查法，研究對象為北部某準醫學中心之失智症個案及其主要照顧者，所得資料運用SPSS統計軟體採卡方檢定、獨立樣本t檢定、單因子變異數分析、皮爾森相關分析及邏輯式迴歸分析。本研究共收案78組失智症患者與其照顧者，共156人，研究結果發現有4

1%之失智症患者仍在駕駛，最常使用交通工具為機車（42.3%），停止駕駛者通常年齡較大（M=75.51; SD=7.20）、無配偶者較多16 人（34.8%）、沒參與社交活動居多27人（58.7%）、日常生活功能較差（M=17.43; SD=4.63），以及自覺駕駛對生活品質的重要程度較低（M=2.35; SD=1.45）。失智症患者停止駕駛之預測因子為年齡（OR=1.166; p