ASUS Vivobook 14的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

ASUS Vivobook 14進入發燒排行的影片

影像辨識在循環腫瘤細胞計數之研究

為了解決ASUS Vivobook 14的問題，作者吳宥澄 這樣論述：

為了達到監測血液中是否仍有循環腫瘤細胞(Circulating tumor cells, CTCs)之目標，本研究開發一CTCs檢測軟體，利用OpenCV及影像前處理，濾除多餘的背景雜訊，再透過霍夫找圓的方式標記循環腫瘤細胞。本研究探討三種不同介面取得之影像對於循環腫瘤細胞標記之影響，分別為：CCD攝影機影像、智慧型手機搭配顯微鏡40倍物鏡影像以及智慧型手機專用Handy高倍率鏡頭影像；藉由不同的影像拍攝方式，比較傳統顯微鏡的影像與手機影像的差異，以期能開發可攜帶的智慧型手機即時影像辨識技術。此外，本研究亦透過機器學習的辨識方式，比較自行開發之軟體與機器學習的辨識結果之查全率。在機器學習的

方面，總共有4076張循環腫瘤細胞的影像作為機器學習訓練模型使用，訓練模型的影像包含明視野影像以及螢光影像。在CCD攝影機影像辨識上，機器學習查全率有不錯的結果，測試不同強光及溶液該查全率皆有90%以上，在混合樣本4076張影像的模組，除蔗糖強光影像其查全率螢光約82%，明視野76%，但其餘查全率也都保持90%以上，而自行開發軟體在蔗糖強光樣本中明視野影像的查全率82%最低，其餘則在90%以上；但以精確率的結果則是自行開發軟體的成效較佳，除了PBS溶液中光樣本精確率較低71%，其餘可保持有90%以上的精確率，而機器學習整體精確率只有約80%左右；總結來說，機器學習在不放過任何一顆循環腫瘤細胞上

表現較優，但自行開發軟體則可以更明確標定出循環腫瘤細胞，並協助醫學影像在循環腫瘤細胞方面的偵測；而使用手機拍攝影像檢測循環腫瘤細胞由於效果不佳，目前仍以顯微鏡所拍攝影像觀察結果最為準確。