張資昊吳昊叡2026-05-072026-05-072023-07-18https://handle.ncl.edu.tw/11296/yw46eyhttps://203.71.86.71/handle/123456789/10075學位別：碩士 語文別：中文 口試委員：康峻宏 KANG, JIUNN-HORNG;張資昊 CHUNG, TZU-HAO;邱泓文 CHIU, HUNG-WEN 授權範圍：網際網路,開放日期為2023-07-26肩關節為人體活動度最大之關節，能夠大幅度的轉動，且使用率高，使肩關節易發生病變導致疼痛。旋轉肌袖肌腱炎 (Rotator Cuff Tendinitis, RCT) 與粘連性肩關節囊炎 (Adhesive Capsulitis, AC)，皆為常見的肩關節疾病，兩疾病症狀相似，治療方式截然不同，因此通常需要理學檢查以及X光、超音波或磁振造影等影像學檢查才能準確診斷。 本研究透過影像方式，利用MediaPipe進行姿態評估，獲得頭部、肩部、手部、軀幹及下肢等全身關節點位 (Landmarks)，計算受試者於肩關節檢測運動中的角度、速度、穩定度等資訊，將資訊輸入SVM、Random Forest、XGBoost、LightGBM、AdaBoost等五種機器學習方法比較，以RFECV對轉換出之特徵進行篩選，且為使兩組資料平衡，採用過採樣技術 - Borderline SMOTE對資料增量，最終選用LightGBM建立預測模型，AUROC達0.814，F1-score達0.884。此模型可輔助復健科醫師診斷肩關節疾病，並即時提供患者檢測運動時的數據，協助評估病情，也可協助一般使用者自行做初步檢測。系所名稱：醫學資訊研究所碩士班thesis