本研究旨在開發一套基於深度學習的自動化系統，用於計算喉部頻閃影像中的標準化聲門間隙面積（NGGA）和聲門區域波形（GAW）。傳統的喉部影像分析多依賴手動計算，耗時且易於出現誤差，導致臨床應用受限。為解決此問題，我們採用了基於U-Net的深度學習技術，開發了五種模型，自動進行喉部頻閃影像的數據處理。此系統的準確度高達99.2%，精確度達85.0%，可實現對聲帶麻痺、聲帶萎縮等喉部疾病的精確診斷，顯著提升診斷效率。該技術已在本院進行臨床測試，並計劃整合至醫院資訊系統，以支持醫師的診斷工作流程。此技術不僅獲得了中華民國發明專利，還正在推動技術轉移及跨院聯邦學習，並計劃申請TFDA認證，確保其在臨床上的廣泛應用。