許志仲助理教授表示，運用人工智慧進行新冠肺炎自動化檢測是近年來最熱門的議題，2年1次在歐洲舉辦ECCV，是電腦視覺領域中首屈一指頂尖國際研討會，其中一項會議主題訂為「人工智慧導向之的醫學圖像分析、數位病理和放射學暨新冠肺炎」(AI-enabled Medical Image Analysis – Digital Pathology & Radiology/COVID19 Workshop)，會中舉辦新冠肺炎辨識競賽，(COVID-19 Detection Challenge)，必須在2個月內依據主辦單位提供的胸腔電腦斷層掃描影像(CT scan)，檢測患者是否確診新冠肺炎，並提交相關技術報告，確保成果效能與創新性。
「身為後疫情時代學習統計學的學生，如何有效將跨領域學習成果呈現出來？」許志仲助理教授說明，參賽學生不僅熟悉科學數據分析，更具備醫學、物理與資訊等不同跨域能力；專任研究助理蔡其翰分析資料判讀主因，找出AI模型學習關鍵，在碩二生陳冠麟建構基本AI模型，由碩一生馬欣蒂、戴勝捷負責不同實驗模組實測，最後經由統計專業分析500多組資料，在上千張CT中找到正確肺部切片，辨別準確率達8成9，拿到世界第1。
碩二生陳冠麟表示，AI判讀醫學影像技術，可協助醫師快速掌握患者各項檢查數據，降低醫療負載，剛開始拿到上千張腹腔CT時，因為沒看過肺部斷層掃描影像樣子，為此詢問擔任護理人員的家人，了解肺部顯影後樣子，之後再學習如何找出確診新冠肺炎後，呈現毛玻璃狀的肺部CT；為辨別數量龐大照片，還運用過去發展在Deepfake 的辨偽技術，分析畫面雜訊較多與畫素較低、模糊照片，提高了影像辦別能力。
許志仲助理教授補充，COVID-19肺部病徵嚴重程度不同，資料庫蒐集也來自不同國家、地區與醫院、因此每組CT Scan切片數量、寬度與解析度都不一樣，所以要在如此多變情況下，設計出穩定且良好效能的網路並不容易；學生們使用兩階段訓練檢測機制，先利用隨機選取影像訓練AI模組辨別特徵能力，第二階段再使用新型人工智慧網路(Transformer)，探索切片特徵之間關係，提高對於細緻變化鑑別能力，在效能上有所突破，也因此獲得佳績。
「鼓勵統計系的學生透過參加國外比賽，見證自己的學習成效」，許志仲助理教授說，不同於學術論文，可以在假設情境下設計解法，想要在國際競賽中脫穎而出，要有優秀程式能力，也要有國際水準研究能力；在疫情未見趨緩、與病毒共存現況下，過去必須使用人工方式辨別斷層掃描檢測COVID-19，往後期望能透過AI智慧減低醫生負擔，在每日大量資料下，快速篩選出病徵較為嚴重患者，將此項技術繼續深化，並導入介面化操作，將其普及化，藉此推廣成大在相關技術上的國際知名度。
分類：教育學術
文章
沒有留言:
發佈留言