top of page
深度學習模型利用大量標註過後的醫療影像來訓練,偵測影像中的病徵、判斷疾病嚴重程度,就是醫學影像辨識。醫療影像辨識崛起的原因有以下幾個,首先是解決專業醫生的人手不足,對於判斷病徵這種重複性高的工作,就非常適合AI從事,以此解決專業人員不足的問題。另一個優點則是縮短醫生判讀影像的時間,病人拍攝的電腦斷層掃描(CT)或腦部核磁共振造影(MRI)通常會多達上百張,判讀這些影像會花費數十分鐘,且準確率也可能會因為醫生的疲勞度而下降,然而有了AI輔助,模型可在數秒內辨識數百張影像,快速偵測出問題區塊,再交由醫生確認,在疾病判斷的準確率與速度方面都有所提升。透過AI的幫助,期盼未來能加速檢測疾病和提升醫療品質。
範例:An Augmented Reality Microscope for Cancer Detection
-
Augmented Reality Microscope (ARM)是由Google團隊提出的平台,該平台由改進的光學顯微鏡組成(如圖一所示),可以進行實時圖像分析,並將辨識的結果直接呈現到視野中。與傳統的模擬顯微鏡一樣,醫生可以通過目鏡觀察樣品。

圖一:ARM示意圖
-
與此同時,模型也在進行實時的辨識,以綠色輪廓勾畫出檢測到的腫瘤區域,並將辨識結果疊加在樣本的原始圖像上(如圖二所示),快速框出潛在的問題區域,提醒醫生應特別注意,且ARM能在放大倍數4到40倍之間運行,大大地增加了使用的彈性與方便。

圖二、ARM將辨識結果投影在4到40倍的原始圖像
-
Google團隊認為,這項技術可以簡單地推展,ARM可以配置在任何標準顯微鏡,並且不需要連接螢幕等任何外部硬體,未來不只是癌症,更可以用來分析診斷其他疾病。
bottom of page