乳房攝影病變偵測與辨識技術
說明
近年來人工智慧在影像辨識取得巨大的突破,帶起了新一波AI研發的熱潮。人工智慧不需要專家挑選特徵,可自行學習並理解潛藏的原理,因此在醫療領域也炙手可熱。如現行乳房攝影輔助辨識軟體(CADe)臨床功能有限,且篩檢之偽陽性過高,放射科醫師多半不予採信,資策會以電腦視覺、機器學習與深度學習技術,學習專業放射科醫師辨識能力
技術領域
1. # AI
解決問題
● 近年來人工智慧在影像辨識取得巨大的突破,帶起了新一波AI研發的熱潮。人工智慧不需要專家挑選特徵,可自行學習並理解潛藏的原理,因此在醫療領域也炙手可熱

● 乳房攝影方面,由於我國現已提供45歲以上婦女每兩年免費乳房篩檢,篩檢人數眾多。而現行乳房攝影輔助辨識軟體(CADe)臨床功能有限,且篩檢之偽陽性過高,放射科醫師多半不予採信,因此現行CADe並不能有效減低醫師之負擔
主要功能
「人臉/物件偵測與辨識技術」 本方案透過電腦視覺、機器學習與深度學習技術,學習專業放射科醫師辨識能力,自動判讀影像中的病徵資訊與類型,提示醫生需要特別注意之處,輔助醫師進行閱片,並可偵測乳房攝影影像中之腫塊、鈣化、微鈣化、結構變形及局部不稱之病灶,評定其惡性程度,給予該案例篩查後處置建議。偵測結果以JSON格式儲存,方便後續電子病例檢閱與整合

具體效益
本方案因具下述優勢,並已與國內教學醫院合作,蒐集國人的乳房影像資料,結合放射醫師專家協助,標記乳房X光影像中的病變區域。一旦將資料輸入特殊設計的AI醫療影像模型後,就能學習醫師判讀影像的知識。目前AI模型已累積10位以上乳篩放射專科醫師經驗及數據,腫塊、鈣化之偵測及辨識指標已達靈敏度(Sensitivity)85% 時特異度(Specificity)85%以上,偵測準確度接近醫師平均值。預計與高雄榮民總醫院合作,進入實際醫療場域,讓醫師確認模型的準確度。未來民眾前往進行診斷時,將讓AI模型先掃描過乳房X光,提醒可疑病變區域,除可降低醫師負擔、提高斷診的準確率,亦可提升民眾的就醫品質

● 透過自動判讀影像中的病徵資訊與類型,提示醫生需要特別注意之處,減少放射科醫師的眼力消耗,並降低個案判讀時間。

● 可整合於醫師的乳房攝影報告系統,預先產出部分報告內容,大幅減少醫師繕打報告之時間

● 可用於醫院的案例派發系統,透過本技術判斷惡性程度來決定案例處理的優先順序

● 可提供醫材或醫療軟體業者,嵌入本方案於相關產品中(如乳房攝影的電腦輔助偵測軟體),以半自動標記的算法基礎,增加產品的附加價值

▲圖說:醫療影像標記與模型訓練流程
▲圖說:醫療影像標記工具
聯絡我們
所登載的內容係屬本會版權所有
在未取得本會書面同意前
不得做片面、全面使用,拷貝、列印、轉載於任何媒體
隱私權說明網站資訊使用聲明個資當事人行使權利專頁
建議瀏覽器:本網站支援IE10以上、Firefox及Chrome