研討會論文簡介

人工智慧與科學計算實驗室專注於人工智慧技術在醫學影像分析上的應用,特別是在磁振造影(MRI)領域。過去五年,我們於國際會議發表多項具突破性的研究,致力於開發與驗證深度學習模型,涵蓋影像分割與分類、放射組學分析,以及心臟與腦部疾病診斷的改進。近期成果包括在 2025 年 ISMRM 年會發表的「BRNet」模型,可有效去除腦電圖中的心衝擊波干擾,以及「FuseMorph」與「DeepVBM」技術,提升 MRI 3D T1 影像的對位與體素形態學分析的效率與準確性。此外,「NERVE」與多任務學習方法實現了 169 個腦區的高效分割。在心臟影像方面,我們開發基於深度學習的系統(如 Virtual MOLLI 與 LocalNet),提升 T1 圖的精確度,並運用放射組學特徵預測法布里氏病與修復後法洛氏四重症患者的病程進展與手術風險。在腦部研究中,U-Net 模型應用於 EPI 分割,以提升擴散影像分析的準確度,加速皮質厚度映射,並在腦腫瘤的自動分類與分割方面屢獲國際挑戰賽獎項。此外,我們開發的品質評估指標可提升心臟 MRI 分割的可靠性,同時,我們的中風 DWI 影像分割模型展現出超越人類觀察者的一致性。這些研究不僅在技術上取得重要突破,也在國際競賽中獲得高度肯定。未來,我們將持續探索 AI 在醫學診斷中的潛力,為臨床診療提供更精準且高效的支援。