台科大以AI辨識CT掃描影像 2秒辨識多類病灶
![台灣科技大學教授王靖維(右)率團隊開發「通用3D病灶分割AI模型」,可用於電腦斷層CT掃描影像,辨識與分割多類別的胸腹部病灶,獲國際醫療3D CT影像AI競賽(The Universal Lesion Segmentation ’23 Challenge,ULS23)第3名。(台科大提供)中央社記者許秩維傳真 113年7月22日](https://imgcdn.cna.com.tw/www/WebPhotos/800/20240722/1024x768_wmkn_0_C20240722000022.jpg)
(中央社記者許秩維台北22日電)台科大教授王靖維團隊開發「通用3D病灶分割AI模型」,可用於電腦斷層CT掃描影像,精準辨識與分割多類別的胸腹部病灶,最快不到2秒,獲國際醫療3D CT影像AI競賽第3名。
台灣科技大學今天發布新聞稿指出,傳統電腦斷層掃描(CT)影像在分割病灶的難點,包括病灶識別困難、需大量專業人力分析、手動標註病灶耗時等,因此導致診斷效率低下,增加醫療成本,而在人工標註過程中,還容易因疲勞、有限診斷作業時間和經驗不足而漏判。
台灣科技大學醫學工程研究所教授王靖維表示,團隊研究開發「通用3D病灶分割AI模型」,可精準辨識多類別胸腹部(包括骨骼、胰臟、腎臟、肝臟、肺結節、肺部、結腸、淋巴結和縱膈)病灶,適用於胸腹部CT影像,能自動化精準標註多種3D 的CT病灶,幫助放射科醫師以3D形式標註病灶,解決手動標註耗費大量人力成本問題。
「通用3D病灶分割AI模型」除了精準辨識,在處理效率上更充分滿足臨床應用需求,傳統人工標註每案約耗費30到60分鐘,但團隊透過AI技術,在配備單一T4 GPU的Grand Challenge平台伺服器上處理每個3D病灶資料只需3.25秒,若使用配備RTX4080的電腦則不到2秒。
王靖維說明,3D的CT影像病灶分割與2D影像相比,能提供更多有助醫師監控病灶成長的資訊,如病灶體積、形狀和空間位置;CT掃描的自動AI病灶分割也比手動分割更具優勢,包括提高效率、可重複性、準確性和標準化,從而實現更精確的定量分析,並促進研究成果轉化為臨床實踐。
台科大提到,王靖維研究團隊參加今年國際醫療3D CT影像AI競賽,榮獲第3名,透過參與競賽,除了提升團隊技術實力外,也增強處理大規模、多類別CT影像數據方面的經驗,並深入了解如何在真實臨床應用提升AI模型的實用性和穩健性,為未來研究和應用奠定堅實基礎。(編輯:李亨山)1130722
本網站之文字、圖片及影音,非經授權,不得轉載、公開播送或公開傳輸及利用。