以新建構之卷積神經網路對腦部核磁共振影像執行多發性硬化症之判讀
現階段台灣有關多發性硬化症病灶分割相關研究付之闕如,但電腦視覺輔助醫療已日漸成熟。本研究新建構卷積神經網路,提出一套以深度學習為基礎,可自動辨識腦部核磁共振影像中,分割多發性硬化症病灶之人工智慧病灶判讀方法。本研究使用約翰霍普金斯大學影像分析與通訊技術實驗室授權提供之Longitudinal Multiple Sclerosis Lesion Imaging Archive資料集為訓練與測試資料,共151筆核磁共振臨床資料、39583744筆像素資料,並以IoU與dice係數為評估指標。經實證發現,本研究提出的方法,具有顯著IoU值,達0.8523,另dice係數亦較其他方法高,其值為0.9392,且在速度方面,禎數高達13.79。本研究成果未來可連結醫院之核磁共振影像資料庫,自動分割出核磁共振影像中多發性硬化症病灶,以利於早期診斷與治療。