周伯鑫、盧鴻興、劉建麟、張明超、王世典、吳宏達、陳泓勳、林希賢、姚又誠

集合型模組的穩定判讀
應用集成學習的概念，將三種人工智慧模組 (ResNet34、DenseNet121、DenseNet201)合而為一，形成集合型模組 (ensemble model)，使得整體的判讀，有比較穩定且可信任的結果。將三個模組各取其優勢之處，同時運用於脊椎骨折判讀。只要三個單一模組之中，有兩個判讀有骨折，集合型模組就會認定此脊椎節可能有骨折。(圖一)

根據Genant分期，自動計算脊椎骨折等級
Grade I為 ≦20%至25%脊椎體高度減少。Grade II為26%至40%脊椎體高度減少。Grade III為≧41%以上脊椎體高度減少。只要集合型模組脊椎骨折節判斷正確，其骨折節分類等級，準確度為100%。利用電腦程式的自動計算骨折等級，可以節省臨床醫師，利用公式進行量測計算的時間。(圖二)

已於醫院臨床PACS系統實際使用
目前已於臺北榮總幾部特定的電腦，進行註冊後，便可以直接於臨床電腦操作與使用。本介面優點：1. 直接在PACS系統下，進行操作並上傳DICOM格式檔案，無須經過再次轉檔。2. 操作者只要在滑鼠上按右鍵”send to AI”鍵，等待大約60至90秒，再按一次＂View AI Result＂鍵，即可看到人工智慧判讀結果。(圖三)

提供雲端使用介面，直接於遠端使用
使用者可以從任何地方，將胸腰椎X光側面照的DICOM檔案，上傳至http://vf.biobank.org.tw/，即可進行脊椎骨折節的圈註與骨折自動分級之輔助診斷。(圖四)