王宗道、陳中明、李佳燕、李文正、李志國、黃裕城、簡祥秦、王慶萍

心血管疾病為全球第一死因，雖已有超高速心臟電腦斷層(CCTA)可以非侵入方式診斷心血管有否阻塞，但影像處理耗時(平均約六小時)，診斷準確度受鈣化膨脹效應干擾及影像中小分支不易辨識影響判讀等原因，造成全球心臟學界困擾。本團隊開發模型TaiCAD-Net可提供(1)解決人為組像診斷耗時，(2)鈣化膨脹影響去除，(3)完全找出所有冠狀動脈分支三特色，將革新全人類面對心血管疾病治療困境。
台大TW-CVAI團隊聯合全台八大醫學中心，建置多模組冠狀動脈巨量影像生理資料庫。團隊以心導管影像作為ground truth針對CCTA全冠狀動脈內外管壁標註，並考慮鈣化膨漲效應建立精準標註資料集，此資料集解決目前AI開發鈣化病灶精準標註大規模訓練樣本的困擾，並針對所有冠狀動脈進行完整標註可提高模型準確度，且資料集影像提供血管中心線或血管起始點資訊輔助建置自動找出血管中心線模型。
TaiCAD-Net使用本資料庫作為訓練樣本，以Frangi filter產生初步管狀特徵及patch-wise learning的two-channel inputs輸入3D-UNet為基礎架構網絡訓練，開發出能精準快速分割電腦斷層冠狀動脈模型，將判讀時間由六小時大幅縮短至十分鐘，血管分割準確度達86%，成效優於類似品，為有效解決現行心血管疾病臨床上診斷耗時，鈣化干擾，血管缺漏等三關鍵問題之唯一方案。