學研新創 - 智慧醫療與健康科技
肝臟腫瘤偵測與肝炎分析之數位病理AI
2022-01-07
詹寶珠教授團隊/國立成功大學電機系

詹寶珠、蔡弘文、楊宗龍、鄭國順、邱建毓

本團隊深度學習與影像分析技術開發出的肝臟腫瘤偵測技術與肝硬化分級技術。在肝臟腫瘤偵測技術方面,結合多倍率偵測腫瘤區域以及其免疫細胞分布分析,以輔助醫師提升診斷效率。在肝硬化分級技術方面,發展纖維分割模型、門脈及中央靜脈分割模型、環狀纖維演算法。在Masson染色病理切片下,分析纖維在門脈及中央靜擴散的程度,作為Ishak肝炎分級參考。團隊並將這些技術,實作於所開發的數位病理分析平台ALOVAS,讓醫師上傳病理數位影像後,藉由上述的AI人工智慧技術進行精準且快速的分析,以提供醫師在臨床診斷上的輔助。

病理切片分析有助於醫師掌握病患體內組織的情況,對醫師診斷患者癌症等諸多疾病的進程以及治療效果十分重要。然而目前病理科醫師進行診斷時,多是以人工方式檢視顯微鏡下的病理切片玻片或是數位病理切片影像。為了更精確觀察到細胞組織層級的情況,需要以高放大倍率檢視,視野範圍相較整個切片而言十分狹小,因此病理醫師需要花費大量時間與精力在切片上來回搜尋可能的病灶區域。人為檢視的方式同時也會受主觀影響,不同病理醫師的判斷可能出現分歧,也可能受精神或體力狀態影響產生疏漏或誤判。本團隊研發的幾項自動化肝臟數位病理切片分析技術,利用AI人工智慧自動化偵測肝臟腫瘤區域以及評估肝纖維化分級,可以大量減少病理醫師檢視切片所需花費的時間與精力。同時AI人工智慧也能提供穩定而一致的客觀分析結果供醫師於診斷時參考,該技術在醫學診斷上有非常高的實用價值與效益。

評審推薦
1.由國立成功大學電機系主導開發以人工智慧於數位病理之肝臟腫瘤偵測與肝炎分析之應用,是在病理切片之新嘗試,具挑戰性。
2.ALOVAS雲端病理系統建構規劃以商用化、實用化為目標。已於國網建置相關病理平台系統原型,具臨床之實用性。
3.在分級方面本專案的實驗數據中,對99張WSI進行實驗,達到了近六成的準確度,團隊的方法比傳統網路提高了約將近0.5以上的IOU,驗證其方法的可靠性。
2022年度精進成果
本團隊 ALOVAS 平台持續於成大醫院進行臨床驗證,並依照醫師使用回饋精進平台功能。為了提供醫師更精細的量化分析輔助進行肝癌與肝炎診斷,我們將肝臟腫瘤模型的精確度從 patch-wise 提升到 pixel-wise。我們也利用 superpixel 強化肝臟纖維化區域邊界的分割精準度。此外我們藉由結合多尺度網路與區域邊緣雙驗證機制,得以精準分割大小顆油滴,多提供醫師數項肝炎診斷的重要指標。而為了降低醫師標註病理影像的負擔,ALOVAS 平台強化了標註工具與顯示過濾功能,讓醫師標註與校對更加方便快速。我們同時也發展了基於多任務一致性交互監督的半監督式訓練方法,結合標註資料與未標註資料的資訊提升腫瘤分割模型效能。目前 ALOVAS 已申請台灣 TFDA 認證,肝臟纖維化分析亦已通過美國發明專利。
團隊簡介
詹寶珠
學歷 1991 美國德州理工大學電機博士
1983 國立成功大學電機碩士
1981 國立成功大學電機學士
現職 國立成功大學電資學院 院長
國立成功大學電機工程學系 特聘教授
經歷 2021 ~ present 國立成功大學電機資訊學院院長
2019 ~ 2021 國立成功大學計算機與網路中心主任
2011 ~ 2014 國立成功大學電機工程學系系主任
2010 ~ 2011 國立成功大學電機資訊學院副院長
2008 ~ 2011 國立成功大學電腦與通信工程研究所所長
2005 ~ 2008 國立成功大學電機系電機工廠主任
2005 ~ present 國立成功大學電機工程學系特聘教授
1996 ~ present 國立成功大學電機工程學系教授
本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。 <完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 - 2024 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved