李志國、曾柏軒、吳嘉菱、侯嘉銘、陳佼微、黃婷羣

心臟冠狀動脈疾病蟬聯國人十大死因多年，影響國人健康甚鉅。其中侵入式血管攝影影像因具有1. 血管攝影技術普及2. 具有最高的空間和時間解析度3. 不僅能診斷，還能作為藥物/手術治療的依據等三大特色，至今仍是冠狀動脈疾病診療的黃金標準。為提供心導管手術過程中介入治療期間導絲引導和支架規劃，本技術開發基於深度學習的動態冠狀動態路線圖，訓練半監督式的分割模型預測血管結構，並以透視圖層附加在其他未注入顯影劑的血管攝影，形成一影像導航系統，進行手術輔助。本技術運用大量未標註影像所提供不同樣態的血管資訊，有效增進分割精確度 Dice-Score 達到 0.9003，且能有效運用於動態影片的血管分割。經由分割判定顯影劑最充滿的心跳週期，結合 ECG 設計的對齊方法能提供心律不整案例影像導航的結果。與市面上商用軟體相比，所開發深度學習的分割技術有效增加主要血管預測的連續性、分支預測的完整性、並且有效降低背景干擾情形，因而提供更準確的血管位置預測。本技術作為醫療輔助系統，可落地於醫院實際場域，減少放射劑量和顯影劑使用量，提升手術效率與安全性，且基於半監督深度學習分割的核心隨著參與院所數量提升可更加精進。