魏怡嘉、許志仲、陳冠甫、林慶波、鄭啟桐、陳耀亮、陳品元

腦中風長期位居國人十大死因，導致巨大的健康照護負擔。智慧醫療在腦中風照護的應用成為迫切課題。腦部磁振造影提供豐富的影像資訊，但現行人工智慧處理磁振造影影像的平台尚有不足。因此，我們開發了語意分割引導偵測器網絡（SGD-Net）系統，利用擴散加權影像（DWI）進行急性缺血性腦中風病灶的深度分析。 SGD-Net採用二階段設計，第一階段利用U型深度學習架構在DWI影像上精確分割缺血病灶，第二階段根據任務目標靈活擴充，應用範圍包括1)病灶分類、2)結合多模組磁振造影與大腦圖譜，進行語意型分析、3)進行全腦及以病灶為中心的影像體學分析、以及4)融合語意型分區與影像體學，進行創新分析。經由SGD-Net提取的特徵，我們在LightGBM機器學習模型成功預測中風短期預後、中風原因及病灶側主要大動脈狹窄，準確度0.85-0.9，ROC曲線下面積超過0.9。 SGD-Net可使用原始DICOM檔案，進行自動二階段分析，適於與PACS醫療影像擷取系統對接，並即時顯示於HIS醫療資訊系統。SGD-Net可建立危急性警示系統，提示大面積中風、栓塞性中風，提升臨床警覺。並用於預測中風預後，改善醫療品質。在教育研究方面，SGD-Net適用於以個案為中心的臨床教育，成為連結臨床神經學、認知神經學及神經影像學的橋樑。