腦中風是國人十大死因之一，為臨床醫學的重要課題。急性缺血性腦中風的診斷與治療仰賴醫學影像技術，特別是磁振造影（MRI）的擴散加權影像（DWI），提供豐富的病灶資訊。然而，現有人工智慧分析工具仍存在影像解析深度不足的問題，影響臨床決策效率與準確性...

為解決此困境，基隆長庚醫院魏怡嘉助理教授團隊開發出「SGD-Net 急性缺血性腦中風病灶深度分析系統」，透過 AI 深度學習與神經影像學的結合，實現更精確的病灶解析。

突破技術瓶頸，開創智慧醫療新標準

SGD-Net 以二階段架構為核心，第一階段透過 U 型深度學習網絡（U-Net）進行精準的病灶分割，第二階段則根據不同臨床需求，靈活擴展多項應用，包括：

• 病灶分類：區分不同類型的中風病灶，提高診斷精確度。
• 語意型分析：結合多模組 MRI 與大腦圖譜，提供功能區域與病灶的關聯性解析。
• 影像體學分析：全腦與病灶為中心的影像特徵萃取，輔助臨床決策。
• 預後預測：透過 LightGBM 機器學習模型，準確預測病患的短期預後與大血管狹窄風險，準確度高達 0.85。

SGD-Net 的創新點在於其強大的擴充性與多層次分析能力。該系統能自動處理 DICOM 影像，無縫對接醫院現有的 PACS與 HIS系統，實現即時分析與警示功能。例如，當偵測到大面積中風或栓塞性中風時，系統可自動發出警報，提高臨床醫護團隊的應變效率。此外，透過語意型影像分析，SGD-Net 能夠整合神經科學知識，深入探討中風病灶與腦功能區的交互影響。

相較於現有的商業 AI 影像分析工具（如 RAPID AI、Viz.ai、Olea Medical），SGD-Net 特別針對磁振造影（MRI）進行優化，提供更完整的中風病灶評估。特別是透過大腦圖譜與影像體學的融合分析，該系統不僅提升診斷準確度，也為臨床決策與中風研究開闢新視野。

技術發展展望：推動 AI 智慧醫療新時代

對於 SGD-Net 的發展前景，魏怡嘉助理教授表示，SGD-Net 不僅是一項技術突破，更是智慧醫療的重要里程碑，目標是讓 AI 不僅輔助醫療診斷，更能幫助醫師進行更深層次的病灶分析與決策。目前，SGD-Net 已完成核心技術開發，進入使用者介面建構與應用軟體優化階段，並計劃進行多院區測試，以確保其臨床適用性。未來，該系統將進一步整合臨床教育與研究，為醫學教育、神經科學研究與臨床應用提供強而有力的支持。

詳細資訊→SGD-Net: 急性缺血性腦中風病灶深度分析系統|基隆長庚醫院魏怡嘉助理教授|第21屆國家新創獎