顳葉內側癲癇是成人局部頑性癲癇中最常見的類型，傳統的正子攝影影像分析方法仰賴醫師主觀判斷，對於病灶邊界的判定容易受到主觀因素影響，導致手術規劃的準確性降低。此外，當兩側顳葉的正子攝影訊號差異不顯著時，醫師更難以做出精確的判斷，這使得許多患者不得不進行侵入性更強的顱內電極植入手術，以獲得更確切的病灶資訊...

臺北醫學大學彭徐鈞副教授領銜的團隊，成功開發出一套嶄新的「正子攝影之機器學習量化定位系統」，此系統利用人工智慧技術，有望解決長期以來困擾醫界的癲癇病灶精準定位問題。

機器學習加持！精準定位癲癇病灶，提升手術成功率

臺北醫學大學研究團隊開發的這套創新系統，透過結合磁振造影與正子攝影影像，並利用機器學習演算法，對影像進行深入分析。核心技術包括:

• 影像前處理：對正子攝影影像進行非線性變形空間對位、灰階強度標準化等處理，以提高影像品質。
• 腦區分割：利用自動化解剖標記圖譜（AAL圖譜）對腦部進行分割，精準定位感興趣的腦區。
• 特徵提取：計算各腦區的標準攝取值（standardized uptake value, SUV），並提取側向指數（lateralization index, LI）等特徵。
• 機器學習分類： 將提取的特徵輸入機器學習模型，進行分類訓練，以準確判斷癲癇病灶所在側。

此系統的優勢在於將傳統的主觀判斷轉為客觀的數值分析，提高了病灶定位的準確性，且機器自動化分析減少了醫師的人為操作，提高了工作效率。此系統在測試集上甚至了100%的病灶定位準確度，非常具有市場潛力。

彭徐鈞副教授專訪：AI助力癲癇治療，提升患者生活品質。

彭徐鈞副教授表示，此項研究成果的取得，代表著團隊在癲癇治療領域邁出了重要的一步。透過機器學習技術，團隊成功開發出一個更客觀、更精準的病灶定位工具，這不僅有助於提升癲癇手術的成功率，更能為患者帶來更好的生活品質。

彭副教授強調，這套正子攝影量化定位系統具有巨大的市場潛力。未來，團隊將積極尋求產學合作，將此技術轉化為醫療器材，並推向國際市場。不僅可以幫助醫師更精準地診斷和治療癲癇，還可以應用於其他神經系統疾病的診斷，例如阿茲海默症、帕金森氏症等，造福更多患者。

詳細資訊→正子攝影之機器學習量化定位系統及其運作方法|臺北醫學大學彭徐鈞副教授|第21屆國家新創獎