【記者張雅媜綜合報導】視網膜上的微血管能透露出眼部病變的徵兆。國立雲林科技大學電子工程系特聘教授陳錫釗研究團隊研發出「人工智慧辨識視網膜血管影像與重建方法」,以AI人工智慧協助眼科醫生判斷血管位置及狀態,榮獲韓國首爾國際發明展金牌。
過往醫師欲取得視網膜血管造影,須先使用紅外線眼底照相機拍攝影像後,人工標誌出血管的位置、形狀,並加以判斷,此過程費時費力。陳錫釗說:「醫師檢視大量的影像內容,可能因眼睛疲勞而降低判斷準確度。」於是研究團隊開發辨識系統,利用AI人工智慧自動標示出血管型態、位置,減輕醫師治療負擔。
雲科大視網膜血管影像重建系統選用目前最新的Sine型網域全卷積神經網路作為AI訓練模型,經測試,其訓練所需時間相較於傳統常見之U型模型短,且可達近97%的準確率。陳錫釗表示,U型模型的做法是透過將影像解析度分階段降低,以數個層次分析不同的影像元素;而Sine則是採取先增加、再降低解析度,透過雙向轉換並減少分析層次數量,以達到縮短訓練時間,並有高度準確率的效果。
Sine型網域全卷積神經網路模型訓練時,影像解析度會先向上增加、再向下減少,以增強學習效果。 圖/藍聖翔提供
訓練AI模型需要投餵大量的影像資料。研究團隊因應醫療使用需求,故選用經專業醫師繪製並認證的血管影像,惟從國際公開資料庫取得的數據不足以應付訓練需求,故團隊需再將原有影像分割出5000筆以上的資料來訓練模型。團隊學生藍聖翔說明:「我們將圖像左右翻轉、上下顛倒或隨機旋轉後進行局部切割,以增加訓練資料量。」
以人工智慧辨識視網膜血管影像與重建方法產生之視網膜血管造影,由左至右為原影像、灰階影像、AI預測影像。 圖/藍聖翔提供
完成訓練的系統可供一般電腦伺服器使用,讓醫療院所不需特意升級硬體,直接把眼底攝像照輸入電腦系統,便得到完成標記的血管造影。眼科醫師沈仁翔認為此技術可以先在內科或家醫科診所推廣,他說:「視網膜血管是大腦的延伸,若一般診所可透過此系統觀察出眼中風等疾病徵兆,可減少病患錯失醫治良機的狀況發生。」長庚醫院眼科部教授賴旗俊則表示,系統雖然對資料整理、降低勞力需求有幫助,但以目前的法律制度及AI的發展程度而言,醫師仍難以完全信任系統,他說道:「AI若判斷錯誤而導致誤診,醫師要為其負責,因此我們還是會比較傾向自己判斷。」