日前，资策会数字转型研究院智造科技中心携手医疗系统联盟与东海大学举办「未来医电：DICOM与AI技术的实践与应用工作坊」，探讨智能医疗技术的最新发展趋势，并邀请国立台北护理健康大学信息管理系连中岳副教授，以及国立彰化师范大学机电工程系钟官荣副教授进行专题演讲，并安排实作演练课程。主题聚焦于DICOM标准如何推动产业技术升级、了解YOLO深度学习模型如何应用于疾病的侦测与辨识，以及如何通过AI模型与PACS系统进行集成。
为协助台湾智能医疗技术快速融入国际市场，本次活动内核重点在于技术集成与国际链结，以期加速台湾产业与全球市场接轨，进一步参与国际供应链的合作与发展，因此也吸引来自医疗、ICT产业领导者、公协会会员、研究人员等多元领域的专业人士前来参与。通过实务应用、技术交流与国际输出前的整备，提升对国际相关准则的理解与掌握，不仅能够推动技术标准的落实，未来更能让台湾企业在全球市场中展现竞争力，为智能医疗技术打开更多国际合作的机会。
Photo Credit：TNL Brand Studio
医疗影像新突破！YOLO深度学习模型精准辨识心脏疾病
在数字转型浪潮下，医疗影像分析成为推智能医疗的重要支柱之一。钟官荣副教授与研究团队通过YOLO（You Only Look Once）深度学习模型，应用于胸部X光片分析，进行疾病辨识与分类。
YOLO可一次性预测多个物体的位置和类别，并且进行侦测和识别的能力。此次研究聚焦于「辨识正常」与「心脏肥大（Cardiomegaly）」两种分类，通过大量X光影像训练模型，最终达成了平均准确率（mAP）高达95.8%的亮眼成果。
Photo Credit：TNL Brand Studio
YOLO一次扫瞄完成辨识降低诊断成本、提升效率
过去医学影像的处理往往需耗费大量时间进行多步骤分析，而YOLO仅需一次扫描便可完成辨识，提升影像侦测的效率。过程中，研究团队处理数据、优化参数，并采用10,000次叠代后停止运算以避免出现过拟合（overfitting）的状况，以保证模型的准确性，也缩短了运算时间。
YOLO在医疗影像上的应用前景广阔，除胸部X光片外，未来可扩展至癌细胞侦测，以及医疗影像2D转3D等领域。钟官荣副教授表示，「深度学习不仅能为医疗检测带来准确性，也为医疗资源的公平分配提供了技术支持」特别是在医疗资源稀缺的地区，这类模型的应用将大大降低诊断成本并提升效率。
Photo Credit：TNL Brand Studio
DICOM标准串联AI与PACS 跨越技术沟通鸿沟
当AI技术全面融入医疗系统，「DICOM标准」扮演了链接AI与医学影像管理系统（PACS）的要角。DICOM让来自不同厂商的设备与AI模型实现「互通性」，为医疗人员提供更精准且高效的诊断辅助工具。DICOM标准是一套专为医学影像设计的国际规范，包括影像传输、保存及标记等功能，连中岳副教授指出，不仅能将AI分析结果以标准化格式保存，还能进行结构化报告与三维影像重建。
通过DICOM标准，不同厂商的影像设备和AI模型都能实现数据「互通」。举例来说，当AI模型检测出肺部结节或脑部肿瘤后，结果能直接以标准格式存储于PACS，医师便可轻松通过不同的影像查看软件查看AI分析标记，大幅提升诊断效率。此外，DICOM标准还强调使用统一的医学术语，避免因不同名词导致的沟通误差，也让医生在不同的影像查看平台上都能清楚理解AI分析结果。
Photo Credit：TNL Brand Studio
面对数字医疗市场的高速成长，AI技术已成为台湾医疗产业的内核推动力，从影像诊断到临床应用，都展现无限可能。台湾在技术实力与创新应用上拥有深厚基础，现今更是抢占全球市场先机的关键时刻，而通过强化AI技术的应用与国际标准的接轨，台湾不仅有望成为全球数字医疗产业链的重要角色，也将为全球公共卫生与医疗服务带来更多突破性的贡献。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除