| 隊伍名稱 |
超級辨辨辨
|
| 作品名稱 |
應用生成對抗網路於乳房影像切割
|
| 指導教授 |
秦群立
|
| 團隊成員 |
鍾妮娟、陳冠君、林若瑋、曾如君
|
| 作品介紹 |
部分醫師認為乳房攝影影像辨識的流程繁瑣耗時，且影像容易因為亮度變化或拍攝角度等問題，造成辨識錯誤。除此之外，乳房組織密度在第3級以上，醫師辨識影像時容易忽略掉與乳腺重疊的鈣化點。本團隊以上述問題進行發想，期望做出一個能降低影像辨識難度、增加醫師判讀影像效率與準確率的輔助診斷系統。本系統透過CycleGAN深度學習模型實現乳房攝影影像「自動標記」，將乳房影像中鈣化點及腫瘤位置標記出來，醫師只需參考系統生成的標記影像即可清楚辨識乳房攝影影像。除了能自動標記乳房攝影影像之外，在影像的標記上由於各個醫師的風格及經驗不同，標記出的影像也會些許不同，所以本團隊期望可以透過醫師「手動標記」的方式，增加系統的辨識能力，也能學習醫師的標記風格，因此設計了「影像標記」功能。本系統是為醫療人員所設計的，透過本系統能有效加速醫師辨識影像的效率，以及提升準確率。 |
|
|
|