跳到主要內容

肺部結節自動偵測

肺腫瘤3D影像自動偵測,提升醫生100%診斷效率,早期發現癌症

解題團隊:木刻思

出題企業:台中童綜合醫院

應用情境

  • 辨別肺癌結節:辨識肺腫瘤篩檢放射影像(電腦斷層掃描),透過即時影像異常提醒

企業痛點

  • 資料量龐大:每位病患做一次CT產生約100~500張斷層切面影像醫生判讀
  • 診斷不易:早期肺癌直徑大小>=0.33公分且易與血管等軟組織混淆
  • 3D影像標記困難:電腦斷層為3D影像,目前已標記資料不易取得,且AI標記技術非常困難

解題方法

  • 開發標記產品Labelhub:影像標記管理系統 &人機互助自動學習與輔助系統
  • 肺部結節分類:分類正常組織、腫瘤組織,以3D-CNN五層架構,,準度達99%
  • 結節位置預測:預測平面X,Y軸正確率98%、深度Z軸正確率97.5%

成果效益

  • 提高醫生診斷效率:一名放射科醫師與胸腔科醫師診斷20名病人CT影像,每人都需花超過210分鐘完成,AI全數判讀完畢只需2.05分鐘,效率提升100倍
  • 降低肺癌初期漏診率:高達97~99%肺腫瘤標記準確率,有效降低醫生漏診率

計畫後續效益

  • 合作研發3D DICOM標記技術:與童綜合醫院、中國醫藥學院、PACS醫療影像儲傳系統廠美德康(註),合作研發3D DICOM(醫療數位影像傳輸標準協定格式)影像標記技術