Project Details
Description
本計畫之預期貢獻,主要以下有三點:第一、建立一套高準確度的NSCLC亞型數位病理影像分類方法,以改善深度學習模型分類NSCLC亞型的能力,進而有效替肺癌末期患者選取最適當的治療方案,提升患者的生存期。第二、結合邊緣運算技術及深度學習模型優化方法,實作肺癌病理影像定點照護檢驗(POCT)邊緣運算系統,以有效降低病患進行病理檢驗之冗長之等待時間,提升肺癌患者之治癒率。第三、透過NSCLC病理影像訓練資料數量的最佳化,可有效降低硬體運算成本,並使本系統更易於推廣至偏鄉及離島醫院之臨床應用,輔助醫療量能不足地區的民眾,能夠得到與大城市相同的病理診斷品質。
Status | Active |
---|---|
Effective start/end date | 1/1/24 → 12/31/26 |
Keywords
- edge artificial intelligence
- deep learning
- lung cancer
- non-small cell lung cancer
- digital pathology image
- computer-assisted diagnostic system
- point-of-care testing