SDG3
2022國際頂尖電腦視覺會議新冠肺炎辨識競賽 成大數據所許志仲團隊奪世界冠軍
受到新冠肺炎疫情衝擊，各國醫療系統都面臨極大挑戰，身為防疫世代精通統計學的學者，如何將 AI 智慧醫療，應用在跨域與普及上；國立成功大學數據所許志仲助理教授帶領研究團隊，參加 2022 歐洲電腦視覺國際研討會（European Conference on Computer Vision）簡稱 ECCV，舉辦的新冠肺炎辨識競賽，打敗 28 個隊伍拿到世界冠軍，10 月將在以色列舉辦頒獎典禮。
許志仲助理教授表示，運用人工智慧進行新冠肺炎自動化檢測是近年來最熱門的議題，兩年一次在歐洲舉辦的 ECCV，是電腦視覺領域中首屈一指的頂尖國際研討會，其中一項會議主題訂為「人工智慧導向之的醫學圖像分析、數位病理和放射學暨新冠肺炎」（AI-enabled Medical Image Analysis – Digital Pathology & Radiology/COVID19 Workshop ），會中舉辦新冠肺炎辨識競賽，（COVID-19 Detection Challenge），必須在兩個月內依據主辦單位提供的胸腔電腦斷層掃描影像（CT scan）， 檢測患者是否確診新冠肺炎，並提交相關技術報告，確保成果的效能與創新性。
「身為後疫情時代學習統計學的學生，如何有效將跨領域的學習成果呈現出來？」許志仲助理教授說明，參賽的學生不僅熟悉科學數據分析，更具備醫學、物理與資訊等不同的跨域能力；專任研究助理蔡其翰分析資料判讀的主因，找出 AI 模型學習的關鍵，在碩二生陳冠麟建構的基本 AI 模型，由碩一生馬欣蒂、戴勝捷負責不同實驗模組的實測，最後經由統計專業分析 500 多組資料，在上千張的 CT 中找到正確的肺部切片，辨別準確率達 8 成 9，拿到世界第一。
碩二生陳冠麟表示，AI 判讀醫學影像的技術，可協助醫師快速掌握患者的各項檢查數據，降低醫療負載，剛開始拿到上千張腹腔 CT 時，因為沒看過肺部斷層掃描影像的樣子，為此詢問擔任護理人員的家人，了解肺部顯影後的樣子，之後再學習如何找出確診新冠肺炎後，呈現毛玻璃狀的肺部 CT；為辨別數量龐大的照片，還運用過去發展在 Deepfake 的辨偽技術，分析畫面雜訊較多與畫素較低、模糊的照片，提高了影像辦別的能力。
許志仲助理教授補充，COVID-19 的肺部病徵嚴重程度不同，資料庫蒐集也來自不同國家、地區與醫院、因此每組 CT Scan 的切片數量、寬度與解析度都不一樣，所以要在如此多變的情況下，設計出穩定且良好效能的網路並不容易；學生們使用兩階段訓練的檢測機制，先利用隨機選取的影像訓練 AI 模組辨別特徵的能力，第二階段再使用新型態的人工智慧網路（Transformer），探索切片特徵之間的關係，提高對於細緻變化的鑑別能力，在效能上有所突破，也因此獲得佳績。
「鼓勵統計系的學生透過參加國外比賽，見證自己的學習成效」，許志仲助理教授說，不同於學術論文，可以在假設情境下設計解法，想要在國際競賽中脫穎而出，要有優秀的程式能力，也要有國際水準的研究能力。在疫情未見趨緩、與病毒共存的現況下，過去必須使用人工方式辨別斷層掃描檢測 COVID-19，往後期望能透過 AI 智慧減低醫生的負擔，在每日大量的資料下，快速篩選出病徵較為嚴重的患者，將此項技術繼續深化，並導入介面化操作，將其普及化，藉此推廣成大在相關技術上的國際知名度。
維護單位: 新聞中心
更新日期: 2022-07-26
成大數據所許志仲助理教授（右）帶領研究團隊獲 ECCV 新冠肺炎辨識競賽冠軍
胸腔電腦斷層掃描影像（CT scan）， 下為未確診者、上為確診者。許志仲提供
許志仲助理教授（右）帶領參賽的學生團隊不僅熟悉科學數據分析，更具備醫學、物理與資訊等不同的跨域能力
許志仲助理教授（中）鼓勵統計系的學生透過參加國外比賽，見證自己的學習成效
