文／許子玥、陳宏瑞　圖／許志仲、陳宏瑞

 

成大數據所助理教授許志仲（中）和研究生陳冠麟（右）與吳玫萱（左）在AI肺炎影像判讀競賽獲世界第三

 

國立成功大學數據科學研究所暨統計系助理教授許志仲ACVLab團隊，在世界頂尖電腦視覺大會（ICCV，International Conference on Computer Vision）舉辦的MIA-COV19D競賽中，奪得世界第三！ACVLab團隊將AI應用於判讀COVID-19電腦斷層掃描影像，以統計分析理論融合深度學習，提出了一套結合假設檢定的自適應分布學習技術，提出創新解方，進行自動化分類並有效排除干擾，未來也將分享參賽中使用的訓練模型，讓更多人使用並進行試驗。

 

新冠肺炎（COVID-19）為全球關注的問題，疫情肆虐帶來巨大的影響，許多研究團隊針對運用人工智慧的新冠肺炎自動化檢測進行研究，ICCV競賽希望依據胸腔的電腦斷層掃描影像（CT scan）檢測新冠肺炎反應是否為陽性，許志仲帶領成大數據所研究生陳冠麟與吳玫萱，透過統計分析專業找尋新解方。

 

許志仲仔細研究每一項數據

 

這是許志仲團隊第一次接觸電腦斷層掃描影像，許志仲表示，電腦斷層掃描影像與一般RGB影像差異甚遠，需要不同的專業背景知識才能順利操作與應用。陳冠麟、吳玫萱積極跨域汲取新知，短時間內吸收電腦斷層掃描影像所需的背景知識，並將醫療資訊融入本身在統計領域的專業，提出富有創意的解決方法。

 

許志仲指出，在COVID-19病症的判讀上，目前主流的電腦斷層分類都是將單張影像，由專業人員手動挑出最有價值的切面進行判斷，但MIA-COV19D競賽所使用的資料不只單張切面影像，而是處理整組立方體內的斷層資料，參賽團隊面對的不僅是龐大的資料，還必須解決每組電腦斷層影像的解析度與切片數量不等的難題。

 

ACVLab團隊拿下世界第三的佳績

 

許志仲表示，這次競賽ACVLab提出的創新技術，不只可以自動針對有價值的胸腔切片進行學習，還可以利用統計檢定賦予預測結果可解釋性，有非常高的穩定度。奪得世界第三的關鍵就是提出創新解決方法，讓AI在判讀過程達成自動化分類，並可排除多餘不重要切面影像，避免過多資料重疊干擾。

 

「學生求知的積極態度，遠比比賽得名收穫更大！」許志仲認為，台灣學生很好、很努力，但比賽過程卻往往信心不足，經過與世界一流的團隊的競爭，成員的積極度變高，最終擊敗強敵脫穎而出，榮獲全球第三名，也讓學生提高自我肯定，自信心和專業都更上層樓，可說是最大的收穫。

 

許志仲說，世界疫情肆虐的情況下，希望成大數據所能貢獻一己之力，對COVID-19的自動化檢測發展有所助益。ACVLab團隊參與MIA-COV19D競賽的精神，在於團隊努力為醫學影像處理做出貢獻，提出新解方。