線上互動課件教學系統
本發明之互動課件教學系統，可在多種數位裝置上展現文字、算式、動畫、聲音、圖像、影片、遊戲…等互動多媒體素材的集合，並可以達成「直接講述法」的教學效果。教師端與學生端均可在「課前」、「課中」、「課後」等階段，利用本互動課件教學系統，進行備課、講課、課後測驗與學習強化…等工作。此外，教師無須從零開始設計教材，系統提供可即時演示的內建互動課件，例如: 內建課件可以是108 課綱國高中數學科課件、或是完整 108 課綱國高中課件、亦或是108 課綱國高中一個或多個單科課件之組合；並且賦予教師對內建課件的修訂權限，或者教師也可以自行製作互動課件。而且，本發明支援在單一使用者介面下執行多樣的課件教學模組，故可簡化教師在網路線上或是實體教室內的數位教學課程進行時，需要手動自行切換控制多種數位教具的麻煩，在未來科技化教育環境中實現完全的「數位教學自由」。並且，本發明之互動課件教學系統，可與網路上或系統內建之無限出題器結合進行出題，提供先前上線數位教學系統無法提供之功能。
閱讀詳細資料呼吸狀態分類方法及其系統 RESPIRATORY STATUS CLASSIFYING METHOD AND SYSTEM THEREOF
一種呼吸狀態分類方法，用以分類至少二呼吸狀態，呼吸狀態分類方法包含訓練用生理參數輸入步驟、訓練用胸腔影像輸入步驟、特徵生理參數產生步驟、特徵胸腔影像產生步驟、訓練步驟及分類器產生步驟。特徵胸腔影像產生步驟包含處理訓練用胸腔影像中至少一部分，將受處理之各訓練用胸腔影像中左肺、右肺及心臟的影像分割出來並對其進行影像資料增強，以產生複數特徵胸腔影像。分類器產生步驟包含於至少一機器學習演算法訓練後產生至少一呼吸狀態分類器，其用以分類至少二呼吸狀態。藉此，可產生有效的呼吸狀態分類器。
閱讀詳細資料抗細胞抗體之自動判讀系統及其自動判讀方法
抗細胞抗體(anti-cellular antibody (ACA),傳統稱為anti-nuclear antibody; ANA)間接免疫螢光法(indirect immunofluorescence assay)為篩檢自體免疫疾病國際公認的黃金標準。此為一抽血檢驗項目，血清經處理後於螢光顯微鏡下判讀，有螢光染色則為陽性，並進一步人工判讀染色之形態。
然而因ANA形態人工辨識因1.需求量大2.有賴於有經驗的醫檢師判讀,並非每家醫療院所皆有判讀ANA形態有經驗之專家3.耗時4.而傷醫檢師的眼睛 (需長期看螢光顯微鏡) 5. 醫師不熟悉形態意義。故需要利用AI來自動判讀ANA形態，並提供醫師進一步特異性抗體檢驗資訊。
目前的ANA形態分類，是依據International Consensus on ANA Patterns (ICAP) (Ann Rheum Dis. 2019 Jul;78(7))之分類法(ICAP官方網站: https://www.anapatterns.org/ICAP),並將ANA之形態分成competent level(標準級水準)及expert level(專家級水準)。
我們的發明為一種自動化抗細胞抗體形態辨識及形態導向特異性抗體提示系統，且能符合最新國際ICAP公認之competent level(標準級水準)及expert level(專家級水準)，同時能準確辨識出各種組合之混和形態(multiple pattern or mixed pattern)，並提供ANA形態導向特異性抗體檢驗提示輔助系統。
文件機密等級管理系統及方法
(1)所欲解決的問題：
目前文件之機密等級設定技術僅在於透過文件附檔名或關鍵字等內容來判斷文件的機密等級，或者是單純透過人工閱讀文件來分類文件的機密等級。當文件的內容有增減或重新編修後，其機密等級將可能有所改變，尤其現在電子文件的內容編輯修改十分快速，需要即時對文件進行機密等級分析，甚至是即時的重新判斷文件的機密等級，對於分類人員來說，是一大負擔。
本發明之目的在於提供一種文件機密等級設定方法，可於文件產生或編修後，根據人工智慧對文件進行機密等級分類，並且加上使用者對該文件的機密等級的判斷，來決定用何種機密等級對文件進行管控，同時又可優化人工智慧對文件之機密等級分類的準確性。
(2)解決問題的技術手段：
本發明提供一種文件機密等級設定方法，於文件產生或編修後，除了根據預先學習的AI文件分類器進行文件機密等級分類外，還一併回饋使用者所設定的文件機密等級，並且當使用者所設定的文件機密等級與AI文件分類器所設定的文件機密等級產生出入時，即將該份文件納入AI文件分類器再學習的資料當中，並依據該份文件與該文件先前版本之間的差異內容重新訓練AI文件分類器，進而提升未來AI自動分類的準確率。
(3)主要用途：
本發明可應用於各大小企業當中，以管控或分類內部機密文件。
進階預測遞迴式調整協同配置法 Anticipative recursively-adjusting co-allocation mechanism
一種進階預測遞迴式調整協同配置法，係以頻寬量測模組來量測候選伺服器之傳輸頻寬；再參考傳輸頻寬來計算遞迴參數值，並依據遞迴參數值與檔案之待傳輸資料量，來計算出本回合應分配之待分配資料量；之後，依據傳輸頻寬與前回合候選伺服器之傳輸完成百分比，來將待分配資料量分配給候選伺服器；進行傳輸並計算每一候選伺服器之傳輸完成百分比；然後，檢查候選伺服器之傳輸完成百分比；以及當已有候選伺服器完成傳輸時，檢查是否已完成檔案之分配，且當尚未完成檔案之分配時，遞迴至下一回合。因此，可有效提昇其資料傳輸效能。
閱讀詳細資料