技術摘要

本技術旨在運用深度學習中的 YOLO（You Only Look Once）物件偵測模型，建立一套可自動辨識肺纖維化影像之輔助診斷系統。傳統肺部 CT 影像判讀需仰賴專業放射科醫師逐一檢視，耗時且易受主觀經驗影響；本研究藉由訓練 YOLO 模型辨識不同肺部切面之纖維化病灶，期能協助醫師快速定位異常區域，提升診斷效率與準確性，減輕臨床負擔。此外，本技術可延伸應用於其他肺部疾病影像之自動化辨識，具臨床輔助決策與醫學影像智慧分析之創新價值。

現有技術描述、問題及其缺陷

過去肺纖維化影像診斷多仰賴放射科醫師以人工方式檢視 CT 影像，判讀病灶範圍與嚴重程度，不僅耗時費力，且結果易受主觀經驗差異影響。部分研究雖已嘗試運用傳統卷積神經網路（CNN）進行特徵分類，但多著重於病灶的有無辨識，缺乏對不同肺部切面的區域化偵測與即時性分析，難以滿足臨床快速輔助判讀的需求。

本技術發明之目的及達成功效

本研究導入 YOLO（You Only Look Once）物件偵測模型，建立可針對肺纖維化影像進行即時定位與分類的自動辨識系統。其技術特色如下：

• 即時性：YOLO 架構可在單次運算中完成影像特徵擷取與病灶偵測，大幅縮短分析時間。
• 高準確度：經多版本模型（YOLOv4～YOLOv10）訓練與比較，能精確判定不同肺部切面的纖維化區域。
• 臨床輔助性：可協助醫師快速標示疑似病灶位置，提升診斷效率並降低誤判機率。
• 擴充應用性：模型架構可延伸應用於其他胸腔疾病影像分析，如肺結節、間質性肺病等。

綜上所述，本技術結合深度學習與醫學影像分析，具備高效、客觀及臨床實用的創新特色，對肺部疾病智慧診斷具有推廣價值。

相關專利資訊

中華民國專利申請號：115115002

專利影片：連結