人工智慧與影像知識詮釋化

　　本書以資訊數位化出發，跨領域整合醫學影像資訊與圖書資訊，尤其分類與詮釋資料的描述，是資料科學時代相當重要的一環，利用人工智慧進行醫學知識的分類、利用影像特徵的擷取完成影像詮釋資料的建立，並將日益重要的醫學影像的類型加以整理，包括檔案的形成、儲存容量、存取機制、安全性、使用規範、完整性與標註需求，進行鉅細靡遺地闡述，此概念之延伸將有助詮釋與人類生活息息相關的各種影像資料，以完整詮釋建立永恆的知識。  

本書特色

　　醫學影像已是人工智慧醫學的主戰場，

　　為此建立醫學影像檔案學的知識整理，

　　也是圖書資訊在人工智慧時代的重要角色之一。  

羅崇銘

　　[學歷]

　　國立臺灣大學資訊工程博士

　　[經歷]

　　臺北醫學大學醫學資訊研究所副教授

　　臺北醫學大學附設醫院臨床大數據研究中心

　　臺北醫學大學醫學資訊研究所助理教授

　　國立臺北大學資訊工程系兼任助理教授

　　[現職]

　　國立政治大學圖書資訊與檔案學研究所副教授

　　[著作] 

　　著有Intelligent decision support systems for diagnosis of medical images等4篇專書論文與36篇國際醫學SCI期刊論文

　　[重要事蹟] 

　　獲有國家新創獎、科技部博士後研究學術著作獎、國際醫工聯盟青年學者獎、國立政治大學研究優良獎、中技社AI創意競賽獎等十幾個獎項與擔任國際SCI期刊編輯

壹、本文
一、影像檔案
（一）臨床影像診斷議題
1.放射科
2.乳房外科
3.病理科
4.皮膚科
5.眼科

（二）檔案特性
1.影像解析度／容量
2.影像格式／壓縮／維度與結構
3.影像顯示與存取
4.影像檔案使用規範
5.影像標註

（三）結論建議

二、智慧分類與人機互動
（一）輔助診斷模型
1.第二閱片者
2.標準化／溝通媒介
3.高效率與低成本

（二）深度學習

三、數據探勘實例
（一）肩旋轉肌影像檔案與分類
1.患者和影像採集
2.超音波紋理特徵
3.統計分析與分類
4.結果與討論

（二）使用量化 BI-RADS 特徵對乳房腫塊進行電腦輔助診斷
1.患者和資料採集
2.腫瘤切割
3.量化特徵
4.分類
5.統計分析
6.結果與討論

（三）電腦輔助診斷系統對於放射科醫師進行MRI神經膠質瘤分級的影響
1.患者資訊
2.影像分析和觀察
3.電腦輔助診斷輔助
4.結果
5.討論

（四）基於自發螢光支氣管鏡圖形識別的肺癌亞型分類
1.病患資訊
2.多通道特徵
3.HSV轉換
4.紋理特徵
5.統計分析
6.結果
7.討論

（五）量化彩色視網膜影像中的滲出液特徵以進行糖尿病視網膜病變的篩檢
1.滲出液資料庫
2.滲出液檢測
3.去除血管
4.去除視網膜圓盤
5.特徵擷取
6.統計分析
7.結果
8.討論

貳、參考文獻