參賽團隊名稱：OPEN CT
我們開發了一個提升 CT影像品質的AI技術，並透過 OpenVINO 嵌入邊緣運算平台，快速的導入醫院場景中。此系統能夠改善當前 CT影像品質不佳的問題，以及協助 醫生 和 AI 提升病灶檢測的準確度。
提案動機
在醫院拍攝 CT影像為最常見的醫療診斷工具。透過實際與醫生們的訪談，我們了解 CT影像的品質仍受到 CT設備老舊、拍攝時長造成病患晃動的假影、病患部位是否有異物、傳輸過程需壓縮影像，等等因素所限制。這些因素造成影像品質低影響醫生的診斷準確性，並且對 AI 自動化量測的發展也有很大的限制。尤其是在一些非典型的病灶偵測，像是消化器官的血管、腹腔內游離氣體等…，這些病灶特徵不容易被辨別，非常需要有提升影像品質的技術。
再來是，CT劑量對孩童和孕婦危害很大，因此如何產生低劑量高品質的影像技術也是非常重要的問題。另外，即時的診療仍受限於醫療傳輸系統與影像分析流程。為了改善上述的問題，我們使用提升 CT影像品質的AI技術結合 OpenVINO 嵌入邊邊緣運算平台作為解決方案。
解決方案
我們使用公開高品質的CT影像數據集，輸入到自行開發基於 DDPM和U-net 的神經網路框架中進行訓練。訓練好的推論模型能夠有效提升輸入的影像品質。再透過 OpenVINO 將整個推論模型建置在 Intel 的邊緣運算平台上，讓此模型可以快速地導入各個場景中。
硬體：
- NUC BOX-1165G7/1135G7
軟體：
- Intel OpenVINO Toolkit
- pytorch、python
- DDPM、U-net
成果介紹
我們使用 3萬多張高品質的CT影像進行訓練，再用對低品質的測試資料集進行預測。我們任意選出50張 AI 預測成果進行比較。如下動圖所示，左圖為低品質的輸入影像、中間為 AI 預測結果，右圖為原始高品質影像，這顯示訓練模型能夠有效可信的提升影像品質。我們將此推論模型透過 OpenVINO 建置在 intel 的邊緣運算平台上，並且透過 Edge AI 快速導入醫院中。
任選50張 AI模型在測試資料集預測結果比較圖，左圖：低品質影像、中間：AI 預測、右圖：原始高品質影像。
本專案的商轉可行性高，相較於設備汰舊換新來提升影像品質，我們透過最新 Edge AI 技術，可以 低成本 快速地 達到高品質的影像，具有免跨科重調影像、免安裝隨開隨用、操作簡易成本低、新舊 CT 設備通用的特性。可以快速無痛的導入各大醫院的系統做使用。導入後，CT 影像品質可即刻提升、讓臨床診斷準確率提高、也可協助回顧性研究，成為老舊影像救星，為醫院節省傳輸儲存成本，這些都是本專案可量化的成效收益。
未來，隨著與醫師的合作發展，可進一步實現 — 降低輻射暴露劑量卻有高品質的 CT 影像、達到孕婦和孩童友善劑量。此外，本專案的創新性高 ，現在偵測病灶的 AI 盛行，但仍受限於影像品質。而本專案則是從原始影像直接改善影像品質 ，可協助醫生和 AI 提升辨識準確度，並可提高後續多元 AI 的績效。我們目前已與三家醫院長庚、萬芳、聯合醫院和一家 CT 儀器商科傳密切洽談合作中，對方皆表達高度合作意願。
