【柏瑞醫】X1 Imaging 骨質疏鬆人工智慧輔助篩檢系統

參賽隊伍名稱：柏瑞醫

作品簡述：

只需一般X光機或行動X光車所拍攝的符合WHO醫學指引髖部醫學影像，即可運用AI輔助分析，於6秒鐘內產出骨鬆風險報告。

提案動機：

骨質疏鬆為全世界第二大流行病，僅次於心血管疾病，且每年骨折病患新增890萬人，比心臟病、中風、乳腺癌的人數合計還多，每三秒就有一人因骨質疏鬆而骨折，全球已超過三億的女性患有骨質疏鬆。現行骨鬆的檢測方式有足跟定量超音波骨密檢測儀、雙能量Ｘ光吸光式測定儀DXA。足跟定量超音波儀方便快速，但是準確度不高，DXA精準且為目前的骨鬆診斷標準，但儀器昂貴故全台數量分佈不均，檢查時間長且機動性低，無法廣泛推廣。因此，市面上缺乏一個快速、可靠且有效率的方式來檢測骨質疏鬆。

解決方案：

開發過程中所用的軟硬體如下：

硬體：

AOPEN DEX5750 (intel Core i7-1165G7)

軟體：

X1 Imaging 骨質疏鬆人工智慧輔助篩檢系統

1. Application :
   WPF C#/C++, Open CV, Emgu CV
2. Deep Learning Framework :

• ZNET(柏瑞醫研發AI框架)，YOLOv5 V5.0, Intel Instance Segmentation Models

(本案率先將YOLOv5 V5.0 整合進OpenVINO 2021.4 )(官方發布YOLOv5 V4.0 整合進OpenVINO 2021.2/4)

• AI Model Optimization :
  CNN Classification, CNN Object Detection, CNN Segmentation
• ONNX

3. OpenVINO 2021.4 :

• OpenVINO Converter
• ONNX Runtime for OpenVINO Base Windows 10 IoT

柏瑞醫開發的篩檢系統，可用於門診及健檢中心，提供精準快速的骨鬆篩檢，也可搭配行動X光健檢車，協助醫療院所進入偏鄉與社區，主動提供民眾骨鬆篩檢服務。篩檢部位符合WHO骨質疏鬆醫學指引，也可同步檢視個案是否有骨折，能提供潛在患者的及早發現與預防。

本系統運用Intel Instance Segmentation models訓練出Segmentation AI模型，可辨識股骨的位置，以及人工關節與骨釘，並運用Classification AI 模型和線性化模型，預測出左右腿股骨的T-score及骨質疏鬆風險高低。

成果介紹：

本案是第一個獨立率先完成於Intel 11^th CPU Tiger Lake 架構和Windows系統上成功建置ONNX Runtime for OpenVINO，亦率先將YOLOv5 V5.0 整合進OpenVINO 2021.4中。

本案使用一般的X光機及依照WHO骨質疏鬆檢查醫學指引的髖部醫學影像，進行標注與訓練。運用訓練出的Segmentation AI模型，可辨識股骨的位置及進而辨識正常骨頭、骨釘、人工關節等。也運用Classification AI模型分析骨質疏鬆風險高低，以及線性化 AI模型能預測出左右腿股骨的 T-score。其訓練過程中收集了1,000 名個案影像，運用專利少資料高精度AI迭代訓練演算法訓練，訓練效率可提升16倍。Segmentation AI技術上使用在ZNET框架整合Intel Instance Segmentation models，訓練骨鬆Optimization的CNN Segmentation ONNX模型，並完成執行ONNX Runtime for OpenVINO在Windows 10上加速，實測結果效率可達三倍之多，Segmentation的平均可信度更高於 97% 。

也進行200位個案的臨床測試，每一位個案皆以DXA儀器檢測髖部的骨鬆風險分析與T-score分析檢測報告比對，AI模型的AUC達96.4%，敏感度97.2%，特異度95.6%，陽性預測值95.7%，陰性預測值97.1%。

從市場需求面來看，各大醫院陸續導入AI技術來進行醫療影像判讀，本案結合物聯網設備及人工智慧應用技術，透過AI輔助篩檢來協助醫師進行更快速、準確的判讀，不只能增加醫療量能，也能讓偏鄉民眾利用行動X光車快速進行檢測。目前已與台北市立萬芳醫院合作，未來將配合更多醫療院所，進行醫療巡迴或是定點社區的骨鬆篩檢活動，希望藉由喚起大眾對骨鬆的認識，培養自主健康意識。