外傷 X 光深度學習

平面 X 光是傷患的第一線影像檢查，但在忙碌的急診中，細微的骨折很容易被遺漏。我們開發能在平面影像上偵測並定位外傷病灶的深度學習模型。

代表作 PelviXNet 是一套可擴展、達醫師等級的演算法，能偵測骨盆 X 光上的各類外傷病灶，以弱監督（點標記）方式在超過 5,000 張臨床標註影像上訓練完成（Nature Communications, 2021）。更早的研究則證明深度學習可在骨盆 X 光上自動偵測並視覺化髖部骨折，準確度與資深臨床醫師相當（European Radiology, 2019），並獲得國家新創獎肯定。

這條研究路線後續延伸至外傷胸部 X 光肋骨與鎖骨骨折同步偵測（Trauma Surgery & Acute Care Open, 2024）與多視角踝關節骨折偵測的集成策略評估（British Journal of Radiology, 2023），外傷胸部 X 光判讀的相關研究仍持續進行中。