| 作品介紹 |
自發性顱內低壓(Spontaneous Intracranial Hypotension, SIH)是一種由腦脊髓液滲漏至硬腦膜外引起的疾病，造成SIH的因素包括結締組織疾病、減重手術、脊髓問題，如骨刺、椎間盤突出，由於顱內的腦脊髓液提供營養運輸和大腦保護，因此準確評估其容積對於診斷和治療自發性顱內低壓十分重要。
自發性顱內低壓若未能及時治療，對患者的日常生活影響甚大。醫師在治療期間皆會擷取磁振影像以追蹤患者復原狀況，因大腦結構較為複雜，若只依據MR影像進行診斷，不同醫師可能會基於其判斷標準而給出不同的診斷結果，使得此種定性評估的方式在追蹤病患治療方面缺乏準確性。為此，本組開發一套以深度學習為基礎之定量評估系統量化顱內腦脊髓液的容積，輔助醫師進行診斷與治療。
透過醫院端的醫療影像儲存與傳送系統(Picture archiving and communication system, PACS)獲取MR影像，並與實驗室開發此系統，此系統包含影像的前處理與模型預測，前處理將原始影像160x224重採樣至192x192，模型預測部分透過殘差注意力機制與U-Net3+進行影像自動分割。為了解決處理程序繁雜以及使用的技術門檻等問題，本組將以圖形使用者介面呈現，將所需的功能彙整至介面按鈕中，如影像前處理、模型預測、腦脊髓液容積計算以及影像預覽等功能。
此系統使用RAU-Net3+模型預測後的結果作為量化基礎，建置一系統能輔助醫師進行精確的診斷與治療，除治療前後的容積計算與變化趨勢，也整合了影像預覽和文字備註等功能，讓醫師能即時記錄診斷中的重要細節和變化，並為病患制定適合的治療計劃，提升醫療品質。 |