本技術應用於新冠肺炎防疫過程中輔助醫師判讀胸腔X-ray影像、預警可疑病徵之AI技術系統。採用UNet與FPN模型為基礎，利用臨床醫師預先所標註的數千筆胸腔X-ray來訓練偵測模型。患者拍攝胸腔X-ray時，儲存資料的同時進行模型掃瞄，並使用熱區圖標示風險較高的區域來提醒醫師便於閱讀。本技術不同於以往疾病偵測的模型使用分類器與注意力機制，直接使用圖形分割的策略進行分類。利用醫師標注的圖像作為訓練目標，將整張影像分類任務細化成像素分類任務，若模型輸出影像含高機率病徵像素，此筆資料視為正樣本。影像分割可知該筆資料是否為感染的樣本，亦可直接觀察模型預測之病徵所在，更貼近醫師判斷過程。除了在診斷上輔助醫護人員提前找出潛在患者，降低社區感染風險外，分辨新冠病毒除了須仰賴較資深醫師外，也需要借助篩檢試劑與影像輔助判讀，若在醫護人員吃緊的地區，本團隊所開發之技術可能成為第一線過濾新冠狀病毒的防線，快速得到初步預測結果，讓醫護人員能專注在治療高風險病患上，將資源進行最大利益的分配。