●技術簡介：
TW-CVAI團隊以高品質標註冠狀動脈電腦斷層影像作為訓練樣本，建立TaiCAD-Net，進行全自動心血管重建，並首創適於AI建模的心血管分割評估指標，可多面向評估模型效能。此技術將影像處理判讀時間由六小時縮短至十分鐘，為解決冠狀動脈電腦斷層判讀三關鍵問題(診斷耗時，鈣化干擾，血管缺漏)全球唯一方案。
●技術之科學突破性：
冠狀動脈電腦斷層(CCTA)雖被全球醫界廣泛推薦為第一線診斷冠狀動脈疾病工具，然其影像處理耗時，且在鈣化嚴重病灶會因膨脹效應而高估狹窄嚴重度。
本團隊以高品質覆覈、全冠脈標註CCTA影像為訓練樣本，將鈣化病灶依據心導管影像作準確標註；結合深度學習及傳統演算法實現”探索”式影像分割技巧，相較標準深度學習，本算法可藉由vesselness prior輔助找到更完整冠狀動脈血管樹，且利用patch-wise learning方式找到更精準邊界。Vesselness prior是利用Frangi filter產生初步管狀特徵，作為模型two-channel input之一，提供模型初步管狀資訊，可增加神經網絡判讀血管結構可能性，從而增加血管尋找豐富度。此外，利用vesselness prior管狀特徵對patch採樣，進行patch-wise learning，減少冠狀動脈CCTA影像SNR (signal-noise ratio) 影響，有效區分血管與周圍組織，提升分割準確度。因訓練樣本為排除鈣化膨脹的精準標註，因此模型預測結果，能減少被鈣化膨脹影響。
本模型之冠狀動脈分割準確度為86％(以Dice similarity coefficient, DSC評估)，重組血管豐富度方面多找出159 mm冠狀動脈(8.2條分支)。在個別斑塊分割上，斑塊段落分割準確度DSC為82％。由於本模型具遠高於相似模型之準確度，極具競爭力(甫獲MICCAI 2020冠狀動脈自動分割ASOCA準確度競賽全球第三名)。本方案目前已申請三項專利，亦準備申請TFDA認證。
本團隊開發之獨特AI模型(TaiCAD-Net)大幅減少影像處理時間，顯著提升血管分割準確度，目前全球無相類能克服鈣化影響之電腦斷層冠狀動脈自動分割判讀產品。
●技術之產業應用性：
心血管疾病為全球第一死因。但心血管是否確有阻塞以往必須依賴侵入式心導管檢查，無法普及也造成眾多猝死憾事。現在已有超高速心臟電腦斷層(CCTA)可以非侵入方式診斷心血管有否阻塞，唯目前影像處理耗時(平均約六小時發報告)，診斷準確度亦受鈣化膨漲效應及稍小分支未認出等影響，造成全球心臟學界困擾。針對以上需求，TaiCAD-Net均能有效改善。其產業應用如下：

冠狀動脈電腦斷層全自動血管管腔分割系統(TaiCAD-Net)模型，可提供給：
1. 電腦斷層掃描儀廠商
• 本模型能自動將心臟冠狀動脈組像及標示狹窄，可大幅減少醫師組像及診斷時間(由六小時縮短至數分鐘)。對配備此模型之電腦斷層廠商有強大競爭優勢。目前全球電腦斷層scanner密度據OECD統計為6(Mexico)-111(Japan)/百萬人口，其中約一半可進行心臟電腦斷層掃描。以平均30台/百萬人，發達國家二十億人，有至少三萬台電腦斷層掃描儀需要此配備。
• 若以台灣每年執行約4萬例心臟電腦斷層，估計每年全人口約千分之二接受檢查，以二十億人估算，每年全球執行4百萬例心臟電腦斷層，為本配備適用對象。
2. 醫院與健檢業者
• 電腦斷層判讀費時，有經驗醫師聘請不易。放射科醫師冠狀動脈電腦斷層影像診斷，約一半時間花在學習後處理軟體。單日判讀數目受限，檢查至報告流程時間長。
• 穩定門診患者及急性冠心症患者 (非ST節段上升心肌梗塞或是不穩定心絞痛)執行心臟電腦斷層檢查已被國際準則高度推薦，臨床判讀需求極高，現行放射科人力無法負荷。
• 受限於影像解析度及物理限制，狹窄偵測常受到鈣化阻礙，造成不確定判斷結果，受檢者需要另外住院做侵入式血管攝影確定診斷，降低病人對健檢服務及醫院信心。
• 本團隊為科技部三年期2018-2020 AI影像資料庫建置團隊，以電腦斷層為建置核心，已收集來自國內八大醫學中心影像，並鏈結健保資料庫影像，具有分析國人心血管健康資料的能力，以既有的電腦斷層自動診斷技術，可應用更多省時、高效、不斷學習功能在臨床使用上。
3. 保險業者
• 打破過去只靠年齡性別職業等初階分辨保險人風險程度模式，引進電腦斷層將使預測精準度大幅提升，擴展商品及市場。
4. 心臟病患者
• 因應新聞事件及自我健康意識提升，個人透過電腦斷層了解心血管風險係極大潛在市場。

線上展網址：
https://tievirtual.twtm.com.tw/iframe/41e94af7-ff2a-4d67-9ce4-87e71adef176?group=23bfb1fa-dd5b-4836-81a1-4a1809b1bae5&lang=tw