本技術關注於慢性傷口照護中的即時監測與癒合狀態判斷，採用多光譜成像原理，提供醫護人員肉眼無法得知的血氧飽和度，透過在成大醫院收集的臨床病患數據訓練人工智慧演算法，進行傷口組織辨識與癒合程度評估，藉由微型化系統與物聯網技術，方便醫護人員與病患於不同醫療場域與居家使用，實現傷口持續追蹤與遠距醫療的目的。
本技術主要包含以下功能：

(1)組織血氧參數量測：本技術採用多光譜成像原理，利用人體組織中血紅蛋白對不同波長光源之吸收率差異，採用波長660nm紅光與880nm近紅外光作為光源照射人體組織，再透過相機獲取各自波長的反射光影像，建立光譜與血氧參數的轉換模型，可求得人體組織中含氧血紅蛋白與脫氧血紅蛋白的濃度，並計算其比例得到血氧飽和度。

(2)傷口癒合階段辨識演算法：本技術與成大醫院長期合作於臨床收案，已收集超過2年之臨床慢性傷口數據。此演算法分為三階段，第一階段使用深度學習模型(U-Net)判斷傷口位置與傷口面積大小，區分傷口與背景區域，並結合遷移學習以提高準確性和節省訓練時間。第二階段對傷口組織進行分類，主要分為肉芽、腐爛、壞死三個類型，並以醫師標記作為標準，提取彩色影像與血氧影像中的特徵值導入機器學習中進行傷口組織類型判斷。第三階段利用類神經網路評估不同時間點之傷口特徵，推論未來傷口癒合情形，提供醫師做為診斷的參考。

(3)AIoT雲端傷口照護管理平台：為整合多套系統的資料，達到遠距醫療的效果，本團隊架設雲端伺服器，並建立關聯式資料庫，使用前後端網頁語言建立雲端追蹤平台，不同套系統間可透過電腦端人機介面和手機應用程式的方式上傳傷口資料至資料庫中。此外，平台中也整合人工智慧傷口癒合階段辨識演算法，醫師與病患皆可登入平台來追蹤傷口恢復效果。

(4)微型化傷口血氧成像系統：為方便居家遠端使用，本團隊亦開發基於手機之微型化系統，使用微控制器做為系統核心，並設計LED光源模組與控制電路板，再搭配小型近紅外光相機，通過USB-C介面與手機進行通訊。使用者可利用手機應用程式進行系統控制，拍攝傷口影像，並評估血氧飽和度的相關成果。