請選擇領域
請選擇部會
14 筆結果
腦中風對健康公衛影響深遠，人工智慧解析腦影像有助改善中風醫療品質。SGD-Net腦中風磁振造影智慧診斷與預測系統以二階段模型，在急性期磁振造影影像上精準定量定位病灶。透過語意與影像體學分析及特徵融合，精準預測中風預後、原因與大動脈狹窄。SGD-Net結合神經學知識與影像特徵，具臨床價值與應用潛力。
未來科技館 | 資訊與通訊本系統包含ToF感測器、ToF人體成像骨幹資料集、AI邊緣運算平台、與運行在AI邊緣運算平台的ToFPose AI軟體模型與ToF異常姿態辨識演算法。ToF感測器捕捉空間光學人體成像，並以人工智慧與深度學習技術識別ToF人體成像之異常姿態，適用於醫療照護場所任何空間並達到去識別化之異常行為通報目的。
未來科技館 | 資訊與通訊利用AI機器學習與統計學習，分析大型人體生物資料庫的全基因體及多模態醫學影像報告大數據，建立多基因風險分數與多模態影像風險分數，輔以年齡、性別和疾病家族史等變項，建立T2D風險評估技術與系統，找出高風險族群協助預防介入，並以邏輯斯和Cox迴歸評估T2D未來發病風險與時間，促進精準健康照護與預防醫學。
未來科技館 | 資訊與通訊我們開發出兩種白袍高血壓和隱藏性高血壓的人工智慧篩檢方法。方法一採用機器學習與模型解釋工具，使用隨機森林，並通過SHAP值進行特徵排序和監督特徵選擇。方法二採用降維技術與深度學習，通過主成分分析(PCA)進行降維後，以表格先驗數據擬合網絡(Tab-PFN)進行深度學習。
未來科技館 | 資訊與通訊本技術提供了一種集成於機器人平台上的智慧摩擦起電奈米感測器（Triboelectric Nanosensor, TENS），通過接觸帶電過程進行材料識別。TENS利用自供電觸覺感知機制，能夠精確識別物質組成與胺基酸分子。TENS的結構特點包括由Ecoflex材料製成的微型金字塔結構，內含NaCl溶液作為電解質導體，這種設計提高了其延展性和靈敏度。在集成方面，TENS被集成到機器人指尖上，透過與物質接觸、分開過程中的摩擦起電輸出信號被用於材料識別，並通過無線傳輸模組傳送至電腦進行進一步處理。在工作機制方面，我們進行了不同物質之間的接觸帶電實驗。通過KPFM測量表面電位，並使用XPS分析材料的電子轉移機制和原子組成。我們發現，溫度的升高會影響不同物質之間的電子結構變化，從而改變摩擦起電輸出信號。在穩定性測試中，TENS在不同的拉伸條件下展示了良好的響應行為，即使在拉伸到150%時仍能保持穩定性能。此外，經過5000次彎曲循環測試後，TENS仍能保持穩定的輸出信號。 市場分析顯示，隨著智慧機器人與物聯網應用的快速增長，對多功能感測器的需求日益增加。根據預估，僅物聯網領域就需要超過300億個感測器，這為自供電感測器技術帶來了挑戰和機遇。此外，在仿生義肢、元宇宙虛擬社會和大數據處理中的應用日益增多，也促使對材料識別、溫度、壓力、形狀、尺寸和濕度感測的需求激增。傳統感測器依賴電池供電，存在高功耗、壽命有限、體積笨重和環境威脅等問題。TENS能夠從環境中收集能量，為自身的多功能感測提供電力。該技術在自供電感測方面顯示出巨大的潛力，應用範圍涵蓋智慧製造、環境監測、醫療保健和人機界面等多個領域。根據市場研究報告，全球智慧感測器市場預計在2024年達到約650億美元，其中自供電感測器將占重要份額。 另外，TENS技術對人工智慧（AI）機器人的發展具有深遠影響。首先，該技術提高了機器人的觸覺感知能力，使其能夠精確識別不同物質與其表面溫度，這對於機器人自主操作具有重要意義。其次，TENS技術的自供電特性，降低了機器人的能耗，提高了其操作的持續性和可靠性。此外，隨著AI技術的進步，TENS感測器生成的數據可用於訓練機器學習模型，進一步提升機器人的智慧化程度和自適應能力。這些優勢使得TENS技術在智慧製造、醫療機器人、服務機器人等領域具有廣泛的應用前景。
未來科技館 | 資訊與通訊一張百萬像素級的病理切片不僅無法以標準電腦架構處理且可能僅有一個專業的醫師標註，這讓所有的AI模型捉襟見肘。本團隊成功設計全球首創之弱監督式多實例AI學習框架，從百萬像素級病理切片上，完成大腸直腸癌病患基因表現及預後狀況預測任務，並在多個不同世代族群病患資料上成功驗證。
未來科技館 | 資訊與通訊自閉症類群成人工作面試與職場社交訓練之虛擬實境介入模式，以適用自閉症者之高解析度影像建構多種虛擬實境訓練情境，如一對一回應指責、一對三工作面試、一對多工作簡報。有別於傳統訓練，可針對臉部情緒辨識、情境辨識等加強訓練。並以可量化的訓練指標(如：語音、內容、連貫性分析、即時生理回饋)，評估訓練成效。
未來科技館 | 資訊與通訊本技術整合大數據分析技術、元模型與可解釋性人工智慧演算法，分析蒐集供應鏈資訊、產能組態、生產資訊和未來投片的計劃，自動挖掘供應鏈與半導體製造過程的關鍵因子，並透過提供更精準的產品需求預測與投片產品的製造週期時間，以提升半導體供應鏈與製程網路系統穩健性，為供應鏈、製造規劃部進行穩健規劃、降低製造成本。 本技術「先進可解釋性人工智慧預測技術」透過整合大數據分析技術元模型與可解釋性人工智慧演算法來強化元模型，包含對未來新製程平台導入與新機台產能提升之先進製造週期預測模型。該架構的基本目標如下：（1）實現彈性的決策，模型可以在不同的生產場景下進行自我調整學習（2）在生產環境中面對離散事件時，通過行動選擇、監控波動通知和調整實現系統韌性（3）動態系統的即時規劃和控制。 本技術整合 (1)自動化特徵萃取技術、(2)產能、產品組態分類器；(3)結合元模型與可解釋性人工智慧解構先進預測模型並(4)混合策略，以適應半導體產業中不同規劃期、不同資料組態之適用線性模型。透過蒐集供應鏈資訊、產能組態、生產資訊和未來投片的計劃，該技術會自動挖掘供應鏈與半導體製造過程的關鍵因子，從而進行更精準的產品需求預測(提升30%準確率)與投片產品的製造週期時間推估(提升23%準確率)，以提升半導體供應鏈與製程網路系統穩健性，降低製造成本(將低約30%庫存成本；20%製造成本)。
未來科技館 | 資訊與通訊本作品是一套結合人工智慧、物件偵測、電腦視覺及虛擬圍籬演算法等技術的防盜與警戒系統，此技術可由使用者依據場域需求自行框選繪製虛擬圍籬防護區域並建立三道警戒線，以偵測靠近警戒區之人、車、潛水人員、大型魚隻及船隻等，並依據入侵程度，立即傳送對應的警示文字、音效、錄影畫面等資訊給管理人員掌握狀況。
未來科技館 | 資訊與通訊本技術開發低溫電漿輔助硒硫化技術成長二維材料應用於高靈敏氣體感測元件，克服二維材料目前高溫成長，具備半導體標準製程、可大面積製備和厚度與晶相可調性等優勢，實現對特定氣體分子高度選擇性感測應用，其中腐蝕敏感性及毒化效應之氣體如H2(下標)S、NH3(下標)等呈現出更強的抗腐蝕性和材料穩定性。
未來科技館 | 資訊與通訊我們將廣泛的行動電信數據與稀疏的影像數據結合，提供全面的交通指標。首先，我們利用大範圍收集的電信數據轉換為新穎的交通指標，同時確保用戶隱私。接著，我們首度將電信數據與來自攝影機的影像數據進行融合，大幅提升交通預測的準確性。為了進一步優化效能，我們提出了一個多模態融合框架，能夠平衡不同數據模態的影響，實現精確的跨模態預測。該研究成果已獲得AAAI、WWW 和 CIKM等頂級會議的認可。
未來科技館 | 資訊與通訊傳統監測憑NEWS或MEWS線性計分，但靈敏度和特異度不足，忽略非線性關聯及時間趨勢。我們以ICU資料建模，外部驗證顯示能提前六小時預測逾九成心跳驟停，靈敏度95%，特異度92%且AUC0.96，相比NEWS靈敏度81%，特異度84%及AUC0.87更準並再以生成式AI預測未來體徵助醫師提前干預。
未來科技館 | 資訊與通訊本研究開發創新的高光譜衛星影像感知、融合及安全傳輸技術，結合多光譜與高光譜影像優勢，提升空間頻譜解析度，並整合偽造影像辨識機制保護安全，技術並在 IEEE TGRS等頂尖期刊發表。此技術不僅提高了影像傳輸效率，還能確保影像真實性，具廣泛的市場應用潛力及顯著的經濟效益，推動產學合作及創新模式的建立。
未來科技館 | 資訊與通訊本技術作為生成式AI於土木營建領域之先驅示範，成功以檢索增強生成、代理式推論與知識圖譜實現源於施工規範與工程圖說的施工查驗表單溯源檢核與設計生成的AI服務，使工程人才從大量重複的檢索工作中得到釋放，能專精疏理具高價值的施工查驗知識圖譜來驅使生成式AI正確完成大量檢索、檢核、填表任務，大幅提高生產力。
未來科技館 | 資訊與通訊敬請期待!
