摘要
在許多重要的健康醫療影像識別與檢測的應用中，雖然目前取得、處理、儲存大量健康醫療影像技術已有大幅度的進展與掌握，但是目前還是有許多健康醫療圖片以人工辨別居多；為了能夠解決並掌握大量圖片辨識的困擾，降低人工辨識失誤與疲勞度，自動化建構健康醫療圖像識別和檢測技術來運用在不同類型的健康醫療影像識別與檢測的應用中，仍然還是重要研究議題。識別不同類型的健康醫療影像，所對應之適切深度學習神經網路模型架構與參數模型不必然相同，因此將會有不同模型架構與參數模型來針對所需之特殊特徵研判之需求；因此，所需之適切遷移式學習模型（pretrained models）與訓練參數也將有所不同。本論文提供一個針對不同類型的健康醫療影像與不同的相關遷移式學習模型，藉由隨機搜尋相關模型機器學習參數技術以加速自動建置有效卷積神經網路模型。本論文針對三種不同的醫療影像數據集：包含急性淋巴細胞白血症、胸腔肺部X光、視網膜病變醫學影像等實證開放資料，並利用這些資料集所訓練出之不同遷移式學習模型進行這些模型之影像識別正確率分析以驗證本論文所提出之隨機搜尋機器學習參數技術之可行性與有效性。這些方法的整合與建置因此提供了一個自動化建構不同類型的健康醫療影像識別和檢測應用的解決機制。