摘要
動物採用邊緣檢測與輪廓檢測來初步地處理視覺訊息，人工智慧領域採用此原理，發展出能對影像進行分類與切割的卷積神經網路模型，並在以腦部電腦斷層判定顱內出血、以眼底照片預測心血管風險與以手機照片判讀皮膚癌等任務上有不遜於人類的表現。然而，深度學習模型的不易解釋、資料中疾病與病徵判讀的不一致、倫理問題與隱私問題都是有待人們努力的方向。本文回顧了以下幾點：1.卷積神經網路的作用原理；2.人工智慧在醫療影像上的應用；3.人工智慧的現況與挑戰，並給予對人工智慧未來的想像。
參考文獻
1. HubelDH, WieselTN. Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. J Physiol 1962;160:106-54.
2. FukushimaK. Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biol Cybern 1980;36:193-202.
3. LeCunY, BoserB, DenkerJS, et al. Backpropagation Applied to Handwritten Zip Code Recognition. Neural Comput 1989;1:541-55.
5. RedmonJ, DivvalaS, GirshickR, et al. You only look once: Unified, real-time object detection. In: Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition 2016.
6. IsolaP, ZhuJY, ZhouT, et al. Image-to-image translation with conditional adversarial networks. In: Proceedings - 30th IEEE Conference on Computer Vision and Pattern Recognition. CVPR 2017. 2017.
被引用紀錄
吳振吉（2022）。人工智慧醫療傷害之損害賠償責任。臺大法學論叢，51(2)，477-536。https://doi.org/10.6199/NTULJ.202206_51(2).0004
延伸閱讀
- 賴飛羆（2020）。人工智慧對醫療的影響－緒言。台灣醫學，24(1)，41-42。https://www.airitilibrary.com/Article/Detail?DocID=10281916-202001-202002040004-202002040004-41-42
- 鄭穎淳、王彥博、侯明志、盧俊良（2021）。人工智慧於醫學影像的應用－北榮內視鏡中心經驗。台北市醫師公會會刊，65(7)，56-58。https://www.airitilibrary.com/Article/Detail?DocID=P20110322001-202107-202107200011-202107200011-56-58
- 郭宜欣、陳奎佑、孫英洲（2023）。醫療影像人工智慧與臨床工作流程之整合。臨床醫學月刊，91(2)，88-94。https://doi.org/10.6666/ClinMed.202302_91(2).0016
- 余怡珍（2022）。淺談人工智慧於臨床健康照護之應用。台灣專科護理師學刊，9(2)，18-25。https://www.airitilibrary.com/Article/Detail?DocID=P20150413001-N202302160004-00003
- 郭萬祐（2020）。人工智慧輔助診斷在醫療影像臨床應用的契機與挑戰。台灣經濟論衡，18(1)，35-40。https://www.airitilibrary.com/Article/Detail?DocID=P20191104001-202003-202005120011-202005120011-35-40