• 學位論文

YuruLowNoise: 手術攝像機記錄系統的降噪

數位影像是數位醫療資訊的重要組成部分。 由於手術錄影機設計的性質，輸出影片訊號會受到靜止影像中可見噪聲的影響。 電腦視覺中開發了各種降噪方法，其中許多已在數位相機和智慧型手機中實作。 本研究旨在定義來自手術錄影機的噪聲，並實作適合臨床使用的降噪系統，以更小的儲存容量提供更好的視覺品質圖片以用於文件記錄。

• 學位論文

適用於產前帶因篩檢的體染色體隱性遺傳疾病變異分析系統

在台灣，由政府公告的罕見疾病種類共有236種，依照國民健康署的罕見疾病通報個案統計表顯示，截至今年四月止，國內罹患罕見疾病的人數為19,029人。罕見疾病多以遺傳的方式發生，因此及早的檢驗並預防至關重要。隨著次世代基因定序技術在這些年來的迅速發展，基於其之上的全外顯子組定序數據在生物及醫學領域中的應用也越來越廣泛，基因檢測也越來越普及，這對那些患有遺傳性疾病或是家中有遺傳病史的病人無疑是一大福音。若是能在產前就得知夫妻雙方是否有人為某一遺傳疾病的帶因者，那麼就可以盡最大可能避免疾病隨著血緣關係遺傳下去，帶因篩檢因此誕生。帶因篩檢是用來偵測臨床上沒有症狀，但事實上為特定隱性遺傳疾病帶因者的健康人。由於這些帶因者有較高的風險會生下患病的小孩，所以帶因篩檢的結果可以讓備孕的夫妻更了解自己後代的患病風險也可以對日後的醫療或人生管理做更全面的規劃。 本研究的目的旨在開發出一個線上的帶因篩檢系統，供醫師或研究人員分析病患的全外顯子組定序數據，找到那些與體染色體隱性遺傳疾病高度相關的變異。該系統囊括了與體染色體隱性遺傳疾病相關的415個基因，除了能夠篩查出序列中可疑的致病基因變異，同時也會對基因變異的致病嚴重性進行排序，並計算出後代患有遺傳疾病的機率。系統生成的報告結果不僅能提供為夫妻的產前準備提供參考，亦能用於進一步研究。 在實驗中，我們利用台大醫院中111組後代患有罕見遺傳性疾病的夫妻及其後代的全外顯子定序資料作為測試資料，並以之前已檢驗出的導致後代致病的變異為答案，對系統的變異檢出成效進行分析。對於其中已確定發生的變異位於系統可檢測的415個基因中的測試資料，系統的檢出率為100%。而對於其它答案中的致病基因並不位於囊括的基因中的測試資料，系統也檢測出了在臨床上可能被忽略的在415個基因中的致病變異。使用此系統可協助分析全外顯子組定序數據中與體染色體隱性遺傳疾病相關的基因變異，縮減判讀基因變異的時間，更好地進行帶因篩檢，幫助備孕夫妻規避後代患病風險。

• 學位論文

基於影像表面電漿子共振生物感測器的連續監測腫瘤細胞系外泌體研究

外泌體的特徵大小為40-160納米的細胞外囊泡，已被證明有很大潛力作為早期或復發癌症預後的生物標誌物。然而，外泌體研究的發展對準確性、有限的樣品量和檢測等成本提出了更高的要求。表面電漿子共振（SPR）具有高靈敏度、即時性和非標記性等優點。本研究應用了影像SPR系統，並將其與設計的細胞培養管相連。 然後應用IDA-B適體探針檢測外泌體表面的特定亞型整合素Alpha6beta4，主要來自4175-LuT細胞系（實驗組）與MDA-MB-231細胞系（對照組）。方法：首先，通過三維建模設計並製作細胞培養管連結SPR系統，並使用NTA、基因表達和細胞形態學分析初步討論細胞和Alpha6beta4外泌體在15和40微升/分鐘的流速所產生的剪切力下和預先設計好的細胞培養管中的生長代謝狀態。其次，用IDA-B適體測量對照組和實驗組之間通過納米顆粒追蹤分析（NTA）定量的相同濃度整合素Alpha6beta4外泌體之SPR信號的差異。再次，將一種新設計的具有不同結構且不能捕獲Alpha6beta4的適體IDA-GC與IDA-B進行Alpha6beta4外泌體捕獲，從而證明IDA-B特異性結合性能。最後，分別使用適體IDA-B和IDA-GC對細胞培養基中的外泌體進行連續檢測測試。結果：影像SPR可以穩定地測量出對照組和試驗組培養基中整合素Alpha6beta4外泌體的信號差異。同時，細胞代謝不會受到剪切力的影響初步驗證了連接表面電漿子共振系統與細胞培養管的進行連續檢測外泌體之可行性。討論：基於表面電漿子共振的特點，SPR可以即時測量比其他方法更低濃度的樣品。同時SPR系統是一種很有前途的可以與其他系統整合成新的生物感測器系統，例如可以與細胞培養系統和藥物或化合物篩選機合作。

• 學位論文

建立適用於生醫大數據分析及分類的生物資訊學工具及資料庫

近十年由於次世代定序技術的快速進步，使得總體基因體學的相關研究迅速發展，其中有大量文獻探討如何藉由分析原核生物的16S核醣體RNA來獲得一個環境中的菌相組成。因此，許多用來分析次世代定序技術所產出的細菌16S短序列資料的工具軟體與資料庫也應運而生。然而，這些工具大多都是開發在Linux作業系統，以指令集介面為主，對於缺乏資訊背景的研究人員來說，使用時將面臨許多困難，因此如何將這些指令集介面的軟體改良成具有親和力的線上圖形化介面系統，以降低分析工作的複雜度，是此份研究的主題之一。 近年來，越來越多的研究開始利用三代定序技術來研究細菌的16S全長序列，16S全長序列能將菌相分析至「種」的層級。菌種分類在16S核醣體RNA分析流程中是十分重要的一個步驟，但過往的文獻大多集中在探討菌種分類器對於次世代定序所產出的細菌短序列的分類效果，面對三代定序所產出的細菌16S全長片段的菌種分類效果卻鮮少有文獻探討之。因此，各個不同的菌種分類器對於原核生物16S全長序列的分類效能亦是本研究的探討主題之一。此外，這份論文也提出一個以菌種名稱為基礎來整合各個常用的16S資料庫之方法，期使該資料庫能提升「種(species)」層級的分類精確度。該整合資料庫的設計，主要是針對16S全長序列來進行菌種分類。 雖然三代定序所產出的原核生物16S全長序列含有較完整的物種分類資訊，能夠準確地將細菌分類至「種(species)」的層級。然而，截至目前為止，市面上仍然缺乏完整且便利的原核生物16S全長序列分析套件。因此，研發能夠分析原核生物16S全長序列的軟體有其必要性。此份研究亦探討如何開發一個友善便捷的線上原核生物16S全長分析系統，以提高研究人員的工作效率。 過去十年間，總體基因體學的研究人員不僅找出許多生物標記，也發表了大量的菌相資料，然而這些資料至今仍然缺乏具體的應用。此份論文除了探究如何開發總體基因體學的應用軟體，在最後也將提及將大量菌相資料與人工智慧做結合的可能發展方向。

• 學位論文

根據粒線體及細胞核顯微影像利用深度學習分類細胞週期

細胞在生長過程中可分為四個階段，屬於間期的G1、S、G2以及分裂期 (M)，不同階段的細胞除了外型變化外，內部的胞器如細胞核、粒腺體型態也會隨生長有所不同。要觀察細胞週期常用的方法為流式細胞術，其可以分析螢光強度判斷細胞位在哪個週期。現今的流式細胞儀也可進行影像拍攝，但其缺點為儀器拍攝時放大倍率及影像解析度不足，無法輕易分辨細胞較細小的胞器。在本篇論文中，我們利用fluorescence ubiquitination-based cell cycle indicator (FUCCI)及MitoTrackerTM對AC16心肌細胞的細胞週期及粒線體標定，並使用能拍出高倍率及高解析度影像的雷射共軛焦顯微鏡來拍攝時間序列上細胞變化的影像。得到的細胞穿透光及螢光影像則用於分類細胞位於哪一週期階段。在拍攝細胞影像時，為避免使用過多雷射通道造成的光毒性問題，我們不直接標定細胞核，而是利用U-net對細胞核螢光影像進行預測。最後我們將預測出的細胞核影像與拍攝的顯微鏡影像一同放入卷積神經網路ResNet及MobilenetV2訓練預測細胞位於哪個週期階段，在精確度上相比只放入螢光及穿透光影像有所提升。整體而言使用預測的螢光影像即可幫助提高分類週期的準確性，這個方法可以降低事前準備螢光染色的時間，更能讓觀察顏色有限的螢光顯微技術多了彈性調整的空間，讓研究者能觀察其他胞器在不同週期中的變化。

• 學位論文

基於機器學習和深度學習應用於預測重度憂鬱症之靜息態功能性磁共振造影訊號

重度憂鬱症是影響人類的一種常見的世紀重大疾病。而具有一定比率的重度憂鬱症患者在數個抗憂鬱症藥物的治療下沒有好轉就會被定義成頑固型憂鬱症。本研究分析199位受試者的靜息態功能性磁共振造影訊號，包含頑固型憂鬱症患者（無效藥物3種以上）、非頑固型憂鬱症患者（無效藥物2種以下）和健康受試者，我們想要建構一套輔助醫師預測是否為憂鬱症患者並依照嚴重程度預測是否為頑固型憂鬱症患者或是非頑固型憂鬱症患者的系統。 我們從靜息態功能性磁共振造影訊號中提取三種不同面向的特徵，包含區域同質性特徵、圖論式網路特徵和皮爾森相關性特徵，通過結合大量的特徵再選出最為相關且重要的特徵，經由我們的機器學習演算法能夠成功預測並分別在三種模型上（預測是否憂鬱症、預測是否頑固型憂鬱症、複雜情況預測是否頑固型憂鬱症）得到的準確率是84.3%、88.4% 和78.6%。並依照重要特徵能夠找出憂鬱症特徵分布在額葉、顳葉和頂葉，而頑固性嚴重度特徵主要分布在額葉和顳葉。 最後，我們透過深度學習來簡化處理資料步驟，並分別在三種模型上的準確度為87.5%、84.2% 和71.0%。 關鍵字：重度憂鬱症、頑固型憂鬱症、靜息態功能性磁共振造影、機器學習、深度學習

• 學位論文

使用深度學習在超廣角眼底影像中進行周邊視網膜病灶診斷

隨著科技日益進步，人們長期使用電子產品易導致近視，進而發生各種眼部及視網膜疾病。特別是周邊視網膜病變，它是一種異質、退化性病變，並且好發於近視患者。若不及時診斷及持續追蹤或治療，可能導致輕度失明，而較嚴重的患者可能會導致視網膜剝離而喪失視力。在診斷周邊視網膜病變的過程，眼科醫生需要從超廣角眼底鏡影像中查看周邊視網膜是否有異常的組織及病變區域。因此，本研究提出一個輔助診斷系統來協助眼科醫生診斷周邊視網膜病變，以縮短診斷所需的時間，減輕醫護人員的時間及人力成本。 本系統包含影像前處理、病灶切割及診斷三個部分。首先，超廣角眼底鏡影像和對應的標註影像將先經過影像前處理，裁剪並調整到指定的影像大小。接著，預處理後的影像將用於訓練本篇所提出的CADx系統，以同時學習病變的切割和診斷。本研究提出一個含有編碼器、解碼器及分類模組的端到端網路來進行影像訓練，尤其是在編碼器中，我們整合了pre-activation ResNet-50和數個Transformer層，共享編碼特徵以進行後續切割及診斷兩個任務。最後，系統會產生切割及預測的診斷結果。在本研究，我們使用總計816張影像來訓練及測試我們提出的系統，包含：視網膜剝離18張、視網膜裂孔24張、格子狀變性32張、無壓力性白化43張、周邊視網膜病變142張、及其他557張非周邊視網病變的影像。在切割的實驗中可以達到Dice係數為 0.8613、IoU值為 0.7563、及HD95值為 24.6219的結果，而在診斷的實驗中可以達到平均準確度97.57%、靈敏度93.86%、特異度99.14%及ROC曲線下面積AUC為 0.8737。實驗結果證實本研究提出的方法可以切割出病灶區域及產生客觀的診斷結果，並且與其他方法相比有較出色的結果。

• 學位論文

奈米液滴汽化與後續穴蝕效應之數值模擬

聲穿孔作用是指利用超音波與超音波對比劑的相互作用使細胞膜產生穿孔現象，已被廣泛研究於輸送藥物、蛋白質和基因。目前已知可引發聲穿孔作用的主要機制之一為慣性穴蝕效應，但慣性穴蝕效應引發時造成的微氣泡破裂，可能會帶來非必要性的細胞死亡，因此期望找到其他方法來引發聲穿孔作用。在我們過去以聲學激發液滴汽化同步光學激發液滴汽化為基礎的聲穿孔研究中，我們已展示液滴反覆汽化凝結的機制，可產生一定劑量的聲穿孔效應，此顯示重複性汽化可引發聲穿孔作用的潛在性。為了近一步瞭解重複性汽化的機制，適當的數值分析方法是必要的。本篇研究將結合流體力學及超音波原理，以數值分析方法建立液滴重複性汽化模型，並在模型中發現可重複性汽化較容易發生於聲壓小週期長的參數條件。此外，為改善傅立葉分析在判斷可重複性汽化發生率的限制，本研究亦採用有限基函式之小波轉換進行具有不同波形之訊號分析，發現當其在高頻區間的能量超過設定之閥值時，能有大於 90 %之正確率找出液滴相變之發生，並可加入每微秒之相變次數提高可重複性汽化之判別。此外，我們也發現小波轉換於低頻高頻間的能量比值可為另一個判定汽化及穴蝕效應的方法。最後，以機器學習進行自動化分析時，發現傅立葉轉換在汽化及慣性穴蝕效應的分析上仍為較佳的指標，而小波轉換則可協助分析重複性汽化之發生機率及次數，因此未來可結合小波與傅立葉轉換用於汽化、重複性汽化與穴蝕效應之分析，協助臨床上更有效率的制定治療策略。