• 學位論文

利用遊戲化函式庫應用於語言學習之研究

本研究開發一套具有適應性之遊戲化函式庫。本函式庫利用CSA (Cumulative Sentence Analysis) 與PWB (Personal Word Bank) 兩套語言學習系統進行遊戲化函式庫應用之研究，其中CSA系統以英文閱讀為主而PWB以單字學習為重點。目的是將透過本研究之函式庫應用將二套語言系統進行遊戲化 (Gamification) 設計，俾使參與課程學生能以遊戲方式進行課程學習及課後複習與練習，以增進學習熱忱。 本研究採用PHP (Hypertext Preprocessor)、MySQL、JavaScript、jQuery、Ajax、JSON等套件，進行適應性函式庫之遊戲化設計與開發。開發之函式庫具有將提供者教材產生具遊戲化及適應性之內容。適應性函式庫之遊戲化具有三個主要元素，分別為分數 (Point)、排行榜 (Leaderboards) 及獎章 (Badges)。本實驗結合CSA與PWB成為遊戲化教材之基礎，實驗結果除完成基本元素建置外，另具有課程流程控制 (Content Unlocking)、學習進度統計 (Progress Bar)、玩家生命值(Life Bar)、玩家等級(Level)等適應性函式庫設計。 本研究所開發之遊戲化函式庫，不僅可將不同教材導入而成為具有遊戲化之內容，同時能成為學生課後自我學習的平台，以提升使用者學習成效。

• 學位論文

利用多切面電腦斷層冠狀動脈影像評估合理左心室分率估算之方法

利用電腦斷層心臟血管影像進行左心室容積之估算已在臨床廣泛應用；然而卻缺少方法之間的比較與正確性評估。因此，針對五種估算左心室容積之方法所推估之左心室射出分率(Left Ventricular Ejection Fraction, LVEF)，進行合理性與準確性比較，能提供評估合理LVEF估算之方法。 本研究利用多切面電腦斷層左心室動態影像，分別就原始影像以及經長軸旋轉後之影像進行Single-plane area-length technique (SPA)、Modified Simpson technique (MST)、Biplane area-length technique (BPA)、Cylinder method(Hemi-ellipse)、Teichholz等5種方法估算左心室容積，以手繪方式為金標準(Golden of Truth, GOT)。同時比較5種方法估算左心室容積與金標準之差異性與相關性。差異性分析利用T檢定與ANOVA檢定；採用迴歸模型、皮爾森相關係數分析以及M-A Plot (Bland–Altman plot)評估5種LVEF估算方法與GOT之相關強度。 實驗結果得知BPA與GOT方法之差異性最小(P=0.084)且與GOT量測結果左心室LVEF為高度正相關；未經旋轉影像條件下，經由M-A Plot得知MSA與GOT之結果最接近；經影像旋轉處理，由M-A Plot得知BPA與GOT之結果最接近。迴歸分析結果得知，在未經旋轉下與經影像旋轉條件下，BPA與GOT迴歸係數最接近1。 本研究針對五種幾何估算方法，在原始電腦斷層切片影像與經影像旋轉處理後，進行體積與左心室心搏輸出率的估算，比較後了解其中差異性及準確性，常見的幾何體積估算法中，以BPA較為可靠且可以信賴的方式。

• 學位論文

淋巴閃爍造影中注射點的偵測及濾除

關於前哨淋巴結活檢之淋巴閃爍造影(淋巴影像)尋找前哨淋巴結是有困難的，因為淋巴影像中剩餘的放射性藥物會從注射點開始擴散一起映射到影像上，導致檢測前哨淋巴結的難度增加，特別是靠近注射點的位置。而前哨淋巴結活檢主要應用在乳癌手術前，將切割出的前哨淋巴結拿去篩檢，檢查癌細胞有無擴散到前哨淋巴結。 因此我們希望能將淋巴影像更清晰的顯示出來，由於淋巴影像屬於高動態範圍之影像，所以本論文以色調映射(tone mapping)的方法將高動態範圍的淋巴影像轉換成低動態範圍。我們也將著重探討如何有效取得注射點位置，並利用Otsu的方法自動找出適當的門檻值，將淋巴影像進行切割，以便進行淋巴影像之分析。

• 學位論文

基於巨觀與微觀類別模型的一個機率式影像分類方法

影像分類在現在是一個熱門的議題，而把數千數萬張的影像分類不是一件容易的工作；分類系統是對影像的每個類別做特徵影像分析，以此為基礎結合影像內容中的色彩特徵，並且應用於分析影像內容以協助影像分類的工作。 在本研究中，從資料庫中選出訓練樣本，以視覺字塊的方式提取影像特徵，並且將區塊依照特性分為巨觀字與微觀字兩種類型，將取出的視覺字訓練成巨觀字典與微觀視覺字典，由巨觀字典與微觀字典為基礎建立類別模型，每個模型獨特，不易混淆；而後以建立的類別模型為分類依據，已達成分類影像的目的。

• 學位論文

快速DCT區塊之壓縮域全域影像強化

本篇文章提出了一個在壓縮域進行影像強化的方法，並且發展了快速的計算，直接將空間域方法於壓縮域當中有效的執行。由於現代人對於儲存空間的需求，通常人們都會對影像進行壓縮，來降低影像的儲存空間，但是影像在空間域進行強化之後再壓縮，極為繁複，所以本篇文章提出簡單快速的方法可以直接在壓縮域當中進行影像強化。 本篇文章同時提出了一種新的Haar transform，可以快速的將原本進行餘弦轉換之後產生的8×8矩陣，直接向下分解成1×1的類空間域，或者是向上合併成256×256的矩陣，以前的Haar transform 需要一步一步慢慢累加，計算過程非常的繁瑣沒有效率，我們所提出的新Haar transform只需要一步即可合併或分解成自己所指定的矩陣大小，不用逐步向下分解或向上合併。並且此文章也針對分解或合併之後的壓縮域矩陣提出了不同的壓縮域強化方法，使影像能夠在壓縮域也能有效的使用空間域的方法來強化，而且不會有嚴重的區塊效應產生，也能有效的保持影像的亮度。

• 學位論文

加權分段色調映射之高動態影像顯示

高動態範圍影像比起以往傳統低動態範圍影像能夠的到更多的資訊，而現有的顯示器通常大多是低動態範圍影像的顯示器。 為了將高動態範圍影像顯示在低動態範圍顯示器上，就有許多技術誕生，例如:色調映射、雙邊濾波…等等。利用這些方法將高動態範圍影像可以正常的顯示在低動態範圍顯示上面。 在本文中，我們提出了一種簡單的方法來做色調映射，先使用自動設定關鍵值β去進行色調映射，然後去計算映射後影像的亮度，利用標準影像的亮度來做權重值的分配。之後再提高降低關鍵值β映射兩張不同的影像，使用權重植來將兩張影像去進行融合。在權重值分配中，為了避免權重值在某些時候會發生過於趨近於零或一，所以我們限制了權重植最大值跟最小值。

• 學位論文

利用電腦斷層評估TACE術後腫瘤內碘油緻密度變化之研究

電腦斷層攝影(Computed Tomography, CT)是目前醫學造影儀中具有成像時間短、解析度高、應用性廣的臨床影像診斷工具之一。臨床上肝細胞癌(Hepatocellular Carcinoma, HCC)的診斷與追蹤大部分會使用CT 進行影像檢查。然而治療HCC 除了外科手術切除外，肝動脈化療栓塞術(Transcatheter Arterial Chemoembolization, TACE)亦是常用的方法。本研究動機藉由患者TACE 術後，利用電腦斷層肝臟血流動態攝影術(CT of Liver Triphase)定期追蹤TACE 術後腫瘤變化情形。採用回顧性實驗設計方法，收集經TACE 治療及定期追踪患者共23 位總計135 組影像；萃取腫瘤影像特徵包括平均值、標準差、最大值、最小值與體積以及追踪造影間隔時間、性別、年齡、甲基胎兒蛋白(Alpha-Fetoprotein, AFP)、麩草酸轉胺基酵素(Glutamate Oxaloacetate Transaminase, GOT)、麩丙酮酸轉胺基酵素(Glutamic-pyruvic Transaminase, GPT)。利用概化線性模式(Generalized Linear Model, GLM)建立影像特徵與生理生化指數和時間(檢查次數)的關連模型；根據TACE 術後及追蹤的CT 影像特徵和生理生化指數，了解腫瘤內碘油(Lipiodol)CT 值(Hounsfield Unit﹐HU)與時間之變化性。經統計分發現TACE 術後碘油(Lipiodol)CT 值與間隔時間、檢查次數及腫瘤栓塞緻密度之間具有關聯性。當腫瘤內碘油緻密度剩原有的百分之五大約需經過500 天，所以碘油栓塞範圍變小速率愈快，腫瘤治癒率也隨下降，則患者存活率相對也下降。此外，男、女性碘油緻密度下降至原有的百分之5 大約為500 天和1000 天，表示女性比男性的栓塞效果好大約2 倍。

• 學位論文

使用梯度向量直方圖之QR Code偵測

目前QR Code(Quick Response Code)是一種常見的二維條碼，由於智慧型手機越來越普及化，QR Code的應用也越來越廣泛，常在雜誌或者是海報上發現它們的存在，為的是方便資訊的儲存和型廣告行銷。一般使用者容易透過手機的應用程式來解碼。目前應用程式必須要近距離並對準QR Code才能讀取訊息。此篇論文結合QR Code和梯度方向直方圖(Histograms of Oriented Gradients，HOGs)，希望能在一張影像裡面找出QR Code的所在位置。輸入影像經過HOG特徵擷取，將像素點分類成9個方向的強度，透過特徵的資訊來辦識影像中是否存在QR Code。由於QR Code的影像主要由黑白影像的小方塊所組成，經過HOG的特徵擷取之後的資訊容易辨識，最後使用AdaBoost分類器來判斷，以此來提升辨識率。

• 學位論文

利用監督式區域平均法提升超音波B-Mode影像品質之研究

超音波掃描儀具有即時性、非侵入性、方便性以及無輻射性等優點；目前仍是臨床第一線經常使用之造影儀器之一。然而影像品質常取決探頭老化以及雜訊干擾程度。因此讓醫學影像品質更好，提供優良的診斷價值是重要課題之一。 本研究採用監督式區域平均法進行影像品質提升。利用腹部造影假體進行取像，由GE E9型音波造影儀之取像為監督者；而GE L9及Sonosite 180+取像為測試組。造影實驗因子包括2種深度(12和20公分)以及10個取像位置。開發5種線性與非線性區域平均演算法提升測試組影像品質。評估演算法處理前後影像對比度與訊雜比，透過相關性及迴歸分析，判定影像品質提升率。 分析結果顯示，測試組影像品質提升以線性模型為佳，其中中間提升值演算法對測試組影像之對比度提升率達14.53%；而線性轉換與中間值提升轉換之加權平均演算法對對測試組影像之訊雜比的提升率達1.19%；反之非線性模型的演算法對影像品質提升皆無明顯改善。從本實驗得知，線性模型對提升影像品質的對比度及訊雜比有相當大的幫助。

• 學位論文

99mTc-TRODAT-1單光子電腦斷層影像活性分佈及多巴胺轉運體活性體積之合理分類模型

99mTc-TRODAT-1單光子電腦斷層(Single Photon Emission Computed Tomography, SPECT)造影技術，已成為臨床常規評估腦部多巴胺傳導物質系統相關疾病之檢查。文獻上經常採用感興趣區域(Region of Interest, ROI)比值方式，量化紋狀體特異性攝取率，評估腦部神經傳導物質相關疾病，此方法仍有改善之空間。 本研究採用回顧性分組實驗設計，共收集202筆99mTc-TRODAT-1 SPECT影像及診斷報告，包括正常腦部6筆及帕金森氏病(Parkinson's Disease, PD)196筆。根據帕金森氏病嚴重程度又分為帕金森氏病HYS(Hoehn and Yahr Scale) I、II、III組(102筆)及帕金森氏病HYS IV、V組(94筆)。利用三維方式估算活性分佈及紋狀體活性體積之影像特徵共六個，採用統計無母數檢定找出具有顯著性之特徵值，再經由Logistic Regression(LR)及Support Vector Machine(SVM)分類方法進行建模，並評估合理單光子電腦斷層影像之帕金森氏病分類模型。 結果顯示SVM分類模型於解釋變數中使用偏態值、峰度值及多巴胺轉運體活性體積三個特徵值，分辨正常腦部及帕金森氏病之靈敏度、特異性、陽性預測率、陰性預測率、準確度及Kappa值皆高達99％。分辨正常腦部、帕金森氏病HYS I、II、III 組及帕金森氏病HYS IV、V組之靈敏度、特異性、陽性預測率及準確度均高於80%且Kappa值為68%。證實此模型能有效判定不同嚴重程度之帕金森氏病，期能提供臨床醫師診斷帕金森氏病嚴重程度之參考依據。未來仍須更多無異常影像之案例，以了解分類模型之偽陽性變化情形。