{{ 'fb_in_app_browser_popup.desc' | translate }} {{ 'fb_in_app_browser_popup.copy_link' | translate }}
{{ 'in_app_browser_popup.desc' | translate }}
{{ childProduct.title_translations | translateModel }}
{{ getChildVariationShorthand(childProduct.child_variation) }}
{{ getSelectedItemDetail(selectedChildProduct, item).childProductName }} x {{ selectedChildProduct.quantity || 1 }}
{{ getSelectedItemDetail(selectedChildProduct, item).childVariationName }}
精準健康產業跨領域人才培育計畫
臺灣在電子資通訊技術(Information and Communication Technologies)之產業發展已具堅實基礎,在人工智慧(AI)、5G、物聯網、區塊鏈等高科技產業發展迅速,政府考量全民健康福祉之需求,以大數據進行精準健康產業佈局,推動全齡精準健康,針對健康、亞健康、罹病、失能各階段,妥善運用健康相關之數位資料及技術,盤點法規缺口之待解決議題,並研議對應方案,以推動精準之預防、診斷、治療及照護等策略及商業模式,同時帶動相關產業之發展(圖一)。而臺灣推動精準健康產業期能發揮ICT優勢加值健康產業,對於未來健康醫療上無論是早期檢測、健康大數據、影像與基因資訊處理、輔助醫師決策、健康監測管理、智慧穿戴式裝置的發展都將受惠(圖二)。
然而面對未來20年全世界均將逐漸浮現有關人口老化、糧食安全、環境變遷、永續發展等問題,多元農業產業發展,亦刻不容緩。臺灣如何利用資通訊ICT技術 做好跨領域整合溝通、數據資料整合,是臺灣開創精準健康與多元農業產業新局之關鍵(圖三)。國家經濟產業發展,有賴紮實的人才基礎作為後盾,除了具備專業研發能力外,亦需要具有跨領域整合之實務應用能力。有必要進一步規劃精準健康跨領域人才之培育計畫;延續過去建立的人才培訓基礎上,配合臺灣創新產業發展強化大專院校培養更具有跨域整合與國際競爭力的人才。
圖一
圖二
圖三
▼世代交替、引爆未來 - AI 醫療照護實務應用▼
▼IoT / AIoT / 5G - 智慧農業實務應用▼
▼AMR / ROS 2 / AIoT - 服務型照護機器人▼
以下是國際競賽Intel® DevCup其中的「智慧醫療與照護」主題
團隊名稱 | 主題 | 簡述 |
---|---|---|
柏瑞醫 | X1 Imaging 骨質疏鬆人工智慧輔助篩檢系統 | 只需一般X光機或行動X光車所拍攝的符合WHO醫學指引髖部醫學影像,即可運用AI輔助分析,於6秒鐘內產出骨鬆風險報告。 |
FaCare | 非接觸式人臉偵測生理參數 | FaCare 是一種非接觸式用於量測人的生理參數軟體,應用OpenVINO技術,可以自動辨識人臉所在的區塊位置且動態追蹤,計算出心跳等生理數值。 |
JelloX Biotech | MetaLite® AI個人化數位病理輔助判讀軟體 | JelloX Biotech團隊開發MetaLite®個人化軟體,搭配Intel OpenVINOTM toolkit與第11代CPU晶片,讓使用者無負擔接軌AI數位病理新時代。 |
LUS.AI | 即時互動的智慧醫療 – OpenVINO讓AI隨著筆電帶著跑 | 使用 OpenVINO™ 做 CAM (Class Activation Mapping),進階使用到 OpenVINO™ Integration with TensorFlow 以實作 Grad-CAM 等進階應用。 |
MIBT | AI疾病預測系統 — 以酒癮為例 | 我們將分析電子病歷,建立酒癮預測模型,並將此模型實作在 OpenVINO 邊緣裝置。一般人只要輸入病史資料, OpenVINO邊緣裝置就能預測其是否有酒癮症狀。 |
NTUST x ITRI ’21 | AI移動型膝關節負荷評估裝置 | 此專案運用AI模型來預測運動時的膝關節負荷狀況,並評估可能造成的傷害風險,保障運動員有最佳表現。 |
恩庫斯特.艾希 | 輔助醫師快速篩檢失智症患者的資訊系統-DeepPACS | DeepPACS是一個輔助醫師快速篩檢失智症患者的資訊系統,它包括巡迴車與醫院兩方的醫療影像傳輸、AI自動標註、系統自動量測,並診斷有無失智症。 |
嫌dis老孫 | 使用卷積關注度神經網路模型偵測大腸息肉 | 大腸癌位居10大癌症之首,本研究內容提出自監督式學習架構,結合正相關圖片增強物件偵測的關注度,而本物件目標即為大腸癌的前身「息肉(Polyp)」來正確協助醫生惡性息肉的檢出率,減少漏診,提高診斷效率。 |