-
Applicaiton Required H11-M10_基於視覺與語言模型對比式訓練的零樣本學習方法
Update frequency Irregular Page view 357 Downloads 0本計畫團隊開發 PathGenIC 的主要目的是提升病理報告生成的效率與準確性，透過多模態 In-Context Learning（ICL）技術，模擬病理醫師「參考相似案例後再撰寫報告」的實務流程，減少人工負擔並輔助年輕醫師進行診斷學習與報告撰寫。 本 AI 系統可望解決以下社會問題： ... -
Applicaiton Required H11-M11_以數據蒸餾為基礎的小樣本學習方法
Update frequency Irregular Page view 327 Downloads 0Drop2Sparse為改良的 資料集蒸餾 (Dataset Distillation, DD) 方法，透過 隨機稀疏化 (random sparsification) 已訓練完成的模型，產生具多樣性與正則化效果的子網路，進而提升合成資料集的品質與泛化能力。其用途為： • 分類任務：影像分類基準（CIFAR-10/100,... -
Applicaiton Required H11-M12_藉由影像特徵提升可解釋性推論品質的AI模型
Update frequency Irregular Page view 349 Downloads 0降低醫療影像標註成本、發展弱監督學習方法提升自動化皮膚病變診斷效率。 它能解決的社會問題主要是： ・ 早期皮膚癌檢測 ・ 醫療資源不足 ・ 醫療效率提升 -
Applicaiton Required H11-M120_小鼠大小脂肪變性分割模型
Update frequency Irregular Page view 249 Downloads 0分析切片中，大小油滴分佈比例 -
Applicaiton Required H11-M22_半監督式深度學習方法之分割方法
Update frequency Irregular Page view 2031 Downloads 0This dataset has no description
-
Applicaiton Required H11-M122_聯邦學習中處理組織病理學資料異質性的染色對齊
Update frequency Irregular Page view 1300 Downloads 0利用擴散模型將各客戶端的資料分布進行對齊，以降低組織病理學資料的異質性對於聯邦學習的衝擊 -
Applicaiton Required H11-M02_隱私保護之聯邦式學習模型
Update frequency Irregular Page view 418 Downloads 0GradientHide 透過新增公共資料更新步驟並使用 CLIP 進行標籤對齊來防止聯邦學習中的梯度反轉，從而有效地保護隱私，同時保持跨基準資料集的模型準確性。 -
Applicaiton Required H11-M24_非監督式深度學習方法之協同分割方法
Update frequency Irregular Page view 1616 Downloads 0使用非監督式學習訓練之病理影像細胞分割模型，利用協同分割與多尺度特徵強化模型擷取影像特徵能力，以提升辨識準確性與Robustness。 -
Applicaiton Required H11-M18_持續性學習於籠統概括標籤之影像偵測模型
Update frequency Irregular Page view 1704 Downloads 0使用持續性半監督式學習訓練之自然影像偵測及分割模型，利用雙教師模型與實例回放的方式避免災難性遺忘問題。 -
Applicaiton Required H11-M19_持續性學習於籠統概括標籤之影像分割模型
Update frequency Irregular Page view 1623 Downloads 0以圖像級標籤為基礎達成語意分割的持續學習，結合了生成模型進行資料擴增來達成更好效果。 -
Applicaiton Required H11-M28_基於批次模擬應對資料分布不均之分散式訓練方法
Update frequency Irregular Page view 1294 Downloads 0基於用於在聯邦式資料特性的分部不均的訓練方法 -
Applicaiton Required H11-M119_挑選可信任偽標籤與一致性乳癌模型
Update frequency Irregular Page view 1558 Downloads 0語意分割ki67陰性與陽性 -
Applicaiton Required H11_M09_高解析度影像的高效率深度學習方法
Update frequency Irregular Page view 4354 Downloads 896Method The goal of the model is to use resnet50 with AMP(AUTOMATIC MIXED PRECISION) to accelerate the training speed and make a high-resolution skin cancer classification. Usage... -
Applicaiton Required H11-M33_具可持續學習性質之聯邦式學習
Update frequency Irregular Page view 602 Downloads 0聯邦式學習分類模型。聯邦式學習不同 client 端蒐集的資料往往有不同的資料分布，各個client使用各自私有資料更新model時，常會遺忘從其他 client 學習到的知識。本方法引入具持續性學習性質的prototype，紀錄不同 class 的特徵分布，引導client 訓練model 時不要遺忘從其他 client 學習過的資訊，提升聯邦式學習效能。 -
Applicaiton Required H11-M21_持續性學習之影像分割模型整合(最終版)
Update frequency Irregular Page view 562 Downloads 0病理組織影像需由醫師進行標註，然而影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像分割結果做為參考資訊。 -
Applicaiton Required H11-M20_持續性學習之影像偵測模型整合(最終版)
Update frequency Irregular Page view 554 Downloads 0細胞影像需由醫師進行標註，然而不同的細胞影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像偵測結果做為參考資訊。 -
Applicaiton Required H11-M126_肝脂肪變性分割模型
Update frequency Irregular Page view 635 Downloads 0因數位病理影像尺寸巨大，病理醫師人為檢視與精確標註極為耗時，本AI目標是開發在只有少量精細標註的資料下，充分利用影像資訊，使訓練後的 AI 模型可達到比肩甚至更勝於傳統訓練方式的效果，並提供醫師診斷時的輔助參考資訊。 -
Applicaiton Required H11-M125_HER2分級模型
Update frequency Irregular Page view 657 Downloads 0HER2分級需量化整張切片組織的膜染色細胞核強度與完整度數量，過於耗費時間及精力，因此透過模型及方法統計HER2數位病理切片影像每顆細胞膜染程度與情況，得到最後分級。 -
Applicaiton Required H11-M124_DISH HER2 細胞核實例分割模型
Update frequency Irregular Page view 651 Downloads 0乳癌DISH細胞核精準分割預測，搭配影像處理計算機因放大數量，幫助病理醫師判斷病患嚴重程度。 -
Applicaiton Required H11-M29_基於多倍率異質性公私模型交互監督之半監督聯邦式學習
Update frequency Irregular Page view 375 Downloads 0考量病理影像過於龐大，使得標註成本過高，以及了解到若能聯合多間醫療院所共同訓練 AI 模型，可有效降低標註需求，發展一種基於聯邦式學習並引入多倍率概念的公私模型交互監督之半監督聯邦式學習，藉由少量標註成本學習複雜的病理影像資訊。