蘇逸鎮博士( 國立中央大學數學系 )

演講時間：113年2月27日下午1點30分
演講地點：A813

講題：利用機器學習方法對肝纖維化進行早期檢測和分類:基於影像的生物標記和數據驅動的計算技術在動態對比增強磁共振成像

摘要：近年來,慢性肝病已成為對健康產生嚴重影響的疾病。在肝纖維化的早期,有效的治療和適當的飲食管理有助於康復。

然而,目前常用的無侵入性診斷方法,如血液檢查和腹部超音波,對於肝纖維化的早期階段檢測並不十分靈敏。

因此,在這項研究中,我們提出了使用機器學習 (ML) 技術,透過特徵提取的方式,

以預測肝纖維化階段的方法。研究包括兩個部分,小鼠的實驗和人類受試者的臨床數據。

小鼠實驗使用支持向量機模型(SVM)和特定特徵(歐拉數和估算孔隙度)進行分類,

在預測肝纖維化階段上取得了良好成效。人類臨床上肝纖維化期數預測中,

使用血液檢驗和動態對比增強磁共振成像(DCE-MRI)信號曲線,且額外加入模擬肝臟時所提取出的新特徵,

也能有效提升預測的精確度。從研究結果可以看出機器學習應用在推動肝臟疾病評估和治療方面的重要性。

且有助於更深入理解肝纖維化,提供新的研究方向。