醫學影像雜訊去不完、分割技術又卡關？你需要來點 AI 智慧補給！
　
工研院最新線上課程，#雙重獨家 帶你從技術到實務，憑實力站穩智慧醫療新浪尖：
#獨家技術「自助式輔助眼底攝影」一鍵全自動清晰成像升級你的設備力
#獨家案例 搭配精選影像及影片，張張深入分析，累積你的判讀實戰力
　
領銜智慧醫療新視界，現在就加值你的 AI 醫療影像辨識力 >> https://supr.link/EhyRd

#OCR #光學辨識技術 #聯合知識庫 #長達69年的報紙資料庫 #報紙數位化
#報時光是怎麼練成的

【報紙數位化】
以前做一則剪報或找一則「舊聞」，
經常要費盡千辛萬苦，也不一定能找到。
而現今只要上去知識庫就能輕鬆找到，資料查找相當方便
分享2001年聯合知識庫開站的說明，
來了解一張張歲月裡泛黃的紙本報紙，
當年是怎麼變成數位內容的。

圖說：五二○事件街頭衝突過後，警方坐於街邊看報紙
日期：1988/5/21
來源：聯合報
攝影：聯合報攝影組

#報時光UDNtime


歷史新聞

【2001-02-19/聯合報/11版/話題】

製作過程
每篇文章 錯誤不到一個字

【記者李彥甫╱專題報導 】如何把已經泛黃的數十年舊報紙，轉換為資訊時代可用的知識？如何把每天產生數十萬字報紙新聞有效地分類整理？即使資訊科技發展至今，仍沒有一項技術可以滿足上述需求。今天（十九日）正式上線的聯合知識庫，事實上是整合國內外多項技術，克服各項技術障礙，自行開闢了一條新途徑，才能造就最大的華文新聞資料庫。

聯合知識庫以光學辨識技術（OCR）進行報紙的整版掃描，再用圖文切割方式，將報紙版面上的內容分區切塊辨識儲存，然後再以新開發的系統進行「自動為主、人工為輔」的兩套循環校對除錯，最後在使用上輔以人工智慧資料加值與搜尋引擎技術。

在這條報紙數位化的生產線上，先透過大尺寸的數位掃描器將報紙影像掃入電腦中，後端的影像處理伺服器進行去除影像雜訊，接著切割報紙標題與內文區塊，校對版面，並逐版把切割完成的報紙影像登入資料庫中。文字條稿影像登入資料庫後，接著將依照定做的文字辨識核心進行辨識，此階段的正確率可以達到百分之九十八以上。

不過，新聞內文的部分可以直接登入資料庫，但標題的部分卻需要人工輸入。這是因為報紙標題的欄位、字體、字形非常多元化，電腦畢竟不夠聰明到可以辨識如此複雜的變化，利用人工輸入反而快速而省事。下一步則是困難度甚高的「校對」，全景軟體公司提供了「集字校對工具」，將辨識出的相同文字排列，進行電腦自動比對，約可過濾出百分之二辨識上有疑問的文字及符號，然後進行人工確認，此階段的正確率約百分之九十八點八八。接著再使用切字及難字校對，完成後的正確率約為百分之九十九點六二。但是這樣還不夠，必須進行下一個程序的校對─「逐字校對」 (整篇校對 )，但所謂「逐字」，並非重新校對所有的字，而是校對電腦挑選出來的可疑字。

經過兩套循環的校對除錯，聯合知識庫內容與原報紙內容相比，正確率已可達到百分之九十九點九一。一般而言，見報文章平均字數約七百字，也就是說，聯合知識庫的內容基本上已可做到「每篇文章錯不到一個字」的精準度。

【人工智慧如何席捲未來醫院？】3D 人臉辨識把關取藥身分、機器人支援不足人力

Posted on2020/09/11
TO 創新嗜讀

【我們為什麼挑選這篇文章】隨著人工智慧應用愈加廣泛，手術室、藥櫃也變得更加智慧，協助提升手術效率、用藥安全，讓我們看看 《從 AI 到 AI＋：臺灣零售、醫療、基礎建設、金融、製造、農牧、運動產業第一線的數位轉型》一書中《航向智慧醫療新藍海》章節的介紹。（責任編輯：呂珈寧）

未來醫院的規模不再以病床數來衡量，而是急、重、難症的治療能量，而手術室絕對是最重要的場域。根據世界衛生組織（WHO）規範的手術安全查核規範（WHO Surgical Safety Checklist），一個手術分成三大部分：Sign-in（簽入）、Time-out（暫停）、Sign-out（簽出）。每一個步驟都是確保病人手術安全、資訊正確與醫療團隊間的精准溝通。

臺灣 ICT 資源豐富，為智慧手術室奠定扎實基礎

WHO 只提供最基本的規畫方針，然而 ICT 資源豐富的臺灣，提供了更先進的智慧手術室規畫。當病人經過一連串術前檢查，並確認手術進行時間與主刀醫師之後，整個流程會由智慧病房系統轉移到智慧手術室排程系統。中央器械供應室有隨時待班的器械運送機器人，依手術室排程來運送病人手術名稱對應的器械包盤與相關耗材；機器人經由乾淨走道運送滅菌手術器械包盤，送達指定手術室後透過系統通知主責護理師；術後的髒汙器械運送機器人則按手術結束時間，由護理師啟動手術助理排程作業系統，搬運機器人前往載運髒汙器械、器具和物品。

一臺滿載的手術專用個案車（case cart）可能重達一、兩百公斤，藉由在汙物專用走道來回運送的機器人，不但可以降低器械運送人員的職業傷害，還能支援假日急刀人員不足、降低營運成本與管理複雜度，同時主動通知器械供應室收送案件。機器人的輔助讓手術室運作更為精准並提高效率。

落實手術中安全查核，透過手機 App 一手掌握

除了術前與術後的自動化效率，最重要的是真正落實術中的安全查核。每臺刀雖然都有標準作業流程，還是難以避免突發狀況。當手術門關上後，所有溝通聯繫都只能透過電話進行，這對於要調度上百名護理人員並同時運作數十間手術室的醫院來說，一直是很大的挑戰。透過手機上的手術查核 App，病患 Sign-in 時同時確認身分、麻醉準備、器械耗材清單；Time-out 時手術團隊的再次互相確認工作職掌、病患身分與手術部位；Sign-out 時確認檢體、器械與耗材數量。

這些步驟都在流動護理人員手上的 App 清楚呈現，每個步驟的確認與時間點即時同步到手術室護理站的電子白板，彷彿在戰情室裡同時操控數十個戰役的後勤資源調度。這種結合手術臨床流程、HIS 系統整合與手術紀錄、機器人自動化規畫、App 排程設計的完整方案，讓臨床醫療的高度專業融合在軟硬體的整合中，是 AIoT 精准醫療的經典應用案例。

智慧藥櫃提升用藥安全，大幅減少重大醫療疏失

WHO 最近把「Medication Without Harm」視為全球最重要議題推動，並在 2017 年德國波昂召開的會議中定下明確目標：5 年內降低 50％ 的用藥傷害。臺灣的醫院一直落實「三讀五對 1」的給藥規範，以確保病患的用藥安全，但在繁忙的臨床作業中，醫師常因病情變化而調整用藥，若只以人力核對，很難完全落實用藥安全；而利用物聯網科技輔助用藥安全，為當前唯一的解方。

麻醉管制藥品監管是一家醫院最重要的藥品管理核心，如果出現任何差錯，常會演變成重大醫療疏失。此時，智慧藥櫃搖身一變成為最佳利器 。依照管制藥品領藥規定，必須同時兩人取藥，利用醫事人員卡和 3D 人臉辨識、再連動到院內值班系統，對於取藥身分做最嚴格的把關。根據不同醫院用藥習慣，彈性組合藥物放置空間；取藥時利用 AI 藥品影像辨識比對藥名與數量，確保正確的醫師調劑處方；最後再連動醫院藥劑部的藥品系統，時時盤點，確保全醫院的用藥情形安全無虞。

醫院另一個用藥安全的場域，是癌症化療藥劑的運送安全。醫院的化療藥物調劑室為受嚴格管制的特殊區域，因此通常設置在和一般病患施打藥劑地點一段距離以上的空間。利用 3D 圖資與內建 LiDA（認知架構）的運送機器人，可以安全且精確地在調劑室與護理站之間穿梭；調劑藥師通過 3D 人臉識別之後，將調劑好的化療藥劑鎖入內嵌 RFID 的感應門鎖；送達化療病房後，責任護理師經過 3D 臉部辨識認證後，取出藥物進行投藥。整個過程不但能避免因人力運送化療藥物可能發生的傾倒，以及化療藥劑領取時人員認證的管控風險，藥物取放時間點、即時位置與人員身分都即時連線院內系統，確保整個化療用藥流程的絕對安全與精准管理。

AI 、深度學習應用，有效協助降低用藥錯誤次數

臺灣在醫療健保普及的制度下，民眾用藥頻率極高，藥物事件造成的風險隨時都在發生。醫院藥物事件發生地點以藥局為主（36.2％），其次是一般病房（32.2％）；醫院藥物事件發生階段以醫囑開立與輸入（54.9％）最多，其次為給藥階段（23％）、藥局調劑階段（20 ％）；從「醫囑開立與輸入階段」細項來看，以重複用藥（18.4％）最多，劑量錯誤（16.4 ％）次之；而在藥局調劑錯誤階段細項中，則以藥名錯誤（44.9 ％）最多，數量錯誤（20.8 ％）次之；另外在給藥錯誤階段細項中，以劑量錯誤（22.5％）為最多，藥名錯誤（15.5％）次之。

為了降低用藥錯誤次數，利用 AI 人工智慧，串聯機率、藥品資料庫與深度學習，扮演藥品守門人，及時攔截不正確的藥物事件 。將 AI 應用於用藥辨識的方式相當多元，例如導入臺灣健保資料庫與大型醫院提供的電子病歷，實行無監督學習 2，讓 AI 學習醫師開立處方的行為，進一步判斷醫囑開立後是否有藥物名稱與該病症無任何關聯，進而發出系統警示；抑或將藥品辨識導入藥局調劑階段，利用 AI 藥物影像辨識技術快速識別從藥櫃中取出的藥物名稱、外型和數量，隨後從藥品資料庫帶出藥性、藥物副作用等相關資訊，使藥物調劑時更快辨認是否與處方籤相符，減少取藥錯誤。

無論是裸錠、鋁箔包裝、液裝或盒裝的 AI 藥物影像辨識，前提都需要教導 AI 進行幾何變換（geometric transformations）： 包含放大、縮小、旋轉；顏色亮度、對比度、色調修正；圖像融合（image composite），拍攝影像與影像資料庫的加、減、組合、拼接；降噪（image denoising ／noise reduction），影像上的雜訊來自硬體或環境光等因素，如果影像雜訊太多，將會影響邊緣檢測與影像分割的準確性，因此如何過濾影像上的雜訊並保留有效訊息就相當重要；邊緣檢測（edge detection）與影像分割（image segmentation）的配合，能將一張影像分割成多個不同區域並準確擷取局部特徵，讓 AI 進而認識藥物形狀、大小、顏色、文字、數量等特徵，最後根據前述擷取的影像資訊與藥品資料庫進行配對，即可精准告知使用者藥物名稱和相關資訊。

AI 藥物辨識技術大致可分成兩種：1：1 和 1：N，前者的應用多為醫療中心藥劑部調劑時，驗證管製藥或高貴藥的身分；後者則應用在預防取用多種藥品時的錯誤。以技術難度來看，1：N 的難度比 1：1 還要高，因為 1：N 的藥物辨識更容易受藥物類型、拍攝角度、拍攝方向、拍攝距離、環境光等因素影響辨識準確度。因此在現階段，藥物影像辨識技術與藥物辨識機構的配合度相當重要，產品設計者需針對不同類型藥物提供適合的辨識環境，以降低這些干擾因素。

資料來源：https://buzzorange.com/techorange/2020/09/11/future-hospital-ai/

【 ♬ 數位音樂平台】
iTunes : https://pse.is/IT635
KKBOX : https://pse.is/KK635
Spotify : https://pse.is/SP635
QQmusic : https://pse.is/QQ635
--------------------------------------------------------------------------
Lyricist&Composer : 女神下午茶
Photographer : 女神下午茶

【MV全球大首播】
女神下午茶首張創作專輯『635』節奏慢打 - 『ICE』
「愛，死了」已降至冰點的愛情，再如何努力地挽回，都不重要了，愛已變了，女神專輯唯一節奏慢歌，失戀也要很有骨氣。
--------------------------------------------------------------------------

每一拍心跳
不斷跳動徵兆
不用再宣鬧
熱戀彼此美好

像一顆葡萄
咬碎心甜丟掉
已無力宣告
我們愛情死掉

LOVE LOVE~ 愛死了
又何必呢
招惹誰了
LOVE LOVE~ 愛死了*4

又何必呢
招惹誰了
愛已變了
不想要了

當每次想到你要跟我說分手
我就無法自拔地想要再聯絡
在夜深人靜你會不會想起我
這樣的白日夢我還要做多久

不想要傷
不想要痛
不想要說
不想要懂
WOW WOW NO
WOW WOW HO NO
HO 愛錯

LOVE LOVE~ 愛死了*2

像一顆葡萄
咬碎心甜丟掉
已無力宣告
我們愛情死掉

LOVE LOVE~ 愛死了
又何必呢
招惹誰了

LOVE LOVE~ 愛死了
愛已變了
不想要了

當每次想到你要跟我說分手
我就無法自拔地想要再聯絡
在夜深人靜你會不會想起我
這樣的白日夢我還要做多久

你說你想要 一個人靜一靜
你說你想要 暫時分開行不行
你說你無法 成為我的唯一
你說你無法 維持關係下去

沒關係就讓 你一個人靜一靜
沒關係我們 暫時分開也可以
但最後我想 緣分也已斷訊
不用你我也 可以過得很開心

不想要傷
不想要痛
不想要說
不想要懂
WOW WOW NO
WOW WOW HO NO
HO 愛錯

愛已變了
不想要了
LOVE LOVE~ 愛死了

--------------------------------------------------------------------------
利用影像雜訊的方式表達失戀後不完整的自己，創傷還未復原，依然留戀、依然不悅。
多重的自己幻想出來的美好結局，好像最後卻不是那樣定義，愛死了後，故作堅強的
在游移，經歷過這樣子的情緒重組，才能為失去的愛情，好好做個了結。
--------------------------------------------------------------------------
#女神下午茶 #635 #2018 #NEWALBUM #DivaTeatime

More about 女神下午茶 @
https://www.facebook.com/divateatime/
https://www.instagram.com/divateatime/