人工智慧與科學計算實驗室

AI & Scientific Computing Lab

本實驗室位於台灣科技大學電機系EE304-1，專注於人工智慧（AI）及多模態深度學習的應用，尤其是在影像辨識及分析領域。實驗室的研究涵蓋多種醫學影像技術，致力於開發先進的影像處理與分析方法，以提升醫學診斷的準確性與效率。近期的研究成果之一為TigerBx人腦區域分割軟體，該軟體運用神經網路模型實現大腦結構的自動分割。實驗室成員積極參與國際會議，並在深度學習比賽中獲得佳績。

我們致力於探索多元應用與跨領域整合的研究方向，著重於醫學影像處理、深度學習、多模態 AI 與大型語言模型（LLM／MLLM）等技術發展，提供學生在工程、資訊科學及醫療情境中從資料到系統的實作機會。研究主軸涵蓋生醫影像與生理訊號分析、雲端計算與智慧系統整合，目標是將技術應用於健康監控、輔助診斷與臨床工作流程改善。

在醫療資料分析方面，我們發展影像去噪、重建、分割、特徵萃取與自動化分析方法，並導入自監督／表徵學習（如 MAE、DINOv2）建立具泛化能力的異常偵測與定位流程，以降低標註成本、提升跨資料來源的穩健性。同時，我們也研究多模態影像融合與跨模態特徵對齊，強化在不同影像模態與不同機構條件下的判讀一致性與可用性。

在多模態與智慧醫療應用方面，我們整合 LLM／MLLM 進行影像＋文字的臨床輔助，例如影像描述、影像問答、輔助報告生成與 RAG（檢索增強生成）系統，讓模型輸出更可追溯、可引用且貼近臨床流程。此外，研究亦涵蓋生理訊號（ECG／PPG／EEG）之分類、異常偵測與事件偵測，並結合穿戴裝置、物聯網與雲端平台，建構可即時分析、儲存與視覺化的端到端資料管線。為確保可落地性，我們也投入 GPU 平行運算與推論加速／部署（如 ONNX／TensorRT／Docker），打造穩定、可擴充且可維運的智慧醫療系統。

本實驗室研究關鍵字包含：

深度學習、U-Net、機器學習、人工智慧、生醫影像、MRI影像處理、影像分割、醫學影像分析、心肌影像、腦部影像、資料增強、卷積神經網路（CNN）、主成分分析（PCA）、影像分類、影像生成、決策樹、隨機森林、支援向量機（SVM）、XGBoost、放射組學（Radiomics）、T1 Mapping、深度生成模型（GAN、VAE）、特徵選擇、超參數調整、影像對比增強、資料降維、神經網路微調、GPU加速運算、CUDA、雲端運算、LSTM、Transformer、BERT、放射線治療影像分析、多模態數據融合、影像對位（Registration）、醫學資料庫管理、資料不平衡處理（SMOTE）、交叉驗證、多模態影像處理（MRI、CT）、EEG（腦電波）、ECG（心電圖）、EMG（肌電圖）、PPG（光體積變化描記法）、呼吸訊號分析、非侵入式生理訊號量測、時頻分析、小波轉換、信號去噪、資料特徵擷取、異常偵測、情緒辨識、生理數據融合、穿戴式感測器技術、大型語言模型（LLM）、多模態大型語言模型（MLLM）、GPT模型、LoRA、模型輕量化微調、GPU加速計算、大規模資料處理與分散式訓練、資料合成與生成、醫學影像特徵學習與預測。