- Advertisement -
首頁 標籤 UI

UI

- Advertisment -

疫情推波AI應用 診斷系統/智慧輔具助醫療照護

2016年圍棋軟體Alpha Go問世後,人工智慧(AI)技術成為熱門話題。直至2020年,人工智慧的技術發展邁向普及,廣泛應用於各領域之外,機器學習(Machine Learning, ML)、深度學習(Deep Learning)、邊緣運算(Edge Computing)的技術都更臻成熟。今年疫情掀起智慧醫療討論風潮,將AI用於藥物研發與病毒研究,同時回顧自2012年AlexNet架構問世後,影像辨識大量運用在診斷及手術輔助場景。另一方面,結合AR的人機介面往智慧輔具方面發展,透過生物感測輔助身障人士擁有更便利的生活。種種醫療照護領域應用需求,搭配台灣AI技術的破壞式創新,使得台廠有望在市場中搶得商機。 AI朝向深度學習/少資料訓練發展 資策會產業情報研究所(MIC)資深產業分析師兼組長韓揚銘說明,MIC統計在2016年Alpha Go出現以後的深度學習框架更新狀況,發現2018年度各框架的更新總次數最高,總共達31次。框架更新的過程中,可觀察到有兩大趨勢,一是很多公司提供深度學習的框架加速AI模型的開發,二則是許多公司討論深度增強式學習框架應用的可能性。市場上的深度學習框架開發仍處於百家爭鳴階段,大廠之間不斷競爭,希望成為未來應用主流。 現階段的人工智慧技術由深度學習主導,朝向改善深度學習、解開AI判讀過程的黑盒子,以及使用少量資料訓練模型的方向發展。其中Meta-Learning只需要搜集少數資料,即可從不同的模型架構來快速獲得學習能力,達到通用的學習效果。影像辨識的模型訓練,也可以使用生成對抗網路(GAN)合成影像資料,再透過生成模型與判別模型相互訓練,達成多樣本訓練的需求。部分醫療影像便是使用GAN技術,用2D影像資料訓練模型,來進行3D影像的判讀。 韓揚銘分析現階段台灣的AI市場,由AI起家的AI產業,以及做出AI產品的科技公司所形成的產業AI,統計共有342家,並擴及13領域。技術分布上,以數據推論為大宗,第二大為電腦視覺(圖1)。成立時間上,以2016年Alpha Go研發前後為分界,2013年AI相關的公司開始大幅增加,又以2017年增加幅度最高。投入的領域方面,2016年以前成立的公司,以製造、跨域整合及商業服務為主,2016年以後,多數公司投入跨域整合、醫療健康、行銷與媒體。 圖1 產業AI與AI產業技術發展 資料來源:MIC,06/2020 為疫情協作 補足AI算力需求 2020年隨新型冠狀病毒(COVID-19)疫情發生,AI技術大量應用在疫苗及藥物的研發工作,其中所需要的大量運算能力,可藉由分散式的協作達成。工研院產科國際所研究經理陳右怡舉例說明,AI進行疫苗研發跟藥物開發需要強大的算力,而為了補足算力,史丹佛大學的實驗室透過網站提供軟體下載,全球各地的志願者下載後,可以設定電腦在閒置的時段內提供算力來解碼病毒,並將結果回傳實驗室,由全球百萬台電腦共同進行,拆解COVID-19的病毒結構,以利藥物研究。 影像辨識助臨床診斷 回顧AI在智慧醫療領域的進程,新冠疫情尚未爆發前,2012年Google發表AlexNet架構,人類在影像辨別上有大幅的技術成長,資策會MIC資深產業分析師吳駿驊表示,自此開始AI相關的論文數量在六年間成長六倍。然而新技術的研發伴隨法規等落地挑戰,由於診療輔助的AI系統來自於大量醫療數據的機器學習成果,上市前達成臨床與效能評估後導入醫院,但是進入實際應用場景後,仍會隨著比對醫師診斷結果、搜集更多使用者數據而不斷的循環更新。換句話說,AI診斷系統上市後仍因為持續的訓練、優化而改變,但是當時的規範無法歸類相關產品,AI系統因而面臨醫療法規認證的挑戰。直到2018年4月FDA採認全球首款AI設備,通過一款近視視網膜的AI影像辨識系統的認證。吳駿驊進一步說明,目前世界各國的規範不同,但是隨著AI的技術持續推進,法規就會逐漸具體化。 就AI醫療發展的現況而言,MIC統計CB Insights在2020年5月挑選百大新創的AI公司中(圖2),醫療領域在去年跟今年都有14家,14家之中又以診斷輔助為大宗,數量跟募資金額皆最高。吳駿驊提及,影像辨識的判讀輔助是最具快速商用機會的應用,來自量測腫瘤、斷層掃描、病理切片、核磁共振、超音波及X光的影像數據,可以協助醫師快速分類並判讀病徵,找到高風險的影像或者避免醫師漏診。 圖2 輔助診斷與藥物開發為市場熱區 資料來源:CB Insights;MIC整理,05/2020 生物感測搭配UI成就智慧輔具 除了AI醫療的臨床應用,非接觸式的人機介面也是AI在醫療照顧領域有成功案例的技術趨勢。當AI結合跨領域知識,便可以造福過往不易接觸科技的族群,如視障/聽障/身障人士,皆可透過生理感測技術,取得智慧輔具而獲得更便利的生活。此外AR應用的加入,則為醫生提供更多手術所需的參考依據。 資策會MIC資深產業分析師林巧珍提及,非接觸的人機介面結合生物感測,能夠開發出更人性化且價格親民的輔具,也能在手術方面輔助醫生判斷病人狀態。例如智慧義肢BrainCo藉由感測腦波跟肌肉訊號,達到控制智慧義肢的目的,並且結合演算法學習使用者的習慣,協助肢障人士做到拿杯子、握手等動作。視障輔具Orcam則是結合手勢辨識、語音與視覺UI的產品,當視障者將Orcam戴在眼睛旁邊,手指向任何物品或文字,裝置即可朗誦內容或提供物品名稱。在購物情境中,裝置會告訴使用者手中的鈔票面額,或者閱讀時為使用者朗讀內容。 人機介面用在智慧輔具之外,結合AR所做的Medivis是手術房的混合實境系統,由兩位醫師號召軟體工程師創業,可應用在手術房與教學情境中。以腦部手術為例,傳統上醫生會先從平面顯示器觀看患者大致的2D器官位置圖片,現在如果改用混合實境的視覺UI介面,能夠把患者的全息影像直接覆蓋、顯示在患者的身體上面,手術醫生可以隔空透過手勢即時與影像互動,即可看到患者的器官全貌,找到精準的下刀位置,大幅降低手術風險。此外,Medivis還能用於醫學院的教學訓練。除了顯示虛擬實境3D影像,Medivis可以容納最多20個學生跟同一個影像互動,降低模擬手術成本的同時提高學生學習成效。 林巧珍認為,目前UI技術由不同單位各自研發,但是接下來將走向合作,形成跨領域產業。整體而言,智慧輔具作為剛性需求,賦能載具將開枝散葉,市場敏感度高的新公司即便沒有大廠的知名度跟資源,還是有機會突圍成為獨角獸公司。加上未來三到五年AR/MR的技術越加活絡,科技設備的控制會跳脫螢幕與滑鼠,直接由視覺、手勢甚至意識操控。 台廠機會在精準醫療 綜觀AI醫療的走向,吳駿驊提出台灣廠商的三大機會。一是在原先以國際大廠為主流的醫療產業中,AI破壞式創新的快速研發形式,使得台灣有機會進入醫療的核心市場。其二是醫療儀器生產多來自大型廠商,而雲端廠商如Google、阿里巴巴皆想競爭智慧醫療的軟體市場,除了面臨多數醫院資料不能上傳雲端的問題,軟硬體產商也都積極尋找合作夥伴,以提供完整的方案。 在產業的競合關係中,ICT業者可以考慮利用新創與醫院的合作優勢,打造國內醫院的智慧解決方案,包括如何收資料、部署AI等,在應用的流程中隨時搜集資料。第三個機會則來自精準醫療的需求。生病往往是飲食不對、沒有運動等生活習慣導致,如果能夠搜集並分析生理數據,便有可能達到疾病預防的效果。而搜集數據所需的感測器,包含穿戴裝置使用的判斷模型皆是台灣的技術強項,因此可以發展相關的消費性電子產品(圖3)。 圖3 健康照護各次領域也快速採用AI技術 資料來源:MIC,05/2020  
0

瑞薩宣佈推出兩款非接觸式使用者介面解決方案

瑞薩電子宣佈,新推出了兩款非接觸式使用者介面(UI)的解決方案,來簡化以2D和3D控制為基礎的應用產品設計。這些全新的解決方案,是以瑞薩的電容式感測器微控制器(MCU)為基礎,來支援UI的開發,而讓使用者不必觸摸到設備,就可以操作家電與工業及OA設備。這種UI解決方案,讓家電和設備製造廠商,能夠快速開發出非接觸式介面,而在設備的便利性和設計上,提高產品的附加價值。 非接觸式操作在許多情境中是有利的,例如當使用者的手是濕的,或搆不到控制鍵,或觸摸控制器不安全等。瑞薩全新的非接觸式UI方案,舉例來說,在廚房中,使用者可以在水龍頭附近,透過手勢調節水溫和流量,或者是藉由抽油煙機,用手勢來調節其風扇的轉速。非接觸式UI解決方案讓客戶能夠在其嵌入式設備中,輕鬆實現這些介面。 瑞薩電子公司家庭事業部副總裁守屋徹表示,瑞薩對以MCU為基礎的觸控鍵解決方案,所造成的強勁迴響感到高興,這些解決方案目前正由200多家瑞薩客戶佈建中,瑞薩很榮幸繼續為客戶,提供能為市場帶來新功能和新體驗的解決方案。全新的非接觸式解決方案,代表了電容式觸控感測器系統的發展,踏出了另一步,而其具有高靈敏度和出色的抗雜訊性能,可在多種條件下執行,並將為家居與工作場所,帶來親和力更高,使用更便利的新UI。 新的手勢型解決方案,分別檢測了在2D坐標系中,以及在3D空間中的運動。瑞薩藉由這兩款解決方案,提供了以電容式觸控鍵MCU所構成,參考硬體的設計材料(電路圖、電路板設計資料檔案和零件清單),以及座標計算中介軟體、範例程式、應用指南,和用來監控被檢測座標的評估工具。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -