top of page
應用深度學習於精神疾病腦部 MRI 影像分析
元智大學資管系 第三十屆 專題製作報告
分組代號：ZD1
指導教授：郭文嘉教授
1111617鄭又瑄、1111629劉喬恩、111638郭喬恩
精神疾病是全球公共衛生的重要挑戰之一，
全球每八人中就有一人患有精神疾病，
但其複雜的病理機制與多樣化的臨床表現，
使得高達七成的患者未能獲得適當治療。
本研究結合 3D U-Net 深度學習技術與醫學影像，
探討腦影像特徵與思覺失調症、躁鬱症和重鬱症三種精神疾病間的關聯。
期望提出具臨床潛力的診斷輔助工具，
也為未來更客觀及標準化的精神疾病診斷提供重要參考與技術基礎。
RSVP
研 究 動 機
2024 年震驚社會的臺北保母虐童致死案，一名一歲多的男童被寄養保母及其妹妹虐待長達 114 天，在這期間他被餵食餿水、惡意謾罵和暴力對待，最終不幸死亡。全身遍布多達 42 處的傷勢，甚至患有憂鬱症和創傷後壓力症等心理創傷。後來，保母開始宣稱自己長期有幻聽，可能患有思覺失調症。除了這個案件外，近年來多個社會案件的被告都想透過精神疾病來減輕或免除刑責，但精神疾病的診斷判斷不易。
傳統的精神疾病診斷，大多需透過醫生問診來釐清疾病史、家族史和篩檢量表等，並根據 DSM-5 診斷手冊或其他相關標準來判斷，缺乏客觀的影像學分析支持。除了病人未清楚表達症狀，也常因為發病時間的狀況不同，容易導致精神疾病的誤判，影響治療效果。
RSVP
研 究 目 標
-
建立基於 3D EfficientNet 針對精神疾病 MRI 影像分析模型。
-
為智慧醫療與影像診斷提供技術參考。
-
初步驗證深度學習應用於精神疾病影像分析的可行性。
-
開發簡易的影像可視化工具。
研 究 結 果
透過 MRI 影像可以有效分辨患者是否患有精神疾病，
健康與精神疾病 CBAM 二元分類的準確率 74.25%，
以及精確率 82.66%和召回率 82.67%。
bottom of page