top of page
研究流程
本專題使用 3D EfficientNet 深度學習技術，進行精神疾病 MRI 影像分析，探討腦影像特徵與不同精神疾病之間的關聯。協助醫生以更客觀和有效的方式精神疾病判別，及早發現真正罹患思覺失調症、躁鬱症與重鬱症的人，讓他們早日接受相關治療和恢復健康，未來也可以提供給精神疾病領域作為研究參考依據。
資料集彙整
➤ 採用 TAMI 資料庫中健康組與三類精神疾病（思覺失調症、重鬱症、躁鬱症）共 948 筆 MRI 影像。
➤ 主要使用涵蓋完整頭部的影像的 001.mgz 和 去除顱骨後的大腦影像 brain.mgz。
建立模型
➤ 成功訓練 3D EfficientNet 模型，進行疾病判斷。
➤ 儲存各階段模型與權重，便於後續持續訓練與分析。
模型調整
➤ 我們的實驗一開始從四分類、三分類著手，但準確率偏低。
➤ 透過不同組合的二元分類分析三種精神疾病的關聯性，像是健康對三種精神疾病、單一精神疾病對其他的差異等
等，準確率多數達到六成到七成左右。
結果分析
➤ 本研究成功透過腦部 MRI 影像有效分辨患者是否患有精神疾病，準確率達到 74.25%
➤ 多次探討三種精神疾病，發現影像分析難以有效區分三種精神疾病（思覺失調症、重鬱症、躁鬱症）間的差異。
➤ 期望持續提升模型判斷準確率，建立可實際應用於臨床的精神疾病影像辨識輔助診斷系統，提升早期篩檢效率。
bottom of page