林伯星老師目前任教於資訊工程學系兼任資訊中心主任，他在110年度本校所頒發之「學術研究獎助」，因收錄於 SCIE之期刊論文為該領域（根據 JCR 資料庫Category 索引）最近年度排名前5%（含），特邀請分享其研究議題。
內文及照片提供 ‧ 林伯星（國立臺北大學資訊工程學教授系兼任資訊中心主任）
林伯星老師表示，肱二頭肌是我們常施力的肌肉，過度運動或抬舉重物會造成肱二頭肌長頭肌腱發炎積水的現象，這是普遍的肌肉骨骼疾病。一般來說，我們通常會透過超音波檢測這項疾病，而疾病的診斷主要取決於醫生的臨床經驗，但判斷的結果也因此較主觀。
由於這項疾病很普遍，而醫生需要耗費相當多的精力和時間來判斷，這將加重醫生們的負擔及工作量，因此對於經驗比較不足的醫師而言，也較容易發生誤判的情形。有鑑於此，林老師的研究為提出一套使用目標檢測模型結合深度學習模型進行自動分類肱二頭肌長頭肌腱發炎嚴重程度的評估系統。
本研究係透過人工智慧來解決這項問題，讓系統自動圈選超音波影像肱二頭肌長頭肌腱的區域後，接著學習被圈選區域的特徵，並透過所學特徵進行自動分級。
林伯星老師的研究除了使用深度學習外還利用目標檢測模型來圈選出主要的目標區域，來優化機器的結果判別，使整體的分類準確度大為提升。分級的結果不僅能提供醫師們作為一個判定的參考，更能透過此系統輔助新進醫師做出更準確的判定。
林老師解釋，本項研究最後搭配BenQ T3300可攜式超音波儀及具有圖形處理器可執行人工智慧運算的電腦組成一完整系統。對醫師而言，操作上可以使用超音波探頭在病患的肩患處掃描成像，接著BenQ T3300透過無線網路將超音波影像傳至電腦端執行人工智慧運算，程式會將超音波影像的肱二頭肌長頭肌腱發炎積水的區域圈選出來並分級其發炎程度，再提供醫師發炎程度資訊及醫囑。醫師可以不修改或修改後送出此一醫囑至醫院資訊系統中，整個流程將可以大幅節省醫師診斷及撰寫醫囑的時間。
此一研究成果也發表在2020年四月的IEEE Journal of Biomedical and Health Informatics （Rank in Category of Medical Informatics：1/27，Year：2019）期刊上。※Demo影片：https://www.youtube.com/watch?v=niZ-faipdgs （本文完）
