データセット - 國網中心資料集平台

聯邦式學習分類模型。聯邦式學習不同 client 端蒐集的資料往往有不同的資料分布，各個client使用各自私有資料更新model時，常會遺忘從其他 client 學習到的知識。本方法引入具持續性學習性質的prototype，紀錄不同 class 的特徵分布，引導client 訓練model 時不要遺忘從其他 client 學習過的資訊，提升聯邦式學習效能。

Applicaiton Required H11-M21_持續性學習之影像分割模型整合(最終版)

Update frequency Irregular Page view 840 Downloads 0

病理組織影像需由醫師進行標註，然而影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像分割結果做為參考資訊。

Applicaiton Required H11-M20_持續性學習之影像偵測模型整合(最終版)

Update frequency Irregular Page view 841 Downloads 0

細胞影像需由醫師進行標註，然而不同的細胞影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像偵測結果做為參考資訊。

Applicaiton Required H11-M126_肝脂肪變性分割模型

Update frequency Irregular Page view 955 Downloads 0

因數位病理影像尺寸巨大，病理醫師人為檢視與精確標註極為耗時，本AI目標是開發在只有少量精細標註的資料下，充分利用影像資訊，使訓練後的 AI 模型可達到比肩甚至更勝於傳統訓練方式的效果，並提供醫師診斷時的輔助參考資訊。

Applicaiton Required H11-M125_HER2分級模型

Update frequency Irregular Page view 970 Downloads 0

HER2分級需量化整張切片組織的膜染色細胞核強度與完整度數量，過於耗費時間及精力，因此透過模型及方法統計HER2數位病理切片影像每顆細胞膜染程度與情況，得到最後分級。

Applicaiton Required H11-M124_DISH HER2 細胞核實例分割模型

Update frequency Irregular Page view 1003 Downloads 0

乳癌DISH細胞核精準分割預測，搭配影像處理計算機因放大數量，幫助病理醫師判斷病患嚴重程度。

Applicaiton Required H11-M29_基於多倍率異質性公私模型交互監督之半監督聯邦式學習

Update frequency Irregular Page view 628 Downloads 0

考量病理影像過於龐大，使得標註成本過高，以及了解到若能聯合多間醫療院所共同訓練 AI 模型，可有效降低標註需求，發展一種基於聯邦式學習並引入多倍率概念的公私模型交互監督之半監督聯邦式學習，藉由少量標註成本學習複雜的病理影像資訊。

Applicaiton Required H11-M25_整合半監督式、弱監督式與非監督式深度學習方法之分割/協同分割方法

Update frequency Irregular Page view 595 Downloads 0

考量到病理影像數據龐大，人工標註成本極高，因此若能降低標註負擔，能更好加速病理 AI 模型開發。我們提出一種基於弱監督學習的方法，並引入前景與背景 Token，以幫助模型更有效地學習複雜的組織結構，進而精準分割出目標區域。

Applicaiton Required 2024年福爾摩沙衛星五號 L4 台東

Update frequency Irregular Page view 7441 Downloads 15

此資料集為非公開資料，需由 TASA 進行資料審核。欲申請者，請進入資料集後點選右上方「申請」填寫申請單；申請前請先登入系統。若尚無平台帳號，請至 https://scidm.nchc.org.tw/user/register 進行註冊