MAIA
傳統 AI 影像分析計畫執行的考量及規劃步驟相當繁瑣耗時 ，需籌組精良的深度學習技術團隊之外，如何確保醫療影像的隱私性、如何評估模型的準確度及如何使模型產出符合臨床使用等問題，更拖延了臨床醫學應用的時程。MAIA(Medical AI Aggregator )醫學影像判讀平台，讓您能輕鬆輸入醫學影像，交付軟體自動訓練後，生成專屬的醫學分項分析及預測模型，大幅加速醫療AI臨床應用。.png)
Medical AI Aggregator
MAIA 是醫學影像深度學習的軟體。您能將千張、萬張影像輸入 MAIA，軟體自動化訓練後取得專屬的 AI 預測模型。憑藉遷移學習(Transfer learning) 和超參數優化(Hyper-parameter Tuning) 的技術，協助您輕鬆建立高效率而精準的AI 預測模型。
軟體特色
透過自動化深度學習AutoDL (Automatic Deep Learning)軟體— 醫師也能簡便快速的打造專屬的醫學影像預測模型
自動化模型預測建立
透過輸入影像、軟體自動訓練後，可依據指標包含Confusion Matrix, AUC,ROC curve等數值和圖表，評估模型的效能和準確度。
多種影像模型
可進行分類預測 、迴歸預測 、分級預測。
自動化 AI 專案
輸入影像交付軟體自動訓練後，生成專屬的醫學影像分析及預測模型。醫療從業人員僅需基礎AI觀念，即能啟動並完成軟體自動化的模型訓練。
支援多種影像格式
成功案例包含 X-ray、 CT、 MRI、SPECT、眼底攝影、外觀照等和其他醫學影像，支援 PNG、JPEG 和 DICOM 檔。
小量資料即可訓練
醫學影像資料取得不易 ，MAIA利用Transfer Learning方式小量資料即可訓練。
建立可解釋AI（Explainable AI)
評估測試結果後產生熱圖(heat map) ，並可將預測結果生成文件，EXPORT檔案加以利用。
符合不同需求
MAIA 單機版
支援Windows 10 /Linux: Ubuntu，64-bit operating system。可搭配沐恩最新開發軟體QA(Query Assistant)，為專案計畫及研究論文撰寫的最佳組合。
介面功能
可依據指標包含Confusion Matrix, AUC, ROC curve等數值和圖表，評估模型的效能和準確度
影像觀察器
研究者可以近距離觀察影像並修改標記。
模型自動化訓練
僅需具備基礎 AI 知識就可以操作自動化深度學習。
模型評估
全面性和完善的系統規劃使您得到良好的預測結果。
模型測試
訓練完成後，可透過輸入新資料查驗模型。
客戶成功案例
醫學專案
眼科：糖尿病視網膜病變偵測
骨科：X-ray骨密度偵測
胸腔：CT肺結節偵測
論文發表
眼科：眼底影像青光眼偵測
骨科：MRI十字韌帶斷裂偵測
耳鼻喉科：聲帶病變種類偵測
腎臟：心臟術前術中預測急性腎衰竭
進行中
神經內科：腦波預測癲癇
整形外科：臉部影像偵測特徵長度
慢性腎臟病患者的健康管理平臺
睡眠管理平台
智慧醫院管理
沐恩得獎紀錄
參賽憑藉沐恩團隊研發技術— 自動化深度學習 (AutoDL)，於國際競賽Kaggle中屢獲佳績
- 肺炎偵測
- 離子通道打開時間點預測
- 糖尿病視網膜病變偵測
- 氣胸偵測
- 細胞內蛋白質混和模式分類
- 消費者行為預測
- 推特語意預測
- CIS 信用違約預測
- 乘客攜帶物品檢測
- 相機模型偵測
- 犬類圖片生成比賽
- 數位影像資訊
- Quora不真誠文句檢測與分類
- 批評/攻擊性文句檢測與分類
- Google 問題標記