英業達AI報喜！奪 George B. Moody PhysioNet 挑戰賽亞軍

（2356）研究中心的智慧醫療團隊傳出捷報，該團隊參加Computing in Cardiology（CinC）及PhysioNet共同舉辦的心電圖（ECG）影像數位化與分類挑戰賽：The George B. Moody PhysioNet Challenge 2024獲得亞軍。CinC至今已有50年的歷史，是電腦心臟領域最具有國際影響力的學術年會，主要提供醫學、物理學、工程和電腦科學領域的科學家和專業人士，針對心臟領域進行國際性醫工交流討論。

醫療資料數位化，是發展AI智慧醫療的基石。現今臨牀應用「AI」判讀心電圖的方法，是以分析「訊號資料」為主，然而，在許多地區，尤其是開發中國家，醫療資料數位化程度低，仍然多是以傳統的「紙本心電圖」，進行「人工」判讀與傳遞資訊。

為促進AI智慧醫療貢獻於的醫療品質發展，本次George B. Moody PhysioNet全球挑戰賽，強調以自動化方法解決臨牀上兩大挑戰，一是「將紙本心電圖影像數位化」，另一項則為「進行心血管疾病分類」。英業達的智慧醫療團隊，在為期六個月的競賽內，開發出Dual Deep Learning System to Digitize and Classify 12-lead ECGs from Scanned Images技術，並以亮眼的表現，在全球超過30組參賽團隊中脫穎而出，取得亞軍的佳績；更於今年德國CinC 2024會議上發表該技術。

英業達表示，此次競賽，主要挑戰在於現實中缺乏大量配對的心電圖影像與訊號資料。因此，團隊整合了超過20萬筆心電圖資料進行模型預訓練，並採用深度學習模型將訊號值從圖中提取出來，不僅成功將紙本心電圖數位化，亦能判讀出高達11種症狀，包含無症狀，與其他10種異常症狀。

英業達更進一步說明，借鏡先前開發「myHeartScore 30秒洞悉個人心血管健康」的產品經驗，將各種紙本心電圖可能發生的情況納入考量，設計出多種心電圖格式，例如不同訊號間隔及訊號排序、皺摺等現實紙本影像，讓訓練資料更接近現實世界情況，有利於後續落地於臨牀之應用。

繼成功開發出「myHeartScore」產品後，英業達AI團隊，在The George B. Moody PhysioNet Challenge 2024獲得亞軍，不僅再次證明其AI技術應用於心電圖影像與訊號資料分析的堅強實力，和積極向外拓展合作機會的企圖心，更展現集團在智慧醫療的布局與策略。

標題：英業達AI報喜！奪 George B. Moody PhysioNet 挑戰賽亞軍

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。