呂姓學生以「以新建構之卷積神經網路對腦部核磁共振影像執行多發性硬化症」為題參展，拿下國中組「生活與應用科學（一）科」第三名。
摘要中指出，該研究新建構卷積神經網路，提出一套以深度學習為基礎，可自動辨識腦部核磁共振影像中，分割多發性硬化症病灶之人工智慧病灶判讀方法。研究使用約翰霍普金斯大學影像分析與通訊技術實驗室授權提供之Longitudinal Multiple Sclerosis Lesion Imaging Archive資料集為訓練與測試資料，共151筆核磁共振臨床資料、39583744筆像素資料，並以IoU與dice係數為評估指標。經實證發現，本研究提出的方法，具有顯著IoU值，達0.8523，另dice係數亦較其他方法高，其值為0.9392，且在速度方面，禎數高達13.79。研究成果未來可連結醫院之核磁共振影像資料庫，自動分割出核磁共振影像中多發性硬化症病灶，以利於早期診斷與治療。
因為研究相當專業，被人質疑「不是本人所做」，呂同學今天也透過臉書發聲，他表示會有此懷疑，一定有人是看過科展代筆的相關問題，他願意親自釋疑。
呂同學表示，這篇研究一共進行了2年，前面大量的時間在技術碰壁，更每天晚上熬夜，試著跟國外各醫院和大學實驗室討論資料授權。「也有人附上我所使用的資料集，因為NITRC網站上導向的Smart-Stats-Tool資料已無法申請，那是當時我向該負責人另外寫email索取到的資料，但還是以public dataset的方式撰寫。也從那時開始養成每天讀paper的習慣，便擁有了英文的學術閱讀能力。」
他特別感謝主要的指導教授台大資工張老師的無私指導，但他強調，資料授權、訓練機器，教授都是沒有特別協助的，而是每週線上和他討論書面資料和研究方法。「從小五到台大資訊系統訓練班上課後，教授便已有指導我的研究法，為我的學術基底打得非常穩。然而中小學科展不能有校外指導老師（跨校指導不適用於大學），因此才沒有在指導名單。」
呂同學表示，訓練機器在剛開始調整階段還是使用Colab，後來是使用AWS EC2 g4dn.xlarge，有些人可能看到這裡就會說有財力，但這個instance隨需價格是0.526 USD/hr，並在上面架設Jupyter Lab操作。
至於大家認為可能跟家長有關。呂同學說，爸媽並沒有這領域的技能和知識，這個研究是他在老師的協助之下獨自完成。之所以選擇多發性硬化症，是因為在國內約1000例的罕見疾病當中，便認識3位朋友受此疾病所擾，他們也都有分享誤診和延誤治療的問題，便想進行這個研究，解決延誤治療的問題。
呂同學正面地表示，「感謝各位前輩的建議和鼓勵，我認為自己仍有極大不足，例如實驗資料數不足、模型創新性不夠，我會再繼續努力學習，但也希望不要以教育階段或體制平均去抹煞一個人的努力。」他也從2021年開始參與 g0v.tw 台灣零時政府，經常在各公民社群和開放原始碼相關議題的社群中打滾，並發起了開放教育相關專案，未來會繼續努力。
網友看完文筆大驚，「您是我們台灣學生的驕傲」、「能自己花時間又願意做這個題目真的很厲害，恭喜得獎」，另有人表示「看到有人說，期待你是另一個唐鳳，我則是認為你會一直是獨一無二的你，跟唐鳳一樣發揮超乎常人的能力，引領台灣走向不同領域。有各種天才的台灣，真好。」
★快點加入《壹蘋》Line，和我們做好友！
★下載《壹蘋新聞網》APP
★FB按讚追蹤《壹蘋新聞網》各大臉書粉絲團，即時新聞到你手，不漏任何重要新聞！
點擊閱讀下一則新聞
