睿傳數據承接醫療大數據專案，打造 AI 健康大平台
2020/11/01 睿傳數據股份有限公司
巨量非結構化影像資源收載作業處理能力:
可提供平均每日約150~400萬張醫學影像DICOM(含JPG)收載暨具管理意象高效能存取處理之索引機制，
並提供傳統區塊式(block)或物件式(object)儲存等多樣態實務檔案存儲機制整合彈性、迅速收載、處理與調閱檢索等管理能力，
針對來源資料量多寡之各種類型收載管理應用，均能嚴謹而有效地大幅提升影像收載處理量能，並大量降低處理與運營管理成本。
整合臨床實務場域結構與非結構化資訊管理平台:
本團隊具有醫療臨床實務運營領域知識專家顧問群，
提供迅速整合臨床就醫紀錄摘要、各類病徵檢查資料與醫學影像等各種結構或非結構化資源查詢平台服務。
基於需求迅速整合暨部署導入特性，可提供專案式資訊資源檢索與管理實務，協助各種具管理意義資料存取之可近性與正確性提升。
符合個人隱私匿名化醫學影像管理平台:
提供基於國家級(如:科技部)個人隱私匿名化要求規範與兼具符合法律精神之需求異動彈性作業管理平台，
可進行醫學影像動態DICOM Tag匿名化處置外，並提供植基於DICOM影像內容(pixel image data)個資去識別化OCR 遮罩演算法，
可迅捷與正確地完成各種MODALITY影像個資OCR遮罩處理，提供OCR遮罩高作業處理效能(如:CR或DX約50張/秒，
ES或US約30張/秒等)與實務場域整合應用彈性，大幅提升醫學影像資源研究與落地應用之可用及有效性。
容器化雲端平台系統部署與管理應用運營專家:
本團隊致力於醫學影像人工智慧AI模型開發與建置，協助醫療行業專家解決問題。
實際參考醫療雲服務的概念，並基於過去研發電子病歷管理系統、個人數位健康系統雲服務之成果與經驗，
利用容器(最新之輕量級虛擬化技術)、微服務與先進資通訊技術研發「基於容器虛擬化技術與微服務之新一代智慧醫療服務平台」，
平台包含「雲端、醫療院所端、使用者端與應用端邊緣」大數據處理平台等四大部份功能架構，
俾利於快速導入高效能運算環境(High Performance Computing)容器化雲端平台系統部署與管理。
本平台底層植基於Kubernetes(K8s)，往上疊代企業級RedHat OCP (OpenShift) 或社群版OKD進行容器化程序管理功能，
另提供GPU Scheduling與未來AI模型Inference加速器整合機制，提供容器化雲平台系統部署有效性管理與GPU資源管理效能的提升。
醫學影像標註系統平台:
醫學影像AI模型研發與實務落地應用必須藉助醫事專家專業領域知識的協助，
因此需要提供醫事專家輔助之智慧型醫學影像標註系統。本團隊基於以往系統經驗與產學合作，
開發完成智慧型自動化標註系統，能提供醫事專家以專案方式進行醫學影像檢視與標註作業，
平台功能包括十字準線、調整明暗度工具、放大縮小工具、平移、重置影像位置、MIP等基本檢視工具，
並提供矩形、橢圖形、不規則形等標註工具，且能有效管理標註工作，
進行自動化管理標註資料與影像間之對應關係，亦能整併匯入病歷報告資料讓醫事專家一邊標註一邊查詢病歷報告，
並匯出匯入標註資料，以供AI模型訓練。本系統平台與現行產業界類似系統功能差異為:
(1)專案式管理
(2)影像與病歷報告整合查詢與
(3)圖文整合一致性分析等特殊功能，
導入後將更能貼近醫事專家使用情境。
醫學領域知識與人工智慧科技整合能力:將醫療專業領域AI應用於醫療相關產業服務，
發展一系列AI應用服務，諸如人臉辨識、疾病進程、影像相似、圖文一致、圖像語意等，
協助品質追蹤管理。此外解析醫療數據特性，建置AI協助條列整理醫療影像資料，
各類醫療2D、3D影像人體部位識別與快速索引，讓醫療影像應用具體化。
巨量非結構化影像資源收載作業處理能力:
可提供平均每日約150~400萬張醫學影像DICOM(含JPG)收載暨具管理意象高效能存取處理之索引機制，
並提供傳統區塊式(block)或物件式(object)儲存等多樣態實務檔案存儲機制整合彈性、迅速收載、處理與調閱檢索等管理能力，
針對來源資料量多寡之各種類型收載管理應用，均能嚴謹而有效地大幅提升影像收載處理量能，並大量降低處理與運營管理成本。
整合臨床實務場域結構與非結構化資訊管理平台:
本團隊具有醫療臨床實務運營領域知識專家顧問群，
提供迅速整合臨床就醫紀錄摘要、各類病徵檢查資料與醫學影像等各種結構或非結構化資源查詢平台服務。
基於需求迅速整合暨部署導入特性，可提供專案式資訊資源檢索與管理實務，協助各種具管理意義資料存取之可近性與正確性提升。
符合個人隱私匿名化醫學影像管理平台:
提供基於國家級(如:科技部)個人隱私匿名化要求規範與兼具符合法律精神之需求異動彈性作業管理平台，
可進行醫學影像動態DICOM Tag匿名化處置外，並提供植基於DICOM影像內容(pixel image data)個資去識別化OCR 遮罩演算法，
可迅捷與正確地完成各種MODALITY影像個資OCR遮罩處理，提供OCR遮罩高作業處理效能(如:CR或DX約50張/秒，
ES或US約30張/秒等)與實務場域整合應用彈性，大幅提升醫學影像資源研究與落地應用之可用及有效性。
容器化雲端平台系統部署與管理應用運營專家:
本團隊致力於醫學影像人工智慧AI模型開發與建置，協助醫療行業專家解決問題。
實際參考醫療雲服務的概念，並基於過去研發電子病歷管理系統、個人數位健康系統雲服務之成果與經驗，
利用容器(最新之輕量級虛擬化技術)、微服務與先進資通訊技術研發「基於容器虛擬化技術與微服務之新一代智慧醫療服務平台」，
平台包含「雲端、醫療院所端、使用者端與應用端邊緣」大數據處理平台等四大部份功能架構，
俾利於快速導入高效能運算環境(High Performance Computing)容器化雲端平台系統部署與管理。
本平台底層植基於Kubernetes(K8s)，往上疊代企業級RedHat OCP (OpenShift) 或社群版OKD進行容器化程序管理功能，
另提供GPU Scheduling與未來AI模型Inference加速器整合機制，提供容器化雲平台系統部署有效性管理與GPU資源管理效能的提升。
醫學影像標註系統平台:
醫學影像AI模型研發與實務落地應用必須藉助醫事專家專業領域知識的協助，
因此需要提供醫事專家輔助之智慧型醫學影像標註系統。本團隊基於以往系統經驗與產學合作，
開發完成智慧型自動化標註系統，能提供醫事專家以專案方式進行醫學影像檢視與標註作業，
平台功能包括十字準線、調整明暗度工具、放大縮小工具、平移、重置影像位置、MIP等基本檢視工具，
並提供矩形、橢圖形、不規則形等標註工具，且能有效管理標註工作，
進行自動化管理標註資料與影像間之對應關係，亦能整併匯入病歷報告資料讓醫事專家一邊標註一邊查詢病歷報告，
並匯出匯入標註資料，以供AI模型訓練。本系統平台與現行產業界類似系統功能差異為:
(1)專案式管理
(2)影像與病歷報告整合查詢與
(3)圖文整合一致性分析等特殊功能，
導入後將更能貼近醫事專家使用情境。
醫學領域知識與人工智慧科技整合能力:將醫療專業領域AI應用於醫療相關產業服務，
發展一系列AI應用服務，諸如人臉辨識、疾病進程、影像相似、圖文一致、圖像語意等，
協助品質追蹤管理。此外解析醫療數據特性，建置AI協助條列整理醫療影像資料，
各類醫療2D、3D影像人體部位識別與快速索引，讓醫療影像應用具體化。