前幾天的內容介紹了CNN模型訓練，今天要實際將訓練好的模型運用在醫療上，考驗CNN對於圖片的判別疾病程度能否和醫生的角色互相匹敵。

一、AI醫療應用

1. AI在CT、MRI等醫療影像中的應用
   在CT（電腦斷層掃描）和MRI（磁共振成像）等醫療影像的分析中，AI可以幫助醫生更精確、更快速地檢測和診斷疾病。卷積神經網絡（CNN）是其中最常用的一種技術，專門用於圖像的處理和識別。它模仿了人類視覺系統的工作方式，能夠自動提取影像中的特徵，進行分類和識別。

2. CNN分析醫療影像，檢測疾病
   在CT和MRI影像的分析中，CNN主要被應用於以下幾個方面：

• 腫瘤檢測：
  自動學習醫療影像中的特徵，並識別出可能的腫瘤區域。通過對數以萬計的已標註醫療影像進行訓練，CNN可以區分正常組織和異常組織。

• 器官分割：
  精確識別器官邊界對於進行手術計劃或治療方案有著重要意義。CNN可以幫助自動分割CT或MRI影像中的器官或病變區域，從而輔助醫生做出更準確的診斷。

• 異常檢測：
  例如在心臟MRI中，CNN可以用來識別心肌異常，檢測心臟病變或結構異常。

3. 提高診斷效率

傳統的影像分析依賴於醫生逐張觀察和解讀影像，這不僅耗時，而且在大量影像數據下容易出現疲勞和誤判。AI能夠通過自動化影像處理來加快檢測流程，並減少診斷中的人為錯誤。例如，AI可以幾乎實時地分析CT影像，並標註出潛在的異常區域，醫生只需進行最終確認，大大減輕了工作量。

這種技術不僅在癌症檢測中得到應用，也逐漸擴展到心血管疾病、神經系統疾病等領域，AI技術正在逐步成為醫療影像診斷的重要輔助工具。

二、實作訓練模型讓AI判別是否有腫瘤

STEP 1 準備數據集，包含有腫瘤（positive)與沒有腫瘤(negative)兩個資料夾

像上圖為positive

上圖為negative
(載入來源：Cancer Image Archive)

STEP 2 如同第八天內容，訓練CNN模型

STEP 3 在另一檔案中載入訓練好的模型，並載入一張照片叫它辨別（我載入的是有腫瘤的）

STEP 4 結果為(positive, negative)

前者數字接近1表判別positive的信心很高，後者數字趨近於零表判別negative的信心很低，即驗證此模型可以成功判別照片中是否有腫瘤的可能。

AI不僅能夠協助醫生進行更準確的診斷，還能大幅提高工作效率，減輕醫療人員的負擔。CNN的應用不僅是一個技術的突破，更是對醫療服務質量的提升。