深度學習能不能幫醫師多看一眼？

腸胃內視鏡影像中的息肉偵測，傳統上完全仰賴醫師人工判讀，判讀的精準度跟經驗、專注力都有關係，長時間高強度看片也容易疲勞。我們做過一次實驗性的技術驗證，想知道 AI 輔助判讀這個方向在技術上是否可行。

這是研究／學術性質的技術實作展示，不是通過認證的醫療器材，也不能取代醫師診斷。所使用的資料集為公開學術資料集，僅作技術可行性驗證之用。

01資料與訓練方式

我們用公開的 CVC-ClinicDB 資料集（612 張影像），訓練了一套 Mask R-CNN 深度學習模型，專門針對息肉進行自動偵測與標示。訓練切分成訓練集、驗證集、測試集，在雲端 GPU 環境上跑了 90 個訓練週期，耗時約 8 小時完成訓練。

測試結果：精確率 95.3%、召回率 99%，F1-score 達 97.5%。這代表模型在這份公開資料集上，已經能相當準確地標示出息肉位置。

這個專案的重點不是「取代醫師」，而是驗證「AI 輔助判讀」這個方向在技術上是可行的——未來如果要往臨床應用推進，還需要更大規模的資料、更嚴謹的驗證流程與法規認證，這次的成果是一個技術可行性的起點。